--- title: "Aja Frost y el AEO de HubSpot: valida cada táctica con tus propios datos antes de escalarla" description: "Aja Frost repasa 12 meses de AEO en HubSpot: el llms.txt falló, el contenido vertical funcionó. Qué aplica para empresas B2B en Chile y LATAM." canonical: "https://www.revenuehublatam.com/noticias/columnas/hubspot-aeo-validar-con-datos-propios-llms-txt-frost-26-10-21" language: "es" section: "Columnas" type: "Análisis" category: "hubspot" author: "Redacción Revenue Hub" author_profile: "https://www.revenuehublatam.com/noticias/columnas" rights_status: "original" published: "2026-10-21T11:30:00+00:00" updated: "2026-10-21T11:19:39.341+00:00" tags: ["HubSpot", "AEO", "Búsqueda con IA", "llms.txt", "Marketing B2B"] --- # Aja Frost y el AEO de HubSpot: valida cada táctica con tus propios datos antes de escalarla > La ex líder de crecimiento de HubSpot repasa un año de experimentos en búsqueda con IA: el llms.txt no funcionó, el contenido vertical sí. Qué pueden aprender los equipos de marketing B2B en Chile y Latinoamérica. ## La tesis Aja Frost sostiene que en AEO hay demasiado ruido para copiar recetas: cada táctica debe probarse con datos propios antes de escalarla. En HubSpot, el llms.txt no generó visitas de bots, mientras el contenido hiperespecífico por industria y las páginas de precios legibles para la IA sí movieron la visibilidad. Para Revenue Hub, la lección es más de método que de táctica: experimentar rápido y medir. ## ¿Qué cuenta Aja Frost sobre el AEO en HubSpot? El 16 de septiembre de 2026, Aja Frost, quien fue directora sénior de crecimiento global en HubSpot según [Search Engine Land](https://searchengineland.com/aja-frost-interview-ai-search-content-aeo-464000) y hoy lidera growth marketing en Mercury, publicó en [Growth Unhinged](https://www.growthunhinged.com/p/hubspot-ai-search-experiments), el newsletter de Kyle Poyar, un balance de 12 meses de experimentos de HubSpot en búsqueda con IA, o AEO (Answer Engine Optimization). El punto de partida fue una caída fuerte del tráfico del blog de HubSpot tras cambios en Google. La respuesta fue un equipo pequeño que corría pruebas semanales para aparecer en las respuestas de ChatGPT, Gemini y otros motores. Según Frost, al cierre del año HubSpot era el CRM más visible en búsqueda con IA y los leads calificados provenientes de IA habían crecido 1.850%. ## ¿Por qué el llms.txt no funcionó? El primer experimento fue publicar un archivo llms.txt, la propuesta de un índice pensado para que los modelos lean un sitio. El equipo incluyó contenido trampa para detectar si algún modelo lo usaba. Según Frost, ningún modelo lo mostró y los registros del servidor no registraron visitas. El experimento se pausó. La autora cita además un análisis de Ahrefs según el cual 97% de los archivos llms.txt no recibe ninguna solicitud. No significa que el archivo sea dañino, pero sí que no debería ser la primera prioridad de un equipo con recursos limitados. ## ¿Qué sí movió la visibilidad? - **Contenido hiperespecífico por vertical:** el equipo creó con IA 141 páginas que cruzaban industria y caso de uso, basadas en casos reales de clientes. Hubo alucinaciones y jerga en los primeros borradores, que se corrigieron con un registro de control de calidad. Según Frost, con el tiempo 92% de esas páginas fue citado y la visibilidad subió 49%. La táctica se extendió a los sitios en alemán, español, francés y japonés. - **Enseñar los precios a los bots:** los modelos daban precios equivocados porque las páginas de precios de HubSpot se renderizaban con JavaScript y los bots no las leían. Publicar contenido estructurado con los precios mejoró la exactitud en cinco de seis productos; en el sexto, la solución fue corregir listados de terceros desactualizados. La secuencia que describe Frost es útil como mapa: primero llegan los rastreos de los bots, luego las citas y al final la visibilidad. ## ¿Cuál es la tesis de fondo? Más allá de cada táctica, el argumento de Frost es metodológico: en AEO circulan muchas recetas sin evidencia, y la única defensa es probar con datos propios antes de invertir a escala. Lo resume así: «Run your own tests». ## ¿Qué