Hatching Growth #17: Cómo multiplicamos por 37 el tráfico de ChatGPT usando nuestros propios logs de servidor

Nota de Glasp: Esto es Hatching Growth, una serie de artículos sobre cómo Glasp llegó orgánicamente a millones de personas. En esta serie contamos lo que funcionó, lo que no funcionó y lo que aprendimos por el camino.

🌐 Léelo en tu idioma: English · 日本語 · Español · Français · Português (BR) · Tiếng Việt · 한국어

Si quieres releer o resaltar esta newsletter, guárdala en Glasp.

Guardar en Glasp

Episodios populares de un vistazo

Hola, aquí Kei y Kazuki.

Una versión anterior de esta historia salió como ensayo invitado en el Substack de Sean Ellis: How Glasp grew ChatGPT traffic from 500 to 19,000 daily sessions in 4 months. Estamos sinceramente agradecidos a Sean por darnos ese escenario; el ensayo llegó a una audiencia mucho mayor de la que habría alcanzado por su cuenta, y las conversaciones que abrió son parte de por qué existe esta continuación. Sin embargo, el ensayo pasó hace poco detrás del muro de pago, y nos seguían pidiendo una versión que la gente pudiera leer de verdad, así que este número es el hogar público y permanente del manual. Además es más que una reimpresión: desde que salió aquel ensayo, volvimos a medir todo el experimento con un grupo de control, publicamos el análisis como artículo en arXiv y corrimos dos meses más de iteraciones. Las tácticas están aquí completas, y también la contabilidad honesta de cuánto valieron realmente.

La apuesta

Glasp tiene un corpus de más de 400.000 páginas de preguntas y respuestas sobre vídeos de YouTube, nacido de nuestro producto paralelo YouTube Summary with ChatGPT (cómo llegó a existir ese corpus está en Hatching Growth #8; cómo decidimos abrazarlo, en el #10).

Cómo se construyen esas páginas importa para todo lo que viene después, porque el AEO a esta escala solo sobrevive si el corpus resiste el escrutinio de creadores, plataformas y los proveedores de IA que deciden si te siguen rastreando. No almacenamos transcripciones; los términos de YouTube no permiten republicarlas a escala, así que guardamos únicamente metadatos del vídeo. Los canales con una postura estricta sobre derechos de autor quedan excluidos por completo del pipeline, y los vídeos con licencia Creative Commons tienen prioridad. Cuando aparece un fragmento de transcripción en un artículo, es una cita, nunca la sustancia; la página se construye alrededor de nuestra propia síntesis de preguntas y respuestas y de datos estructurados. Y la atribución vuelve al creador: cada artículo incrusta el vídeo original y enlaza a él de forma prominente, así que quien quiera el contenido completo envía su atención río arriba, y quien quiera resumir su próximo vídeo encuentra nuestra extensión. Un corpus diseñado para dar antes de pedir es un corpus diseñado para durar.

A finales de diciembre de 2025 hicimos una apuesta sobre ese corpus: bajar la prioridad de la inversión directa en SEO y optimizar para ChatGPT. Para una proporción creciente de usuarios, el primer movimiento para saber qué hay dentro de un vídeo de YouTube ya no es Google. El comportamiento de búsqueda no está muriendo; se está expandiendo, y los asistentes de IA están absorbiendo exactamente las consultas de resumen y preguntas y respuestas para las que está hecho nuestro corpus. Nuestras 400.000 páginas estaban optimizadas para la superficie de recuperación equivocada.

Una precondición importante antes de nada. El AEO no sustituye al SEO; se apoya encima. La autoridad de dominio de Glasp rondaba 69 o 70 cuando empezó este experimento, construida durante años con clústeres de categorías, HTML limpio, esquemas y JSON-LD. Al escribir esto está en 71, y volveremos a por qué ese pequeño movimiento importa. Todo lo de abajo asume un dominio que Google ya se toma en serio. Si te saltas ese cimiento y optimizas para ChatGPT desde cero, sinceramente no sabemos qué pasa. No corrimos ese experimento.

