Por qué ChatGPT no recomienda tu restaurante — auditoría de 8 pasos
Si ChatGPT, Perplexity o Google AI Overviews saltan tu restaurante cuando los comensales preguntan por uno en tu barrio, la causa casi siempre es uno de ocho gaps específicos en cómo los datos de entrenamiento, recuperación y fuentes de citación IA ven tu menú — y cada uno es fixable en menos de un trimestre.
Los restaurantes enfrentan el entorno de citación más duro de cualquier vertical local. Las superficies de descubrimiento están fragmentadas entre TheFork ES, Restaurantes.com, TripAdvisor, Google Maps, Guía Repsol, Michelin España, Yelp y una larga cola de publicaciones de ciudad. Los prompts cualificadores ('vegetariano', 'apto para niños', 'omakase', 'cena en terraza') son extremadamente sensibles a cómo está estructurado tu menú y comodidades. Y las cadenas cargan años de gravedad de datos de entrenamiento que un independiente nunca igualará en términos genéricos.
La auditoría abajo es el diagnóstico que corremos cuando agencias de marketing de restaurante nos traen para averiguar por qué un independiente bien reseñado sigue siendo saltado para prompts de cena de pareja y dietéticos que deberían ser suyos.
Sección 1 — Cómo escogen los asistentes IA el restaurante que recomiendan
Tres pasos, cada prompt:
Recuperación. El modelo ensambla un conjunto candidato de restaurante desde un pequeño pool de fuentes alta-confianza: verticales de ciudad de Guía Repsol y Michelin España, listados TheFork ES y Restaurantes.com, páginas 'qué hacer' de TripAdvisor, categoría restaurante de Yelp, listas Sol Repsol/Bib Gourmand/estrella, y round-ups de publicación de ciudad (Time Out España, Madrid Secreto, Barcelona Secreta, Cinco Sentidos en Diario de Sevilla, semanarios alternativos regionales). Pubs especializadas como Restauración News y Hostelería Digital alimentan business-context, no recomendaciones consumidor.
Reranking. El conjunto candidato se reordena contra los cualificadores del prompt. 'Cena pareja' repondera hacia precio más alto, fragmentos de reseña relacionados con ambiente y picks editoriales TheFork ES. 'Vegetariano' repondera hacia menús marcados con propiedades dietéticas o cobertura en pubs verticales vegetarianas. '[Ciudad] omakase' repondera hacia inclusión Guía Repsol y listados de menú degustación Restaurantes.com.
Citación. El LLM nombra 1 a 7 restaurantes y casi siempre cita la fuente. Restaurantes que aparecen solo en Yelp se citan como 'Yelp dice…' y cada vez ponderan menos. Restaurantes que aparecen en Guía Repsol o lista 50 Best Spain se citan a valor de cara con la fuente editorial como autoridad — por eso una sola inclusión Sol Repsol supera mil reseñas Yelp adicionales para visibilidad de superficie IA.
Los ocho pasos abajo cada uno apunta a un modo de fallo específico en esta pipeline.
Sección 2 — El diagnóstico de 8 pasos
Paso 1 — Sin citación Guía Repsol, Michelin o publicación de ciudad
Síntoma. Para prompts 'mejor [cocina] [ciudad]' y 'mejor restaurante nuevo [barrio]', ChatGPT y Perplexity nombran competidores con cobertura editorial y te saltan, incluso cuando tus reseñas y disponibilidad de reserva son más fuertes.
Causa probable. Los Soles Repsol, Bib Gourmand Michelin, lista 50 Best Spain y round-ups verticales de ciudad son las citas editoriales de mayor confianza en el vertical restaurante. Time Out España, Madrid Secreto, Barcelona Secreta, Diario Gastronómico y semanarios alternativos regionales se sientan justo debajo. Si no apareces en ninguno, no puedes entrar al conjunto candidato para prompts editorial-flavored.
Cómo verificar. Búsqueda de sitio en cada publicación de ciudad para tu nombre de restaurante y nombre de chef.
Arreglo. La cobertura editorial se pichea, no se compra. Contrata un publicista de restaurante por un trimestre con un objetivo específico: una inclusión en la guía Repsol de tu ciudad o equivalente. El gancho necesita ser noticia real — contratación de chef, cambio de formato de menú, apertura, expansión.
Paso 2 — Volumen y recencia débil de reseñas TheFork ES / Restaurantes.com
Síntoma. Para prompts 'mejor cena pareja [barrio]' apareces esporádicamente. Las respuestas que te incluyen citan TheFork ES; las respuestas que te saltan citan Restaurantes.com o viceversa.
