SEO de entidades: el papel de las entidades en lo que Google posiciona

El día en que escribimos esto, medimos las cinco páginas que se posicionan para «entity seo» con una única lista de 124 términos del tema. La guía de Search Engine Land, que ocupa lo más alto de ese resultado, usa exactamente una de las 36 variaciones de palabras clave de la lista. Usa 28 de las 51 entidades.

Esa proporción es el artículo en una línea. La página que gana la consulta más competida de este nicho no la gana con formulaciones del término objetivo. La gana con cosas con nombre: Freebase, Wikidata, el Knowledge Graph, el reconocimiento de entidades nombradas, Krisztian Balog, el marcado schema, la desambiguación de entidades.

Cosas, no cadenas

En mayo de 2012 Google anunció el Knowledge Graph con una frase que ha sobrevivido a la mayoría de los consejos de SEO escritos desde entonces: cosas, not cadenas (cosas, no cadenas).

El anuncio no era marketing. Dos años antes, Google había comprado Freebase, una enciclopedia semiestructurada en la que cada registro llevaba un ID de máquina estable. Freebase se integró más tarde en Wikidata, y esa base fusionada se convirtió en la base de datos que Google consulta cuando intenta averiguar de qué trata una página.

La guía de Search Engine Land informa de que Google pasó de 570 millones de entidades a unos 8.000 millones en menos de una década. Tómelo como algo reportado, no verificado. Google no ha publicado un recuento actual, y los que circulan en los artículos de SEO remiten todos a las mismas pocas fuentes.

Las actualizaciones del algoritmo que vinieron después apuntan todas en la misma dirección. Hummingbird reescribió el tratamiento de las consultas en torno al significado en lugar de la coincidencia, y la búsqueda semántica dejó de ser un tema de investigación. RankBrain dio al sistema una forma de manejar consultas que nunca había visto. BERT le enseñó a leer las palabras que rodean a un término y no solo el término.

Nada de eso hizo irrelevantes las palabras clave. Las hizo insuficientes.

Qué hace realmente el sistema de recuperación con una entidad

La recuperación clásica por palabras clave tiene un límite duro: no puede devolver un documento que no comparta ningún término con la consulta. Todo lo que ha venido después ha sido un intento de sortear eso.

Krisztian Balog agrupa las soluciones en tres familias. Los métodos basados en expansión usan las entidades para ampliar la consulta con términos que el usuario no escribió. Los métodos basados en proyección sitúan la consulta y el documento en un espacio de entidades compartido y miden lo cerca que quedan, que es donde entran en juego los embeddings y las comparaciones vectoriales. Los métodos basados en entidades construyen una representación explícita en entidades de ambas partes y las emparejan directamente, junto con las palabras.

El detalle que conviene retener es que los tres tratan las entidades como una capa situada sobre el texto y no como un sustituto de él. Las palabras siguen transportando la señal. Las entidades deciden qué significa la señal.

También hay un argumento de escala. Ningún sistema puede permitirse deducir desde cero el significado de cada párrafo de un corpus. Resolver menciones en registros conocidos es más barato que razonar sobre el lenguaje, y eso explica en buena parte por qué existe el grafo.

Qué son las entidades en SEO

Una entidad es una cosa con identidad. En la práctica la definen cuatro propiedades, y Entity-Oriented Search , de Krisztian Balog, es la referencia que más cita este campo: una entidad tiene un nombre, un tipo, un conjunto de atributos y relaciones con otras entidades. Existe, formalmente, cuando un catálogo guarda un registro de ella.

Google almacena esos registros en el Knowledge Graph y asigna a cada uno un ID de máquina, un identificador único como /m/0k8z que nunca cambia aunque cambien las palabras que lo rodean.

Esa última parte es lo que hace útiles a las entidades. Nintendo es la misma entidad en inglés, japonés y francés. La Eiffel Tower inglesa y la Torre Eiffel son un solo registro, no dos. Las palabras cambian. La identidad no.

Un catálogo de entidades es un registro público de esos registros. Varios contienen los que usa Google:

• Wikipedia, la que la mayoría imagina
• Wikidata, que almacena las afirmaciones estructuradas que hay detrás de Wikipedia
• Freebase, comprada por Google en 2010 y más tarde integrada en Wikidata
• Yago y DBpedia, ambas construidas sobre Wikipedia
• Su propio sitio, una vez que el marcado schema declara lo que usted es

Esa última línea importa más que las demás para la mayoría de las empresas. Una clínica dental de Longueuil nunca tendrá un artículo en Wikipedia. Aun así puede ser una entidad, porque Schema.org existe para que los propietarios de sitios puedan declarar las cosas de las que ninguna enciclopedia ha oído hablar.

Los tres pilares: el nodo, sus atributos, sus relaciones

Toda entidad de una base de conocimiento se construye a partir de tres partes, y cada una es un lugar donde su contenido o ayuda o guarda silencio.

El nodo es la cosa en sí. Las entidades se agrupan en grandes categorías que aparecen en cualquier SERP: personas (Lionel Messi, Steve Jobs), lugares (el Parque Nacional Zion, Kioto), organizaciones (Google, Nike, la NASA), productos (el iPhone) y conceptos (la física cuántica, la recuperación de información, el propio SEO). Los conceptos son la categoría que más le cuesta escalar a Google, porque ninguna página por sí sola le enseña qué significa una idea vaga. Eso requiere muchos documentos, que coincidan, a lo largo del tiempo.

Los atributos son las propiedades que completan el registro. Para Steve Jobs: fecha de nacimiento, profesión, ciudad natal, las empresas que fundó. Para una clínica: dirección, horario, servicios, seguros aceptados. Los atributos son lo que muestra un Knowledge Panel, y son exactamente lo que el marcado schema se diseñó para transportar.