Por qué nos alejamos del SEO

Con ese cimiento, ¿por qué dejar de invertir en él? Porque a nuestra escala al SEO casi no le quedaban palancas que pudiéramos accionar de verdad. Para una página indexada pero que no posiciona, los enlaces entrantes seguían siendo honestamente parte de la respuesta, pero conseguir enlaces significativos para cada una de 400.000 páginas generadas programáticamente es funcionalmente imposible; las cuentas no salen. En las primeras semanas corrimos una matriz paralela de SEO más AEO, puntuando cada artículo en ambos ejes y enrutando cada uno a un manual distinto, y la carga operativa era aplastante. Peor aún, las pocas palancas que al SEO le quedaban a nuestra escala, reescrituras de títulos y reescrituras estructurales, eran las mismas que ayudaban al AEO. Dos manuales estaban convergiendo en uno, y el lado AEO tenía el potencial más empinado y la velocidad más alta.

Había también una razón más silenciosa, más difícil de meter en una hoja de cálculo: para entonces teníamos sensibilidad sobre qué acaba citado. A través de experimentos anteriores más pequeños, publicando tutoriales en Glasp Post, observando páginas de aterrizaje y contenido generado por usuarios en el dominio glasp.co, y publicando artículos en otros sitios, habíamos visto qué tipo de páginas recogía ChatGPT de verdad, y habíamos construido intuiciones útiles sobre qué busca un motor de respuestas. Esas intuiciones no eran correctas al cien por cien, y lo sabíamos. Pero entrar en un experimento grande con sentido de dirección cambia por completo su economía: las ideas de mejora se sugieren solas en vez de tener que minarlas desde cero. Optimizamos para la apuesta asimétrica y colapsamos los dos manuales en uno.

Lee tus propios logs, no la mente del modelo

La mayoría de herramientas de AEO (Profound, Peec, AirOps y el resto de la categoría) consultan a los modelos desde fuera con listas de prompts, los ejecutan muchas veces y estiman estadísticamente las tasas de citación. Nosotros construimos nuestro propio MVP de eso en agosto de 2025: golpear la búsqueda web de ChatGPT 100 veces por consulta y calcular con qué frecuencia aparece glasp.co. Funcionaba, técnicamente. También era indirecto, ruidoso y caro, y respondía a "¿nos citan?" en vez de a "¿qué deberíamos construir después?".

El replanteamiento que impulsó todo este proyecto: en vez de preguntarle al modelo qué cita, pregúntale a tu propio servidor qué llegó. El bot ya tomó su decisión de enrutamiento. Los logs del servidor son deterministas, gratis y ya son tuyos.

Hubo una razón más para inclinarnos por aquí, y merece nombrarse honestamente: bombardear a un modelo con 100 prompts para estimar una tasa de citación que ya se decidió del lado del servidor parecía resolver el problema equivocado desde el extremo equivocado. El enfoque basado en logs se sentía más limpio y, hasta donde pudimos ver, nadie había construido sobre él. Buscamos, preguntamos por ahí, leímos todas las páginas de producto de AEO que encontramos, y nada se apoyaba en los logs de AI Crawl Control de Cloudflare. Hacer algo genuinamente nuevo, aunque fuera a pequeña escala, fue parte de lo que hizo el experimento lo bastante emocionante como para correrlo de verdad.

El panel de AI Crawl Control de Cloudflare muestra las peticiones de bots de IA por categoría y por página, pero su ventana de retrospectiva es corta y depende de tu plan: el nivel gratuito muestra solo las últimas 24 horas, y en nuestro plan el panel guardaba 7 días. En cualquier caso, los datos que salen de la ventana se pierden. Así que construimos un pipeline de instantáneas semanales: cada 7 días, extraer los datos vía API y guardarlos en Firestore con marca de tiempo, URL de página, tipo de bot y número de peticiones. A lo largo de meses, eso se convierte en un conjunto de datos longitudinal que el propio panel no conserva. El nuestro corre como un Cloud Run Job, pero una GitHub Action con cron o un VPS de 5 dólares funcionan igual.

