La IA no recomienda fabricantes porque casi ninguno explica su producto por escrito: publica un catálogo en PDF y una página de «quiénes somos». Cuando un comprador B2B pregunta «¿qué fabricante de X para Y?», el motor busca páginas que expliquen tolerancias, materiales, normas y precios, y cita a quien las tiene. El GEO para industria es escribir esas páginas.
Este artículo es para quien dirige o vende en una empresa industrial o B2B y ha visto que, al preguntar a ChatGPT por su producto, sale un competidor alemán, un distribuidor o un artículo de un medio técnico, pero no su empresa. Vas a encontrar por qué pasa, qué tipo de contenido sí se cita, qué pregunta de verdad un comprador técnico y cómo escribirlo con tu ingeniero sin que le cueste más de unas horas al mes.
Es el trabajo que hacemos en visibilidad en ChatGPT, Perplexity y Gemini para fabricantes, con una medición mensual por categoría de producto. Si tu catálogo tiene menos de diez familias de producto, puedes hacerlo tú con lo que hay aquí.
¿Por qué la IA no recomienda fabricantes industriales?
Porque el modelo no conoce fabricantes: descompone la pregunta del comprador en varias búsquedas por especificación, lee lo que encuentra y resume. Si las búsquedas devuelven PDF sin texto indexable, páginas de «productos a medida para cada necesidad» y ninguna cifra, no hay nada que citar. El fabricante existe; su explicación, no.
Cuando alguien pregunta «¿qué fabricante de válvulas de mariposa para agua potable me recomiendas en España?», el motor lanza consultas del tipo «válvula de mariposa agua potable norma», «válvula mariposa DN100 PN16 fabricante España», «diferencia válvula mariposa y compuerta» y «válvula de mariposa precio». Las responde quien ha escrito sobre eso. En la mayoría de los sectores industriales, eso es un distribuidor con blog, un medio técnico, un foro de ingenieros o un fabricante extranjero con documentación en línea.
Hay un dato que apunta en la dirección correcta, aunque sea de otro sector. En el análisis publicado por Marketing Directo en octubre de 2026 sobre qué recomiendan los LLM cuando se les pide una agencia en España, 13 de las 16 fuentes que citó ChatGPT eran las webs de las propias agencias. ChatGPT lee webs propias cuando dicen algo concreto. Un fabricante con páginas que explican su producto por especificación tiene la misma puerta abierta; uno con un catálogo en PDF, no.
El problema no es técnico, es de contenido. La IA recomienda a quien explica, y en industria quien explica suele ser quien revende, no quien fabrica. Eso se corrige escribiendo, y el que sabe lo que hay que escribir ya está en tu plantilla.
¿Qué cita la IA cuando pregunta un comprador industrial?
Cita cuatro tipos de fuente: fichas técnicas con datos en HTML (no solo en PDF), comparativas entre tecnologías o materiales, publicaciones y perfiles de LinkedIn, y vídeo o foros donde alguien explica un montaje o un fallo. El denominador común es que explican con cifras, normas y casos de uso. El catálogo y la página corporativa no aparecen.
LinkedIn pesa más de lo que parece en B2B. Según Semrush, en un análisis de más de 230.000 prompts entre julio y octubre de 2025, LinkedIn en AI Mode (en inglés) aparece citado en cerca del 15 % de las respuestas, y en Perplexity está entre los cinco dominios más citados. Semrush vende herramientas de visibilidad en IA, así que el dato se lee con esa cautela, pero la conclusión es práctica: lo que tu ingeniero publica en LinkedIn puede ser fuente de una respuesta, y la nota de prensa en PDF, no.
