¿Cómo funciona el GEO para el inmobiliario?

El inmobiliario es la compra más grande sobre la que investiga la mayoría de la gente, y esa investigación se ha mudado de forma visible a las herramientas de IA. El 82% de los estadounidenses usa ya la IA para informarse sobre el mercado de la vivienda, y ChatGPT (67%) y Gemini (54%) son las plataformas que más nombran (encuesta de Realtor.com, octubre de 2025). Entre quienes están comprando de forma activa, la encuesta de Veterans United del segundo trimestre de 2026 sitúa el uso de herramientas de IA en el 45% de los compradores potenciales — ocho puntos más en un año — y buscar vivienda es el uso más frecuente, con el 52%. Quien pregunta a un asistente dónde comprar ya no es una excepción: en los datos de EE. UU., es casi la mitad de todos los compradores activos.

La capa de respuesta también se está comiendo el clic que el contenido de zona solía ganar. Cuando aparece un resumen de IA en los resultados de Google, los usuarios hacen clic en un resultado clásico en el 8% de las visitas frente al 15% sin resumen, y cierran del todo la sesión de navegación tras el 26% de esas búsquedas frente al 16% (Pew Research, julio de 2025). Los AI Overviews funcionan ya en más de 200 países y territorios y en más de 40 idiomas. Una guía de barrio que antes ganaba una visita ahora se resume en el propio resultado; el hueco que queda por disputar es ser la fuente que ese resumen cita.

Ahí está la oportunidad para agencias y promotores. Los portales dominan las consultas de anuncios — «3-bedroom apartments in Palm Jumeirah» — y competir ahí es inútil. Pero las consultas de decisión que abren cada compra — dónde comprar, si conviene comprar, a qué proyecto fiarse — se responden desde un fondo de fuentes mucho más amplio, y en la mayoría de las ciudades nadie ha construido aún la versión citable. Ese es el problema que el GEO existe para resolver en este vertical.

Los prompts inmobiliarios de mayor intención llevan un calificador de ciudad o barrio: «best areas to invest in Dubai», «buy vs rent in Austin», «new developments in Lisbon for foreigners». El calificador importa por una razón mecánica: cambia las fuentes de las que el motor recupera. Una pregunta a nivel de país — «is Portugal a good place to buy property» — se responde desde medios nacionales, informes bancarios y guías para expatriados, un fondo en el que una sola agencia rara vez asoma. Una pregunta a nivel de barrio — «best areas of Lisbon for families» — se responde desde guías de zona y fuentes locales, un fondo lo bastante delgado como para que una página de agencia bien estructurada sea la mejor respuesta disponible.

Las mismas familias de prompts se repiten de un mercado a otro: inversión por zona, comprar o alquilar, promociones nuevas y sobre plano, relocalización y elegibilidad para extranjeros, y elección de proveedor — qué agencia, qué promotor. Cada familia recompensa un activo citable distinto, y un programa serio construye el activo por familia en lugar de esperar que un blog las lleve las cinco.

El consejo inmobiliario linda con el YMYL — «your money or your life», en el vocabulario de la calidad de búsqueda — y los motores se comportan en consecuencia: se apoyan en fuentes cuyas afirmaciones son verificables. Lo que se cita en los prompts inmobiliarios es un conjunto reconocible — informes de mercado con cifras, guías de zona con datos nombrados, los portales y los medios locales — y el hilo común es que cada afirmación lleva una cifra, una fecha o un lugar nombrado. El estudio GEO fundacional de Princeton midió esa preferencia de forma directa: añadir citas textuales, estadísticas y referencias a una página elevó su visibilidad de fuente en las respuestas generadas hasta un 40%.

