¿Qué es el framework HABLA para auditar una web para IA?

HABLA agrupa la auditoría GEO en cinco dimensiones: Higiene (robots.txt, sitemap, HTTPS, canonical, idioma), Accesible (que el HTML servido contenga el texto sin ejecutar JavaScript), Bloques (un solo h1, jerarquía de encabezados, HTML semántico, JSON-LD, alt, meta description), Lenguaje o citabilidad (primer bloque autosuficiente, fechado y con cifra) y eXtras (llms.txt, entidad Organization o Person, contacto legible y señales de citación). Son 25 puntos, cinco por dimensión.

¿Por qué importa que el HTML servido contenga el texto sin ejecutar JavaScript?

Muchos rastreadores de IA leen el HTML inicial y no siempre ejecutan JavaScript como lo hace un navegador. En una SPA sin renderizado en servidor, el contenido puede llegar vacío al bot. Para comprobarlo, mira el código fuente de la página (Ctrl+U) o descárgala con curl: si tu texto principal no aparece ahí, un modelo podría no verlo.

¿Cómo verifico si mi robots.txt permite a los bots de IA?

Abre tu-dominio/robots.txt en el navegador y busca reglas para GPTBot, ClaudeBot y PerplexityBot. Comprueba que no haya un Disallow que bloquee de forma involuntaria las rutas que quieres que la IA lea, y que el archivo enlace tu sitemap.xml. Decidir qué bots permites es una decisión de negocio, pero conviene que sea deliberada y no accidental.

¿Qué debe responder el primer bloque de contenido de una página?

El primer bloque debe ser autosuficiente: responder qué es, para quién y cuánto o cuándo con una cifra o dato concreto, y estar fechado. Así, si un modelo cita solo ese fragmento, la respuesta sigue teniendo sentido sin el resto de la página. Verifícalo leyendo únicamente el primer párrafo: ¿se entiende solo?

¿Necesito un archivo llms.txt para hacer GEO?

No es obligatorio, pero un llms.txt real (con enlaces a tus páginas clave, no un archivo vacío o de relleno) funciona como índice legible para modelos y como declaración de qué contenido consideras importante. Comprueba que exista en la raíz, que devuelva 200 y que sus enlaces apunten a URLs vivas.

Checklist GEO de 25 puntos para auditar tu web (2026)

Cómo usar esta checklist

El objetivo de GEO no es posicionar un enlace, sino conseguir que ChatGPT, Perplexity, Claude, Gemini y los AI Overviews puedan leer tu contenido, entenderlo y citarte como fuente. Para eso hacen falta tres cosas encadenadas: que los bots puedan entrar, que puedan leer el texto y que ese texto sea citable. Las cinco dimensiones de HABLA recorren esa cadena en orden.

Recorre las cinco secciones de arriba abajo y marca cada punto como cumplido o pendiente. Si un punto de Higiene o Accesibilidad falla, arréglalo antes de tocar los demás: de nada sirve un contenido excelente si el bot no puede entrar o no ve el texto. Cada punto lleva una comprobación manual concreta para que no dependas de creerlo, sino de verlo.

Si prefieres un primer diagnóstico automático, en esgeo.ai tienes un auditor gratuito en /geo-score que comprueba varios de estos puntos por ti (accesibilidad del HTML, encabezados, schema, robots y algo más) y te da un punto de partida. No sustituye a la revisión manual, pero ahorra tiempo.

H — Higiene técnica

Los cimientos. Si un bot no puede rastrear tu web o encuentra señales contradictorias, todo lo demás da igual. Estos cinco puntos aseguran que la puerta esté abierta y bien señalizada.