Las relaciones son las aristas entre nodos, y son donde vive realmente el significado. Steve Jobs fundó Apple. Apple fabrica el iPhone. Escritas, son sujeto, predicado, objeto:

• Steve Jobs → fundó → Apple
• Apple → fabrica → iPhone

Esa forma no es una convención de diagrama. Es como el grafo almacena los hechos, y es la razón por la que nuestros redactores escriben el cuerpo del texto como afirmaciones explícitas con un sujeto identificado y un objeto verificable. Una frase como «muchas empresas descubren que los datos estructurados ayudan» no aporta ninguna arista. «El schema Organization declara a Google la identidad de su marca» aporta una.

Una entidad no es una palabra clave, y la diferencia es operativa

Una palabra clave es una cadena. Una entidad es aquello a lo que se refiere la cadena.

La consecuencia práctica es la última fila. Una página construida sobre una frase compite por esa frase. Una página construida sobre las entidades de un tema compite en todas las consultas que Google considera semánticamente cercanas, incluidas las que a nadie de su equipo se le ocurrió apuntar.

Desambiguación: cómo decide Google a qué Jaguar se refiere

Escriba un artículo sobre Jaguar y la palabra sola no le dice nada a Google. Lo que dicen las entidades que la rodean es lo que lo decide.

Sabana, pelaje, presa, superdepredador, área de distribución. Eso es el animal. Motor V8, interior de cuero, concesionario, año del modelo, garantía. Eso es el coche. Las mismas cinco letras, dos registros distintos en el grafo, y la página nunca tiene que decir a cuál se refiere porque el vocabulario que la rodea ya lo ha dicho.

Con Apple ocurre lo mismo. Escríbalo solo y gana la empresa, porque esa entidad tiene más peso en el índice. Añada orchard (huerto) y gana la fruta. Mercury se reparte en cuatro entre el planeta, el elemento, la marca de coches y Freddie Mercury.

La ambigüedad es el estado por defecto del lenguaje, y la desambiguación es el proceso que la resuelve.

El procesamiento del lenguaje natural hace esto a escala. El reconocimiento de entidades nombradas encuentra las menciones candidatas en un fragmento de datos no estructurados y, después, el sistema de recuperación puntúa a qué entrada del catálogo apunta cada mención. La Natural Idioma API de Google Cloud expone parte de ese proceso con una puntuación de prominencia (salience), que le indica lo central que considera cada entidad en el texto que usted pega. TextRazor hace algo parecido y le muestra las frases.

Ninguna de las dos herramientas es el sistema de ranking. Ambas sirven como espejo.

Dónde puede ver a las entidades en acción

No necesita una herramienta para ver el grafo. Google lo muestra en la página de resultados.

El Knowledge Panel es el registro de la entidad presentado para las personas. Nombre, tipo, atributos, entidades relacionadas, todo extraído del mismo almacén que consulta el sistema de ranking. Un Perfil de Empresa de Google es la versión local de ese mismo registro.

People Also Ask (Otras preguntas de los usuarios) es un mapa de relaciones. Cada pregunta de ese recuadro es una conexión que Google ya mantiene entre su consulta y un concepto cercano, lo que la convierte en la investigación de entidades más barata que existe. Las búsquedas relacionadas al pie de la página hacen el mismo trabajo desde otro ángulo.

Los carruseles de productos y de imágenes son agrupaciones de entidades. Cuando Google muestra una fila de auriculares con cancelación de ruido, no está comparando texto. Ha identificado entidades de producto y las ha agrupado por un atributo compartido.

El autocompletado se apoya en la misma estructura, y por eso al escribir el nombre de una marca aparecen sus productos y no sugerencias al azar.

Lea esas funciones como una lectura gratuita de lo que Google cree sobre su tema. Si un concepto aparece una y otra vez en People Also Ask para su término principal y no aparece en ningún lugar de su página, esa carencia es medible y se puede corregir esta misma semana.

Qué le pide realmente el SEO basado en entidades

Bajo el mismo nombre viajan dos trabajos distintos, y confundirlos cuesta dinero.

El primer trabajo es la cobertura de entidades dentro de una página. Una página sobre implantes dentales que nombra la osteointegración, el pilar, el poste de titanio y la periimplantitis cubre su tema. Una página que repite implantes dentales Montreal cuarenta veces no lo hace. La cobertura es lo que compite por las búsquedas no de marca, las que usa un comprador antes de haber elegido proveedor.

El segundo trabajo es la identidad de la entidad de marca. Schema Organization en la página de inicio, enlaces sameAs hacia perfiles reales, coherencia del nombre en todos los directorios y un Perfil de Empresa de Google que coincida. Esto es lo que consigue un panel de conocimiento (Knowledge Panel), y es lo que hace que ChatGPT, Perplexity y Gemini describan su empresa correctamente en lugar de inventarse algo. El SEO de entidad de marca, por dar a este segundo trabajo su nombre habitual, apunta a las búsquedas de marca y a las citas, no a la captación.

La mayoría de los artículos sobre SEO de entidades venden el segundo trabajo dando a entender que hace el trabajo del primero. No lo hace. Un sitio puede tener un registro de marca sólido, ser el primero para su propio nombre y aun así perder las búsquedas que lo darían a conocer a alguien nuevo.

Entidades distintas, no repetidas

El orden de correlación con el que contrastamos es la tabla de factores compartidos de Cora, exportación del 18 de agosto de 2026. Léala como un orden y no como una medición: la muestra compartida no tiene un tamaño publicado y está en parte condicionada por las propias recomendaciones de la herramienta, ya que Cora le dice a cada usuario qué cambiar.

