El SEO para búsqueda por voz es el trabajo de conseguir que tu contenido y los datos de tu negocio sean la fuente que un asistente lee en voz alta cuando alguien hace una pregunta hablada. A diferencia del SEO tradicional, que compite por diez resultados, aquí se compite por una sola respuesta, y en 2026 esa respuesta la generan los mismos sistemas de IA que producen los AI Overviews y las respuestas de los chatbots.
El resumen honesto es este: la búsqueda por voz no murió, se fusionó. Lo que te hace sonar en un altavoz es lo mismo que te hace aparecer citado en texto.
Según 9to5Google (2026), Google empezó a desactivar el Asistente de Google en Android y Wear OS a partir del 4 de septiembre de 2026 para sustituirlo por Gemini. El “Ok Google” que leía un fragmento destacado palabra por palabra deja paso a un modelo que redacta su propia respuesta.
Según la previsión de eMarketer (2025), Estados Unidos tendrá unos 157 millones de usuarios de asistentes de voz a finales de 2026, la mayoría desde el móvil y no desde altavoces inteligentes. En España y Latinoamérica el patrón es el mismo: la voz se usa sobre todo en el teléfono, en el coche y con WhatsApp abierto en otra pestaña.
Según Google Search Central (2026), los datos estructurados speakable siguen siendo una función beta limitada a medios de noticias, usuarios en inglés de EE. UU. y dispositivos Google Home. Si una agencia te vende markup speakable como estrategia de voz para un despacho de abogados en Madrid o un SaaS en Barcelona, te está vendiendo humo.
Qué cambió en la búsqueda por voz entre 2019 y 2026
La mayoría de guías de búsqueda por voz que siguen posicionando se escribieron para un mundo de asistentes de comandos. Hacías una pregunta, el asistente buscaba el fragmento destacado y lo leía. Ese modelo produjo las estadísticas que todavía se citan en todas partes.
El análisis de Backlinko sobre 10.000 resultados de Google Home (2019) concluyó que la respuesta media por voz tenía 29 palabras y que el 40,7% de las respuestas salía de un fragmento destacado. Eran datos útiles en su momento. Describen un asistente que ya no existe en la mayoría de móviles Android.
Desde entonces han cambiado tres cosas:
- Los asistentes se volvieron generativos. Gemini en Android, Gemini para Home en los altavoces Nest (despliegue desde octubre de 2025), Alexa+ (lanzado por Amazon en 2025) y Siri con su conexión a ChatGPT (Apple, diciembre de 2024) resumen varias fuentes en lugar de leer una.
- Las respuestas son más largas y conversacionales. Una pregunta de seguimiento mantiene el contexto. El usuario no repite el tema, así que tu página tiene que responder la segunda y la tercera pregunta además de la primera.
- Las fuentes son las mismas que las de las respuestas de IA en texto. La documentación de Google sobre funciones de IA deja claro que no hay requisitos especiales más allá de la elegibilidad SEO normal. Una página que no está indexada o que no es elegible para fragmento tampoco va a sonar.
En mi experiencia auditando webs que habían pagado paquetes de “optimización para búsqueda por voz”, el entregable solía ser una lista de keywords long tail en forma de pregunta y algo de schema FAQ. Nada de eso estaba mal. Nada de eso era específico de voz.
De dónde salen de verdad las respuestas habladas
Si quieres aparecer en una búsqueda por voz, empieza por preguntarte qué sistema la responde. La optimización para búsqueda por voz en 2026 se divide en tres tipos de fuente, y cada uno pide un trabajo distinto.
La intención local (“cerca de mí”, “abierto ahora”, “fontanero urgente en Valencia”) se responde desde fichas de empresa. En Google eso es el Perfil de Empresa y los datos de Maps. En Siri es Apple Business Connect y Apple Maps, con Yelp como fuente habitual (en España tiene menos peso, pero sigue alimentando datos). En Alexa históricamente han pesado Yelp y Bing Places. Aquí la web importa menos que la ficha.
Las preguntas factuales y de “cómo se hace” se responden desde el índice web. Gemini y el modo IA hablado de Google tiran de las mismas páginas que alimentan los AI Overviews y los fragmentos destacados. La página que responde la pregunta de forma limpia en sus primeras líneas, bajo un encabezado que coincide con ella, es la que acaba parafraseada.
Las preguntas de marca y recomendación (“cuál es el mejor CRM para una agencia pequeña”) se responden con una mezcla de páginas web, reseñas y menciones de terceros. Aquí la coherencia de entidad y la reputación fuera de tu web deciden si te nombran o no. Es el mismo problema que explico en SEO, GEO y AEO: las diferencias que importan.
La consecuencia práctica es que una clínica dental y una empresa de software B2B no deberían seguir el mismo plan de voz. La respuesta hablada de la clínica vive en un Perfil de Empresa. La del software vive en un párrafo extraíble de una página bien posicionada.
