En aquest article desenvolupo cadascun d’aquests cinc pilars amb la profunditat necessària perquè puguis entendre què cal fer, per què funciona i com aplicar-ho en el context específic d’una empresa industrial. No és teoria: és el sistema que apliquem a Smart Team en cada auditoria GEO i cada projecte de posicionament en IA que duem a terme amb els nostres clients.

Pilar 1 — Autoritat de contingut: ser la font que la IA cita

El primer pilar i el més important és també el que més treball requereix: l’autoritat de contingut. Els models de llenguatge d’escala gran aprenen del text que han processat. Si la teva empresa té publicat contingut tècnic rellevant, actualitzat i ben estructurat sobre el seu sector, el model l’haurà processat i l’utilitzarà com a referència en generar respostes sobre aquest domini.

L’analogia amb el SEO és útil aquí: igual que Google premia el contingut que respon millor a les preguntes dels usuaris, la IA cita les empreses que han demostrat coneixement profund sobre el seu sector. Però hi ha una diferència crítica: per a la IA, la profunditat tècnica té un pes molt superior a la densitat de paraules clau.

Quin tipus de contingut prioritza la IA en el sector industrial

A partir de l’anàlisi de les empreses industrials que apareixen consistentment en les respostes dels principals models, el contingut que millor funciona té quatre característiques.

1. La primera és l’especificitat tècnica. Un article sobre «què és el tractament superficial anòdic i com afecta la duresa i resistència a la corrosió de components d’alumini per a automoció» té un pes incomparablement superior per a la IA que un article sobre «els beneficis dels tractaments superficials per a la indústria». L’especificitat li diu al model que qui ha escrit això realment fa aquest treball.

2. La segona és l’estructura de resposta directa. Els models de IA prefereixen contingut que comença responent la pregunta principal abans de desenvolupar els detalls. Aquest patró, conegut com a estructura piràmide invertida, és el mateix que utilitzen els bons periodistes i és la raó per la qual el format de «què, per què, com» funciona tan bé per al posicionament en IA.

3. La tercera és l’ús de dades concretes: xifres, rangs, paràmetres tècnics, terminis, capacitats expressades en unitats. El contingut amb dades específiques té molt més pes que el contingut amb afirmacions genèriques.

4. La quarta és l’actualització periòdica. El contingut publicat fa cinc anys i mai revisat perd pes davant de contingut publicat o actualitzat en els últims 6 a 12 mesos.

Com estructurar un article que la IA vulgui citar

1. Títol descriptiu i literal: conté la pregunta o el concepte principal sense ambigüitats ni creativitat forçada. «Guia de toleràncies en mecanitzat CNC per a aplicacions aeroespacials» és un millor títol que «La precisió que el teu projecte necessita».

2. Resposta en les primeres línies: la IA prioritza contingut que dona la resposta directa al principi. Els desenvolupaments, matisos i exemples vénen després.

3. Subtítols com a senyalitzadors semàntics: els H2 i H3 han de contenir termes tècnics precisos del sector. Són les ancores que el model utilitza per entendre de què tracta cada secció.

4. Dades i xifres específiques: paràmetres de procés, capacitats de producció, terminis d’entrega, normes i certificacions aplicables.

5. Conclusió accionable i sintetitzable: tanca l’article amb un resum que el model pot reproduir en les seves respostes com si fos la resposta òptima a la pregunta de l’usuari.

Pilar 2 — Dades estructurades: parlar-li al model en el seu idioma

El Schema Markup és el llenguatge amb el qual la teva web li parla directament i amb precisió als sistemes de processament automàtic, incloent-hi els bots dels motors de cerca i els models de IA amb accés web. Sense dades estructurades, el model ha d’inferir qui ets, què fas i per a qui a partir de text lliure. Amb elles, ho sap amb certesa.

El format recomanat és JSON-LD, que s’insereix en el codi HTML de la pàgina i no és visible pels usuaris. La implementació bàsica per a una empresa industrial requereix entre dues i quatre hores de treball tècnic i té un impacte desproporcionat en la visibilitat davant dels bots.

Els schemas prioritaris per a una empresa industrial

• Organization és el schema base: estableix el nom legal de l’empresa, la seva adreça, telèfon, web, sector i comptes en xarxes socials. És l’equivalent digital d’una fitxa d’empresa normalitzada que el model pot llegir sense ambigüitat.

• Service permet descriure amb precisió cada servei o capacitat productiva: nom del servei, descripció tècnica, àrea de cobertura geogràfica, condicions i preus si aplica. Per a una empresa industrial amb diversos serveis, cada pàgina de servei hauria de tenir el seu schema propi.

• HowTo és especialment valuós per al contingut tècnic del blog: permet descriure processos tècnics pas a pas d’una forma que el model processa com a coneixement procedimental estructurat, amb un pes molt alt per a respostes sobre com fer alguna cosa.

• DefinedTerm permet definir termes tècnics del sector amb enllaços a fonts autoritzades. Una empresa que defineix amb precisió els termes de la seva indústria es posiciona com a referència semàntica per al model en aquest domini.