En esa exportación, lo alto de la lista es todo amplitud. Los factores compartidos utilizados se sitúan entre −0,28 y −0,31 según la familia. Las entidades distintas utilizadas se sitúan en −0,28, séptimas de unos tres mil factores. Los términos LSI únicos quedan justo al lado. Las variaciones de palabras clave únicas siguen con −0,24. La frecuencia bruta de términos queda muy por debajo de todos ellos, y la densidad de coincidencia exacta está en −0,02, que es nada.

Repetir un término que ya ha colocado no aporta nada. Colocar un término que aún no ha usado eleva tanto la cobertura como la densidad.

Una corrección a la versión perezosa de ese hallazgo. Que la repetición de coincidencia exacta no aporte nada no significa que la palabra clave principal sea opcional. La presencia es un requisito previo: una página a la que le falta el término en su etiqueta title, en su H1 y en su cuerpo es muy difícil de posicionar por rico que sea el vocabulario que la rodea.

La razón por la que la correlación sale cercana a cero es más estrecha de lo que parece. Las páginas que omiten el término están en gran medida ausentes de la muestra posicionada que se mide, así que el coste de dejarlo fuera nunca aparece en la cifra. La presencia es el suelo. La variación es la palanca.

La colocación cambia lo que vale una entidad

La misma exportación desglosa la colocación por categoría, y la diferencia es lo bastante amplia como para construir los encabezados sobre ella.

Una entidad en un H2 ocupa el ordinal 46. Un término LSI en el mismo H2 ocupa el 467. Las entidades en H3 están en el 56, las entidades en la etiqueta title en el 72. Los LSI en una frase están en el 93, que es donde los LSI se ganan el sueldo.

Así que la regla que siguen nuestros redactores no es de estilo. Las variaciones encabezan los títulos. Las entidades ocupan los huecos restantes en los encabezados y abren las secciones como sujetos de las frases. Los términos LSI viven en la prosa. Google puntúa lo central que es una entidad en un fragmento, y un nombre usado como sujeto gramatical se lee como más central que el mismo nombre dentro de un paréntesis o enterrado en una lista de atributos.

El texto ancla pertenece a esa misma familia. Las variaciones en etiquetas A se correlacionan con −0,22, por encima de la etiqueta title en la exportación actual, lo que convierte las palabras que elige para los enlaces internos en una decisión de colocación y no de formato.

Prominencia de las entidades: cuáles, y dónde se sitúan

Las herramientas de Google exponen una puntuación de prominencia (salience) de las entidades, que mide lo central que es una entidad en un fragmento y no si aparece o no. La documentación filtrada indica que la puntuación de prominencia también se usa internamente. De ahí se derivan tres consecuencias, y son las que usamos para construir los encabezados.

La selección de entidades importa. Una entidad temáticamente central sostiene la página; una relacionada de forma tangencial la diluye. Mencionar a Shakespeare en un artículo sobre redacción de contenidos le parece defendible a una persona, ya que fue un gran escritor con un don para contar historias. El algoritmo puede leerlo como ruido.

La colocación determina el peso. Las entidades en títulos, encabezados y frases temáticas obtienen una prominencia más alta que los mismos nombres enterrados en el texto de apoyo.

La posición sintáctica cuenta. Una entidad usada como sujeto de una frase tiene más peso que otra mencionada dentro de una lista o de un inciso entre paréntesis. «Tesla revolucionó la categoría» y «empresas como Tesla» ponen el mismo nombre en la misma página y no ponen la misma señal en ella.

Aquí es también donde tiene que situarse nuestra honestidad sobre el método. Los límites de la relevancia semántica no se pueden conocer desde fuera, así que algunos términos elegidos con cuidado pueden acabar siendo relleno que diluye el foco temático. Incluso las entidades correctas, usadas en posiciones sintácticas débiles, pueden no generar la señal de prominencia que Google busca.

La autoridad temática es un conjunto de entidades, no una frase repetida

Tome una consulta como how to smoke brisket (cómo ahumar brisket). No puede ganarla diciendo smoke brisket cuarenta veces.

Lo que distingue a las páginas que se posicionan es si incluyen las entidades que el tema implica realmente: el ahumador, los pellets de madera, el rub, la temperatura interna, el estancamiento (the stall), el anillo de humo, el tiempo de reposo. Un maestro parrillero produce ese vocabulario sin proponérselo, igual que un periodoncista produce la palabra osteointegración. Quien ha hojeado un artículo produce la frase y poco más.

La autoridad temática, despojada de la mística, es la cobertura de un conjunto de entidades a lo largo de un clúster temático: una página pilar que presenta los conceptos, páginas de apoyo que profundizan en cada uno y un enlazado interno que expresa las relaciones entre ellos.

La filtración de la documentación de la API de Google de mayo de 2024 sacó a la luz métricas internas llamadas siteFocusScore y siteRadius, que la comunidad interpreta como medidas de lo concentrado que está un sitio en torno a un tema, y siteRadius parece medir la desviación respecto al tema central. La filtración también indica que Google calcula embeddings para páginas individuales y para sitios enteros.

Si esa lectura es correcta, la cobertura de entidades importa en todo el sitio y no página por página. Un contenido disperso o ajeno al tema diluiría la identidad temática del dominio, que es lo mismo que dice desde hace años nuestra propia regla a nivel de sitio: cada página nueva debe situarse dentro del radio temático del sitio. Los documentos describen la existencia de estas métricas, no cuánto peso tienen, así que léalo como algo coherente con el enfoque y no como una prueba de él.

El SEO de entidades local es el mismo problema con un grafo más pequeño

Para una empresa con dirección física, el registro de entidad es sobre todo local. El Perfil de Empresa de Google es el nodo. Su nombre, dirección, teléfono, horario, categorías y zona de servicio son los atributos. Las citas en directorios son la corroboración.

La coherencia hace el trabajo pesado aquí, y es un trabajo aburrido. Una clínica que figura como «Clinique Dentaire Rive-Sud» en su sitio, «Clinique Dentaire Rive Sud» en un directorio y «CD Rive-Sud» en otro le está pidiendo a Google que fusione tres registros sin tener ningún motivo sólido para hacerlo.

