El cambio que está atravesando la búsqueda digital no es una evolución más. Es una ruptura estructural. La interacción del usuario ha dejado de ser una consulta estática para convertirse en un diálogo continuo con modelos generativos, answer engines, interfaces multimodales y agentes inteligentes. En este contexto, el SEO tradicional, construido sobre keywords, volúmenes e intenciones explícitas, ya no basta para explicar ni anticipar cómo se descubren hoy las marcas.

En SIDN llevamos tiempo observando esta transformación y adaptando nuestro enfoque para que las marcas puedan competir en una realidad donde la IA interpreta, decide y recomienda.

La visibilidad ya no depende de clasificar para una palabra clave, sino de convertirse en una fuente confiable dentro del proceso de razonamiento de la IA. El descubrimiento moderno depende de cómo los modelos entienden la intención profunda, expanden la pregunta y sintetizan múltiples señales para generar respuestas personalizadas.

Para navegar esta realidad, trabajamos con un enfoque híbrido en el que las Synthetic Personas no reemplazan a las Buyer Personas ni a las Searcher Personas, sino que las amplifican para operar en este nuevo ecosistema dominado por IA. Esta visión forma parte de la evolución metodológica que hemos impulsado desde SIDN en proyectos de Search IA.

Por qué el SEO tradicional queda obsoleto: el impacto del Query Fan-Out

La razón técnica detrás del fin del SEO clásico se llama Query Fan-Out: el mecanismo interno con el que un modelo generativo transforma una consulta simple en un proceso complejo de investigación.

Desde SIDN lo observamos cada día en nuestras auditorías de visibilidad generativa: una simple pregunta del usuario desencadena una investigación profunda por parte de la IA.

Cuando un usuario formula una pregunta, el modelo:

• Descompone la consulta en subpreguntas relacionadas
• Ejecuta múltiples micro-búsquedas simultáneamente
• Interpreta intenciones no verbalizadas por el usuario
• Cruza datos estructurados, descripciones, reseñas y señales externas
• Evalúa factualidad, autoridad y consistencia
• Sintetiza una respuesta que puede abarcar varias etapas del funnel en un solo punto

A diferencia del buscador tradicional, donde una query devuelve una lista de resultados, la IA trabaja con una red completa de micro-intenciones. Esto significa que:

• El volumen de búsqueda pierde relevancia
• Las keywords ya no representan la intención completa
• La posición en SERP no asegura aparecer en respuestas generativas
• La IA puede satisfacer conciencia, consideración y decisión en una sola respuesta

Este nuevo comportamiento lleva a la aparición de un nuevo terreno estratégico: GEO (Generative Engine Optimization), donde el objetivo ya no es posicionar páginas, sino ser citables, confiables y completos para los modelos generativos.

¿Por qué las Synthetic Personas son necesarias?

El comportamiento de búsqueda actual es radicalmente distinto al que dio origen a los buyer persona tradicionales. Durante años, las estrategias digitales partían de dos enfoques:

• Buyer Persona: quién es la persona, qué necesita, cómo compra.
• Searcher Persona: cómo busca esa persona dentro de un buscador tradicional (Google).

Hoy estas dos perspectivas resultan insuficientes porque la IA ha introducido una capa adicional que no existía: cómo interpreta, expande y transforma la consulta un modelo generativo.

Aquí vuelve a aparecer el concepto clave: Query Fan-Out.

Cuando un usuario formula una pregunta en un chatbot o en un buscador generativo, el modelo no responde solo a esa frase. Internamente:

• Descompone la consulta en múltiples micro-intenciones
• Evalúa cientos de señales de contexto
• Infiere significados no explícitos
• Añade restricciones que el usuario no mencionó
• Consulta fuentes diversas
• Construye una respuesta personalizada

La query visible es solo la punta del iceberg.

Por eso necesitamos un tipo de perfil que vaya más allá del buyer persona y del searcher persona.

Por eso en SIDN trabajamos con Synthetic Personas, diseñadas para entender:

• Cómo piensa el usuario
• Cómo pregunta
• Cómo reformula
• Cómo la IA reconstruye ese proceso mediante Query Fan-Out

Es el primer modelo verdaderamente adaptado al comportamiento conversacional de la búsqueda moderna.