Cloudflare divide el tráfico de bots de IA en tres categorías, y esa división es el juego entero. AI Crawler es recolección para entrenamiento. AI Search es indexación. AI Assistant es una descarga en tiempo real disparada por el prompt de una persona real: ChatGPT-User recuperando tu página en mitad de la respuesta a alguien. Esa tercera categoría es el proxy del lado servidor más cercano a un ser humano a punto de ver tu contenido. Ordenamos toda la cola de reescritura por volumen de peticiones de AI Assistant por página, porque mejorar páginas que ya tenían demanda humana en vivo compone más rápido.

Una advertencia que aplica a todo este ensayo: Cloudflare registra peticiones de bots, no citaciones. Podemos ver que ChatGPT-User descargó una página durante un prompt en vivo; no podemos ver si el modelo usó esa página en su respuesta o la descartó tras leerla. El volumen de AI Assistant es el proxy del lado servidor más cercano al comportamiento de citación que existe, pero es un proxy. Cuando decimos que una página "fue citada", hablamos de la inferencia; cuando citamos cifras de mejora, hablamos de volumen de peticiones medido.

Qué separa a las páginas citadas de las ignoradas

El diagnóstico corrió en dos capas, primero el sitio entero. ¿Dónde aterrizaba realmente el tráfico de IA en glasp.co: artículos de blog, páginas de aterrizaje, perfiles de usuario, páginas de descubrimiento, el corpus de YouTube? La distribución estaba desequilibrada; el corpus de YouTube dominaba por órdenes de magnitud. Eso solo ya zanjó la estrategia, porque lo obvio era redoblar en la superficie que ya generaba la mayor parte del tráfico de IA en vez de intentar levantar las demás.

Después, dentro del corpus: comparamos el 10 por ciento superior de páginas por tráfico de AI Assistant contra el decil inferior, en todas las dimensiones que pudimos extraer: canal de origen, idioma, tema, longitud del artículo, estructura del título, estructura del TLDR, profundidad de las preguntas y respuestas, y vocabulario. Comparar tantas dimensiones a lo largo de 400.000 páginas a mano no era viable, así que dimos los logs y los metadatos de página a un modelo para que hiciera emerger los patrones separadores. Hay un pequeño chiste recursivo en usar IA para descubrir cómo ser citado por la IA, pero la síntesis estaba genuinamente más allá de lo que podían absorber unas tablas dinámicas.

Tres hallazgos dominaron sobre todo lo demás:

El TLDR es la superficie de citación. Las páginas solicitadas con frecuencia tenían TLDR de 132 caracteres de media y unas 20 palabras en 2 frases. Las poco solicitadas promediaban 14 caracteres y 2 palabras: longitud de marcador de posición. Una brecha de aproximadamente 10 veces, muy correlacionada con el volumen de peticiones de bots de IA.

Las aperturas en prosa descriptiva fueron la señal estructural más fuerte, unas 15 veces más concentradas en las páginas solicitadas con frecuencia. Las frases que empiezan con "This video explains..." o "The video covers..." se leen como respuestas autónomas que un modelo puede levantar limpiamente. Las viñetas no eran el enemigo; los TLDR vacíos sí.

El vocabulario educativo señala una respuesta real. Los TLDR que nombran el tema con especificidad y presentan el vídeo como explicativo reciben más peticiones. Descriptivo, no prescriptivo: nunca metimos palabras clave a la fuerza en páginas que no iban de eso.

