Perplexity: cómo elige sus fuentes y qué puedes hacer para que te cite

Resumen rápido

• Perplexity es un buscador que responde citando fuentes. Busca en la web en tiempo real, extrae fragmentos de las páginas y redacta la respuesta con enlaces numerados.
• Usa dos agentes: PerplexityBot, que rastrea para su buscador, y Perplexity-User, que visita páginas cuando un usuario pregunta. Según su documentación, el segundo generalmente ignora robots.txt porque la visita la pide una persona.
• Perplexity no publica sus criterios de clasificación. Quien te diga «los 7 factores de ranking de Perplexity» está suponiendo.
• Lo controlable: que PerplexityBot pueda entrar (también por el cortafuegos), que la respuesta esté en el texto de la página y que estés en las fuentes de terceros que ya cita.

Qué está documentado

Los rastreadores

La página de rastreadores de Perplexity describe dos agentes:

• PerplexityBot está diseñado para mostrar y enlazar webs en los resultados de búsqueda de Perplexity. Perplexity dice expresamente que no se usa para rastrear contenido para entrenar modelos fundacionales. Recomienda permitirlo en robots.txt y permitir las peticiones desde sus rangos de IP publicados.
• Perplexity-User atiende acciones de usuarios: cuando alguien pregunta, puede visitar una página para responder con precisión e incluir un enlace a ella. No se usa para rastrear la web ni para entrenar. Y como la visita la pide un usuario, generalmente ignora las reglas de robots.txt.

Esto tiene una consecuencia práctica que pocos tienen en cuenta: si bloqueas PerplexityBot en robots.txt, sales del índice de búsqueda de Perplexity, aunque Perplexity-User todavía pueda leer una página cuando alguien la pide explícitamente.

El cortafuegos

La misma documentación dedica una sección entera a configurar cortafuegos (WAF) en Cloudflare, AWS y otros: crear reglas que permitan a PerplexityBot y Perplexity-User combinando el user-agent con las IPs publicadas en perplexitybot.json y perplexity-user.json.

Si Perplexity se toma la molestia de documentarlo es porque es un problema real: muchas webs tienen un robots.txt correcto y aun así el CDN bloquea a los bots «desconocidos». Desde tu robots.txt no se ve; hay que mirar los registros del cortafuegos.

Cómo busca

La API de Perplexity da pistas sobre cómo funciona su búsqueda. Su Search API devuelve «resultados web en tiempo real y clasificados», con controles por dominio, idioma, región y contenido extraído. Cada resultado incluye un fragmento de texto sacado de la página, no sólo el título. Las respuestas generadas con búsqueda incluyen citas a esas fuentes.

Dos ideas que se deducen de ahí, sin inventar más:

1. Lo que cuenta es el texto que se puede extraer. Si tu respuesta está dentro de una imagen, de un PDF mal etiquetado o de un componente que sólo se pinta con JavaScript, es más difícil que acabe en el fragmento.
2. La búsqueda es en tiempo real. Una página nueva puede empezar a citarse en cuanto está indexada, sin esperar a un reentrenamiento del modelo.

Lo que no está documentado

Perplexity no publica cómo ordena los resultados ni por qué cita una fuente y no otra. Tampoco hemos encontrado un documento oficial que diga cuánto pesan la autoridad del dominio, la fecha o el formato de la página. Así que todo lo que leas sobre «factores de ranking de Perplexity» es, como mucho, observación de terceros.

Lo que sí se ve cuando se mide con regularidad:

• Las fuentes cambian entre repeticiones de la misma pregunta, igual que en ChatGPT o Gemini.
• Se citan muchas páginas de terceros: comparativas, foros, reseñas, documentación. Para preguntas del tipo «mejor X para Y», tu web compite con los listados que hablan de ti y de tu competencia.
• Las respuestas difieren por idioma. La misma pregunta en inglés y en español puede citar fuentes completamente distintas.

