Glossari GEO
Generative Engine Optimization (GEO): glossari de mètriques i conceptes
Què és GEO
Què és Generative Engine Optimization (GEO)?
Generative Engine Optimization (GEO) és l'optimització orientada a motors d'IA generativa com ChatGPT, Gemini, Perplexity i Google AI Mode per augmentar la probabilitat de menció, citació i URL atribuïda correcta d'una marca.
El terme Generative Engine Optimization (GEO) s'utilitza en màrqueting digital per descriure l'optimització específica per a motors d'IA generativa.
GEO no busca únicament posicionament en cercadors tradicionals, sinó presència verificable dins de respostes generades per models d'intel·ligència artificial.
A Elevam, l'aplicació pràctica de GEO es desenvolupa des de la pàgina principal d<geo>Agència GEO</geo>.
Què significa
Què significa GEO en aquest context?
En màrqueting digital, GEO significa Generative Engine Optimization.
En aquest context, GEO:
- No fa referència a geopolítica.
- No fa referència a forces policials.
- No fa referència a geolocalització.
S'utilitza exclusivament per descriure l'optimització orientada a motors d'IA generativa.
Relació amb HSA
Relació entre GEO i el Protocol HSA
El Protocol HSA és la metodologia d'Elevam per aplicar Generative Engine Optimization de forma estructurada i mesurable.
Mentre GEO defineix el marc conceptual, HSA estableix les regles pràctiques per implementar-lo i avaluar-lo mitjançant un sistema de baseline i benchmark trimestral.
| Enfocament | Optimitza | Objectiu principal |
|---|---|---|
| SEO | Optimitza:Motors de cerca | Objectiu principal:Trànsit orgànic |
| AEO | Optimitza:Motors de resposta | Objectiu principal:Resposta directa i fragments citables |
| GEO | Optimitza:Motors generatius (LLMs) | Objectiu principal:Menció, citació i URL atribuïda correcta |
01
Mètriques titulars del Baseline GEO
- SoR — Share of Recommendation
- Força mitjana amb la qual els motors d'IA recomanen la marca, ponderada per la intensitat de la recomanació test a test. Mètrica titular del cànon de visibilitat GEO d'Antropus. Un SoR alt implica recomanacions clares; un SoR baix, mencions febles o ambigües.
- SoM — Share of Mentions
- % de tests vàlids on la IA va mencionar la marca amb entitat correctament identificada. Primer graó de l'embut de recomanació. La diferència mentionRate − SoM revela quantes mencions són de l'entitat equivocada.
- CS — Citation Share (BCR)
- % de tests vàlids on la IA va citar almenys una font del domini de la marca. Titular de citació del cànon v1.2. Gap CR − CS = la IA cita fonts del sector, però no les teves.
- CR — Citation Rate
- % de tests on la IA va incloure alguna font citada, pròpia o aliena. Mesura el comportament del motor, no de la marca. CR alt no implica que et citin a tu. Per a visibilitat via citació, usar CS.
- R — URL Rate
- % de tests amb URL canònica mapada on la URL citada coincideix amb l'esperada per a la intenció del prompt. CS alt amb R baix: et citen, però apuntant a una pàgina irrellevant per al que l'usuari preguntava.
- Top 3 — Top 3 Rate
- % de tests amb rànquing ordenat on la marca apareix en posicions 1-3. Només compten llistes amb ordre explícit: numerades, taules markdown o ordinals lèxics. Si el motor no genera rànquings per al sector, la mètrica retorna «—».
- Hallucination Rate
- % de tests visibles on la IA va produir alguna al·lucinació sobre la marca. Es classifica en sis tipus: confusió d'entitat, confusió de sigles, atribució errònia, topic drift, factual inventada i cap. Com més baix, millor.
02
Control, risc i diagnòstic
- Fragile Recommendation Rate
- % de tests amb recomanació forta (rsw ≥ 0,75) acompanyada d'informació falsa. L'escenari de major risc reputacional: la IA recomana la marca amb claredat, però amb dades inventades. Com més baix, millor.
- Validity Rate
- % de tests aplicables que van resultar metodològicament vàlids. Un valor baix (< 70 %) indica confusió d'entitat recurrent o prompt set mal calibrat. Mètrica de control de qualitat del baseline.