El análisis de Peec AI (en inglés) sobre 30 millones de fuentes, de marzo de 2026, añade que Reddit y YouTube están en el top 5 de los cinco motores que estudia, y LinkedIn en el de ChatGPT, Perplexity y Google AI Mode. Para una empresa industrial eso significa que un vídeo de tres minutos del montaje de una pieza, con el título que un comprador escribiría, compite por la cita con el artículo de un medio.
| Tipo de contenido | Quién lo publica hoy en tu sector | Por qué se cita |
|---|---|---|
| Ficha técnica en HTML con tabla de especificaciones | Fabricantes extranjeros, distribuidores grandes | Responde a la búsqueda por especificación |
| Comparativa entre tecnologías o materiales | Medios técnicos, distribuidores con blog | Responde a «X o Y para…» |
| «Cómo elegir» y «de qué depende el precio» | Casi nadie en fabricantes españoles | Responde a la pregunta que precede a la compra |
| Publicación en LinkedIn con dato y caso de uso | Ingenieros a título personal, pocas empresas | LinkedIn está entre los dominios más citados en AI Mode y Perplexity |
| Vídeo de montaje o fallo típico | Foros, canales de mantenimiento | YouTube está en el top 5 de todos los motores |
Un contexto más, para quien piense que su comprador no usa IA. Según el INE, en el primer trimestre de 2025 el 21,1 % de las empresas españolas de diez o más empleados ya usaba inteligencia artificial, frente al 13,4 % de las de menos de diez. Tu comprador trabaja en una de esas empresas, y la pregunta que antes hacía a un comercial de confianza ahora la hace, al menos la primera vez, a un chat.
¿Qué pregunta de verdad un comprador industrial a la IA?
Pregunta por especificación, no por marca. Qué producto cumple una norma, qué material aguanta una condición, qué diferencia hay entre dos tecnologías, de qué depende el precio, qué plazo de entrega es razonable y qué proveedor hay en su región. Son seis preguntas, y cada una se responde con una página distinta.
Las preguntas de marca («¿es bueno el fabricante X?») llegan después, cuando ya tiene dos o tres nombres. Si no has entrado en la lista con las preguntas de especificación, la de marca no se formula. Por eso el contenido técnico va antes que la página corporativa.
| Pregunta del comprador | Página que la responde | Dato que no puede faltar |
|---|---|---|
| «¿Qué válvula cumple la norma X para agua potable?» | Ficha técnica por producto | Normas, materiales, rangos de presión y temperatura, en tabla |
| «¿Acero inoxidable o fundición para…?» | Comparativa entre materiales o tecnologías | Ventajas, límites y coste relativo de cada opción |
| «¿De qué depende el precio de…?» | Página de precio orientativo | Rango y las tres o cuatro variables que lo mueven |
| «¿Qué plazo de entrega es normal para…?» | FAQ de la ficha o página de pedido | Plazo estándar, plazo con stock, qué lo alarga |
| «¿Qué fabricante hay en Aragón / el norte de España?» | Página de empresa con planta, certificaciones y zona de servicio | Dirección, certificaciones con número, sectores servidos |
| «¿Es compatible con…?» | Tabla de compatibilidades en la ficha | Modelos, conexiones, estándares |
La página de precio es la que ningún fabricante quiere publicar y la que más se busca. No hace falta una tarifa: hace falta un rango y las variables que lo mueven (cantidad, material, acabado, certificación, plazo). Eso es información que el comercial da por teléfono a cualquiera que pregunta; publicarla no regala nada a la competencia y te mete en la respuesta.
¿Cómo escribir contenido técnico con el ingeniero?
Con una hora al mes del ingeniero o del jefe de producto y una persona que escriba. El ingeniero no redacta: responde en voz alta a las diez preguntas que los clientes hacen antes de comprar, alguien lo graba y lo convierte en páginas con el patrón de pregunta, respuesta corta, tabla y fuente. El ingeniero revisa el borrador en veinte minutos. Tres piezas al mes es un ritmo que aguanta.
El método que seguimos tiene cuatro pasos. Primero, el comercial lista las diez preguntas que más le hacen por teléfono y por correo, con las palabras exactas del cliente. Segundo, el ingeniero las responde en una sesión grabada de 60 minutos, con las cifras, las normas y los casos en que no recomendaría su propio producto. Tercero, se redactan las páginas: una ficha, una comparativa y un «cómo elegir» o «de qué depende el precio». Cuarto, el ingeniero corrige lo técnico y firma con nombre y cargo, porque un contenido firmado por «Dpto. Técnico» no se puede atribuir a nadie.