Tipos de comportamiento de búsquedas

• Distribuido: empieza en vídeo, continúa en redes sociales y termina en un agente conversacional
• Multimodal: imagen, voz, texto, vídeo corto y largo
• Contextual: depende del historial, la ubicación, la hora y el dispositivo
• Personalizado: cada usuario recibe un resultado distinto
• Expandido internamente por la IA: la consulta visible representa solo una pequeña parte del razonamiento del modelo

Por eso, trabajar únicamente con keywords o rankings es insuficiente.

Las Synthetic Personas no describen quién es el usuario, sino cómo interpreta la IA sus necesidades.

Cómo construimos Synthetic Personas: datos, IA y tecnología

Las Synthetic Personas combinan información real procesada mediante modelos avanzados de síntesis. Su valor está en reproducir de forma fiel la lógica conversacional actual y mostrar cómo los modelos podrían amplificar o reinterpretar la intención.

Capas de datos que utilizamos

• Datos propios: búsquedas internas, conversaciones de soporte, chats de atención, objeciones comerciales
• Datos públicos: reseñas en marketplaces, preguntas reales en foros, menciones en redes sociales, comparativas espontáneas entre marcas
• Datos externos: paneles de comportamiento, analítica competitiva, informes sectoriales y señales de terceros

Estas tres capas nos permiten trabajar sobre una base sólida, no sobre intuiciones ni sobre datos generados sin contexto.

La capa diferencial: síntesis con IA y simulación agéntica

En SIDN hemos comprobado que generar la Synthetic Persona no es suficiente: hay que ponerla a prueba en escenarios reales. Por eso aplicamos simulación conversacional para anticipar cómo actuaría cada perfil dentro de modelos como GPT, Gemini o Claude.

Mediante modelos generativos avanzados fusionamos todos los datos para identificar:

• Patrones de búsqueda
• Objeciones ocultas
• Criterios reales de decisión
• Formatos preferidos
• Señales que activan confianza
• Intenciones que la IA “lee” aunque el usuario no las verbalice

Después construimos agentes basados en cada Synthetic Persona para simular:

• Cómo preguntan
• Cómo profundizan
• Qué respuestas reciben
• En qué casos aparece o no aparece una marca
• Qué información falta para que un modelo la incluya
• Qué competidores dominan las respuestas conversacionales

Este punto es crucial, porque permite observar no solo cómo busca el usuario, sino cómo razona la IA sobre él.

Cómo usamos las Synthetic Personas dentro de Search IA

Las Synthetic Personas son el inicio de la estrategia. A partir de ellas diseñamos el mapa de visibilidad en entornos dominados por IA y optimizamos cada punto del journey.

Diseño de contenido preparado para modelos generativos

Una Synthetic Persona nos ayuda a:

• Identificar qué información necesita un modelo para citar una marca
• Estructurar contenidos que respondan a micro-intenciones reales
• Decidir qué datos, comparativas o evidencias incluir
• Adaptar la narrativa según el tipo de usuario simulado
• Generar activos multimodales que amplifiquen la presencia

Esto va más allá del SEO tradicional: hablamos de contenido citable, no solo posicionable.

Activación en ecosistemas distribuidos

Cada Synthetic Persona revela:

• Qué plataforma inicia su búsqueda
• Qué tipo de contenido consume (vídeo corto, vídeo largo, fichas comparativas, imágenes, guías interactivas, tutoriales, reseñas…)
• Cómo evalúa la confiabilidad de una respuesta
• Qué señales pesan más en su decisión (reviews, autoridad, facilidad, precio, seguridad…)

Esto permite orquestar visibilidad en todos los canales donde los modelos aprenden y recomiendan.

Conexión con Search IA

Las Synthetic Personas se integran de manera natural con nuestras metodologías y servicios.
No reemplazan a Search IA: lo activan.

Ayudan a:

• Diseñar estrategias human-centric
• Aportar precisión al análisis generativo
• Medir visibilidad en modelos
• Guiar la creación de activos multimodales
• Conectar datos propios con inteligencia generativa

Tecnología que amplifica el valor de cada Synthetic Persona

Una Synthetic Persona solo es realmente útil cuando se conecta a datos dinámicos y observación real del ecosistema.

