Que ChatGPT te cite: bots, robots.txt y cómo medirlo

La pregunta suele llegar así: «¿qué hago para que ChatGPT me cite?». La respuesta honesta es que nadie puede garantizarlo, porque ni OpenAI ni Perplexity documentan un método para conseguir una cita. Lo que sí documentan es qué bots leen tu web y para qué. Así que el trabajo real tiene tres partes: dejar entrar a los bots que buscan, que cada página se entienda sola y medir si te llegan visitas y leads.

Y sí, esto lo escribe Clientify. Por eso cada afirmación sobre un bot lleva el enlace a la página oficial donde la leí: no tienes que creerme, puedes ir y comprobarlo. Y por eso enseño nuestro propio robots.txt, con lo que encontré al revisarlo.

¿Qué bots de OpenAI y Perplexity leen tu web y para qué?

Tu web la leen tres tipos de agentes, cada uno para una cosa distinta: los que recogen contenido para entrenar modelos, los que alimentan la búsqueda del asistente y los que visitan una página cuando un usuario lo pide. Confundirlos es la forma más rápida de bloquear justo lo que no querías.

OpenAI tiene uno de cada. GPTBot recoge contenido para entrenar sus modelos. OAI-SearchBot sirve para mostrar webs en la búsqueda de ChatGPT, y si lo bloqueas no apareces en esas respuestas. ChatGPT-User visita páginas cuando alguien se lo pide dentro de ChatGPT. Está todo en su página de rastreadores.

Perplexity separa dos. PerplexityBot muestra y enlaza webs en sus resultados y, según la propia empresa, no se usa para entrenar modelos. Perplexity-User visita la página cuando alguien hace una pregunta, para responder y enlazarla. Lo cuenta en su documentación de rastreadores.

Ojo con esto: bloquear GPTBot no te saca de la búsqueda de ChatGPT. OpenAI lo dice con todas las letras: cada ajuste es independiente, y un sitio puede permitir OAI-SearchBot para aparecer en los resultados mientras bloquea GPTBot. Si cerraste la puerta a GPTBot pensando en ChatGPT, lo que decide tu visibilidad ahí es otro agente.

Eso sí, los agentes que actúan a petición del usuario juegan con otras reglas. OpenAI avisa de que, como esas acciones las inicia una persona, robots.txt puede no aplicarse a ChatGPT-User. Perplexity va más lejos y dice que Perplexity-User por lo general ignora robots.txt. Si tu objetivo es que un contenido no llegue a ningún asistente, robots.txt por sí solo no te lo asegura.

Hay una pieza más que despista: el cortafuegos. Perplexity advierte de que, si usas un WAF, puede que tengas que dar permiso explícito a sus bots. Y los dos fabricantes publican los rangos de IP de cada agente, como el searchbot.json de OpenAI, para que puedas identificarlos en tus registros.

¿Cómo comprobé nuestro robots.txt?

Descargué el robots.txt de clientify.com tal como lo sirve el servidor y lo leí línea a línea con la documentación de cada fabricante al lado. La regla de fondo es sencilla: si no puedo abrir la página oficial y leer con mis ojos cómo trata un agente ese fichero, no publico qué hace.

Para interpretar los grupos usé dos textos: la RFC 9309, que es el estándar de robots.txt, y la especificación de robots.txt de Google. Este es el fichero que encontré:

User-agent: *
Disallow: /wp-admin/
Allow: /wp-admin/admin-ajax.php
Disallow: *?*
Allow: /*.css?*
Allow: /*.js?*
User-agent: GPTBot
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: GoogleExtended
Allow: /
Sitemap: https://clientify.com/sitemap_index.xml

Ninguno de los hallazgos es grave, pero hay cuatro cosas que revisar:

1. OAI-SearchBot no tiene grupo propio. Hay grupos para GPTBot y PerplexityBot, pero no para el agente de búsqueda de OpenAI ni para los dos agentes de usuario. Según la RFC, un rastreador sin grupo que le corresponda obedece el del asterisco, así que OAI-SearchBot lee nuestra web con las mismas reglas que cualquier otro bot.
2. Los grupos propios no heredan las reglas del asterisco. GPTBot y PerplexityBot tienen un grupo con Allow: /, y eso significa que no siguen las reglas del grupo *: ni la de /wp-admin/ ni la de parámetros.
3. El grupo GoogleExtended no escribe el token como lo documenta Google, que es Google-Extended, con guion.
4. La línea Disallow: *?* es una regla que pretende bloquear las URLs con parámetros. Antes de copiarla a otros grupos, hay que comprobar que hace lo que se espera de ella.

Con eso delante, esta es la versión que propondría. Reúne a los bots de IA en un solo grupo con varias líneas User-agent, les aplica la misma exclusión de administración que al resto y deja la regla de parámetros marcada como pendiente, porque tocarla afecta a todo el sitio.

User-agent: *
Disallow: /wp-admin/
Allow: /wp-admin/admin-ajax.php
# Pendiente: revisar la regla de parámetros
Disallow: *?*
Allow: /*.css?*
Allow: /*.js?*

User-agent: GPTBot
User-agent: OAI-SearchBot
User-agent: PerplexityBot
User-agent: ClaudeBot
User-agent: Google-Extended
Disallow: /wp-admin/
Allow: /wp-admin/admin-ajax.php
Allow: /

Sitemap: https://clientify.com/sitemap_index.xml

Todavía no está aplicada en clientify.com. Si cambias el tuyo, ten en cuenta los plazos: OpenAI habla de unas 24 horas para que su búsqueda se ajuste, Perplexity de hasta 24 horas, y Google explica que por lo general guarda el fichero en caché hasta 24 horas.