La mitad de cobertura sigue aplicándose. Una página local que nombra los barrios a los que da servicio, la parada de transporte cercana, los procedimientos que realiza y las aseguradoras que acepta cubre un conjunto de entidades locales. Una página que repite el nombre de la ciudad en cada encabezado no cubre nada y se lee mal para la persona que tiene que elegir una clínica.

Las empresas con varias ubicaciones heredan ambos problemas a la vez, y por eso las páginas de ubicación construidas a partir de una plantilla con el nombre de la ciudad cambiado rinden por debajo de forma tan constante. Cada ubicación es una entidad distinta. Las plantillas producen una sola entidad dicha de cuarenta maneras.

Qué hacen realmente las páginas que se posicionan para «entity seo»

Medimos cinco páginas comparables con una única lista fusionada de 124 términos, usando el mismo instrumento en cada una. La misma lista, la misma regla de palabras vacías, el mismo denominador.

De esa tabla salen tres lecturas.

La columna de entidades separa al grupo con más claridad que la columna de variaciones. Cuatro de las cinco páginas colocan entre una y tres variaciones de palabras clave. Los recuentos de entidades van de 17 a 28, y siguen el orden de las páginas.

HubSpot compra su ventaja de cobertura con repetición. Llega a 57 términos distintos con un índice de repetición de 6,3, lo que significa que cada término que usa aparece de media más de seis veces. Search Engine Land llega a 56 con 4,6. La misma cobertura, con menos martilleo.

La longitud es el escape, no el combustible. Las dos páginas más largas son las que más cubren, porque cubrir un tema de verdad requiere palabras. Ninguna de las dos es larga por serlo, y ninguna mejoraría con relleno.

Dos advertencias, porque una tabla sin ellas es decoración. Nuestra lista incluye términos que añadimos a partir de nuestro propio conocimiento, así que no es una extracción pura de la SERP. Y la medición se hizo en el navegador sobre el texto renderizado, lo que significa que una página sin un contenedor de contenido limpio arrastra algo de navegación en su recuento de palabras.

Dieciocho meses de datos de correlación, leídos dos veces

Hicimos el mismo análisis de correlación en marzo de 2025 y de nuevo en agosto de 2026, con dieciocho meses de diferencia, y publicamos ambas lecturas una al lado de la otra en nuestro artículo de investigación. El objetivo de hacerlo dos veces era averiguar si el patrón de 2025 era una instantánea o una tendencia.

Esta es la lectura actual con la anterior al lado, ordenada por el coeficiente de 2026.

Tres de los cuatro primeros factores de la lectura de 2026 miden lo amplio que es el vocabulario de una página. El cuarto mide cuánto de ese vocabulario comparte la página con los resultados que ya se posicionan. Ese es el hallazgo, y se mantuvo en ambas lecturas.

Las señales de entidad se movieron en direcciones opuestas

Las entidades distintas utilizadas se reforzaron de −0,24 a −0,28 y ahora encabezan la familia de entidades. Las entidades en la etiqueta title cayeron de −0,25 a −0,18, el mayor descenso de cualquier factor entre las dos exportaciones.

Leídos juntos, esos dos movimientos dicen algo práctico. En 2025 la etiqueta title parecía el lugar individual más fuerte para colocar una entidad. En 2026 lidera en su lugar la amplitud de entidades en toda la página, y la colocación de entidades en la etiqueta title queda al final de los factores on-page que seguimos.

No descartamos la etiqueta title. Con −0,18 la relación es más débil de lo que describimos en 2025, y no se ha invertido ni ha desaparecido. La palabra clave principal pertenece ahí en cualquier caso. Contra lo que argumenta el descenso es contra la práctica que fomentaba la cifra antigua: tratar el título como un lugar donde apilar todas las entidades que quepan. Menos entidades, mejor elegidas, en un título que siga leyéndose como una frase.

Por qué se movieron las cifras

Que los coeficientes deriven unas centésimas entre dos extracciones separadas por dieciocho meses es el resultado esperado. Una lectura perfectamente estática sería la sospechosa.

Google informó de 3.234 mejoras lanzadas de 654.680 experimentos en el último año del que publicó cifras completas. Eso son aproximadamente nueve cambios en la búsqueda al día, casi ninguno anunciado.

También ha dicho públicamente que varios de sus sistemas de ranking principales, entre ellos RankBrain y BERT, se basan en aprendizaje automático y no están escritos a mano. Si es así, la ponderación de las señales individuales deriva de forma continua en lugar de saltar entre estados fijos. A eso se suman las actualizaciones principales amplias (broad core updates) confirmadas: tres en 2025, cuatro en 2024.

La muestra también tiene sesgos que conviene nombrar. El conjunto de datos de Cora se construye a partir de las consultas que sus usuarios deciden lanzar, lo que lo inclina mucho hacia la web de Estados Unidos y la búsqueda en inglés. No es un censo de internet, y ninguna herramienta de correlación tiene uno.

Lo que nada de eso socava es el orden. En ambas exportaciones, y en cada relectura desde 2025, el orden de las categorías de factores se mantiene aunque los coeficientes individuales se muevan: la variación semántica, la cobertura de entidades y la densidad contextual están en lo más alto o cerca cada vez, y el número bruto de backlinks queda muy abajo en la lista cada vez. Tome las cifras exactas como aproximadas. Tome el patrón como el hallazgo duradero.

La autoridad de marca es la señal que el trabajo on-page no puede aportar

El trabajo de entidades en una página tiene un techo, y merece la pena decir dónde está.