Las tres señales sobre las que actuamos

Señal 1: higiene de URLs

En parte una confesión. Teníamos dos patrones de URL sirviendo contenido idéntico, uno basado en slug y otro en ID de vídeo, un descuido de diseño de hace años. Los logs mostraban tráfico de bots de IA repartiendo el crédito entre duplicados del mismo artículo. Consolidamos a una URL canónica por vídeo y dejamos de generar slugs. No es un truco de AEO; los logs simplemente hicieron visible una vieja deuda de higiene lo suficiente como para pagarla por fin.

Señal 2: los 404 como demanda latente

El descubrimiento más infravalorado del proyecto. Los logs de Cloudflare incluyen los 404 de bots de IA, y un 404 de ChatGPT-User significa que el modelo construyó una URL que esperaba que existiera en tu dominio, intentó descargarla en mitad de una respuesta y no encontró nada. Los modelos hacen coincidencia de patrones con estructuras de URL que ya han visto, así que si un modelo ha observado muchas páginas glasp.co/youtube/, adivinará nuevas con la misma forma. Ahrefs encontró que ChatGPT envía usuarios a 404 unas 3 veces más a menudo que la búsqueda de Google.

Para dar una idea del volumen: en una ventana de 7 días, solo ChatGPT-User registró 78.640 peticiones fallidas contra glasp.co. No todas son 404; el cubo incluye también 403, 429 y errores de servidor. Pero una parte significativa lo son, y en ese subconjunto vive la señal de hoja de ruta. La industria trata esto como ruido que limpiar. Nosotros lo tratamos como una hoja de ruta: el modelo te está diciendo qué contenido debería tener tu categoría y no tiene. Tus competidores tampoco tienen esas páginas, y el usuario ya las quería. Generamos páginas para los patrones de 404 más frecuentes, y su tasa de volver a ser solicitadas por ChatGPT en semanas quedó bastante por encima de la línea base.

Señal 3: los títulos y los TLDR son la interfaz

La reescritura de mayor apalancamiento. Los usuarios escriben a ChatGPT en órdenes y preguntas, así que reescribimos los títulos, pasando de la formulación optimizada para clics del propio vídeo a la pregunta que un usuario haría de verdad, y reescribimos los TLDR delgados como respuestas autosuficientes de 2 a 3 frases en el rango de 80 a 150 caracteres, abriendo con un verbo descriptivo y poniendo la entidad primero. Vale la pena ser concretos sobre la escala: esta primera pasada de reescritura cubrió unas 12.000 páginas, una porción pequeña de un corpus de 400.000, trabajadas en orden descendente de peticiones de AI Assistant para que el esfuerzo aterrizara donde ya existía demanda en vivo. El programa no se ha detenido desde entonces; al escribir esto, algo más de 70.000 páginas han pasado por una reescritura AEO. Y reestructuramos las páginas alrededor de bloques cortos y autocontenidos, una dirección afilada por nuestra conversación con Metehan Yeşilyurt en Glasp Talk #55: los modelos analizan párrafos cortos de forma más fiable que los largos, así que la parte superior de la página debe llevar la respuesta completa aunque no se lea nada más.

How to Use YouTube Summary with ChatGPT and Claude

SEO Guard: la válvula de seguridad

Alejarse del SEO no puede romper el SEO que ya tienes. Conectamos las APIs de Google Search Console al mismo pipeline de Firestore y dimos a cada página una regla:

Las páginas que consiguen 100 o más clics de Google en 180 días quedan bloqueadas. Ninguna reescritura automática toca una página que ya convierte en Google. El umbral es criterio, no ciencia; el principio es que no cambias valor cierto por valor especulativo.

Las páginas con cero impresiones en Google en 180 días y cero peticiones de bots de IA desde que empezó el registro reciben una lápida: se despublican, se quitan del sitemap y se marcan en Firestore para poder restaurarlas si la señal cambia alguna vez. Esto fueron aproximadamente entre 50.000 y 60.000 páginas solo en la primera pasada. La poda ha continuado junto a las reescrituras desde entonces y, al escribir esto, más de 200.000 páginas han recibido lápida, casi la mitad del corpus.