robots.txt con reglas explícitas para los bots de IA. Por qué importa: GPTBot, ClaudeBot y PerplexityBot deciden si rastrean según lo que diga este archivo; un bloqueo accidental te deja fuera de las respuestas. Cómo verificar: abre tu-dominio/robots.txt y confirma que las reglas para esos user-agents son las que quieres (permitir o bloquear, pero a propósito).
sitemap.xml presente y enlazado. Por qué importa: es el índice que ayuda a los rastreadores a descubrir todas tus URLs, no solo las enlazadas desde el menú. Cómo verificar: abre tu-dominio/sitemap.xml, comprueba que lista tus páginas reales y que aparece referenciado con Sitemap: dentro del robots.txt.
HTTPS válido en todo el sitio. Por qué importa: es una señal básica de confianza y muchos rastreadores penalizan o evitan contenido mixto o certificados rotos. Cómo verificar: navega tu web y confirma el candado; revisa que no haya avisos de contenido mixto en la consola del navegador (F12).
Etiqueta canonical correcta en cada página. Por qué importa: el canonical le dice al bot cuál es la URL oficial de un contenido y evita que el valor de citación se disperse entre duplicados. Cómo verificar: en el código fuente busca <link rel="canonical"> y comprueba que apunta a la URL real y absoluta de esa misma página, no a la home ni a otra.
Idioma declarado con el atributo lang. Por qué importa: ayuda a los modelos a saber en qué idioma servirte y a asociarte con consultas en español. Cómo verificar: en el código fuente, la etiqueta de apertura debe ser <html lang="es"> (o el idioma que corresponda), no vacía.

A — Accesible para el bot

Que el bot entre no significa que lea. Muchos rastreadores procesan el HTML inicial y no ejecutan JavaScript como un navegador. Estos puntos comprueban que tu texto llegue de verdad, sobre todo si usas una SPA.

El HTML servido contiene el texto principal. Por qué importa: si el contenido solo aparece tras ejecutar JS, un bot que lee el HTML inicial puede recibir una página casi vacía. Cómo verificar: pulsa Ctrl+U (ver código fuente) o descarga la página con curl; busca un párrafo de tu texto. Si no está, el bot tampoco lo ve.
Cuidado con las SPAs sin SSR o prerender. Por qué importa: React, Vue o Angular sin renderizado en servidor entregan un HTML mínimo y montan el contenido en el cliente. Cómo verificar: si el código fuente es solo un <div id="root"> vacío, necesitas SSR, renderizado estático o prerender para los bots.
El contenido no depende de clics o scroll para cargar. Por qué importa: texto oculto tras acordeones que se cargan por JS, pestañas o scroll infinito puede no llegar al rastreador. Cómo verificar: comprueba que el texto importante está en el HTML inicial, no inyectado solo tras interacción del usuario.
Sin bloqueos por muros de cookies o interstitials. Por qué importa: un muro que tapa el contenido hasta aceptar puede impedir que el bot llegue al texto. Cómo verificar: revisa que el contenido exista en el HTML aunque el overlay lo cubra visualmente, y que no se cargue solo tras el consentimiento.
Recursos clave no bloqueados en robots.txt. Por qué importa: bloquear CSS o JS necesarios para renderizar puede dar al bot una imagen incompleta de la página. Cómo verificar: repasa el robots.txt y asegúrate de que no hay Disallow sobre carpetas de assets imprescindibles para entender el contenido.

B — Bloques y estructura

El bot ya lee tu texto; ahora tiene que entender su estructura. Encabezados ordenados, HTML semántico y datos estructurados le permiten identificar de qué trata cada parte y extraer el fragmento adecuado.

Un solo h1 por página. Por qué importa: el h1 declara el tema principal; varios h1 confunden esa señal. Cómo verificar: en la consola del navegador ejecuta document.querySelectorAll('h1').length y comprueba que devuelve 1.
Jerarquía de encabezados sin saltos. Por qué importa: pasar de h2 a h4 sin h3 rompe el esquema del documento que el modelo usa para mapear secciones. Cómo verificar: recorre los encabezados en orden y confirma que descienden de nivel sin huecos.
HTML semántico: main, article, section. Por qué importa: estas etiquetas delimitan el contenido principal frente a menús y pies, y ayudan a aislar lo citable. Cómo verificar: revisa que el cuerpo use <main>, <article> y <section> en lugar de <div> genéricos para todo.
JSON-LD válido con un @type acorde al contenido. Por qué importa: los datos estructurados describen tu página en un lenguaje que los modelos interpretan sin ambigüedad (Article, FAQPage, HowTo, Product...). Cómo verificar: pega la URL en el validador de schema.org o de Google y confirma que no da errores y que el @type encaja con lo que realmente publicas.
Imágenes con atributo alt descriptivo y meta description presente. Por qué importa: el alt aporta el contenido de las imágenes en texto y la meta description es el resumen que muchos sistemas usan como referencia. Cómo verificar: revisa que las imágenes de contenido tengan alt con sentido y que exista una sola <meta name="description"> por página.