¿Y Google AI Overviews y AI Mode?

En Google no hay un bot aparte ni un requisito extra: si una página está indexada y puede mostrarse en la Búsqueda con fragmento, ya puede salir como enlace en AI Overviews y AI Mode. Lo dice su guía sobre las funciones de IA: no hay requisitos técnicos adicionales ni optimizaciones especiales.

Eso no significa que vayas a salir. La misma guía recuerda que ni la indexación ni la aparición están garantizadas, y que los AI Overviews solo se muestran cuando sus sistemas creen que aportan algo a la búsqueda clásica, así que a menudo no aparecen.

El control sigue siendo el de siempre. Google explica que la IA forma parte de la Búsqueda y que las directivas de robots.txt para Googlebot son las que gestionan el rastreo. Si quieres limitar lo que se muestra de tus páginas, las herramientas son nosnippet, data-nosnippet, max-snippet o noindex.

Google-Extended es otra cosa. Es un token que se escribe en robots.txt para decidir si tu contenido se usa para entrenar futuras generaciones de Gemini y para el grounding. Según la página de rastreadores comunes de Google, no afecta a tu inclusión en Google Search ni se usa como señal de ranking.

¿Qué hace que una página sea citable?

Nadie publica una fórmula, y por eso circulan tantas. Lo más útil que encontré es la lista de buenas prácticas que Google da para sus funciones de IA, que en realidad son las de siempre: permitir el rastreo en robots.txt y en tu CDN o hosting, que el contenido se encuentre desde enlaces internos, una buena experiencia de página, lo importante en texto y datos estructurados que coincidan con lo que se ve.

Antes de cambiar nada por un consejo que circula, merece la pena compararlo con lo que dicen los fabricantes. Revisé las tres páginas oficiales buscando los que más se repiten:

Que algo no aparezca en la documentación no lo convierte en falso: solo significa que no hay una fuente oficial que lo respalde. Donde sí hay texto claro es en Google, que dice dos cosas sin matices: no hace falta crear archivos nuevos para máquinas ni archivos de texto para IA, y no hay datos estructurados especiales que añadir para salir en estas funciones.

El marcado sigue sirviendo para que la página se entienda, siempre que describa lo que el lector ve. Lo contamos con más detalle en la guía sobre el marcado schema y los LLM.

Acá va una costumbre práctica que aplicamos en el blog: cada apartado responde a su pregunta en las dos primeras frases. No porque lo pida ningún fabricante, sino porque un lector con prisa se queda con eso y decide si sigue leyendo.

¿Cómo medir si ChatGPT o Perplexity te mandan visitas?

La cita no se ve desde fuera, pero la visita sí. En Google Analytics 4, lo más directo es una exploración con la dimensión «Fuente de la sesión» filtrada por chatgpt.com o perplexity.ai. Si tu propiedad recoge más de un dominio, añade el filtro de nombre de host: en la nuestra, sin él, los números mezclaban webs.

No te quedes solo con el canal AI Assistant. De las sesiones que chatgpt.com mandó a clientify.com en los ocho primeros meses de 2026, 737 cayeron en AI Assistant, 1.063 en Referral, 1.018 en Unassigned y 7 en Organic Search. El reparto por canal no suma exactamente el total por fuente, pero la conclusión no cambia: la mayoría no estaba en el canal de IA.

En total fueron 2.772 sesiones desde chatgpt.com, el 0,28 % de las 978.111 que tuvo el sitio en ese periodo, y 389 entraron por una página del blog. Perplexity mandó 327, y 151 de ellas entraron por el blog. Son cifras pequeñas y hay que decirlo, pero ya se pueden medir y seguir mes a mes.

La entrada del blog por la que más sesiones llegaron desde asistentes fue la comparativa del mejor CRM para WhatsApp, con 44 sesiones. Por eso merece la pena mirar el dato antes de suponer qué contenido interesa a quien pregunta a un asistente.

La visita es solo la mitad. Lo que importa es si esa persona acaba dejando sus datos, y para eso hace falta el CRM. Explicamos el cruce paso a paso en la guía para cruzar GA4 con el CRM.

Una advertencia antes de sacar conclusiones: alguien puede leer la respuesta de ChatGPT, no hacer clic y buscarte después en Google. Esa visita llegará con Google como fuente, no con chatgpt.com, así que lo que ves en GA4 es un mínimo, no el total de la influencia de los asistentes.

Cómo se resuelve con Clientify

En Clientify, la parte del lead se apoya en dos campos que no hay que confundir y en un aviso sobre formularios que ahorra muchas dudas cuando los números no cuadran.

Si además usas asistentes en el trabajo comercial del día a día, tenemos una guía de prompts de IA para ventas con ejemplos para cada fase.

Preguntas frecuentes sobre ChatGPT, Perplexity y robots.txt

¿Por dónde empiezo?

Si haces solo una cosa hoy, que sea abrir tu robots.txt y buscar qué grupo sigue OAI-SearchBot. Si no tiene uno propio, lee qué dice el grupo del asterisco. Si lo tiene, comprueba que no lo estás bloqueando sin querer.

Después, deja guardada la exploración de GA4 con la fuente de la sesión y el nombre de host, y revisa en tu CRM el canal de los contactos nuevos. Acá no hay atajos: con esos dos datos sabrás si los asistentes te mandan visitas que acaban en leads.