Todo lo que queda en medio es la zona de reescritura.

El resultado contraintuitivo de la pasada de lápidas: las tasas de indexación del contenido restante mejoraron. El presupuesto de rastreo se concentró donde debería haber estado desde el principio. En un mundo donde los modelos juzgan las fuentes por su señal de sitio completo, borrar es una palanca de crecimiento.

El resultado, y luego la versión honesta del resultado

Sesiones diarias desde chatgpt.com: 517 el 1 de enero de 2026. 19.129 el 5 de mayo de 2026. Unas 37 veces en cuatro meses. Son clics humanos medidos en GA4, no impactos de bots; los bots no ejecutan JavaScript. Si acaso la cifra se queda corta, porque las apps móviles de ChatGPT eliminan los referrers y los mandan al cubo de tráfico Directo.

Una medición más, y puede que sea la más interesante de este ensayo. Nuestro volumen semanal de peticiones de bots de IA se mantuvo prácticamente plano durante todo el periodo, fluctuando entre 2 y 3 millones por semana. No se multiplicó por 37. Las sesiones humanas sí. El mismo volumen de rastreo, muchísimo más tráfico aguas abajo: los mismos bots estaban extrayendo de nuestras páginas respuestas más citables y más clicables que antes. Las reescrituras compusieron sobre la frecuencia con la que nuestras páginas son elegidas y clicadas, no sobre la frecuencia con la que son rastreadas. Si tu panel de AEO se obsesiona con el conteo bruto de peticiones de bots, vale la pena preguntarse si esa métrica refleja en algo el valor aguas abajo.

El 37x es el número que viaja bien en una captura de pantalla. Esto es lo que le pasa a medida que lo haces progresivamente más honesto. Esta cascada es la parte de este ensayo que más desearíamos que incluyera todo caso de estudio de AEO, incluidos los nuestros hasta hace poco.

37x es una comparación de dos días sueltos y, para que quede claro, ninguno fue elegido por efecto: el 1 de enero es simplemente el inicio de 2026, la frontera de calendario más limpia disponible, justo después de que nuestro registro en Firestore entrara en marcha a finales de diciembre, y el 5 de mayo es más o menos el día en que enviamos el borrador a Sean. Incluso habíamos precomprometido un umbral, decidiendo de antemano que cruzar las 10.000 sesiones diarias sería el disparador para proponerle a Sean el artículo invitado; la lectura de 19.129 fue un exceso por encima de esa barra, afortunado en su momento. Pero unos extremos honestos siguen dando un número frágil, porque los días sueltos son volátiles: el nivel sostenido de finales de mayo estaba por debajo de la mitad de ese pico. La fragilidad es una propiedad de los extremos diarios, no de la intención.

En agregados mensuales, las referencias totales de ChatGPT crecieron 5,7 veces de enero a mayo. Sigue siendo excelente. Y ya está muy lejos de 37.

Separa tratado de no tratado y aparece la marea. El paquete de AEO descrito arriba se aplicó solo al corpus de YouTube. El resto de glasp.co nunca recibió ese tratamiento. No estuvo congelado, para ser justos: el trabajo a nivel de sitio, como el ajuste de rendimiento y algo de esquema orientado a modelos, continuó en todas partes, pero eso tocó a ambos grupos por igual, que es exactamente para lo que sirve un control. Esas páginas no tratadas aun así crecieron 3,5 veces en la misma ventana, montando el propio crecimiento de ChatGPT. Las páginas tratadas crecieron 6,1 veces. La diferencia entre esas dos, no la curva bruta, es lo que nuestro trabajo puede reclamar, y si las mejoras compartidas a nivel de sitio ayudaron algo al control, el efecto real del tratamiento está subestimado, no sobreestimado.