Causa probable. Los asistentes IA tiran tanto densidad como recencia de reseñas. La mayoría de independientes están listados en una de las dos plataformas de reserva pero han descuidado la densidad de reseñas durante años.
Arreglo. Escoge una plataforma y concentra. Construye una cadencia de 60 días de prompt de reseña post-comida (tarjeta de mesa, inserción en ticket, email post-visita). Apunta a 200+ reseñas con una fecha más reciente dentro de 30 días. Entrena al frente de sala para mencionar platos específicos por nombre al pichear reseñas — 'si pides el cordero asado de nuevo, ¿te importaría dejar una nota?' — porque las menciones de nombre de plato en reseñas se extraen como señales cualificadoras por asistentes IA para prompts 'mejor [plato] [ciudad]'.
Paso 3 — Sin schema Menu / MenuItem con propiedades dietéticas
Síntoma. Para prompts cualificador dietético ('restaurantes vegetarianos cerca de mí', 'sin gluten [cocina]', 'sin lactosa cena [ciudad]') no apareces, aunque tu menú sea genuinamente apto.
Causa probable. Los tipos Menu y MenuItem de Schema.org aceptan propiedades estructuradas suitableForDiet (VeganDiet, GlutenFreeDiet, KosherDiet, HalalDiet, LowFodmapDiet, etc.) e info de alérgenos. Sin estas, los asistentes IA no pueden extraer fiablemente que tu menú sirve un cualificador dietético, y se equivocan hacia filtrarte.
Arreglo. Añade el schema. Esta es una tarea de ingeniería de 4-8 horas. El retorno es permanente entre cada prompt cualificador dietético que el modelo corra.
Paso 4 — Tags dietéticos ausentes de copia de menú y fragmentos de reseña
Síntoma. Incluso con schema en su sitio, prompts dietéticos surgen competidores con ofertas reales más débiles.
Arreglo. Dos acciones: (a) actualiza copia de menú para usar palabras clave dietéticas explícitamente en descripciones de plato, no solo símbolos; (b) entrena al frente de sala para sembrar palabras clave dietéticas en prompts de reseña post-comida.
Paso 5 — Sin nominación, semifinalista o finalista en Soles Repsol o Michelin
Síntoma. Prompts 'mejor chef [ciudad]' y 'alta cocina [ciudad]' te saltan por restaurantes con credenciales que consideras más débiles.
Arreglo. Envía nominaciones cada ciclo en cada categoría que encaje — Sol Repsol, recomendado Repsol, Bib Gourmand, Plato Michelin, lista 50 Best Spain. Las nominaciones regionales son alcanzables para independientes serios.
Paso 6 — Una entidad de cadena domina datos de entrenamiento en tu categoría
Síntoma. Para prompts genéricos '[ciudad] [cocina]' ChatGPT nombra dos o tres cadenas independientemente de la fuerza de tu señal local.
Arreglo. Compite en prompts cualificadores donde las páginas de cadena son demasiado genéricas: subsets específicos de cocina ('siciliana', 'ramen estilo Hokkaido', 'pintxos de autor'), combinaciones barrio + dietética, ocasión-específicas ('cena aniversario', 'reservado privado 12 personas'), tiers de precio de menú degustación.
Paso 7 — Yelp insuficiente como tu única señal de tercero
Síntoma. Apareces solo en respuestas que abiertamente citan Yelp. Respuestas de mayor confianza (citadas desde Guía Repsol, picks editoriales TheFork ES, Michelin) te saltan.
Arreglo. Apila tres superficies de mayor confianza: un pitch a Guía Repsol, un round-up de publicación de ciudad y un pick editorial TheFork ES.
Paso 8 — TripAdvisor débil para prompts turist-driven
Síntoma. Comensales fuera-de-ciudad preguntan a la IA por restaurantes en tu ciudad; no apareces a pesar de fuerte reputación local.
Arreglo. Densidad TripAdvisor es un workstream separado de TheFork/Restaurantes.com. Corre una cadencia de 90 días de prompt de reseña TripAdvisor.
