La entidad antes que
la palabra clave

Respuesta breve

El SEO de entidades ayuda a identificar las personas, organizaciones y conceptos que describe tu contenido. Utilizo Densidad de Entidad como marco editorial para mantener hechos coherentes, identificadores conectados y corroboración verificable. No es una métrica de posicionamiento ni una garantía de citas en IA.

El error de identidad en mi propia web

Mi descripción anterior aludía a un futbolista ecuatoriano y a un boxeador colombiano. Aparecía en el texto visible, los datos estructurados y llms.txt. Comprobar las identidades detrás de esas descripciones reveló el fallo: había repetido una distinción sin verificar a quién se refería.

Las referencias utilizadas en la corrección fueron Fernando Angulo, el jugador español de baloncesto, Fernando Angulo, el ornitólogo peruano, y mi propia entrada. Son referencias útiles, no un censo de todas las personas con ese nombre. Que alguien no aparezca en una búsqueda no demuestra que no exista.

Este caso documenta una corrección de información publicada. No dispongo de un panel de respuestas conservado antes y después que demuestre una mejora posterior de exactitud o citas en IA.

Diagnostica antes de optimizar

Densidad de Entidad: tres prácticas de mantenimiento

Llamo Densidad de Entidad a este marco de mantenimiento. Es el nombre de mi enfoque, sin puntuación estandarizada ni peso causal validado. Estas tres prácticas sirven para que la identidad publicada resulte más fácil de revisar y mantener.

1. Mantén coherentes los hechos

Crea un registro de referencia con el nombre, cargo vigente, organización, web canónica y perfiles verificados. Asigna un responsable y anota cuándo se comprobó cada dato. Una biografía abreviada o redactada de forma natural en español puede expresar la misma identidad sin copiar cada carácter. Investiga los hechos contradictorios, no las diferencias de redacción inocuas.

Cuando cambie un cargo, actualiza los perfiles vigentes y fecha las biografías históricas. Conserva los nombres anteriores y alias legítimos cuando ayuden a entender la continuidad.

2. Conecta los identificadores con la entidad correcta

Usa un @id estable para la persona u organización en los datos estructurados y reutilízalo cuando otra página se refiera a esa misma entidad. El ejemplo muestra una persona conectada con un perfil que la identifica. Es un patrón ilustrativo, no marcado adicional activo de este artículo.

{
  "@context": "https://schema.org",
  "@type": "Person",
  "@id": "https://fernandoangulo.com/#fernando-angulo",
  "name": "Fernando Angulo",
  "url": "https://fernandoangulo.com/",
  "sameAs": [
    "https://www.wikidata.org/wiki/Q138975073"
  ]
}

@id identifica a la persona dentro del grafo; url apunta a la web. sameAs enlaza una página que identifica inequívocamente a esa misma entidad. No incluyas al empleador, a un homónimo o a un artículo relacionado de forma vaga. Una organización debe tener su propio identificador y el tipo correspondiente.

Comprueba cada URL, verifica que los hechos coincidan con el contenido visible y revisa el marcado con el validador de Schema.org. Validarlo no demuestra que una IA vaya a utilizarlo. La documentación de Google indica que sus funciones de IA no requieren un marcado especial ni un archivo de texto nuevo para IA.

3. Busca corroboración verificable

Revisa biografías de organizadores, perfiles editoriales, firmas de investigación y registros profesionales que identifiquen claramente al sujeto. Anota quién controla cada fuente: tu propio perfil, una página del empleador y una referencia editorial independiente aportan evidencias distintas. Un dominio citado con frecuencia no es necesariamente una fuente autorizada sobre tu identidad concreta.

¿No tienes entrada en Wikipedia o Wikidata? Empieza con una biografía oficial exacta, perfiles profesionales verificados y referencias externas pertinentes. Este mantenimiento se puede hacer sin una entrada enciclopédica. Añade un identificador externo solo si existe y corresponde al sujeto; no fabriques una entrada para completar una lista.

Mide la exactitud por separado de las citas

Antes de modificar una fuente, guarda un conjunto fijo de preguntas naturales, por ejemplo: «¿Quién es [nombre] de [organización]?» y «¿Qué investiga [nombre]?». Son prompts de diagnóstico de marca propuestos, no evidencia de demanda. Para estudiar el descubrimiento, utiliza otro panel de preguntas temáticas sin mencionar la marca.

1. Recoge la referencia inicial. Guarda el prompt exacto, respuesta, URL citadas, plataforma, modelo o modo, búsqueda activada o no, idioma, mercado y fecha. Marca como desconocidos los campos no disponibles.
2. Contrasta los hechos. Distingue afirmaciones correctas, incorrectas y no verificables. Registra el error concreto en lugar de asignar una puntuación genérica de visibilidad.
3. Documenta el cambio. Conserva el texto anterior, el nuevo, la URL de la fuente, el responsable y la fecha de publicación. Guarda capturas cuando sea posible.
4. Repite el mismo panel. Usa conversaciones nuevas y los mismos ajustes. Como protocolo inicial, puedes hacer tres ejecuciones por pregunta antes y después: sirven para observar consistencia, no constituyen un experimento estadísticamente concluyente.

Separa cuatro resultados: exactitud de identidad, mención de marca, cita del dominio y cita de la página concreta. Expresa la exactitud como afirmaciones verificables correctas entre todas las verificables, y cuenta aparte las que no puedas comprobar. Para menciones y citas, conserva como denominador las respuestas obtenidas correctamente. Una petición fallida es un dato ausente, no un resultado negativo.

Fija el intervalo de seguimiento antes de recoger resultados. Los cambios de fuentes, recuperación de información y modelos pueden alterar las respuestas. Una diferencia entre rondas es una observación, no una atribución causal a tu edición. Amplío la distinción en autoridad de citación.

La idea es anterior a la búsqueda con IA

El anuncio del Knowledge Graph de Google en 2012 popularizó una explicación útil de la búsqueda basada en entidades: «cosas, no cadenas de texto». Es un hito histórico, no el nacimiento de todo el trabajo sobre entidades o búsqueda semántica.

La optimización para motores generativos (GEO) estudia la visibilidad en respuestas generadas con IA. Mi argumento práctico es que la información de identidad incorrecta merece atención junto con la calidad y la accesibilidad del contenido. No exige afirmar que todos los motores resuelven la identidad antes de evaluar la relevancia. Google describe modelos y técnicas distintos, incluidas búsquedas relacionadas por subtemas, en su documentación sobre funciones de IA.

Límites y mantenimiento entre idiomas

Una identidad clara no convierte una investigación débil en una fuente que merezca una cita, y un marcado válido no garantiza la recuperación. Una respuesta incorrecta también puede involucrar fuentes desactualizadas, decisiones de recuperación o generación sin respaldo. Comprueba esas alternativas antes de diagnosticar un fallo de resolución de entidades.

Mantén la identidad coherente entre inglés y español, con una redacción natural en cada idioma. Revisa cargos, perfiles enlazados y fechas de afiliación en ambas versiones. Prueba cada idioma por separado: un resultado en un mercado no demuestra el rendimiento en otro. La cuestión más amplia se desarrolla en Autoridad de Citación Translingüe.

Tu siguiente paso: revisa una marca o portavoz, documenta una discrepancia verificada y recoge la referencia inicial de respuestas antes de afirmar que ha mejorado.