significa para equipos B2B en Chile y Latinoamérica? En Chile y el resto de Latinoamérica, muchas empresas B2B recién empiezan a medir cómo aparecen en ChatGPT o en las respuestas con IA de Google. El riesgo es copiar listas de verificación genéricas sin saber qué mueve la aguja en su propio mercado y en español. Dos aprendizajes se trasladan bien. Primero, el contenido por industria y caso de uso, anclado en casos reales, es una ventaja para empresas que venden a sectores como minería, retail o servicios financieros en la región. Segundo, si tus precios o planes viven en una calculadora en JavaScript o en un PDF, es probable que los motores de IA estén repitiendo información de terceros sobre ti. ## ¿Cómo aplicarlo sin un equipo grande? 1. **Define una línea base:** registra qué responden hoy los motores de IA sobre tu categoría, tus precios y tu marca. 2. **Elige una táctica por ciclo:** prueba una a la vez y mide rastreos, citas y visibilidad en ese orden. 3. **Revisa tus registros de servidor:** confirma qué bots de IA visitan tu sitio y qué páginas leen. 4. **Haz legible tu información comercial:** precios, planes y casos de uso en HTML simple y estructurado. 5. **Corrige fuentes externas:** directorios, comparadores y reseñas desactualizadas también alimentan las respuestas. ## Nuestra lectura editorial Este texto es el análisis de Revenue Hub sobre la columna de Aja Frost, no una reproducción de ella. Coincidimos en que el método pesa más que la táctica: en AEO, lo que funcionó para HubSpot puede no funcionar para una empresa mediana en Santiago o Lima. Un matiz: HubSpot partía con una autoridad de dominio y un volumen de contenido que pocas empresas tienen, y las cifras de resultado provienen de la propia autora, no de una medición independiente. Aun así, el caso del llms.txt es una buena advertencia contra las modas sin evidencia. Te recomendamos leer [el artículo original de Aja Frost en Growth Unhinged](https://www.growthunhinged.com/p/hubspot-ai-search-experiments), en inglés. ## Fuentes y referencias - [Inside 12 months of AI search experiments](https://www.growthunhinged.com/p/hubspot-ai-search-experiments) — Aja Frost - [Aja Frost interview: AI search, content and AEO](https://searchengineland.com/aja-frost-interview-ai-search-content-aeo-464000) - [Aja Frost, speaker profile](https://unbound.hubspot.com/speakers/aja-frost) ## Transparencia editorial Análisis editorial de Revenue Hub asistido por IA. Sintetiza y comenta una columna de terceros; puede diferir del original. Lee la pieza original en la fuente enlazada. ## Preguntas frecuentes ### ¿Qué es el AEO o Answer Engine Optimization? Es la práctica de optimizar contenido para que los motores de respuesta con IA, como ChatGPT, Gemini o las respuestas con IA de Google, mencionen y citen tu marca. ### ¿Sirve el archivo llms.txt para aparecer en ChatGPT? Según el experimento que relata Aja Frost, en HubSpot el llms.txt no generó visitas de bots ni cambios visibles, y un análisis de Ahrefs citado por la autora indica que 97% de estos archivos no recibe solicitudes. ### ¿Qué tipo de contenido funciona mejor en búsqueda con IA? En el caso de HubSpot, las páginas hiperespecíficas que cruzan industria y caso de uso, basadas en casos reales, lograron que 92% de ellas fuera citado con el tiempo, según Frost. ### ¿Por qué ChatGPT muestra precios incorrectos de mi empresa? Una causa frecuente es que la página de precios se carga con JavaScript y los bots no la leen, por lo que usan sitios de terceros desactualizados. Publicar precios en HTML estructurado ayuda. ### ¿Cómo medir el impacto del AEO? Frost describe una secuencia: primero rastreos de bots, luego citas y finalmente visibilidad. Conviene medir cada etapa y partir de una línea base. ### ¿Cómo empezar con AEO en una empresa B2B en Chile? Registra qué dicen hoy los motores de IA sobre tu categoría, prueba una táctica por ciclo, revisa tus registros de servidor y haz legible tu información comercial en español. ### ¿Quién es Aja Frost? Fue directora sénior de crecimiento global en HubSpot y hoy lidera growth marketing en Mercury, según Search Engine Land y el sitio de HubSpot UNBOUND.