A partir aproximadamente de la actualización principal de marzo de 2024, vimos que sitios con un volumen considerable de búsquedas de marca ganaban posiciones también en sus palabras clave no de marca, no solo en sus términos de marca. Lo mantenemos como una observación de campo y no como un resultado medido, porque no lo hemos aislado de los demás cambios en esos sitios.

La evidencia externa sobre el mecanismo es más directa. La filtración de documentación de 2024 dejó al descubierto un atributo a nivel de sitio llamado siteAuthority, aplicado en el sistema de ranking Q* de Google, junto con un atributo chromeInTotal que registra las visitas de Chrome a nivel de sitio y las señales de clics de NavBoost. La primera recomendación de Rand Fishkin tras leer esos documentos fue construir una marca reconocible fuera de la búsqueda de Google.

El lado de la IA apunta en la misma dirección. El estudio de Ahrefs de mayo de 2025 sobre 75.000 marcas encontró que las menciones de marca en la web se correlacionaban con 0,664 con la visibilidad en AI Overviews y el volumen de búsquedas de marca con 0,392, frente a 0,218 de los backlinks.

Así que el reconocimiento de marca parece actuar como una señal a nivel de todo el sitio que la optimización de página no puede aportar, tanto en los resultados clásicos como en los generados por IA. Ese es el límite honesto de todo lo demás en este artículo. La cobertura le hace ganar las búsquedas por las que también luchan sus competidores. No fabrica la demanda que hace que la gente escriba su nombre.

Qué pasó con los backlinks

El número de backlinks se sitúa en −0,13 en la lectura de 2026, en el puesto 73 entre los factores medidos. En 2025 no aparecía en absoluto entre los factores principales.

Eso no es un argumento de que los enlaces hayan dejado de importar. Las métricas de cantidad de backlinks entran y salen de los factores significativos de una extracción a otra, lo que puede reflejar que Google ajusta su peso o puede ser simplemente una variación de muestreo del tipo que describe la deriva interanual anterior. En lo que los datos son constantes es en que el número bruto nunca sube mucho.

Nuestra hipótesis de trabajo, que no hemos podido aislar en los datos de correlación, es que los enlaces más fuertes comparten tres rasgos: relevancia temática para el sitio que los recibe, autoridad real en el campo correspondiente y una densidad contextual alta en la propia página que enlaza. Prestamos atención al tercero porque es el que realmente podemos medir, mientras que la relevancia y la autoridad siguen siendo estimaciones.

Las herramientas de correlación tienen dificultades aquí por una razón estructural. Pueden contar enlaces y puntuar dominios, pero no pueden evaluar a escala la relevancia semántica y la densidad contextual de las páginas que enlazan. Eso crea un punto ciego de medición en el que un enlace denso y alineado temáticamente podría pesar más que docenas de enlaces corrientes y aun así parecer insignificante en un estudio de correlación.

Entidades y búsqueda con IA

Los motores generativos no posicionan en el sentido clásico. Recuperan, después montan una respuesta, y prefieren fuentes que pueden identificar con seguridad.

Esa preferencia es donde el trabajo de entidades rinde por segunda vez. Una marca con un registro limpio, atributos coherentes en su propio sitio y en sus perfiles públicos, y datos estructurados que dicen claramente qué vende, es más fácil de captar y atribuir para un modelo. Una marca descrita de tres formas distintas en LinkedIn, en su página de inicio y en un directorio lo tiene más difícil, y el modelo o bien se cubre o bien elige una versión.

AI Overviews, ChatGPT, Perplexity y Gemini se apoyan en esto de una forma u otra, ya sea mediante una capa de recuperación en directo o mediante lo que el corpus de entrenamiento ya contiene sobre usted. El mecanismo no tiene misterio. Lo que no podemos darle es el tamaño del efecto. Nadie ha publicado una cifra creíble, nuestra propia medición de las citas en IA es reciente, y cualquier agencia que le cite un porcentaje de mejora por optimizar entidades en las respuestas de los LLM está adivinando con total seriedad.

Hay dos cosas que se pueden decir con seguridad. Las menciones de marca sin enlace siguen aportando información, porque una mención es una asociación que el modelo puede aprender. Y el mismo trabajo de cobertura que gana las búsquedas no de marca también convierte su página en mejor candidata a ser citada, porque una página que define sus términos es más fácil de citar que una que solo los insinúa.

Cómo encontrar entidades SEO sin comprar otra herramienta

Extráigalas. No las invente.

Una lista de entidades escrita por usted mismo mide su propio vocabulario, así que su página siempre puntuará bien frente a ella. Esa comparación es circular, y es el defecto más común en los briefs de contenido de las agencias. La lista tiene que salir de las páginas que Google ya posiciona y de las fuentes de referencia en las que esas páginas se apoyan.

1. Lea las cinco primeras páginas comparables para su consulta y anote cada cosa con nombre: marcas, herramientas, normas, organismos, personas, procedimientos, lugares.
2. Abra el artículo de Wikipedia sobre su tema y use los títulos de sus secciones como lista de comprobación de atributos. Si una sección existe allí y en ningún lugar de su página, tiene una carencia.
3. Explote People Also Ask y las búsquedas relacionadas. Cada una es una relación en la que Google ya cree.
4. Pase su borrador por la Natural Idioma API o por TextRazor y compruebe que las entidades que devuelven son las que usted pretendía.
5. Cuente. Una lista que no ha contrastado con su propia página es un deseo.

Después, coloque lo que ha encontrado. Las entidades abren las secciones y actúan como sujetos de las frases. Las variaciones encabezan los títulos por orden de volumen. Los términos LSI van en la prosa donde se lean con naturalidad, y si un término no cabe sin una frase forzada, déjelo fuera. Una colocación forzada se lee como forzada para una persona, y la dilución es un riesgo real: una entidad tangencial aleja el centro de gravedad de la página de su tema.

