> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wudlet.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Auditoría y escaneo completo de sitio para IA
> Framework exhaustivo en 4 capas para escanear y diagnosticar el sitio web de cualquier marca, detectando deficiencias técnicas, semánticas y de entidad para GEO.
Medir el porcentaje de visibilidad en plataformas de IA es solo el punto de partida. Para optimizar la presencia digital y lograr que los motores de IA y búsqueda recomienden una marca de forma consistente, es indispensable ejecutar una **auditoría técnica y semántica completa del sitio web**.
A diferencia del SEO tradicional (que evalúa enlaces entrantes, PageRank y densidad de palabras clave), un **Escaneo para IA (GEO Audit)** analiza si tu contenido es accesible para rastreadores de modelos de lenguaje, si tu arquitectura de datos está correctamente estructurada y si tu autoridad temática está consolidada.
***
## El framework de escaneo en 4 capas
Para diagnosticar cualquier dominio, el escaneo se divide en cuatro capas de inspección secuenciales:
```
┌─────────────────────────────────────────────────────────┐
│ Capa 4: Huella Digital Externa & Autoridad de Entidad │
├─────────────────────────────────────────────────────────┤
│ Capa 3: Arquitectura de Contenido Semántico │
├─────────────────────────────────────────────────────────┤
│ Capa 2: Datos Estructurados y Legibilidad por Máquinas │
├─────────────────────────────────────────────────────────┤
│ Capa 1: Accesibilidad y Rastreo de Bots de IA │
└─────────────────────────────────────────────────────────┘
```
***
## Capa 1: Accesibilidad y rastreo de bots de IA
Si los rastreadores de inteligencia artificial no pueden leer tu código fuente en crudo, tu marca no existirá para las respuestas en tiempo real.
Muchos sitios web bloquean por error a los agentes de búsqueda generativa. Un escaneo debe verificar que los siguientes User-Agents tengan acceso explícito a las páginas clave:
| User-Agent | Motor asociado | Propósito |
| :---------------- | :------------- | :------------------------------------------- |
| `GPTBot` | OpenAI | Indexación de conocimiento y entrenamiento |
| `ChatGPT-User` | OpenAI | Búsqueda web en vivo solicitada por usuarios |
| `PerplexityBot` | Perplexity AI | Rastreo en vivo para síntesis de respuestas |
| `ClaudeBot` | Anthropic | Rastreo de fuentes para Claude |
| `Google-Extended` | Google | Control de datos para Gemini y Vertex AI |
**Punto de control:** Comprueba si tu archivo `robots.txt` incluye líneas como `User-agent: * Disallow: /` que estén impidiendo el acceso a estos bots.
Los bots de búsqueda de IA priorizan la velocidad y la eficiencia de tokens.
Muchos rastreadores de LLM descargan únicamente el HTML inicial y **no ejecutan código JavaScript pesado**. Si tu sitio es una Single Page Application (React, Vue) sin Server-Side Rendering (SSR) o prerenderizado, el bot solo verá un contenedor vacío: ``.
**Punto de control:** Ejecuta una petición directa con `curl` o desactiva JavaScript en el navegador. Si el texto descriptivo de tu producto no está presente en el código fuente HTML original, los modelos de IA no podrán leerlo.
Cuando un usuario hace una pregunta en Perplexity o ChatGPT Search, el modelo tiene una ventana de tiempo de apenas 1 a 3 segundos para consultar fuentes web antes de generar la respuesta. Si tu servidor tarda más de 800ms en responder, el bot descartará tu página y citará a un competidor más rápido.
***
## Capa 2: Datos estructurados y legibilidad por máquinas
Los modelos de lenguaje no leen el diseño visual ni los estilos CSS; procesan texto y grafos estructurados.
Un escaneo exhaustivo debe comprobar la presencia de tres esquemas vitales:
* **`Organization`**: Debe contener `name`, `url`, `logo`, `description` y el arreglo **`sameAs`** con enlaces hacia perfiles institucionales.
* **`SoftwareApplication` o `Product`**: Debe definir la categoría (`applicationCategory`), descripción técnica y público al que va dirigido.