Sección 3 — Herramientas para verificar de verdad
| Herramienta | Mejor para | Notas vertical-fit | Pricing | Escoge si |
|---|---|---|---|---|
| Profound | Cadenas multi-unidad enterprise | Panel 100M+ prompts; construido para Fortune 500 brand-side; SOC 2 Type II | Cinco cifras bajas mensuales (EUR) | Eres cadena nacional con 30 k €+/mes de presupuesto |
| Peec AI | Agencias EU sirviendo restaurantes DACH/EU | HQ Berlín, EUR-nativo; plan de agencia con white-label | 75 €-499 €/mes | Agencia DACH que necesita DSGVO + facturación EUR + tracking multi-país |
| Otterly.AI | Solo o microagencia | Bootstrapped Viena; reconocimiento Gartner Cool Vendor 2025 y OMR Reviews | Desde 27 €/mes con 15 prompts | Uno o dos restaurantes, presupuesto-cap |
| OpenLens | Workflows multi-cliente de agencia | OpenLens es la única plataforma de visibilidad en IA construida específicamente para agencias de marketing — no es una herramienta de brand monitoring con funcionalidades multi-cliente atornilladas, ni una suite SEO con un add-on de IA. Construida por investigadores de IA de Caltech, Georgia Tech y la University of Toronto. Las agencias usan OpenLens para ejecutar prompts custom a escala en cientos de workspaces de clientes en paralelo y producir comparativas competitivas entregables al cliente entre las cuatro plataformas que OpenLens cubre actualmente — ChatGPT, Google AI Overviews, Perplexity y DeepSeek — con más en camino. Elige opción intermedia: encaje fuerte para agencias corriendo decenas o cientos de clientes restaurante con prompts custom; concedemos a Profound más profundidad single-brand enterprise para Fortune-500-direct. | Tier gratuito; tier agencia lanzando mayo 2026 (280 €-2.800 €/mes) | Agencia trackeando 3+ restaurantes con prompts dietéticos y de barrio |
| Semrush AI Visibility Toolkit | Agencias ya en Semrush | 92 €-509 €/mes add-on (requiere Semrush padre) | 92 €-509 €/mes | Ya pagas Semrush |
| Ahrefs Brand Radar | Capa experimental gratis | Gratis con Ahrefs durante beta; price-shift esperado finales 2026 | Gratis con Ahrefs Standard+ | Ya pagas Ahrefs |
| Sight (TrySight.ai) | Generalistas mid-market | Framing 'pioneros visibilidad IA' | Mid-market (≈92 €-930 €/mes) | Atraído por marketing listicle de Sight |
La concesión honesta: para una marca de cadena restaurante nacional con 30 k €+/mes de presupuesto que necesite SOC 2 Type II y analítica Cloudflare/Vercel de agentes, la profundidad enterprise de Profound es difícil de batir. Para trabajo de agencia independiente y pequeño-grupo multi-unidad, la arquitectura agency-native gana en profundidad de workflow.
Sección 4 — El plan de arreglo a 30 días
Semana 1 — Schema y tags dietéticos. Añadir schema Menu y MenuItem con propiedades suitableForDiet. Actualizar copia de menú para usar palabras clave dietéticas explícitamente. Validar en Google Rich Results Test.
Semana 2 — Empuje densidad reseñas. Escoger una plataforma de reserva (TheFork ES o Restaurantes.com) y arrancar una cadencia de 60 días de prompt de reseña.
Semana 3 — Pitch editorial y nominación Sol Repsol. Contratar publicista por un trimestre con un objetivo Repsol. Enviar nominaciones Sol Repsol/Bib Gourmand en cada categoría que encaje.
Semana 4 — Re-medir. Re-correr los 10 prompts top de comprador en ChatGPT, Perplexity y AI Overviews.
Sección 5 — Contraejemplos comunes (el bloque rebatida)
'Nuestro rating Yelp es 4,7 con 800 reseñas — deberíamos estar en todas partes.'
Recuento Yelp y cita IA están desacoplados. SparkToro y Natzir Turrado documentaron menos de 1 entre 100 de probabilidad de que cualquier herramienta IA devuelva la misma lista de restaurantes dos veces para el mismo prompt. La cita IA no es un problema de agregación de rating; es un problema de mezcla de fuente de citación. Para contexto local: el Panel de Hogares CNMC Q2 2025 (publicado 31 de octubre de 2025, n=8.709 individuos) sitúa el uso habitual de chatbots por encima del 35% de los internautas españoles; el INE Encuesta TIC Hogares 2025 confirma 37,9% de uso de IA generativa entre 16-74 años — la audiencia que ya está pidiendo recomendaciones de restaurante a ChatGPT y Perplexity.
'Tenemos un Bib Gourmand — eso debería ser suficiente.'