El proceso de SEO para búsqueda por voz que sigue funcionando
Esta es la secuencia que sigo cuando un cliente me pregunta si está “preparado para la voz”. Da por hecho que la web ya es rastreable e indexable. Si no lo es, nada de lo siguiente importa, y primero toca una revisión de SEO técnico.
- Relaciona la intención hablada con tus páginas. Saca de Search Console las consultas en forma de pregunta (filtra por qué, cómo, cuánto, dónde, puedo, se puede) y revisa las “Otras preguntas de los usuarios” de tus temas principales. Agrúpalas según la página que debería responderlas. Si ninguna debería, has encontrado un hueco de contenido, no un problema de voz.
- Arregla la ficha antes que la web. Si tu negocio tiene local o zona de servicio, completa el Perfil de Empresa en Google al 100%: categorías, horario, horarios de festivos (en España, con los festivos autonómicos y locales), servicios, atributos y fotos. Después reclama Apple Business Connect y Bing Places. Los horarios incoherentes entre fichas son la causa más habitual de que un asistente conteste “puede que esté cerrado”.
- Escribe primero la respuesta y luego la explicación. Bajo cada encabezado con pregunta, abre con una respuesta de 40–60 palabras que tenga sentido leída en voz alta sin contexto. Sin “buena pregunta”, sin preámbulo, sin “como ves en la tabla”. Mi guía de optimización de fragmentos destacados entra en detalle en el formato.
- Responde en la misma página las preguntas de seguimiento. La búsqueda conversacional mantiene el contexto entre turnos. Si alguien pregunta cuánto cuesta arreglar un tejado y luego cuánto se tarda, el asistente prefiere una fuente que responda las dos. Construye secciones en torno a la siguiente pregunta obvia, no solo a la keyword principal.
- Marca lo que es verdad, y solo eso. Usa LocalBusiness, Organization, FAQPage cuando las preguntas estén visibles en la página, y datos de Product o Service cuando apliquen. Un schema markup correcto ayuda a las máquinas a confirmar datos. Olvídate de speakable salvo que seas un medio de noticias.
- Haz que la página vuele en el móvil. La mayoría de búsquedas por voz salen de smartphones, a menudo con datos móviles. Supera los Core Web Vitals con datos de campo, deja la respuesta en el HTML servido desde el servidor y no inyectada por JavaScript, y no bloquees a los crawlers de IA por los que quieres que te citen.
- Mide lo que puedas y reconoce lo que no. Google no separa las búsquedas por voz en Search Console. Sigue las impresiones de consultas en forma de pregunta, los fragmentos destacados que ganas, las llamadas y solicitudes de ruta del Perfil de Empresa y las citas en IA con una herramienta de seguimiento. Desconfía de cualquier panel que diga mostrar “rankings de voz”.
Los pasos 2 y 3 son los que dan la mayor parte del resultado. El resto lo protege.
Lo que deberías dejar de pagar en optimización para búsqueda por voz
Mucho del consejo sobre búsqueda por voz que circula se escribió para 2018 y se recicla cada año cambiando la fecha del título. Estas son las partidas que yo quitaría de una propuesta.
Un keyword research “de voz” aparte. Las consultas conversacionales son consultas long tail. Ya aparecen en tu Search Console y en las cajas de preguntas relacionadas. Pagar por una lista de keywords de voz duplica el keyword research que deberías estar haciendo de todos modos.
Markup speakable en webs que no son de noticias. La documentación de speakable de Google lo limita a contenido de noticias en inglés de EE. UU. La definición en schema.org existe, pero ningún gran asistente ha dicho que lo use fuera de esa beta. Para una web en español, hoy no sirve para nada.
“Landing pages de voz” dedicadas. Páginas finas escritas con un tono conversacional forzado (“Oye, ¿buscas un fontanero cerca de ti?”) se leen mal y no aportan nada a las máquinas. Una buena página de servicio con un bloque de respuesta claro les gana.
Skills de Alexa y Acciones de Google como SEO. Google cerró las Conversational Actions en 2023. Una skill puede ser una decisión de producto. No es una táctica de visibilidad en buscadores.
Si tu retainer actual incluye estas partidas, merece la pena preguntar qué resultado se midió. Este tipo de revisión la hago en una auditoría SEO, y la respuesta suele ser que nadie lo midió.
En qué se diferencia el SEO para búsqueda por voz en negocios locales y no locales
Para negocios locales, la búsqueda por voz es sobre todo un juego de fichas y reseñas. La Local Consumer Review Survey de BrightLocal (2025) concluyó que la mayoría de consumidores lee reseñas online antes de elegir un negocio local, y los asistentes lo reflejan favoreciendo perfiles completos y bien valorados cuando recomiendan una sola opción. Un fontanero con 140 reseñas y el horario correcto sonará antes que uno con una web preciosa y la ficha vacía. Mi guía para optimizar el Perfil de Empresa en Google es el punto de partida.
