Claude es el más conservador de los motores de IA mayores. Cita menos seguido que Perplexity, menos liberalmente que ChatGPT, y con preferencias más estrictas de calidad de fuente que Gemini. El otro lado: cuando Claude sí cita una fuente, el usuario lo lee como un endorsement más confiado que una cita en un motor menos conservador. Optimizar para Claude es optimizar por ser la fuente que la respuesta cuidadosa alcanza — lo que compone cuando los usuarios empiezan a confiar en las recomendaciones de Claude como una señal curadora de categoría.

“Optimizar para Claude es optimizar por calidad de cita sobre cantidad de cita. El motor cita menos fuentes pero las citas cargan más peso con los usuarios que escogieron Claude precisamente por su conservadurismo. Estar en el set es más difícil; estar fuera del set es más costoso.”

El sesgo de calidad de fuente

Las preferencias de fuente de Claude se agrupan alrededor de cinco patrones:

• Fuentes primarias sobre secundarias. Una agencia gubernamental de salud sobre un blog de salud. El paper de investigación original sobre el resumen de prensa. La propia documentación del producto sobre un tutorial de tercero.
• Hechos documentados sobre opiniones. Un sitio que dice “el campo de X tiene 12 subdisciplinas nombradas, listadas por Y en 2024” supera a un sitio que dice “X es un campo emocionante y en crecimiento.”
• Reciente sobre viejo cuando la recencia importa. Claude lee fechas agresivamente. Un artículo de 2026 sobre un tema en movimiento rápido es pesado sobre un artículo de 2021 aun cuando el más viejo rankea más alto orgánicamente.
• Instituciones establecidas sobre sitios nuevos. Universidades, agencias gubernamentales, sin fines de lucro mayores, publicaciones establecidas. Los dominios nuevos tienen que ganar la entrada vía citas y perfil de enlaces.
• Tratamiento balanceado sobre advocacy. Las páginas que presentan múltiples lados de un debate son citadas por esa profundidad; las páginas que argumentan agresivamente un lado son citadas menos, aun cuando son factualmente correctas.

Optimización para la capa de entrenamiento

Las mismas dinámicas de datos de entrenamiento que aplican a ChatGPT aplican a Claude — pero el entrenamiento de Claude parece pesar un set de fuentes más pequeño, de mayor calidad. La implicación es que el listón de entrada es más alto:

• La presencia en Wikipedia es necesaria, no suficiente. Claude lee Wikipedia, pero también pesa las fuentes primarias que Wikipedia cita. Una marca en Wikipedia con citas fuertes de fuente primaria supera a una con solo sus propios materiales promocionales citados.
• Investigación publicada y datos originales. Estudios originales, white papers, investigación primaria que otras publicaciones citan — estos componen en los pesos de entrenamiento de Claude más que el contenido de comentario.
• Bylines de publicación establecida. Los bylines de autor en publicaciones mayores cargan más peso que el contenido anónimo. Autor + credenciales + publicación es la combinación más fuerte.
• La documentación como categoría. La documentación oficial de producto, las referencias técnicas y los cuerpos de estándares son recuperados pesadamente para queries relevantes. Una compañía SaaS con documentación pública exhaustiva es más encontrable en Claude que una sin ella.

Optimización para la capa de retrieval en vivo

Cuando la búsqueda web de Claude dispara, favorece páginas que se ven como referencias primarias. Las señales tácticas:

• Bylines de autor con credenciales. Nombres de autor visibles, enlazados a páginas de bio de autor con credenciales verificables y perfiles externos.
• Sellos de fecha. Fecha de publicación y fecha de última actualización, en schema y en UI visible. El contenido desactualizado se lee como desactualizado.
• Citas de fuentes dentro del contenido. Los artículos que citan sus fuentes externamente (y enlazan a ellas) son jalados más seguido que los que no. Claude trata la densidad de citación como una señal de calidad.
• Datos estructurados confirmando claims. El JSON-LD que matchea el contenido visible refuerza la credibilidad. El mismatch schema/contenido la erosiona.
• Autoridad de dominio de tipo establecido. Los dominios educativos (.edu), gubernamentales (.gov) y de publicación mayor cargan peso independiente de la autoridad SEO estándar.

La estructura “responde con cita”

Claude prefiere contenido que hace claims citables con respaldo de fuente. La estructura que premia:

• Abre con una respuesta definitiva, luego respáldala. (“X es verdad. Según Y (estudio 2026), la tasa es Z%.”)
• Usa entidades nombradas (personas, organizaciones, eventos con fecha) como anclas. Las declaraciones genéricas no enganchan al motor.
• Muestra tus fuentes. Las citas externas a referencias primarias señalan que la página es en sí una síntesis, no una opinión primaria.
• Cuantifica cuando sea posible. “12% de los usuarios” le gana a “muchos usuarios.” Los números son recuperables como hechos discretos.

Schema específicamente para Claude

Claude lee JSON-LD; los tipos de mayor leverage se traslapan con los otros motores pero el peso difiere:

• Article + author (Person) — la entidad de autor importa más para Claude que para motores menos conservadores. Schema de Person con sameAs a LinkedIn, Google Scholar, bios oficiales.
• ScholarlyArticle — para contenido de investigación; señala carácter de fuente primaria.
• Citation — referencia explícita a otros trabajos que el artículo cita.
• FactCheck — para contenido que incluye claims fact-checkeados.
• Organization con foundingDate / credenciales de empleados — establece la org como una entidad con autoridades humanas reales detrás.

Lo que no funciona

• Copy de ventas agresivo. Las páginas escritas como marketing en lugar de información se saltan. Claude tiende a recuperar páginas neutrales, informacionales sobre páginas de advocacy.
• Estadísticas sin fuente. Los números sin atribución de fuente se leen como no confiables y se pesan abajo.
• Contenido anónimo o de pen-name. Sin un autor verificable, la señal de confianza es débil.
• Boilerplate generado por IA. Detectado, despesado. El motor busca contenido editado por humanos, respaldado por fuentes.
• Claims sin fechas. Los claims sin fecha se tratan como potencialmente desactualizados.

Medir presencia en Claude

Claude es más difícil de medir que los otros motores porque no hay un inspector tipo SERP y los rate limits de la API previenen el tipo de muestreo de alto volumen posible con ChatGPT. El acercamiento pragmático de medición:

• Set curado de prompts. 25 a 50 prompts de alta prioridad corridos semanalmente vía la API de Anthropic.
• Logging de respuesta. Captura las respuestas completas incluyendo citas.
• Tracking de mención. Apariciones de nombre de marca a lo largo del tiempo.
• Comparación de set de citación. Qué fuentes son citadas junto a la tuya; qué competidores son co-citados. El capítulo sobre medición de búsqueda con IA cubre el tooling.

Claude premia profundidad, sourcing primario y disciplina editorial. El siguiente capítulo, optimización para Perplexity, cubre el motor que opera en el extremo opuesto — siempre-citado, siempre-grounded, siempre jalando contenido fresco de la web abierta.