* **`FAQPage`**: Preguntas y respuestas canónicas sobre qué es el producto, cómo funciona y qué precio tiene.
Verificar si el dominio cuenta con un archivo `/llms.txt` accesible en la raíz del servidor (`https://tudominio.com/llms.txt`). Este archivo proporciona un resumen en Markdown limpio y estructurado de la documentación y propuesta de valor de la empresa, optimizado para consumo directo por LLMs.
Asegurar que las etiquetas ``, ``, `og:title` y `og:description` transmitan con precisión el valor central del producto en menos de 160 caracteres, sin eslóganes ambiguos.
</Step>
</Steps>
***
## Capa 3: Arquitectura de contenido semántico
Esta capa evalúa cómo está redactada la información dentro de la página.
### Checklist de evaluación de contenido:
1. **Definición en la primera pantalla:** ¿El primer encabezado `H1` o el párrafo introductorio define explícitamente la categoría de la empresa sin jerga de marketing opaca?
2. **Tablas comparativas estructuradas:** Los LLMs extraen datos tabulares con extrema facilidad. Tener tablas comparativas (`Tu Marca vs Alternativa A vs Alternativa B`) incrementa drásticamente las probabilidades de ser citado cuando los usuarios preguntan *"¿Cuáles son las mejores alternativas a \[Competidor]?"*.
3. **Página dedicada "¿Cómo funciona?":** Una URL con estructura limpia que explique paso a paso el funcionamiento del producto.
4. **Casos de uso documentados:** Artículos o secciones que expliquen soluciones específicas para industrias concretas, permitiendo a la IA asociar tu marca a problemas puntuales.
***
## Capa 4: Huella digital externa y autoridad de entidad
La IA no solo confía en lo que tú dices en tu sitio web; valida la información cruzándola con el resto de internet.
| Factor externo | Qué evalúa el escaneo | Impacto en GEO |
| :------------------------------------------------------- | :------------------------------------------------------------------ | :--------------------------------------- |
| **Wikidata** | ¿Existe un identificador Q vinculado al dominio oficial? | **Crítico** para Knowledge Graph |
| **Crunchbase** | ¿Existe un perfil de empresa activo y con datos coincidentes? | **Alto** para validación de startups B2B |
| **Directorios de Software (G2, Capterra, Product Hunt)** | ¿Está listado en su categoría correspondiente? | **Alto** para comparativas de software |
| **Perfiles Sociales Oficiales** | LinkedIn, X, GitHub con el mismo nombre y dominio enlazado | **Medio** para validación de entidad |
| **Co-ocurrencias en prensa/blogs** | Menciones de la marca junto a la categoría en artículos de terceros | **Alto** para relevancia semántica |
***
## Matriz de diagnóstico y cálculo del GEO Score (0 a 100)
Al concluir el escaneo, Wudlet asigna una puntuación ponderada basada en los factores identificados:
```
GEO Readiness Score = (Capa 1 × 25%) + (Capa 2 × 30%) + (Capa 3 × 25%) + (Capa 4 × 20%)
```
### Clasificación de hallazgos
<CardGroup cols={3}>
<Card title="Errores Críticos (Prioridad Alta)" icon="triangle-exclamation" color="#ef4444">
* Bloqueo de bots de IA en `robots.txt`.
* Sitio web en SPA sin renderizado SSR.
* Ausencia total de Schema `Organization`.
* Falta de enlaces canónicos o metadatos básicos de entidad.
</Card>
<Card title="Mejoras Recomendadas (Prioridad Media)" icon="circle-exclamation" color="#f59e0b">
* Falta de esquema `FAQPage`.
* Perfil ausente en Wikidata o Crunchbase.
* `sameAs` incompleto en JSON-LD.
* Encabezados principales sin definición canónica de categoría.
</Card>
<Card title="Optimizaciones Avanzadas (Prioridad Baja)" icon="circle-check" color="#10b981">
* Implementación de `/llms.txt`.
* Publicación de páginas de comparativa frente a competidores.
* Generación de artículos técnicos en blogs de autoridad.
</Card>
</CardGroup>