Un ejemplo práctico: mapear una página

Tome un grupo dental regional con cuatro clínicas, ya que es la forma que tienen la mayoría de nuestros clientes.

La entidad de marca es el nombre del grupo. Necesita schema Organization, sameAs apuntando al registro del colegio profesional, el Perfil de Empresa de Google de cada clínica y las cuentas reales en redes sociales, y un nombre idéntico en todas partes. Ese trabajo gana las búsquedas de marca y nada más, y normalmente ya está a medio hacer.

Las entidades de servicio son los procedimientos. Implantes dentales, endodoncia, coronas, extracción de muelas del juicio, urgencias dentales, ortodoncia. Cada uno merece su propia página, porque cada uno es un registro distinto con sus propios atributos y su propia demanda.

Las entidades temáticas son los conceptos que usa un paciente antes de haber elegido clínica: osteointegración, injerto óseo, opciones de sedación, tiempo de recuperación, coste, cobertura del seguro. Son las que ganan las búsquedas no de marca, y son las que las páginas de servicio pobres se saltan por completo.

Las entidades de nicho se sitúan bajo cada tema: Straumann y Nobel Biocare bajo los implantes, el escáner CBCT bajo el diagnóstico, el tornillo de cicatrización y el pilar bajo el propio procedimiento. Una página que las nombra se lee como escrita por alguien que hace el trabajo. Una página que las omite se lee como escrita por alguien que compró una plantilla.

Ahora cuente. Cinco páginas competidoras, una lista fusionada, un instrumento, y las carencias aparecen como cifras y no como opiniones. Ese es todo el método, y el sector no cambia nada de él.

El marcado schema declara la identidad, no crea cobertura

Los datos estructurados son la señal más limpia que puede enviar sobre a qué entidad se refiere una página. Schema Organization con sameAs apuntando a perfiles reales, schema Article con un autor identificado, about y mentions con los temas que usted cubre de verdad. JSON-LD es el formato que Google lee primero, y Search Console le dirá si lo ha interpretado.

Lo que el schema no hará es convertir una página pobre en una página completa. El propio equipo de Clearscope dice abiertamente que los sitios sin marcado schema siguen posicionándose bien cuando el contenido es rico en entidades. Estamos de acuerdo, con un añadido: el schema es barato, es verificable y es la parte del trabajo de entidades en la que los sistemas de IA parecen apoyarse cuando deciden cómo describir una empresa. Haga ambas cosas. Cuente con que la cobertura sostenga el posicionamiento y el marcado sostenga la identidad.

Los sinónimos también importan aquí. Una entidad tiene alias, y usarlos añade profundidad temática y no repetición, porque cada alias es un término distinto y no otra aparición de uno que ya ha colocado.

El enlazado interno es la tercera pata, y el texto ancla es la superficie que lo transporta. Un enlace desde su página pilar hacia un artículo de apoyo, con la entidad como texto ancla, le dice a Google a qué clúster temático pertenecen las dos páginas. La coherencia entre esos textos ancla se acumula, y la incoherencia desperdicia la señal.

Cómo contamos todo esto

Todo lo anterior es medible, y lo medimos antes de publicar una página. Tres fórmulas hacen el trabajo, y están publicadas íntegras en nuestro artículo de investigación para que cualquiera pueda aplicarlas.

La densidad contextual suma cada aparición del vocabulario del tema y la divide por las palabras significativas de la página:

CD = (Σ(KV) + Σ(RE) + Σ(LSI)) / (TW − SW) × 100

Las variaciones de palabras clave, las entidades relevantes y los términos LSI forman el numerador, repeticiones incluidas. El total de palabras menos las palabras vacías forma el denominador.

La densidad contextual única cambia solo el numerador. Cuenta cada término distinto una vez, por muchas veces que se repita:

UCD = (U(KV) + U(RE) + U(LSI)) / (TW − SW) × 100

El índice de repetición divide una por la otra:

Índice de repetición = CD ÷ UCD

Tome una página de 1.000 palabras útiles en la que los términos del tema aparecen 90 veces. Su CD es del 9%. Si esas 90 apariciones proceden de 30 términos distintos, su UCD es del 3% y su índice de repetición es 3: cada término cubierto se repite de media tres veces.

Un índice cercano a 2 o 3 describe una página que va variando su vocabulario. Un índice de 5 o 6 describe una página que vuelve una y otra vez a un pequeño conjunto de términos. Dos páginas pueden registrar una CD idéntica habiendo llegado a ella por caminos opuestos, y el índice de repetición es lo que las distingue.

La UCD tiene su propio sesgo, en la dirección contraria. Su denominador es la longitud, así que favorece a las páginas cortas. Una página de 400 palabras que coloca 17 términos distintos obtiene una UCD más alta que una página de 4.000 palabras que coloca 118, aunque la página larga cubra aproximadamente siete veces más del tema. Ninguna de las dos cifras es fiable por sí sola.

Amplitud por densidad, no amplitud o densidad

La amplitud es cuánto del vocabulario del tema utiliza una página, que es lo que mide la UCD. La densidad es cuánto del texto útil de la página está hecho de ese vocabulario. La multiplicación es lo esencial, porque una página que puntúa casi cero en una de las dos no se salva gracias a la otra.

Amplitud sin densidad es una página que lo menciona todo una vez dentro de cuarenta mil palabras de relleno. Densidad sin amplitud es una página que repite seis términos hasta que el porcentaje parece respetable. Ninguna de las dos es una página que un lector llamaría buena, y el producto de ambas es bajo en los dos casos.

La densidad es difícil de falsear en un sentido y fácil en el otro. Una página no puede alcanzar una CD alta sin usar el vocabulario del tema, así que el relleno no la llevará hasta ahí. La repetición sí. El índice de repetición es el diagnóstico que lo detecta en un informe.

