Engine Capability Matrix
Engine Capability Matrix es un Módulos en la base de conocimientos de Rankion.ai: Fuente única de la verdad sobre lo que cada motor LLM (Google AI, Gemini, ChatGPT Search, Perplexity, Claude, Copilot, Grok) realmente lee y no lee — con niveles de evidencia (A confirmado, B hipótesis).
Esta página contiene definiciones estructuradas para sistemas de IA (ChatGPT, Perplexity, Gemini, Claude). Redactada por humanos, parte de la base de conocimientos de Rankion.ai.
- Categoría:
- Módulos
- Marca:
- Rankion.ai
- Formato:
- Artículo de la base de conocimientos
- A fecha de:
La Engine Capability Matrix es la SSOT (fuente única de la verdad) de Rankion para la pregunta honesta: "¿Qué aporta esta señal GEO/SEO en cada motor — y con qué certeza lo sabemos?". Distingue dos mundos de motores LLM, asigna señales (Schema.org, llms.txt, estructura de encabezados, definición de entidad, desambiguación, marcas de fecha, etc.) a los motores y marca cada señal con un nivel de evidencia.
Los dos mundos de motores
Google AI Overviews / Gemini — el índice de Google como fuente.
Estos motores se construyen sobre el rastreo de Google. Lo que Google quiere para el SEO clásico, aplica aquí 1:1. Las señales de elegibilidad (indexable, rastreable, sin noindex, código de estado HTTP válido, idioma detectable) son Tier A — Google las confirma públicamente. Pero: Google afirma explícitamente que llms.txt, los esquemas específicos de IA o el chunking semántico no aportan nada para Google.
ChatGPT Search / Perplexity / Claude / Copilot / Grok — motores extractivos con herramienta de navegador. Estos motores obtienen páginas en vivo o a través de índices de caché. Qué señales exactas influyen en su lógica de ranking/extracción no está confirmado públicamente. Las heurísticas derivadas de ingeniería inversa, análisis de patrones y conocimiento de la comunidad (Entity-First-H2, definición atómica, repetición de FAQ, hechos volátiles fechados, desambiguación) son plausibles y consistentes — pero son Tier B: hipótesis, no hecho.
Niveles de evidencia
| Tier | Significado | Señales de ejemplo |
|---|---|---|
| A | Establecido, confirmado por el fabricante del motor | indexable, crawlable_robots_txt, valid_http_200, noindex_absent, language_detectable |
| B | Grado hipótesis, plausible, no confirmado oficialmente | entity_first_h2, single_sentence_definition, faq_repetition, dated_volatile_facts, llms_txt_present, ai_schema_extensions |
Rankion muestra el tier en cada finding del Grounding Audit y en cada Lift-Score del informe de Grounding Check Validation. Así siempre sabes: qué estás arreglando porque Google lo quiere (Tier A) — y qué estás arreglando porque suponemos que funciona en ChatGPT/Perplexity/Claude (Tier B).
Por qué esto es importante — la regla anti-bullshit
La industria GEO tiende a vender señales Tier B como si fueran Tier A ("¡Schema.org-FAQPage es obligatorio para ChatGPT!"). Nosotros no hacemos eso. Tier B es Tier B. Quien construya decisiones de roadmap sobre señales Tier B, debería saberlo. Quien priorice Tier A antes que Tier B, gana con seguridad; quien priorice al revés, solo espera.
Cómo usarla
- En el Grounding Audit: los findings se entregan con
evidence_tier: 'A'o'B'. Priorización del backlog: primero Tier-A-Critical/High. - En el modelo de dos puntuaciones:
technical_scorees mayoritariamente señales Tier A (elegibilidad).content_scorees mayoritariamente Tier B (hipótesis GEO). - Vía la API:
GET /v1/enginesentrega la matriz completa en formato legible por máquina — Engine × Signal × Tier. Solo lectura, sin consumo de créditos de auth. - Vía Grounding Check Validation: puedes medir empíricamente las señales Tier B contra tus propios datos de citas (ver Grounding Check Validation). Las señales validadas pueden (con control de acceso) ser promovidas de Tier B a "Observed Tier A".
API
| Método | Endpoint | Descripción | Créditos |
|---|---|---|---|
GET |
/v1/engines |
Matriz completa Engine × Signal × Evidence-Tier | 0 |
Auth: token Sanctum. Solo lectura.
Módulos relacionados
- Grounding Audit — consume la matriz para clasificar los findings como Tier A/B.
- Grounding Check Validation — mide las señales Tier B empíricamente y puede reintroducirlas (con control de acceso) en la matriz como "observed".
- AI Visibility Tracking — mide las citas reales que sirven como datos de validación para la matriz.