Laboratorio AEO local: documentamos el piloto de Centro de Negocios Elda-Petrer
Probamos AEO en un negocio local real y documentamos el proceso desde rastreo técnico hasta entidad, fuentes externas y medición en motores de respuesta.
Iniciamos un laboratorio AEO local con Centro de Negocios Elda-Petrer, un centro de negocios en Elda que ofrece despachos privados, coworking, salas de reuniones y domiciliación de empresas.
No queremos publicar un caso de éxito perfecto al final. Queremos documentar el trabajo mientras ocurre: qué auditamos, qué cambiamos, qué se bloquea, qué fuentes importan y cómo responden los motores de IA con el tiempo.
Por qué este piloto es útil
El AEO local se puede medir bien porque las preguntas de compra son concretas. Los usuarios preguntan por coworking en Elda, despachos privados en Elda, salas de reuniones cerca de Petrer o una dirección para domiciliar una empresa. Los motores de respuesta necesitan datos de entidad claros y evidencia local fiable para recomendar un proveedor.
Línea base inicial
- La web ya tenía metadatos, schema LocalBusiness, sitemap, FAQ visible, llms.txt y ai-facts.json.
- Cloudflare Managed Robots estaba inyectando reglas contradictorias para crawlers de IA; desactivamos esa gestión y purgamos robots.txt.
- El formulario de contacto todavía necesita una vía real de envío.
- El sitemap solo incluye home y páginas legales, por lo que hacen falta páginas locales por servicio.
- El nuevo centro necesita señales externas más fuertes en mapas, directorios de coworking y fuentes empresariales locales.
El método de AEO local que estamos probando
El piloto trata el AEO local como un sistema de evidencias, no como una campaña construida solo con keywords sueltas. Para cada servicio, la web necesita una página que responda de forma directa a la pregunta del comprador, una capa de datos estructurados que describa la entidad real y perfiles externos que repitan los mismos datos. Google Search Central explica que los datos estructurados ayudan a sus sistemas a entender el contenido de una página y recopilar información sobre empresas y otras entidades. Schema.org define LocalBusiness como un negocio físico o una sucursal, una descripción más adecuada para un centro de negocios local que una entidad genérica.
La regla de trabajo es sencilla: todo dato que un motor de respuesta pueda reutilizar debe ser visible, consistente y correcto en más de un lugar. Nombre comercial, dirección, zona de servicio, horario, teléfono, servicios, vía de reserva y señales de presencia real deben coincidir en la web, Google Business Profile, mapas, directorios y fuentes locales que describan el centro. Las directrices de Google Business Profile también insisten en usar información de ubicación precisa, así que no es solo una preferencia AEO; es higiene básica de búsqueda local.
Matriz de evidencias del piloto
- Datos de entidad: nombre canónico, dirección, teléfono, identidad legal o comercial, categoría, zona de servicio y perfiles sameAs.
- Datos de servicio: coworking, despachos privados, salas de reuniones y domiciliación de empresas, cada uno con página clara, requisitos, precio o vía de presupuesto cuando exista, y ruta de contacto.
- Datos de rastreo: robots.txt, sitemap, llms.txt y ai-facts.json no deben contradecirse ni ocultar las páginas importantes.
- Datos estructurados: LocalBusiness y schema de servicios deben reflejar contenido visible, no claims inventados ni FAQs ocultas.
- Datos externos: perfiles de mapas, directorios locales, listados de coworking y páginas de colaboradores deben usar el mismo nombre, dirección, teléfono y lenguaje de servicios.
- Datos de medición: prompts, respuestas de motores, fuentes citadas y cambios visibles deben guardarse con fecha para interpretar la evolución.
Cómo mediremos la visibilidad local en respuestas
El conjunto de prompts empezará por preguntas de compra, no por términos de vanidad. Algunos ejemplos son "mejor coworking en Elda", "despachos privados en Elda para un equipo pequeño", "sala de reuniones cerca de Petrer" y "dónde domiciliar una empresa en Elda". Cada prompt se muestreará de forma repetida en distintos motores de respuesta. El resultado útil no es una captura aislada donde aparezca el negocio; es un registro fechado de si el centro se menciona, si se cita la web o un perfil externo, qué competidores aparecen y qué datos acierta o falla la respuesta.
Esto importa porque los motores de respuesta local suelen combinar páginas web, datos de mapas, perfiles de empresa y fuentes de terceros. Si el centro no aparece en una respuesta, la pregunta siguiente no debe ser "cómo forzamos una recomendación". La pregunta útil es "qué evidencia ha confiado el motor en su lugar y qué dato falta en nuestra huella pública". Ese enfoque mantiene el trabajo en terreno práctico y evita la falsa promesa de que una agencia pueda garantizar una respuesta concreta de IA.
Qué contaría como avance
- Las páginas de servicio están indexadas y enlazadas desde la home y el sitemap.
- Los motores de respuesta pueden identificar Centro de Negocios Elda-Petrer como un negocio local real con servicios concretos.
- Los prompts empiezan a devolver datos correctos aunque el centro todavía no sea recomendado.
- Los perfiles externos y directorios dejan de contradecir a la web.
- Las citas, menciones y fuentes competidoras pueden compararse con una línea base estable en vez de depender de comprobaciones anecdóticas.
Límites del piloto
Este piloto no puede demostrar que una edición concreta haya provocado el cambio de una respuesta de IA concreta. Tampoco puede garantizar aparecer en ChatGPT, Gemini, Claude, Perplexity o experiencias de IA de Google. El AEO local es probabilístico: se pueden mejorar los inputs, limpiar la evidencia y medir si la visibilidad evoluciona, pero la respuesta final la controla cada motor.
Qué haremos después
La siguiente fase no es escribir artículos genéricos. Es trabajo de entidad y fuentes: páginas de servicio, archivos para crawlers, sitemap, perfiles en mapas, directorios externos, reseñas y medición repetida por prompts.
- Crear páginas para coworking, despachos privados, salas de reuniones y domiciliación de empresas en Elda.
- Actualizar robots.txt, llms.txt, ai-facts.json y datos estructurados para que los motores extraigan hechos sin ambigüedad.
- Construir presencia externa en Google Business Profile, Bing Places, Apple Business Connect y directorios relevantes de coworking.
- Medir prompts como "coworking en Elda", "despachos privados en Elda" y "dónde domiciliar una empresa en Elda" en motores de respuesta.
El AEO es más útil cuando se documenta como sistema de trabajo, no cuando se vende como teoría cerrada.