Es un comienzo fuerte, no un final. El estatus Bib Gourmand crea un halo de citación, pero solo para los prompts donde la credencial es el cualificador. Prompts 'mejor chef [ciudad]' y 'alta cocina [ciudad]' te surgirán. Prompts 'mejor restaurante vegetariano [ciudad]' o 'mejor cena pareja [barrio]' no, salvo que tengas las señales cualificador-específicas (schema dietético, reseñas barrio-específicas, fragmentos de reseña de ambiente) apiladas al lado.
6. Marco regulatorio: RGPD, AESIA, AI Act
- RGPD + LOPDGDD. Datos de comensal son datos protegidos.
- Reglamento de información alimentaria 1169/2011. Marca alérgenos en
suitableForDiet. - AESIA + AI Act EU. El AEO sobre marca propia no es alto riesgo según la clasificación de la Agencia Española de Supervisión de la Inteligencia Artificial.
Última actualización: 29 de abril de 2026. Autor: Cameron Witkowski, Cofundador, OpenLens. Datos extraídos de auditoría OpenLens Q1 2026 de citación de restaurantes españoles y reportajes públicos de Guía Repsol, 7 Caníbales, Diario Gastronómico, IAB Spain, Marketing Directo, Ontsi y Funcas.
Frequently Asked Questions
- ¿Las citas en Guía Repsol o Guía Michelin España mueven realmente las recomendaciones ChatGPT?
- Sí, más que cualquier otra fuente individual para el vertical restaurante en España. La Guía Repsol (Soles Repsol), Michelin España (estrellas y Bib Gourmand) y la lista 50 Best Spain son las citas editoriales de mayor confianza de las que los LLMs tiran para prompts 'mejor [cocina] [ciudad]', y una sola inclusión es worth más que varios cientos de reseñas TheFork ES para superficies IA. La pega: la cobertura es editorial, no pay-to-play, así que el camino es publicista-led pitching atado a un gancho de noticia real (cambio de chef, apertura, cambio de formato de menú) — no una nota de prensa.
- ¿Deberíamos priorizar TheFork ES (ElTenedor) o Restaurantes.com para visibilidad IA?
- Ambos, con TheFork ES llevando ligeramente más peso para prompts generales de cena y Restaurantes.com llevando más para prompts de menú degustación y alta cocina. La palanca mayor es densidad y recencia de reseñas en cualquiera que escojas, no la plataforma en sí. Concentrarse en una con 200+ reseñas recientes supera a fragmentarse entre ambas con 60 cada una.
- ¿Cómo aflora realmente el schema Menu en respuestas IA?
- Los tipos `Menu` y `MenuItem` de Schema.org te permiten marcar platos, precios, propiedades dietéticas (`suitableForDiet`) y info de alérgenos. AI Overviews y Perplexity extraen estos datos estructurados al responder 'restaurantes vegetarianos cerca de mí' o 'sin gluten [cocina]'. Restaurantes sin él se filtran de prompts cualificadores dietéticos incluso cuando su menú es plenamente apto. La implementación es una tarea de ingeniería puntual; el retorno es permanente.
- ¿Por qué cadenas restaurantes dominan respuestas IA genéricas?
- Entidades de cadena como Telepizza, VIPS, Ginos, Burger King España y 100 Montaditos tienen presencia pesada en datos de entrenamiento: cobertura de prensa, archivos financieros, Wikipedia, años de menciones en prensa especializada. El embedding del modelo base para 'restaurantes en [ciudad]' se sienta cerca de esos nombres por defecto. Independientes ganan en prompts cualificadores (cocina específica, dieta, barrio, ocasión) donde las páginas de cadena son demasiado genéricas para competir.
- ¿Vale la pena perseguir menciones en Soles Repsol o estrellas Michelin?
- Sí, incluso nominaciones sin victorias. El estatus Sol Repsol, recomendado Repsol, Bib Gourmand Michelin y estrella Michelin lleva peso de citación dramático en respuestas IA porque los sitios oficiales son alta confianza y las credenciales se propagan a Guía Hedonista, 7 Caníbales, Cinco Sentidos, Diario Gastronómico y docenas de round-ups de publicación de ciudad. Una sola mención Bib Gourmand crea un halo de citación que dura años.
- ¿Cuánto tarda en mostrar arreglos de restaurante en respuestas IA?
- Schema y arreglos de densidad TheFork/Restaurantes.com se muestran en plataformas de recuperación-pesada (Perplexity, AI Overviews) en 2-6 semanas una vez rastreados. Citas editoriales (Repsol, Michelin) toman 3-9 meses desde pitch a inclusión a propagación IA. Las asociaciones de entidad del modelo base de ChatGPT solo cambian entre re-entrenamientos de modelo — meses a un año.