- Triggering Rate
- En mode SERP-generatiu (Google AI Mode, AI Overview), % de prompts que va activar resposta d'IA. Per sota del 50 %, la UI mostra avís de baixa activació. En motors chat-LLM (ChatGPT, Claude, Perplexity…) sempre és null.
- Mention Rate
- % de tests on la IA anomena la marca, sense aplicar el filtre d'entitat correcta. Diagnòstic brut: la diferència mentionRate − SoM mesura la taxa de col·lisió d'entitat (et nomenen confusionant-te amb una altra marca).
03
Embut de recomanació
- Funnel Stage 1 — Menció vàlida
- Capa 1 de l'embut. % de tests visibles on la IA va mencionar la marca amb entitat correcta. Equivalent a SoM. Representa l'entrada de l'embut: la IA parla de tu sense ambigüitat d'entitat?
- Funnel Stage 2 — Menció + font pròpia
- Capa 2 de l'embut. Dels tests de la capa 1, % on a més la IA va citar almenys una font del domini de la marca. El gap Stage 1 − Stage 2 revela quantes vegades et mencionen sense citar-te.
- Funnel Stage 3 — Menció + font + URL correcta
- Capa 3 de l'embut. Dels tests de la capa 2, % on la URL citada és la correcta per a la intenció del prompt. Lliurament complet: menció vàlida, citació pròpia i URL adequada a la intenció.
04
Suport documental i quota de fonts
- SoS — Share of Sources
- Del total de fonts citades per la IA en el baseline, % que pertany al domini de la marca. Mesura quota de volum, no presència per test. CS alt amb SoS baix indica que et citen amb una URL mentre als competidors els citen amb diverses.
- Owned Source Share
- % de tests on la IA cita exclusivament fonts pròpies, sense tercers. Alt = control narratiu. Pot llegir-se també com aïllament del consens extern i absència de validació de fonts independents.
- Third Party Dependency
- % de tests on la IA menciona la marca recolzant-se només en fonts de tercers. Senyal que el contingut propi no està sent reconegut com a font autoritativa pels motors.
- Unsupported Positive Rate
- % de tests amb sentiment positiu i cap font citada. Visibilitat fràgil: sense àncora documental, la posició depèn de la memòria del model i pot desaparèixer entre mesuraments.
- Source Dispersion Index
- Mitjana d'URLs pròpies úniques citades per intenció. Un valor d'1,0 indica pàgina canònica clara; valors alts assenyalen dispersió de contingut o absència de pàgina de referència definitiva.
- Competitor Leakage Rate
- % de tests on la IA cita URLs de competidors configurats en el projecte. Mesura la fugida directa d'atenció cap a la competència en respostes sobre el sector de la marca.
05
Model mental GEO i recuperabilitat
- Senyals → recuperació → citació → síntesi → shortlist
- Cadena completa de com una marca arriba a ser recomanada per un motor d'IA. Cada baula és condició necessària de la següent: sense senyals no hi ha recuperació; sense recuperació no hi ha citació.
- Shortlist
- El conjunt de 3-5 opcions que la IA decideix incloure en la seva resposta. Entrar a la shortlist és l'objectiu operatiu de GEO: és més determinant que el posicionament en SERP clàssic per a les queries d'alta intenció.
- Recuperabilitat
- Condició que el sistema RAG pugui trobar i recuperar el teu contingut quan ho necessita. Requisit previ a qualsevol citació: si no es recupera, no es cita.
- Citable
- Contingut que conté dades, xifres, afirmacions o avantatges únics prou específics per merèixer ser referenciat com a font en una resposta generativa.
- RAG-friendly
- Pàgines dissenyades per ser recuperades i usades com a suport factual en pipelines RAG: estructura clara, chunks semàntics, dades verificables i consistència entitat-contingut.
- Co-mentions
- Les marques, entitats o conceptes amb els quals la IA et nombra en el mateix context. Visualitzar co-mentions com a graf revela clústers competitius, associacions de categoria i influència contextual.
- HSA — Framework Human · Search · AI
- Metodologia d'Elevam per aplicar GEO de forma estructurada i mesurable. Combina cinc components (SoM, posició en shortlist, sentiment, citations coverage i anàlisi de competència) amb pesos definits i cicles de mesurament trimestrals.
