El problema
Los equipos que invierten en optimización de motores generativos (GEO) no pueden saber si los motores de IA citan sus páginas debido al marcado de esquema estructurado o a la calidad del contenido. Sin estos datos, los presupuestos de optimización se asignan a ciegas.
La solucion de Scavio
Utilice Scavio para realizar un seguimiento de cuáles de sus páginas aparecen en los resultados de búsqueda generados por IA y luego realice una referencia cruzada con su marcado de esquema y puntuaciones de calidad del contenido. Identifique si el esquema o el contenido es el motor de citas más potente para su dominio.
Antes
Adivinar si invertir en marcado de esquema o reescritura de contenido para GEO. No hay datos sobre qué factor impulsa las citas del motor de IA para sus páginas específicas.
Después
Datos claros que muestran las tasas de citas para páginas con muchos esquemas versus páginas optimizadas para contenido, lo que permite una inversión específica en la palanca de optimización de mayor retorno de la inversión.
Para quien es
Equipos de SEO y estrategas de contenido que optimizan las citas de descripción general de IA.
Beneficios clave
- Realiza un seguimiento de qué páginas obtienen citas del motor de IA
- Compara el marcado del esquema con la calidad del contenido como impulsores de citas
- Asignación presupuestaria GEO basada en datos
- Identifica oportunidades de optimización de mayor retorno de la inversión (ROI)
Ejemplo en Python
import requests
def track_geo_citations(domain: str, pages: list) -> list:
citation_data = []
for page in pages:
resp = requests.post(
"https://api.scavio.dev/api/v1/search",
headers={"x-api-key": SCAVIO_API_KEY, "Content-Type": "application/json"},
json={"query": page["target_query"], "platform": "google", "limit": 20}
)
results = resp.json().get("results", [])
cited = any(domain in r.get("link", "") for r in results)
position = next(
(r["position"] for r in results if domain in r.get("link", "")), None
)
citation_data.append({
"page": page["url"],
"has_schema": page["has_schema"],
"content_score": page["content_score"],
"cited": cited,
"position": position
})
return citation_data
pages = [
{"url": "/pricing", "target_query": "scavio pricing", "has_schema": True, "content_score": 85},
{"url": "/blog/serp-api", "target_query": "serp api comparison", "has_schema": False, "content_score": 92}
]
results = track_geo_citations("scavio.dev", pages)
for r in results:
print(f"{r['page']}: cited={r['cited']}, schema={r['has_schema']}, content={r['content_score']}")Ejemplo en JavaScript
const H = {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'};
fetch('https://api.scavio.dev/api/v1/search', {method: 'POST', headers: H, body: JSON.stringify({query: 'example', country_code: 'us'})}).then(r => r.json()).then(d => console.log(d.organic_results?.length + ' results'));Plataformas utilizadas
Búsqueda web con grafo de conocimiento, PAA y resúmenes de IA