Para negocios no locales, la búsqueda por voz es sobre todo un juego de estructura de contenido. La respuesta hablada a “qué es una etiqueta canonical” o “cuánto tarda el SEO” sale de una página que define el término en su primera frase y luego desarrolla. Es la misma estructura que consigue una cita en ChatGPT o Perplexity, por eso trato la voz como parte de la optimización para motores de respuesta (AEO) y no como un proyecto aparte.
Para marcas con muchas ubicaciones, lo difícil es la higiene de datos a escala. Cincuenta tiendas con horarios ligeramente distintos entre Google, Apple y Bing son cincuenta ocasiones para que un asistente dé una respuesta equivocada. Una única fuente de verdad para los datos de cada local, publicada en todas las fichas, vale más que cualquier cambio de contenido.
Cómo saber si la búsqueda por voz importa para tu negocio
No todas las empresas deberían dedicarle tiempo. Una prueba rápida:
- ¿Tus clientes preguntan mientras hacen otra cosa? Conducir, cocinar, arreglar algo. Oficios, restaurantes, salud local, viajes y recetas puntúan alto. El software empresarial puntúa bajo.
- ¿La búsqueda es urgente y local? “Cerrajero urgente cerca de mí” es una búsqueda por voz. “Mejor ERP para una empresa industrial mediana” es una sesión de investigación en el portátil.
- ¿Search Console muestra que crecen las consultas largas en forma de pregunta? Si suben las impresiones de preguntas, la búsqueda conversacional (por voz o escrita a una IA) ya te está llegando.
Si puntúas bajo en las tres, el trabajo relevante para voz ya está cubierto haciendo bien el SEO on-page y manteniendo limpios los datos de tu entidad. Si puntúas alto, el trabajo de fichas del paso 2 merece presupuesto de verdad. En ambos casos, no necesitas una estrategia de voz aparte. Necesitas que tu SEO de contenidos y tu trabajo local estén bien hechos.
El SEO para búsqueda por voz en 2026 no es un canal. Es una prueba de si tus respuestas son lo bastante claras como para leerse en voz alta y si los datos de tu negocio son lo bastante fiables como para que una máquina que solo va a elegir una fuente confíe en ellos. Si la superas, ganas en voz, en AI Overviews y en los chats a la vez. Si quieres una opinión externa sobre dónde está tu web, es justo el trabajo que hago como consultor SEO freelance.
Preguntas frecuentes
¿Funciona hoy la búsqueda por voz?
Sí, pero ahora la gestionan asistentes de IA y no los antiguos asistentes de comandos. Google empezó a retirar el Asistente de Google en Android y Wear OS en septiembre de 2026 para sustituirlo por Gemini, Siri puede pasar preguntas a ChatGPT y Amazon lanzó Alexa+ en 2025. Las respuestas que leen en voz alta salen del mismo índice web, los mismos datos locales y los mismos sistemas de respuesta de IA que la búsqueda escrita, así que el trabajo de optimización es común.
¿Sigue siendo relevante el SEO en 2026?
Sí. Todos los grandes asistentes de voz e IA responden a partir de páginas web rastreadas e indexadas y de fichas de empresa, y Google afirma que optimizar para sus funciones de IA sigue siendo SEO. Lo que cambia es el resultado: menos clics por búsqueda y más respuestas únicas, así que ser la fuente elegida importa más que estar quinto.
¿Puede ChatGPT hacer SEO?
ChatGPT puede ayudar en partes del SEO, como redactar respuestas de FAQ, agrupar keywords o escribir schema, pero no puede hacer el trabajo completo. No tiene acceso a tu Search Console, a tus logs ni a tu Perfil de Empresa, y se equivoca en detalles técnicos con la frecuencia suficiente como para que alguien que conozca la web tenga que revisar cada resultado.
¿Qué es la regla 80/20 en SEO?
La regla 80/20 en SEO dice que aproximadamente el 20% del trabajo produce el 80% de los resultados. En búsqueda por voz, ese 20% es un Perfil de Empresa en Google completo y correcto, respuestas directas de 40–60 palabras bajo encabezados en forma de pregunta y páginas rápidas e indexables. El resto de tácticas específicas de voz apenas mueve la aguja.
¿Cómo optimizo mi web para la búsqueda por voz de Google?
Para optimizar tu web para la búsqueda por voz de Google, hazla elegible para fragmentos destacados y AI Overviews, porque de ahí salen las respuestas habladas. Pon una respuesta breve y factual justo debajo de cada encabezado con pregunta, mantén completo tu Perfil de Empresa para las búsquedas locales y asegúrate de que la página es rápida, indexable y tiene datos estructurados correctos.