El efecto defendible de la intervención es de aproximadamente 1,8 a 2,3 veces. Un modelo de series temporales interrumpidas sobre la ratio semanal de tratados a control encuentra un salto discreto de 1,82 veces (IC del 95 por ciento de 1,31 a 2,54) alineado exactamente con el despliegue de enero, estable en todas las especificaciones que le lanzamos, incluido el tráfico filtrado por engagement en 2,27 veces.

Y aun así no lo llamaremos probado. La prueba más conservadora que corrimos, una permutación placebo a lo largo del periodo previo, devuelve p=0,16: el periodo previo es lo bastante corto y ruidoso como para que saltos casi de este tamaño aparezcan ocasionalmente por azar. Por eso el artículo dice "sugerente, no concluyente", porque eso es lo que dicen los datos.

Sesiones de referencia de ChatGPT, tratadas frente a control, indexadas a enero de 2026 = 100 (escala logarítmica). Ambas líneas suben; ese ascenso compartido es el viento de cola de la plataforma. La brecha que se abre tras la intervención de enero es la parte que nuestro trabajo puede reclamar.

Un resultado más del artículo importa a quien esté protegiendo un canal de búsqueda existente: los clics orgánicos de Google a las páginas reescritas cayeron alrededor de un 25 por ciento, en línea con la tendencia del sitio y del sector para esa ventana, sin desindexación. SEO Guard aguantó. AEO y SEO no están en tensión si guardas la frontera de forma explícita.

La conclusión metodológica no cuesta nada adoptar: reserva un grupo de control en tu propio dominio. Si alguien te cita un múltiplo bruto de AEO sobre un canal que creció 3,5 veces sin tocarlo, se está atribuyendo el mérito del clima. El modelo completo, las comprobaciones de robustez y el código de reproducción están en el artículo.

Lo que añadieron los dos últimos meses

El pico del 5 de mayo no se sostuvo; las sesiones de referencia de ChatGPT bajaron bastante durante junio y julio, y perseguir esa caída nos enseñó más que el crecimiento. Cinco actualizaciones.

1. Por qué las citaciones de IA volvieron a subir en junio: la selección de páginas gana a su pulido

La primera ronda iba de reescribir páginas existentes. La segunda cambió cómo nacen las páginas. En vez de generar artículos a granel y esperar que llegue la demanda, ahora creamos páginas casi exclusivamente a partir de demanda observada: patrones recurrentes de 404 de bots de IA, peticiones de AI Assistant que golpean páginas marcador de posición delgadas, y consultas reales de los datos de búsqueda.

Las cuentas por cohorte son contundentes. Usando la exportación masiva de Search Console en BigQuery, medimos qué proporción de páginas nuevas consiguió alguna impresión en Google, por mes de creación. Páginas creadas de marzo a mayo: entre 0,3 y 0,8 por ciento. Páginas creadas en junio bajo el flujo guiado por demanda: 13,4 por ciento, unas 17 veces más, con julio siguiendo una trayectoria parecida. Comprobamos el factor de confusión obvio: el prompt de generación no había cambiado materialmente desde mediados de marzo. La escritura siguió igual; lo que cambió fue la selección de qué páginas merecen existir. En contenido programático, una página perfectamente optimizada que nadie pidió sigue siendo una página que nadie pidió.

2. Bing Webmaster Tools es el panel de AEO que nadie lee

Una pregunta justa sobre la primera ronda: ¿por qué preocuparse por los índices de búsqueda si el objetivo es ChatGPT? Porque la búsqueda web en vivo de ChatGPT lleva mucho tiempo apoyándose en el índice de Bing como fuente principal de fundamentación. Una página invisible para Bing tiene un camino mucho más estrecho hacia una respuesta fundamentada de ChatGPT, por bueno que sea su TLDR. Así que conectamos Bing Webmaster Tools y su API al mismo bucle de medición, y descubrimos que Bing ahora reporta algo que ninguna de nuestras otras fuentes da: cómo usa la IA tus páginas, no solo los buscadores.