Ahí es donde falla la mayoría del contenido inmobiliario: de forma mecánica, no editorial. «Una comunidad costera vibrante con vistas impresionantes» no le da nada extraíble a un modelo; «el precio medio por metro cuadrado en la marina fue X en el T2, un Y% más interanual, rentabilidad bruta media Z%» es una frase que una respuesta puede levantar literal, con su nombre pegado. Una agencia o un promotor que publica páginas de zona respuesta-primero, construidas con estadísticas nombradas, se vuelve citable para toda la familia de prompts — un hueco que los portales dejan en gran parte abierto, porque sus páginas de zona son carruseles de anuncios, no respuestas.

La honestidad multiplica el efecto. Una página que dice en qué es débil una zona — capacidad escolar, huecos de transporte, nivel de las cuotas de mantenimiento — es más segura de citar para un modelo que una que alaba todos los barrios por igual, porque el modelo no tiene que añadir sus propias reservas. En una categoría donde el comprador teme que le vendan, la salvedad es un activo de cita.

El inmobiliario es el vertical más transfronterizo en el que trabajamos: compradores rusohablantes que investigan Dubái, compradores hispanohablantes en las áreas metropolitanas de EE. UU., extranjeros que comparan promociones en Lisboa. El hecho mecánico debajo es que el mismo inmueble, preguntado en inglés, en ruso y en español, produce tres respuestas distintas, porque cada lengua recupera desde su propio fondo de fuentes — y una marca que publica en una sola lengua simplemente no existe en las otras dos respuestas.

El patrón está documentado en nuestras guías de mercado. En Dubái, los prompts inmobiliarios en ruso — «лучшие районы Дубая для инвестиций» — son un nicho denso y de alta intención donde el corpus citable es aún más delgado que el árabe, así que una página de zona rusa y estructurada casi no tiene competencia por el hueco. En EE. UU., las preguntas de compra en español se hacen a escala, mientras el corpus en español sobre los mercados locales sigue siendo dramáticamente más delgado que el inglés — la brecha entre su cuota de voz en inglés y en español es el tamaño de la oportunidad, dicha como cifra.

Estas vías las llevamos de forma nativa — nuestro propio sitio funciona en nueve lenguas, y cada técnica que vendemos se aplica primero ahí. En la práctica, eso significa la misma página de zona publicada por lengua de comprador, con las afirmaciones alineadas entre versiones, y una batería de prompts distinta por lengua, porque las curvas inglesa y rusa de la misma promoción de Dubái rara vez se mueven juntas.

Las entidades inmobiliarias son más desordenadas que la mayoría: la marca con la que opera una oficina, el nombre legal de la licencia — un número RERA en Dubái, una licencia estatal de broker en EE. UU. — y los nombres de perfil en los portales suelen diferir. Los modelos tienen que resolverlos todos como una sola entidad antes de que las citas se acumulen; si no, la autoridad se parte entre tres nombres a medias conocidos. El arreglo es consistencia, sin espectáculo: el mismo nombre, la misma descripción y los mismos datos de licencia en el sitio, en los perfiles de Zillow o Rightmove o Property Finder o Idealista, en las fichas de Google Business y en los directorios locales, con datos estructurados que declaran de forma explícita la organización y su licencia.

La medición sigue nuestro protocolo habitual, aplicado por ciudad y por lengua: un conjunto de prompts fijado el primer día, muestreado en sesiones limpias sin iniciar sesión en ChatGPT, Perplexity y Gemini, con la tasa de citación y la cuota de voz seguidas frente a la línea base del primer día. Para un promotor, eso son baterías por proyecto y por lengua de comprador; para una agencia, por barrio que quiere ocupar. La batería no cambia nunca a mitad del encargo — eso es lo que hace comparables las cifras del tercer mes.

Lo que no hacemos es mostrarle los resultados de otro cliente como prueba, ni prometer una respuesta concreta en un día concreto — las respuestas generadas varían entre pasadas, y en este vertical no faltan proveedores que pretenden lo contrario. El punto de partida honesto es una línea base medida de sus propios prompts, en sus propias ciudades, en las lenguas que sus compradores usan de verdad.