La columna de entidades es la que interesa en este artículo. Contamos las entidades distintas utilizadas, dónde se sitúan y cuántas de ellas comparten las páginas competidoras. Después fijamos el objetivo por encima de la mejor página de la SERP y no en una cifra absoluta, porque no existe una cifra absoluta y cualquier agencia que le cite una se la ha inventado.

Nuestra guía de densidad contextual recorre las fórmulas con un ejemplo práctico. El Índice de Densidad Contextual SEO publica el método que usamos para clasificar sitios reales de agencias con ella, y el mismo instrumento midió todas las páginas de la tabla anterior.

Esta página se escribió siguiendo esas reglas y se midió con ellas, y la optimización de entidades es donde se aplican cliente a cliente.

Cómo se ve esto dentro de un encargo

El orden importa más que el esfuerzo, y lo aplicamos en la misma secuencia cada vez.

El suelo técnico va primero, porque el vocabulario no puede salvar una página que Google no quiere obtener. Después, la capa de identidad: un único registro de entidad limpio, nombres coherentes, datos estructurados que no se contradicen. Ese trabajo es finito. Se hace una vez y luego se mantiene.

La cobertura es la parte que nunca termina. Cada clúster tiene su propia lista de términos, extraída de las páginas que se posicionan en ese momento, y cada página se redacta para superar a la mejor de ellas en entidades distintas y no en longitud. Después la página se mide antes de publicarse, no cuando alguien se da cuenta de que rinde por debajo de lo esperado.

Los informes cierran el ciclo, y aquí es donde la mayoría de las relaciones con agencias se rompen sin hacer ruido. Los clics y las impresiones no de marca de Search Console son el titular. Los de marca se muestran al lado como contexto, claramente etiquetados, porque se mueven con la inversión en medios y no con nuestro trabajo. El tráfico orgánico total es la cifra que permite que un encargo con dificultades parezca sano durante dos trimestres más.

Hay una cosa más que decimos en voz alta desde el principio. La cobertura se degrada cuando nadie la mantiene, porque las páginas con las que se le compara se siguen reescribiendo. Una lista de términos que batía al mercado en marzo describe un mercado que en septiembre ya se ha movido, y una página que iba cómodamente por delante se convierte en una página que simplemente está presente.

Dónde se sobrevende el SEO de entidades

Tres afirmaciones de este campo merecen más escepticismo del que reciben.

La primera es la puntuación de entidad. Varias herramientas le mostrarán una cifra y darán a entender que Google tiene algo parecido. Google no publica nada de ese tipo, y una métrica de proveedor que no coincide con otras tres métricas de proveedores es una medición de la casa, no un factor de ranking.

La segunda es perseguir la prominencia (salience). La Natural Idioma API devuelve una cifra de prominencia, y es realmente útil como espejo para saber si su página se lee como si tratara de lo que usted quería decir. No es el sistema de ranking, no ve a sus competidores, y reescribir frases para mover un decimal de prominencia es tiempo que podría dedicar a cubrir un concepto que se ha saltado.

La tercera es el Knowledge Panel como objetivo. Para una marca de consumo con cobertura en prensa, un panel es una ambición razonable. Para un proveedor B2B con cuarenta clientes, el panel no llegará y cambiaría poco si llegara. El registro de entidad sigue importando, porque los sistemas de IA lo leen, pero el recuadro visible no es el premio.

Ser honestos con esto último nos cuesta propuestas. También significa que las que ganamos se basan en algo que realmente podemos cumplir.

Lo que no podemos decirle sobre el SEO de entidades

Google no publica ninguna puntuación de entidad. No existe ningún panel en el que la autoridad de entidad aparezca como una cifra, y cualquier agencia que le cite una la ha construido ella misma.

Las correlaciones son correlaciones. Las páginas ricas en entidades relevantes suelen ser buenas páginas, y las buenas páginas suelen posicionarse. Medimos el patrón con confianza y no podemos demostrar en qué sentido va la flecha. Nuestras pruebas internas de antes y después aportan la capa causal, sobre nuestra propia cartera de clientes, lo cual tampoco es un estudio controlado.

Los límites de la relevancia no se pueden conocer desde fuera. Un término que a una persona le parece relacionado puede registrarse como ruido, y atiborrar una página de entidades tangenciales la diluye. Más no es el objetivo. Acertar es el objetivo.

La muestra de correlación tiene su propio sesgo. El conjunto de datos de Cora se construye a partir de las consultas que sus usuarios deciden lanzar, lo que lo inclina hacia la web en inglés, y la cobertura no se traslada por igual de un mercado a otro. En nuestra propia prueba en tres mercados, la cobertura acompañó a la posición con fuerza en un mercado y nada en los otros dos, porque la mayor parte de la lista de términos en esos dos era vocabulario del sector que todas las páginas competidoras ya incluían.

Qué excluimos y por qué

Algunos factores se correlacionan con la posición sin servir como palancas, bien porque la muestra está sesgada, bien porque la causalidad va al revés. Los señalamos donde aparecen y no optimizamos en función de ellos.

Las extensiones de dominio se correlacionan, porque el .com está sobrerrepresentado en los mercados medidos. El tiempo de carga muestra paradojas, con sitios de autoridad que se posicionan bien pese a ser lentos. Las señales sociales se correlacionan con el tamaño de la marca y no con el posicionamiento.

El número de palabras pertenece a la misma categoría, y es el que genera discusiones. Reapareció con −0,21 en la exportación de 2026. Lo señalamos y no lo aceptamos como factor de ranking.

Nuestra lectura, que mantenemos como razonamiento y no como prueba, es que la causalidad va en sentido contrario. Cubrir bien un tema exige un cierto número de términos contextuales, entidades y variaciones, y colocarlos en frases legibles requiere palabras. El número de palabras de una página fuerte es el residuo de su cobertura.