Para eso utilizamos herramientas propias diseñadas para entornos dominados por modelos generativos.

Banzai: inteligencia para entender cómo responden los modelos

Banzai Platform es la base tecnológica que diseñamos en SIDN para unificar, procesar y activar todos los datos digitales de una marca, rompiendo silos y permitiendo que la IA generativa forme parte del proceso analítico. Es mucho más que un dashboard o un sistema de reporting: es una plataforma analítica inteligente capaz de centralizar CRM, ecommerce, campañas, social listening y datos de rendimiento para transformarlos en recomendaciones, segmentaciones y activaciones predictivas.

Es un sistema preparado para:

• Romper silos y construir una visión 360º del cliente (CRM, ecommerce, loyalty, POS, social listening).
• Procesar datos en tiempo real, creando pipelines ETL personalizados (Dataflow, Python).
• Entrenar modelos predictivos en Vertex AI, como propensión, LTV, recomendación o segmentación.
• Activar datos, enviando audiencias a plataformas de Ads, email, CRM o ecommerce.
• Integrar GenAI, incluyendo Gemini, OpenAI API o Perplexity, para crear casos de uso conversacionales, creativos o de optimización operativa.
• Orquestar automatizaciones omnicanal basadas en comportamiento y triggers reales.

En el contexto de Search IA, Banzai se convierte en la plataforma que permite que los datos estructurados y no estructurados fluyan hacia la IA generativa y puedan utilizarse para:

• Modelar Synthetic Personas con datos reales
• Detectar señales clave de comportamiento
• Analizar respuestas conversacionales sobre dashboards
• Conectar el análisis con activaciones en tiempo real

Banzai es el cerebro analítico y operativo que convierte los datos dispersos de una marca en inteligencia accionable con IA generativa.

SIDN Scraper: captura del lenguaje real y señales multimodales

SIDN Scraper es la herramienta con la que analizamos cómo aparece una marca en buscadores tradicionales y motores generativos, monitorizando visibilidad, sentimiento, fuentes citadas y presencia de competidores en cada tipo de respuesta.

Es una herramienta diseñada específicamente para medir cómo representan los modelos generativos una marca, un producto o una categoría.

SIDN Scraper permite:

• Monitorizar la aparición de la marca en Google, incluyendo AI Overview, AI Mode, SERP clásica, People Also Ask y Local Pack.
• Analizar respuestas generadas por ChatGPT, Gemini, Perplexity y Copilot, identificando menciones, ausencias, dominios citados y sesgos.
• Evaluar sentimiento a partir de reseñas, menciones en plataformas, opiniones y contenido social.
• Extraer patrones de lenguaje real, tanto de usuarios como de creadores, mediante reviews, foros, UGC y referencias multimodales.
• Comparar presencia frente a competidores, tanto en motores tradicionales como generativos.
• Mapear consultas por temática, intención o etapa del journey, para entender cómo reconstruyen la realidad los modelos.

Scraper no solo recopila datos: revela la narrativa real que los modelos generativos construyen sobre una marca.

Esto lo convierte en una pieza clave para alimentar las Synthetic Personas, porque:

• Identifica cómo el usuario real expresa dudas, problemas y expectativas.
• Muestra qué señales usa la IA para recomendar una marca.
• Expone brechas de visibilidad generativa que deben corregirse.

SIDN Scraper es el radar que nos permite entender la visibilidad real de una marca en el universo de los modelos generativos.

¿Por qué las Synthetic Personas representan el futuro?

La visibilidad ya no depende de una posición, sino de una conversación entre usuario y modelo.

Y esa conversación está influenciada por:

• La expansión invisible del Query Fan-Out
• Señales externas que la marca no controla
• Rutas de descubrimiento impredecibles
• Formatos múltiples
• Recomendaciones basadas en razonamiento contextual

Las marcas que comprendan cómo “razona” la IA, qué señales valora y qué contenido cita, tendrán una ventaja competitiva real.

Las Synthetic Personas no sustituyen a las personas reales.
Nos ayudan a comprender cómo la IA interpreta y representa a esas personas en un entorno donde la búsqueda está fragmentada, distribuida y es cada vez más conversacional.

Son una herramienta estratégica dentro de un modelo híbrido: humano + IA + simulación, imprescindible para construir visibilidad en la era generativa.