En los últimos 30 días, nuestras páginas fueron citadas unas 62.000 veces en respuestas de IA fundamentadas en Bing, con un promedio de unas 2.000 citaciones al día en un ritmo semanal estable, incluso mientras las sesiones de referencia de ChatGPT oscilaban con violencia. Frente a 3,2 millones de páginas indexadas en todo el sitio, el número de páginas realmente citadas en un día promedio ronda las 520. Y el informe de Grounding Queries lista las preguntas literales que la IA respondió usando nuestras páginas, cientos de ellas en cualquier ventana, desde la técnica Feynman hasta el derecho australiano de responsabilidad civil. Si el log de 404 te dice qué debería existir, las consultas de fundamentación te dicen qué ya funciona. Ambos son gratis. Casi nadie lee ninguno de los dos.

3. Por qué la próxima ronda tiene que ir más hondo que el TLDR

Esos números de Bing contienen un mensaje duro. 486 páginas citadas de 3,2 millones indexadas no es un problema de indexación; es un problema de selección. Nuestro modelo de trabajo sobre la citación por IA tiene ahora tres etapas: una página tiene que ser descubierta, luego elegida como la mejor respuesta, y luego clicada. Los datos de Bing dicen que el descubrimiento está esencialmente resuelto para nosotros, ya que el índice lo tiene todo. Las reescrituras de títulos y TLDR nos metieron en el conjunto de candidatos. No ganan la segunda etapa contra una página que de verdad responde mejor a la pregunta, y no dicen nada sobre la tercera.

Así que la generación actual de reescrituras trabaja sobre la sustancia, no sobre la superficie, apuntando de lleno a ser elegidos. Donde los datos de fundamentación muestran una pregunta real, la página ahora necesita contener la respuesta real: secciones de preguntas y respuestas profundizadas de cuatro entradas a seis u ocho, con la consulta de fundamentación real como pregunta principal y detalles y citas concretas del vídeo fuente, no cuatro frases de resumen cortés. También estamos deshaciendo parte del daño de nuestra propia primera pasada: las reescrituras iniciales a veces optimizaron eliminando las entidades que hacen una página encontrable, nombres de programas, números de episodio, personas, productos, así que las estamos restaurando. Y cada reescritura pasa ahora por una puerta de fundamentación: si un número no está en el material fuente, no se escribe. La confianza de un motor de respuestas es alquilada, y una estadística alucinada es una forma cara de perderla.

La última vez dijimos que aún no habíamos cerrado el bucle desde la reescritura hasta la mejora medida. Esta vez lo estamos haciendo como toca: la profundización de las preguntas y respuestas corre como una prueba aleatorizada, con las páginas elegibles divididas en tratamiento y control, que es exactamente el experimento que la sección de limitaciones del artículo decía que alguien debería correr. Cuando dé resultados, los reportaremos apunten hacia donde apunten. La tercera etapa, si una página elegida consigue de verdad el clic, está diseñada dentro de esta generación de reescrituras pero aún no medida. Preferimos decírtelo a hacer captura de otra curva.

4. Dos notas operativas, ofrecidas como consejos

Primero, audita tu propio cortafuegos antes de optimizar nada. Mientras investigábamos la caída del verano encontramos que nuestras propias reglas de seguridad respondían con 403 a una parte de las peticiones de bots de IA: en el peor momento, aproximadamente una cuarta parte de las peticiones de ChatGPT-User estaban siendo rechazadas, un tipo de página estaba bloqueado por completo, y una regla de limitación de tasa rechazaba de forma intermitente la propia infraestructura de recuperación de ChatGPT. Habíamos pasado meses optimizando páginas para bots a los que estábamos rechazando parcialmente en la puerta. También pudimos atribuir la caída a esto y no a algún cambio del lado del modelo, porque las referencias de Copilot, fundamentadas en el mismo índice de Bing, nunca bajaron. La costumbre del grupo de control rinde entre motores, no solo entre grupos de páginas.

