SEO multimodal para pequeños negocios: cómo optimizar imágenes y videos para ser citado por la IA

ChatGPT, Gemini y Perplexity no funcionan exactamente igual, y sus capacidades cambian según el producto, la sesión y las fuentes disponibles. Aun así, comparten una necesidad: encontrar información pública, rastreable y suficientemente clara para formar una respuesta con contexto. El texto que rodea a una imagen suele ser más fácil de recuperar que una intención visual aislada.

Una foto de un plato puede ayudar a una persona a reconocer una especialidad, pero el motor necesita señales adicionales para saber que se trata del restaurante La Esquina, que está en Guadalajara, que el plato se llama enchiladas de mole y que se sirve de martes a domingo. Esos datos deben aparecer también en el título, el pie de foto, el texto de la página o los datos estructurados.

Los videos cortos tienen una ventaja distinta: muestran procesos, demostraciones y resultados. Un dentista puede enseñar cómo prepararse para una limpieza, una tienda puede mostrar el tamaño real de una mochila y un SaaS puede grabar cómo se activa una función. La transcripción y los momentos clave convierten esa experiencia visual en información que puede ser comprendida y recuperada.

Un recurso visual suele ser más útil para la visibilidad cuando cumple una intención concreta. Una imagen que responde “¿cómo se ve?” ayuda en la fase de descubrimiento. Un video que responde “¿cómo funciona?” reduce dudas. Una comparación visual que responde “¿cuál conviene?” puede apoyar una decisión de compra.

La estructura de la página sigue siendo decisiva. Un recurso insertado en una página lenta, huérfana o bloqueada para rastreadores tendrá menos oportunidades que el mismo recurso publicado dentro de una guía bien enlazada. Por eso conviene revisar también los Core Web Vitals de un blog automático con IA y comprobar que los robots puedan acceder al contenido público.

Piensa en las imágenes y los videos como piezas de evidencia, no como decoración. Cuanto más ayuden a verificar una afirmación concreta, más sentido tendrán para el lector y más contexto ofrecerán a los sistemas que generan respuestas.

Un video corto no necesita producción cinematográfica para ser útil. Para un pequeño negocio suele funcionar mejor una demostración vertical de 20 a 60 segundos, grabada con buena luz, audio claro y un único objetivo. “Cómo ajustar una silla de oficina en tres pasos” es una idea más recuperable que un montaje de cinco minutos con música y ninguna explicación.

Comienza con una frase que nombre el problema y el resultado. En los primeros tres segundos, di algo como: “Así eliges la talla correcta de casco para bicicleta en menos de un minuto”. Esa frase puede aparecer también como título de la página, encabezado del video y primera línea de la transcripción.

Después, divide la grabación en momentos identificables. Un ejemplo para una inmobiliaria sería: 00:00 ubicación, 00:08 sala, 00:20 cocina, 00:32 habitación principal y 00:45 precio y forma de contacto. Los marcadores de tiempo no obligan a una IA a citarte, pero facilitan que una persona encuentre la parte útil y ayudan a presentar el contenido de forma ordenada.

Publica una transcripción visible o un resumen detallado debajo del reproductor. La transcripción debe conservar datos concretos, como medidas, materiales, precios vigentes, limitaciones y fecha de actualización. No dependas únicamente de subtítulos incrustados en el video, porque esos textos pueden ser difíciles de rastrear o reutilizar.

Acompaña el video con una miniatura descriptiva, un título específico y una página que responda la intención completa. Para los datos técnicos, revisa la documentación de Google sobre datos estructurados de videos, especialmente los campos de nombre, descripción, miniatura, fecha de publicación y duración.

Un clip de producto puede ser reutilizado en una página de categoría, una guía de compra y una respuesta a una pregunta frecuente, siempre que cada publicación aporte contexto propio. Evita subir exactamente el mismo video a diez páginas casi idénticas, porque eso crea una biblioteca grande pero poco informativa.

El mejor video corto para SEO multimodal no es el que acumula más efectos. Es el que permite responder una pregunta sin que el visitante tenga que adivinar qué está viendo.

El error más común es subir imágenes decorativas y esperar que generen tráfico por sí solas. Una galería puede mejorar la experiencia, pero si no responde una intención, no tiene una explicación visible y no enlaza con una solución, su valor para el descubrimiento será limitado.

Otro problema es describir todos los recursos con la misma frase. Si cinco fotos de una clínica tienen el texto alternativo “clínica dental en Lima”, el visitante no sabe qué muestra cada una y el buscador recibe una señal repetida. Describe la diferencia real: recepción, gabinete, equipo de radiografía o procedimiento, siempre que corresponda.

Los videos también fallan cuando se publican como archivos aislados. Un enlace a un reproductor sin título, transcripción ni resumen obliga a la persona a mirar todo para descubrir si responde su pregunta. Añade una respuesta breve encima del video y los detalles debajo.

La velocidad importa, pero no conviertas la compresión en una guerra contra la calidad. Una foto de un producto con texto ilegible puede cargar rápido y vender poco. Comprime, define dimensiones, prueba en móvil y revisa el rendimiento con herramientas como PageSpeed Insights de Google.

Mide cuatro capas, no una sola. En Google Search Console revisa impresiones y clics de búsqueda de imágenes; en Analytics observa sesiones, desplazamiento y conversiones; en el reproductor analiza reproducciones y abandono; y en tus registros comerciales pregunta cómo te encontró la persona.

Las citas de IA son más difíciles de atribuir que una visita desde Google. Guarda ejemplos de respuestas, fecha, consulta y URL citada, pero no trates una prueba aislada como una garantía. Lo que buscas es una tendencia: más consultas relevantes, más páginas recuperables y más contactos que mencionan una respuesta o recomendación.

Para mejorar resultados, trabaja en ciclos de 30 días. Publica entre 8 y 12 recursos visuales ligados a preguntas comerciales, observa cuáles consiguen interacción y actualiza títulos, pies, transcripciones o enlaces. La constancia y la precisión suelen construir más autoridad que perseguir un truco de moda.