06
Enginyeria LLM i recuperació semàntica
- RAG — Retrieval-Augmented Generation
- Arquitectura on el model d'IA, abans de generar una resposta, recupera fragments rellevants d'una base documental externa. És el mecanisme que fa que els teus continguts puguin ser usats com a suport factual.
- Embeddings
- Representació numèrica vectorial d'un text que captura el seu significat semàntic. La distància entre l'embedding del teu contingut i el d'un prompt determina si la teva font es recupera o no en el procés RAG.
- Índex vectorial
- Base de dades especialitzada on s'emmagatzemen embeddings i es realitzen cerques per similitud semàntica. És la infraestructura sobre la qual opera el pas de recuperació del RAG.
- Elegibilitat
- Condició d'estar tècnica i semànticament preparat per ser recuperat i citat: indexació correcta, estructura clara, consistència entre l'entitat de la marca i els continguts que la descriuen.
07
Disseny d'experiments GEO
- Dataset fix de prompts
- Conjunt estable de prompts mantingut invariable entre mesuraments per poder comparar resultats en el temps. Sense fixesa de dataset, no hi ha comparació vàlida.
- Prompt set per intenció
- Prompts informacionals, comparatius i transaccionals que cobreixen el funnel de decisió de l'usuari. Cada tipus d'intenció pot activar comportaments diferents en el motor.
- Prompt exacte
- Regla de traçabilitat: el prompt registrat ha de ser idèntic al enviat al motor. Si es parafraseja o resumeix, la comparació temporal perd validesa.
- Benchmark trimestral
- Repetició del dataset complet cada trimestre per detectar canvis en la visibilitat de la marca en els motors. Permet distingir tendències reals de soroll puntual.
- Multimotor
- Executar el baseline en un mínim de 3 motors o plataformes diferents per evitar biaixos d'un únic proveïdor. Cada motor té pesos, fonts i comportament diferents.
- Logging estructurat
- Guardar cada resultat com a dada estructurada (CSV, JSON) amb prompt, resposta completa, fonts citades i metadades del motor. Les captures de pantalla soltes no són dades.
- Update log
- Registre datat de canvis observats en models, to de resposta o fonts preferides. Sense evidència documentada, no hi ha update vàlid.
- Biblioteca d'exemples
- Repositori centralitzat de parells prompt → resposta → fonts citades. Base de coneixement que permet auditar l'evolució del comportament dels motors en el sector.
08
Controlabilitat, rigor i automatització
- Marc de controlabilitat
- Classificació de variables en tres nivells: controles (el teu contingut, estructura, schema markup), influences (narrativa de tercers, co-mentions) i no controles (pesos del model, temperatura, política de citació del motor).
- Model probabilístic
- Els motors d'IA no són deterministes: el mateix prompt pot produir respostes diferents. Per això mesurar amb mètode —mateixos prompts, mateix motor, comparació temporal— és l'única forma de detectar canvis reals.
- Llindar d'evidència
- Criteri per decidir si un canvi en les mètriques és real o soroll estadístic. Requereix repetició del dataset i logging estructurat abans de concloure que alguna cosa ha millorat o empitjorat.
- Pipeline GEO
- Sistema automatitzat per executar el prompt set, registrar respostes, parsejar mètriques i reportar resultats sense intervenció manual. Elimina l'error humà i escala el mesurament.
- Observabilitat GEO
- Monitorització contínua del comportament dels motors i del propi pipeline de mesurament, amb alertes que avisen quan les respostes o les fonts citades canvien de forma anòmala.
- Proves de regressió
- Repetició del dataset complet després d'actualitzacions de models per detectar degradacions de mètriques abans que afectin els clients. L'equivalent de tests de CI/CD en visibilitat GEO.
09
Competitor Intelligence — anàlisi per resposta
- BrandMention
- Estructura produïda per l'analyzer en cada resposta per a cada marca avaluada. Conté: si va ser esmentada, posició en rànquing, sentiment (−1 a 1), URLs citades i fins a tres atributs descriptius extrets de la resposta. Component base de tot l'agregat de l'estudi CI.
- EmergingBrand
- Marca detectada per la IA en una resposta que no estava configurada a la llista de competidors de l'estudi. Permet descobrir competidors que la IA ja reconeix al sector però que el projecte no tenia al radar. Es mostren les 12 més esmentades ordenades per mencions.