Què no has d’implementar mai

Els schemas de tipus FAQ són l’excepció a la regla de «més és millor» en dades estructurades. Saturen el codi HTML sense aportar valor semàntic real per als LLMs, i en alguns casos generen soroll que dificulta la comprensió del model. Invertix aquest temps i esforç en schemas de Service i HowTo, que són els que realment construeixen autoritat davant la IA.

Pilar 3 — Presència en fonts externes que la IA consulta

Un error freqüent en dissenyar una estratègia de GEO és centrar-se exclusivament en la pròpia web. Els models de IA processen informació de desenes de fonts externes. La teva presència coherent i actualitzada en aquestes fonts amplifica enormement el senyal que el model rep sobre la teva empresa.

Els directoris industrials amb major pes a Espanya

Kompass Espanya i Europages són els dos directoris industrials amb major autoritat de domini i major presència en les dades d’entrenament dels models per al context d’empreses industrials europees. Una fitxa completa a Kompass, amb sector, capacitats, mercats i descripció de serveis, és un dels actius de major retorn per inversió en temps que pot crear una pime industrial.

PIMEC i Cecot per a les empreses catalanes, les Càmares de Comerç i els clústers sectorials específics del sector de cada empresa tenen un pes especial perquè són fonts amb alta credibilitat i autoritat editorial dins del seu àmbit geogràfic i sectorial.

Els tres bàsics que cap empresa es pot permetre no tenir

Wikipedia: si l’empresa té prou trajectòria i impacte sectorial per justificar una entrada pròpia, és el senyal d’autoritat amb major pes individual en els models. Si no la justifica directament, assegurar-se d’aparèixer correctament en articles de Wikipedia sobre el sector o la zona industrial és igualment valuós.

LinkedIn empresa: la plataforma és rastrejada amb alta freqüència pels models per al context B2B. Una pàgina activa, amb descripció completa, publicacions recents i empleats que la referencien, és un senyal de legitimitat empresarial que els models processen amb alta prioritat.

Google Business Profile: per als models amb accés web en temps real, el perfil de Google Business és una font directa i actualitzable de dades sobre nom, adreça, sector, horari i ressenyes. Tenir-lo reclamat, complet i actualitzat és el mínim irreducible del posicionament en IA per a qualsevol empresa amb presència local o regional.

Pilar 4 — Consistència de marca: eliminar el soroll digital

Els models de IA construeixen la seva comprensió d’una empresa a partir d’informació que troben en múltiples fonts. Quan aquesta informació és contradictòria —diferents versions del nom de l’empresa, adreces desactualitzades, descripcions de serveis que no coincideixen entre plataformes— el model rep senyals ambigus que redueixen la seva confiança en la informació que té i, com a conseqüència, redueix la probabilitat d’incloure’t en les seves respostes.

El problema del NAP: Nom, Adreça i Telèfon

El concepte NAP, heretat del SEO local, és igualment crític per al GEO. El nom exacte de la teva empresa, la teva adreça física i el teu número de telèfon han de ser literalment idèntics en totes les plataformes on aparegus: web corporativa, Google Business, LinkedIn, Kompass, Europages, xarxes socials, directoris sectorials…. El model no pot «deduir» que «Mecanitzats García S.L.» i «García Mecanitzats» són la mateixa empresa. Per al sistema de processament són dues entitats diferents. Cada variació del nom, cada adreça desactualitzada, cada número de telèfon anterior que segueix circulant en algun directori, fragmenta el senyal i redueix l’autoritat consolidada de la teva empresa davant el model.

Com fer l’auditoria NAP en una hora

Cerca el nom exacte de la teva empresa a Google (primeres dues pàgines de resultats). Anota totes les plataformes on aparegus. Per a cadascuna, verifica: nom exacte, adreça completa amb codi postal, número de telèfon, descripció d’activitat i URL de la web. Documenta totes les inconsistències. Prioritza les correccions per autoritat de la plataforma: primer Google Business, després LinkedIn, després els directoris amb major tràfic.

Pilar 5 — Reputació i ressenyes: el senyal de confiança que la IA pondera

Els models de IA no només verifiquen que existeixes: verifiquen que ets fiable. La reputació digital, mesurada principalment a través de ressenyes, mencions externes positives i referències de tercers, és un senyal de confiança que els models incorporen activament en les seves recomanacions.

La lògica és similar a la dels backlinks en SEO, però més directa: quan un model ha d’escollir entre recomanar una empresa amb 60 ressenyes positives a Google i una altra empresa idèntica en capacitats però amb 4 ressenyes, el model escull la primera. Té més evidència que aquesta empresa funciona bé.

Com construir reputació digital de forma sistemàtica

El procés de captació de ressenyes és senzill però requereix disciplina. La majoria dels clients satisfets no deixen ressenyes de forma espontània perquè ningú l’hi demana. Establir un procés sistemàtic de sol·licitud de ressenya —un missatge per WhatsApp o email després de l’entrega de cada projecte— pot multiplicar per cinc el volum de ressenyes en sis mesos sense cap cost addicional.

La resposta a les ressenyes, tant positives com negatives, també té un impacte en el posicionament en IA: els models amb accés web llegeixen aquestes respostes com a senyal d’activitat i que l’empresa es preocupa per la seva reputació. Una resposta ben redactada a una ressenya negativa pot convertir un senyal advers en un senyal de professionalitat.