Lista de comprobación para aparecer en Perplexity

1. Acceso

• robots.txt permite PerplexityBot (y no tienes una regla genérica User-agent: * con Disallow: / que lo atrape). Puedes comprobarlo con el comprobador de bots de IA.
• El cortafuegos o el CDN no bloquea sus IPs ni su user-agent. Revisa los registros de bloqueos.
• La página devuelve un 200 y el contenido está en el HTML, no sólo tras ejecutar JavaScript.

2. Contenido citable

• Responde arriba. Si la pregunta es «cuánto cuesta X», la cifra (con su fecha y su fuente) va en el primer párrafo, no tras cuatro de introducción.
• Párrafos que se entiendan solos. Un fragmento extraído sin contexto tiene que seguir diciendo algo útil.
• Datos verificables y con fuente. Un motor que cita fuentes tiene motivos para preferir las que, a su vez, citan las suyas.
• Fechas visibles en contenido que caduca: precios, comparativas, normativa.
• Tablas y listas en HTML, no en imágenes.

3. Presencia fuera de tu web

Mira qué fuentes cita Perplexity para tus preguntas de compra. Si son listados o comparativas de terceros, la pregunta útil es si podrías estar en ellos de forma legítima: una reseña real, una corrección de un dato desactualizado, una ficha en un directorio que de verdad usa tu sector. Lo explicamos en por qué la IA cita a tu competencia y no a ti.

4. Medición

Haz tus preguntas de compra en Perplexity varias veces, en sesiones limpias, y apunta si te menciona, si te cita y qué URLs cita. Los clics que llegan desde Perplexity llevan su dominio como referente, así que se pueden ver en Analytics. GA4 tiene un canal «AI Assistant» para los asistentes de su lista (la documentación nombra ChatGPT, Gemini, DeepSeek, Copilot y Grok, sin publicar la lista completa), así que conviene filtrar también por origen. Lo detallamos en cómo medir el tráfico de ChatGPT en GA4, que vale igual para Perplexity.

Cómo lo mide Citable

Citable mide Perplexity a partir del plan intermedio. Lo hace a través de la API del modelo de Perplexity con búsqueda web, no de la app de consumo, así que las respuestas pueden no coincidir exactamente con las que ve un usuario en perplexity.ai. Lo decimos en la metodología porque es una diferencia real. Cada pregunta se hace tres veces por semana, y se registran menciones, citas, competidores y las URLs de terceros que se citan en tu lugar.

Preguntas frecuentes

¿Perplexity usa mi contenido para entrenar modelos?

Según su documentación, PerplexityBot no se usa para rastrear contenido para entrenar modelos fundacionales, y Perplexity-User tampoco. Los dos sirven para la búsqueda y las respuestas.

¿Puedo bloquear Perplexity con robots.txt?

Puedes bloquear PerplexityBot, y eso te saca de su índice de búsqueda. Perplexity-User, que visita páginas a petición de un usuario, generalmente ignora robots.txt según la propia Perplexity. Si quieres aparecer en sus respuestas, lo razonable es permitir los dos.

¿Perplexity da más peso a los dominios grandes?

Perplexity no lo documenta. En la práctica se citan tanto dominios grandes como páginas pequeñas muy específicas. Lo que sí puedes controlar es que tu página sea rastreable y responda a la pregunta mejor que las fuentes que cita ahora.

¿Cuánto tarda Perplexity en citar una página nueva?

No hay un plazo publicado. Como busca en tiempo real, una página puede citarse en cuanto PerplexityBot la ha rastreado e indexado. Mide antes y después con repeticiones para saber si ha cambiado algo.

Conclusión

De Perplexity sabemos bastante sobre cómo entra en tu web y casi nada sobre cómo ordena. Así que empieza por lo comprobable: que PerplexityBot pase el robots.txt y el cortafuegos, que tu respuesta esté en texto extraíble y que tengas presencia en las fuentes que ya cita. Y mide con repeticiones antes de concluir nada.