- ConfusionBrand
- Marca emergent que coincideix amb les entitats marcades com «no soc jo» en el perfil d'entitat del projecte. Quantifica quant la IA confon activament la marca amb una altra entitat no desitjada. Senyal de problema agut d'identitat de marca.
- CompetitorResponseType
- Classificació del tipus de resposta de la IA en sis buckets: provider_shortlist, comparison, educational_no_brands, generic_advice, category_mismatch i refusal_or_no_recommendation. Si la majoria són generic_advice o refusal, el SoV de qualsevol marca sortirà baix per construcció, no per manca de visibilitat real.
- AcronymAmbiguity
- Detecció que la IA va usar una sigla amb un significat diferent de l'esperat en el perfil d'entitat. Crític en sectors on una mateixa sigla cobreix diversos mercats: «GEO» pot ser Generative Engine Optimization o Geographic Information.
- MethodHallucination
- Ús erroni per la IA d'un terme tècnic configurat en el perfil d'entitat del projecte. Detecta deformació del vocabulari propi: si la IA explica «Protocol HSA» amb una definició diferent a la del projecte, està confusionant el client final. Severity: critical / warning / info.
- EntityResolutionResult
- Resolució granular de quina entitat va reconèixer la IA en parlar de la marca. Sis estats: correct_entity, not_mentioned, entity_confusion, ambiguous_entity, wrong_domain i insufficient_evidence. Només correct_entity compta com a menció vàlida al SoV. És el gating que evita inflar la mètrica amb confusions d'identitat.
- sourceReliabilityScore
- Score 0-100 de fiabilitat d'una resposta segons la naturalesa de les fonts citades. Lògica: mode memòria sense fonts → 0; URLs opaques → 50; mix opaques i reals → 60; URLs auditables → 75. Alimenta el Reliability Weight que modula el SoV en mode ponderat.
10
Competitor Intelligence — visibilitat agregada i comparador
- SoV — Share of Voice
- Repartiment de mencions entre les marques de l'estudi CI. Per marca: mentionRate, posició mitjana en rànquings, sentiment mitjà i total d'aparicions. Commutable entre mode raw (recompte directe) i weighted (ponderat per sourceReliabilityScore). Mètrica titular del mòdul Competitor Intelligence.
- Reliability Weight
- Pes 0-1 aplicat a cada anàlisi segons el seu sourceReliabilityScore: score ≥ 75 → 1,0; 50-74 → 0,7; < 50 → 0,4. Respostes en mode memòria → 1,0 (sense penalització). Multiplicador intern que determina el SoV ponderat.
- Reliability Summary
- Agregat de fiabilitat a nivell d'estudi: mitjana del sourceReliabilityScore, recompte d'anàlisis amb score ≥ 75 (auditables) i total d'anàlisis. Si la mitjana baixa de 50, la UI mostra un avís visible sobre les conclusions de l'estudi.
- Distribució ResponseType
- Recompte d'anàlisis per cada bucket de CompetitorResponseType. Diagnòstic macro: si la distribució és dominada per refusal o generic_advice, la IA evita recomanar en aquell sector i qualsevol SoV baix és estructural.
- BrandDelta
- Diferència de SoM per marca entre dos estudis CI consecutius. Amb scope-awareness: distingeix «va caure a 0» (pèrdua real de visibilitat) de «no es va mesurar al segon estudi» (canvi de configuració). Les marques fora d'scope retornen null, no 0.
- ResponseTypeDelta
- Diferència de distribució de CompetitorResponseType entre dos estudis. Detecta canvis en el mode de resposta de la IA al sector: pujada en refusal indica cautela creixent; pujada en provider_shortlist indica major activitat recomanadora.
- ConfigDivergence
- Detecció de configuració diferent entre els dos estudis comparats: llistes de marques diferents o nombre d'anàlisis distint. Quan aplica, la UI mostra un banner CrossConfigWarning. Protecció d'honestedat: el client no pot llegir un BrandDelta sense saber si els dos estudis són comparables.
- Comparator Buckets
- Classificació de marques segons el canvi observat entre l'estudi A i B en quatre buckets: droppedToZeroInB (va caure del radar), roseFromZeroInB (va emergir entre mesuraments), outOfScopeInB (estava a A, no a B) i newInScopeOfB (no estava a A, sí a B).
Continua explorant