Eso también explica por qué rellenar una página pobre para alcanzar un objetivo de palabras no sirve de nada. Llegan las palabras sin los términos.

Una métrica que no puede mover a propósito, o que se mueve como efecto secundario de otra cosa, no es un objetivo de optimización.

Y el trabajo de entidades se apoya sobre el suelo técnico, no lo sustituye. Una página que un rastreador no puede obtener, renderizar ni indexar no se salvará por su vocabulario. Nuestro equipo de SEO técnico despeja esa capa antes de que nada de esto importe. El E-E-A-T, el reconocimiento de marca y el comportamiento de los usuarios tienen un peso que ninguna cantidad de vocabulario on-page alcanza.

Lo que publicamos y lo que nos guardamos

Todo lo que hay en este artículo es reproducible. Las fórmulas, las definiciones de las variables, el protocolo de medición y las limitaciones están aquí, y un equipo competente puede empezar a medir sus propias páginas mañana sin nosotros. Es deliberado. Un marco que nadie más puede verificar es publicidad, no investigación.

Hay un límite, y preferimos nombrarlo antes que fingir que no existe.

Nuestro propio trabajo de medición ha sacado a la luz otro conjunto de señales que viven en la estructura del texto de las páginas con mejor rendimiento más que en su vocabulario: en cómo se construyen las afirmaciones y cómo se relacionan entre sí, no en qué términos aparecen. El software de correlación no las detecta, porque las herramientas que cuentan términos leen lo que está presente y no cómo está montado. Esas técnicas se quedan en casa.

Considere este artículo como la mayor parte de la solución: suficiente para que la cobertura de entidades sea medible, accionable y verificable de forma independiente, y suficiente para mover el posicionamiento por sí sola.

Preguntas frecuentes

¿Qué es el SEO de entidades en una frase? El SEO de entidades es la práctica de optimizar una página en torno a las cosas reconocidas que implica un tema y las relaciones entre ellas, en lugar de en torno a repeticiones de una frase objetivo.

¿Qué es exactamente una entidad en SEO? Una entidad es una cosa identificable de forma única, con un nombre, un tipo, atributos y relaciones, almacenada con un identificador estable en un catálogo como el Knowledge Graph, Wikidata o Wikipedia.

¿En qué se diferencian las entidades de las palabras clave? Una palabra clave es la cadena que escribe una persona. Una entidad es la cosa a la que se refiere esa cadena. Una página puede posicionarse para muchas consultas relacionadas porque las entidades que cubre la conectan con todo un vecindario de significado, no porque coincida con cada formulación.

¿Qué significa «cosas, not cadenas» (cosas, no cadenas)? Es la frase que usó Google en mayo de 2012 al anunciar el Knowledge Graph. Significa que el sistema resuelve sus palabras en registros de una base de datos de cosas reales antes de decidir qué quiere usted, en lugar de comparar caracteres.

¿Necesito marcado schema para el SEO basado en entidades? No, y sí. Las páginas sin marcado schema se posicionan. El schema sigue siendo la forma más clara de declarar qué entidad es usted, es barato de implementar y parece importar más para cómo describen su marca los sistemas de IA que para el posicionamiento clásico.

¿Cómo sé si mi marca es una entidad en el Knowledge Graph? Busque el nombre de su marca y compruebe si aparece un Knowledge Panel. Consulte la Knowledge Graph Search API para ver si hay una entrada. La coherencia entre su Perfil de Empresa de Google, su sitio y sus perfiles públicos es lo que construye el registro con el tiempo.

¿Cuánto se tarda en construir una entidad de marca? Más que un sprint de contenidos. Los registros de entidad se construyen con señales repetidas y coherentes en fuentes en las que Google confía, así que cuente con meses y no con semanas, y no espere nada en absoluto si las señales se contradicen.

¿La optimización de entidades ayuda en la búsqueda con IA? Parece que sí. Los grandes modelos de lenguaje recuperan y citan lo que pueden identificar con seguridad, y una marca con un registro de entidad claro y atributos coherentes es más fácil de identificar. No presentaríamos el tamaño de ese efecto como un hecho medido. Nadie ha publicado una cifra creíble.

¿Puede haber demasiadas entidades en una página? Sí. Las entidades tangenciales diluyen en lugar de sostener, porque alejan el tema aparente de la página del que usted pretendía. La relevancia decide la inclusión, nunca el volumen.

¿Qué es la densidad contextual y cómo se relaciona con las entidades? La densidad contextual es la proporción de palabras significativas de una página que proceden del vocabulario de su tema: variaciones de palabras clave, entidades relevantes y términos LSI, divididos por el total de palabras menos las palabras vacías. Las entidades distintas utilizadas son uno de sus tres componentes y, en la lectura de correlación de 2026, el más fuerte de ellos.

¿La optimización de entidades me llevará a la primera posición? Ningún factor on-page lo hará por sí solo. Primero tienen que sostenerse los cimientos técnicos, y las señales a nivel de sitio, como el reconocimiento de marca y la interacción de los usuarios, quedan fuera de lo que el vocabulario de una página puede alcanzar. En 600 sitios de clientes hemos visto mejorar el posicionamiento en aproximadamente el 80% de los casos en que la base técnica era sólida, lo cual es una observación operativa de nuestra propia cartera de clientes y no un estudio controlado.

¿Dónde deben aparecer las entidades en la página? En la etiqueta title, en los encabezados H2 y H3, y como sujetos de las frases que abren cada sección. Las entidades en los encabezados son un orden de magnitud más fuertes en el orden de correlación que los términos LSI en esos mismos encabezados.

¿Quiere saber qué entidades le faltan a su página?

Mediremos una de sus páginas frente a las cinco que se posicionan por encima de ella. Recibirá la lista de términos, la carencia de cobertura, el índice de repetición y lo que cambiaríamos, trabaje o no con nosotros.