Tokens

Tokens son los fragmentos que los modelos de lenguaje leen y generan, por lo general más pequeños que palabras completas. Importan porque cada prompt, cada fragmento recuperado y cada respuesta del modelo se cotizan y se limitan por tokens, no por recuento de palabras.

Para los equipos de GEO, esto cambia la operativa de contenido con rapidez. Si tu material de origen está inflado, es repetitivo o está mal estructurado, pagas más y obtienes una salida peor. Así de simple.

Por qué los tokens importan en GEO

El conteo de tokens controla cuatro cosas: el coste, la adecuación al contexto, la calidad de respuesta y las probabilidades de citación. Si los datos de marca, las especificaciones de producto o los puntos de prueba no encajan de forma limpia en la ventana de contexto disponible, el modelo los comprime, los omite o directamente los ignora.

Ahí es donde la mayoría de equipos se vuelve descuidada. Se obsesionan con los prompts e ignoran la eficiencia del origen.

OpenAI, Anthropic y Google miden el uso por tokens. Dependiendo del modelo, un promedio aproximado en inglés es de 1,3 a 1,5 tokens por palabra, pero esa estimación se descompone en código, tablas, catálogos de productos y contenido multilingüe. Una página de 500 palabras no equivale de forma fiable a una entrada de 700 tokens. Mídelo.

Qué deberían hacer de verdad los profesionales

Empieza con una auditoría de tokens. Usa tiktoken para flujos de OpenAI, el tokenizador de Anthropic para Claude o los registros de uso de tu capa de orquestación. Después asigna el uso de tokens por plantilla, tipo de página y objetivo de salida.

• Respuestas de soporte: a menudo funcionan con 150-300 tokens de salida.
• Explicadores de producto: normalmente 300-800 tokens.
• Respuestas técnicas profundas con citaciones: 1.000+ tokens, a veces muchísimo más.

Utiliza las exportaciones de Screaming Frog, los datos de consultas de GSC y los conjuntos de páginas de Semrush o Ahrefs para identificar dónde el contenido orientado a IA es demasiado verboso para la intención de búsqueda real. Luego comprime el origen, no solo el prompt.

Una buena compresión implica eliminar afirmaciones duplicadas, reducir la “paja” típica y adelantar hechos únicos como precios, compatibilidad, metodología y entidades nombradas. Surfer SEO puede ayudar a detectar textos sobredimensionados, pero no resolverá por sí solo el desperdicio de tokens.

Dónde falla la estrategia de tokens

Hay una salvedad. Menos tokens no significa automáticamente mejor rendimiento en GEO. Si te pasas comprimiendo, eliminas matices, calificativos y evidencia. Eso puede reducir la confianza en las citaciones o hacer que los sistemas de recuperación se pierdan por completo el fragmento correcto.

Otro problema: el tamaño de la ventana de contexto no es lo mismo que la atención utilizable. Que un modelo acepte 128k tokens no significa que el token 127.500 reciba el mismo trato. John Mueller, de Google, confirmó en 2025 que la visibilidad de búsqueda con IA todavía depende de que el contenido fuente sea claro y accesible, y no de meter más texto en formatos legibles por máquina.

Cómo usar los tokens como métrica operativa

Controla los tokens por respuesta, los tokens por bloque de fuente citado y el coste por salida exitosa. Si ejecutas GEO a gran escala, añade umbrales de fallo para la truncación y la alucinación después de contextos largos.

Moz, Ahrefs y Semrush no muestran eficiencia de tokens de forma directa, pero ayudan a priorizar qué páginas deberían recibir primero el trabajo de compresión: las que tienen impresiones, poca interacción y alto valor informativo. Ahí es donde, por lo general, la disciplina de tokens devuelve más rápido.

En resumen: los tokens no son un apunte técnico menor. Son inventario. Si los desperdicias, compras una visibilidad de IA más lenta, más cara y menos fiable.