Posicionamiento en IA para franquicias y negocios con varios locales

Por qué a las cadenas les cuesta más salir en la IA

Las preguntas que más venden en un negocio físico son locales: «cerca de mí», «en Sevilla», «en el barrio de...». Para responderlas, el asistente necesita casar tres datos: qué eres, dónde estás y si estás abierto. Con un solo local es relativamente fácil. Con varios, cada fallo de coherencia se multiplica.

En las auditorías que hacemos a negocios con más de un local se repiten una y otra vez los mismos patrones:

• La web declara un negocio genérico y ningún local. El código dice «empresa» u «organización» una vez, sin dirección. Las sedes solo existen en un texto del pie o en una imagen.
• Una única página de locales con un mapa incrustado y las direcciones en una lista sin estructura. Para un humano funciona; para un modelo es una sopa de datos.
• Dos webs vivas a la vez, la antigua y la nueva, o la de la marca y la de un franquiciado, contando cosas distintas.
• Fichas de Google con nombres diferentes por local, categorías distintas o fichas duplicadas que nadie gestiona.

Ninguno de estos fallos es exclusivo de la IA: también perjudican en Google Maps. La diferencia es que el buscador te pone en una lista, aunque sea abajo, y la IA nombra a dos o tres negocios y ya. Si hay dudas sobre ti, te quedas fuera. Lo explicamos en por qué los negocios locales son invisibles para la IA.

Paso 1: una ficha de Google por local, con el mismo nombre

Las directrices del Perfil de Empresa de Google son claras con las cadenas, y conviene cumplirlas al pie de la letra porque la IA de Google bebe directamente de ahí:

• Una ficha por local, ni más ni menos. Google pide no crear más de una página por ubicación, ni en la misma cuenta ni en cuentas distintas.
• El mismo nombre en todos los locales del país, el que aparece en el rótulo. Nada de añadir el barrio o un eslogan al nombre: Google lo prohíbe y puede suspender la ficha.
• La misma categoría principal en todos los locales, la que mejor representa el negocio.
• Departamentos con ficha propia solo si funcionan como algo distinto hacia el público: con entrada propia para clientes, categoría distinta y un nombre diferente del negocio principal. Una sección interna no cuenta.
• Si no tienes local abierto al público y vas a casa del cliente, una ficha de zona de servicio por oficina, sin mostrar la dirección.

Lo que sí cambia de una ficha a otra es lo que es propio de cada local: horario, teléfono, fotos, servicios disponibles y reseñas. Y eso es justo lo que la IA usa para elegir cuál recomendar.

Paso 2: una página por local, con contenido propio

Cada local necesita una URL propia que la ficha de Google enlace y que la IA pueda citar. No vale una plantilla con el nombre de la ciudad cambiado: eso no aporta nada que el modelo pueda usar.

Lo que debe tener cada página de local:

• Dirección completa, teléfono y horario en texto, en el HTML y no dentro de un mapa o una imagen.
• Un párrafo que diga qué tiene ese local en concreto: si tiene terraza, aparcamiento, servicios que no hay en otros, a qué zona da servicio.
• Cómo llegar, con referencias reales del barrio.
• El equipo o el responsable del local, si aplica.
• Enlaces a reservar, pedir o llamar a ese local, no a una centralita genérica.
• Preguntas frecuentes de ese local («¿tenéis parking?», «¿abrís los domingos?»).

Paso 3: datos estructurados por sede

Google lo dice en su documentación de datos estructurados: hay que definir cada ubicación como un LocalBusiness, usando el subtipo más concreto que exista (Dentist, Restaurant, AutoRepair...) y con la URL de esa ubicación concreta.

La pieza que casi todas las cadenas olvidan es conectar los locales con la marca. Cada sede declara su parentOrganization apuntando al @id de la organización, y así el modelo entiende que son la misma marca en sitios distintos, no cinco negocios que se llaman igual. Un esquema mínimo:

{
  "@context": "https://schema.org",
  "@type": "Dentist",
  "@id": "https://tumarca.es/centros/valencia-ruzafa/#local",
  "name": "Tu Marca",
  "url": "https://tumarca.es/centros/valencia-ruzafa/",
  "telephone": "+34 960 000 000",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Calle Ejemplo 1",
    "addressLocality": "Valencia",
    "postalCode": "46004",
    "addressCountry": "ES"
  },
  "geo": { "@type": "GeoCoordinates", "latitude": 39.46, "longitude": -0.37 },
  "openingHoursSpecification": [{
    "@type": "OpeningHoursSpecification",
    "dayOfWeek": ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"],
    "opens": "09:00",
    "closes": "20:00"
  }],
  "parentOrganization": { "@id": "https://tumarca.es/#organization" }
}

Fíjate en que el nombre es el de la marca, igual que en la ficha: la ciudad va en la dirección. En la home, la Organization de la marca (con ese mismo @id, que tiene que existir de verdad) puede listar sus sedes con subOrganization, la inversa de parentOrganization. Y si un local tiene una sección que funciona aparte (una tienda dentro del restaurante, una farmacia dentro de un súper), Google prevé la propiedad department para declararla. El detalle técnico está en JSON-LD avanzado para posicionamiento en IA.

Una advertencia: los datos estructurados tienen que coincidir con lo que se ve en la página y con la ficha de Google. Un horario distinto en el código que en la ficha resta confianza en lugar de sumarla.

Paso 4: una sola verdad, aunque haya franquiciados

En una franquicia, el riesgo es que cada franquiciado monte su propia web, su propio Instagram y su propia ficha con datos a su manera. Para la IA, eso son señales contradictorias sobre la misma marca.

• La web de la marca manda. Las webs propias de franquiciados, si existen, enlazan a la página oficial de su local o redirigen a ella.
• Las webs antiguas se cierran con redirección, no se dejan vivas. Dos versiones de la misma empresa son dos respuestas distintas a la misma pregunta.
• Un responsable central del dato: quien cambia un horario lo cambia en la ficha, en la página del local y en los datos estructurados a la vez.
• Un manual de reseñas común: cómo pedirlas y cómo responderlas en todos los locales.

Paso 5: reseñas y menciones de cada local

La IA no elige entre tus locales al azar. Si alguien pregunta por la mejor opción en una ciudad, pesan las reseñas de esa sede, las menciones en prensa o blogs locales y su presencia en directorios del sector. Una marca con fama nacional puede perder la recomendación local frente a un negocio pequeño que tiene más reseñas recientes en esa calle.

Por eso las reseñas se trabajan por local: cada sede con su enlace directo para pedirlas y con respuestas que mencionen lo que se hace allí. Lo desarrollamos en menciones de marca frente a backlinks.

Cómo medirlo local a local

La medición de una cadena se hace por ciudad: las mismas consultas de compra («mejor [servicio] en [ciudad]», «[servicio] abierto ahora en [barrio]») repetidas para cada localidad donde tienes local, en ChatGPT, Gemini y Perplexity. Así ves qué sedes recomienda la IA y cuáles no existen para ella. El método está en cómo medir la visibilidad en IA, y para Gemini en particular, en SEO para Gemini.

Preguntas frecuentes