L — Lenguaje y citabilidad

Estructura correcta, pero ¿es el texto citable? Un modelo tiende a extraer fragmentos que se sostienen solos. Estos puntos trabajan la respondibilidad: que cada bloque responda por sí mismo.

El primer bloque responde qué, para quién y cuánto. Por qué importa: es el fragmento con más probabilidad de ser citado; si define el tema, el público y un dato concreto, la cita funciona sola. Cómo verificar: lee solo el primer párrafo, ¿se entiende sin el resto?
Ese primer bloque incluye una cifra o dato concreto. Por qué importa: un número verificable (un plazo, una cantidad, un porcentaje real medido por ti) hace el fragmento más específico y útil. Cómo verificar: comprueba que la entradilla contiene al menos un dato concreto y comprobable, no solo generalidades.
Contenido fechado y con fecha de actualización real. Por qué importa: la frescura influye en qué fuentes se consideran vigentes; una fecha falsa que cambia en cada build es un antipatrón. Cómo verificar: revisa que la fecha visible y la de los datos estructurados reflejen la última modificación real del contenido.
Fragmentos autosuficientes a lo largo de la página. Por qué importa: no solo el primero; cualquier sección debería entenderse sin depender de un "como decíamos antes". Cómo verificar: lee dos o tres párrafos sueltos al azar, ¿tienen sentido fuera de contexto?
Buena densidad de contenido frente a markup. Por qué importa: una página con mucho HTML de plantilla y poco texto real ofrece poco que citar. Cómo verificar: valora si la mayor parte de la página es contenido útil y no una capa fina de texto sobre mucho envoltorio.

X — eXtras que suman autoridad

Con los cuatro pilares cubiertos, estos extras refuerzan tu identidad y tu autoridad como fuente. No son imprescindibles para empezar, pero marcan la diferencia entre una web legible y una web que la IA reconoce y cita.

Un llms.txt real, con enlaces. Por qué importa: funciona como índice legible de tu contenido clave para modelos; uno vacío o de relleno no aporta nada. Cómo verificar: abre tu-dominio/llms.txt, comprueba que devuelve 200 y que sus enlaces apuntan a URLs vivas y relevantes.
Entidad Organization o Person en JSON-LD. Por qué importa: declarar quién está detrás (marca o autor) ayuda a los modelos a construir tu identidad como fuente. Cómo verificar: revisa que tu schema incluya un bloque Organization o Person con nombre y URL consistentes.
Vía de contacto legible en el HTML. Por qué importa: un contacto en texto (no solo en una imagen o tras un formulario JS) refuerza que hay una entidad real y responsable. Cómo verificar: comprueba que exista una página o bloque de contacto con datos en texto plano rastreable.
Señales de citación y autoría. Por qué importa: firmar los artículos, enlazar fuentes y mantener coherencia de marca genera las señales de confianza que un modelo asocia a fuentes fiables. Cómo verificar: revisa que tus contenidos tengan autor visible y referencias comprobables cuando afirmas datos.
Consistencia de entidad entre páginas y schema. Por qué importa: usar el mismo nombre, la misma URL y los mismos identificadores en todo el sitio ayuda a que la IA consolide tu marca como una única entidad. Cómo verificar: contrasta que el nombre y la URL de tu organización coincidan en el footer, el schema y las páginas legales.

Preguntas frecuentes

¿Por dónde empiezo si no puedo con los 25?

Por Higiene y Accesibilidad. Si el bot no entra o no ve tu texto, el resto no cuenta. En concreto, comprueba primero el robots.txt y que el HTML servido contenga tu contenido principal.

¿Puedo automatizar esta revisión?

Algunos puntos sí. El auditor gratuito de /geo-score comprueba automáticamente varios (accesibilidad del HTML, encabezados, schema, robots) y te da un punto de partida. Los puntos de citabilidad requieren criterio humano.

¿Debo permitir a todos los bots de IA?

Es una decisión de negocio. Lo importante es que sea deliberada: revisa tu robots.txt y decide a conciencia si permites o bloqueas GPTBot, ClaudeBot y PerplexityBot, en lugar de dejarlo al azar de una plantilla.