Segundo, la generación en sí ahora corre sobre Claude Code en vez de llamadas de API medidas. La generación de artículos y las reescrituras pasaban antes por la API de OpenAI y quemaban decenas de dólares al día a pleno ritmo. Movimos el pipeline a Claude Code funcionando de forma continua en un Mac siempre encendido, con un script keepalive que reinicia el generador cada vez que se para y queda cola. Es más lento por página y va sobre una suscripción plana en vez de un contador, lo que cambia qué es económico intentar a escala de 400.000 páginas. Lento y plano gana a rápido y medido cuando la cola es efectivamente infinita. Cómo usamos Claude Code dentro de Glasp se ha convertido en una historia propia, sinceramente uno de los cambios operativos más interesantes que hemos hecho este año, y merece un número futuro de Hatching Growth para él solo.

5. El primer clic del volante

El ensayo original terminaba con una hipótesis: ChatGPT cita una página, un escritor o investigador sigue la citación y enlaza a ella, la autoridad de enlaces se acumula, y el SEO se fortalece como subproducto del AEO en vez de como inversión paralela. La prueba estricta del artículo no encontró mejora medible de tráfico orgánico dentro de la ventana de estudio, y lo mantenemos. Pero el dial lento ha empezado a moverse. Siguen apareciendo enlaces al corpus de YouTube desde sitios a los que nunca contactamos, y la autoridad de dominio de Glasp, de 69 a 70 cuando empezó este experimento, ahora marca 71. Hay además una razón estructural para esperar que este bucle se acelere: una proporción creciente de los artículos de la web se investiga y redacta hoy con ChatGPT o Claude en el proceso, y cuando el investigador es una IA, las fuentes que cita son las fuentes que acaban enlazadas. Ser la página a la que un motor de respuestas recurre ya no gana solo la respuesta; gana un lugar en la siguiente generación de artículos. Un punto en una métrica de proveedor no prueba nada por sí solo. Pero es exactamente del tamaño y del tipo de señal que produciría primero el volante, así que lo anotamos aquí y seguiremos reportándolo pase lo que pase.

El modelo mental, revisado

Tu servidor es el sensor. Logs antes que paneles de proveedores; los 404 son una hoja de ruta; el volumen de AI Assistant es demanda humana en vivo.
Mide contra un control o estarás midiendo el clima. La marea sola fue 3,5 veces. Nuestro trabajo valió unas 2 veces encima. Ambos números merecen decirse en voz alta.
La selección gana al pulido. La creación de páginas guiada por demanda movió las tasas de acierto 17 veces; ninguna reescritura hizo nunca eso.
Ser visto y ser elegido son problemas distintos. Los títulos y los TLDR resuelven el primero. Solo respuestas genuinamente mejores resuelven el segundo.
Protege el canal que ya tienes. SEO Guard no nos costó nada y protegió todo.

Las preguntas abiertas del primer ensayo siguen abiertas: en qué se convierte el tráfico de AEO, y si algo de esto funciona partiendo de cero. Si tienes señales sobre alguna de las dos, nos encantaría comparar notas.

¿Quieres llevarte Glasp contigo?

Con la app móvil de Glasp puedes resaltar y organizar tu contenido favorito en cualquier momento y lugar. Sigue aprendiendo en movimiento y no dejes escapar ninguna cita reveladora.

Descargar para iOS · Descargar para Android

Colabora con Glasp

Actualmente ofrecemos patrocinios de newsletter. Si tienes un producto, evento o servicio que te gustaría compartir con nuestra comunidad de entusiastas del aprendizaje, patrocina una edición de nuestra newsletter y llega a lectores comprometidos.

Patrocinar una edición