| Pieza | Qué contiene | Quién pone qué | Dónde se publica además |
|---|---|---|---|
| Ficha técnica en HTML | Tabla de especificaciones, normas, aplicaciones, FAQ | Ingeniero: datos. Redactor: estructura | PDF descargable como complemento, no como sustituto |
| Comparativa | Dos o tres opciones, tabla de ventajas y límites, cuándo no elegir la propia | Ingeniero: criterio. Redactor: tabla y párrafos | Carrusel en LinkedIn con la tabla |
| «Cómo elegir» o «de qué depende el precio» | Variables, rangos, errores habituales | Comercial: preguntas. Ingeniero: respuestas | Publicación en LinkedIn del ingeniero |
Lo de decir cuándo no elegir tu propio producto no es un gesto: es lo que diferencia una fuente de un folleto. Una comparativa que concluye que la opción propia es siempre la mejor se parece a cien catálogos; una que dice «para caudales por debajo de X compensa la otra tecnología» se parece a lo que escribiría un medio técnico, y eso es lo que el modelo cita.
La republicación en LinkedIn tiene su propia técnica: la tabla como carrusel, el dato en la primera línea, la firma del ingeniero y no la de la empresa. En carruseles de LinkedIn para industria está la estructura, y en LinkedIn y AI Mode, por qué publicar allí cuenta para Google. Cuando el contenido empieza a traer consultas, el siguiente paso es que no se pierdan en el correo de alguien: la automatización para industria lleva cada lead al CRM etiquetado por producto y región. Todo el sistema para el sector está en lo que hacemos en industria: leads, CRM y datos.
Lo que no hace falta: traducir el catálogo entero, escribir «tendencias del sector», abrir un blog de noticias de la empresa ni publicar notas de prensa de ferias. Ninguna de esas cosas responde a una pregunta de especificación.
¿Cómo se mide si la IA empieza a citarte?
Con 20 preguntas de comprador por categoría de producto, hechas a ChatGPT con búsqueda, Perplexity y Gemini el mismo día de cada mes, anotando si te mencionan, si citan tu web como fuente y qué fabricante o distribuidor sale más. Tres meses de medición dicen si el contenido técnico está entrando en las respuestas.
Las 20 preguntas se escriben con el comercial, con las palabras del cliente, y no se cambian de un mes a otro. Se reparten entre las seis intenciones de la tabla anterior, con más peso en especificación y comparación, que es donde se decide la lista. El método completo, con las columnas de la hoja y los tres números que se calculan, está en cómo aparecer en ChatGPT y Perplexity.
Lo esperable en la primera medición de un fabricante que nunca ha publicado contenido técnico es cero citas y, con suerte, alguna mención vía distribuidor. Es el punto de partida, no un fracaso. La segunda y la tercera medición, con las tres primeras piezas publicadas, son las que dicen si las búsquedas por especificación empiezan a devolver tus páginas.
Seguimos este tema en todos los artículos de visibilidad en IA.
Preguntas frecuentes
¿No es peligroso publicar precios y especificaciones que la competencia puede ver?
La competencia ya conoce tus precios: pide presupuesto con otro nombre. Quien no los conoce es el comprador que pregunta a la IA y acaba en la web del que sí los publica. Un rango con sus variables no es una tarifa; es la misma información que tu comercial da por teléfono.
¿Sirve el catálogo en PDF que ya tenemos?
Sirve como complemento descargable, no como fuente. Un PDF con el texto como imagen no se lee; uno con texto se indexa, pero el motor cita mejor una página HTML con tabla, título en pregunta y FAQ. Convierte cada ficha del PDF en una página y deja el PDF enlazado al final.
¿Cuánto tiempo del ingeniero hace falta?
Una sesión grabada de 60 minutos al mes y unos 20 minutos de revisión por pieza. Con tres piezas al mes, menos de dos horas. Si el ingeniero tiene que escribir, el proyecto se para en la segunda semana; si solo tiene que hablar y corregir, aguanta.
¿Funciona para un distribuidor igual que para un fabricante?
Mejor, porque el distribuidor compara varias marcas y la comparativa es el formato más citado después de la lista. Un distribuidor que explica cuándo elegir cada marca de su catálogo, con datos, se convierte en la fuente que el motor usa para responder, por delante de los fabricantes que representa.
—
Marcos lleva la visibilidad en IA en We Love SEO: pregunta a ChatGPT, Perplexity y Gemini por cada sector, mira quién sale y por qué. Más sobre él en el equipo.
