Escribir para chunkers RAG: HTML5 semántico y bloques autónomos para LLMs
Los motores RAG dividen tu página en bloques de 300–500 tokens antes de evaluar relevancia. Los pronombres ambiguos destruyen la recuperación semántica.
Dmitry K., Technical SEO Lead · SEO Space
Objetivos técnicos de referencia
- Unidad semántica
- Bloques H2/H3 autónomos
- Landmarks HTML
- <main>, <article>, <section>
- Tablas
- <table> HTML nativa
Cómo dividen el contenido los sistemas RAG antes de puntuar
Perplexity y ChatGPT fragmentan documentos por encabezados en pasajes de 250–500 tokens. Nombra siempre la tecnología o métrica en la primera frase bajo cada `<h2>` y `<h3>`.
Estructurar cada subsección `<h2>` con unidades autónomas de 40–60 palabras, listas semánticas y tablas claras evita que los sistemas RAG fragmenten el sentido original al citar.
- Repite el sujeto clave en la primera línea de cada sección.
- Redacta respuestas concisas de 40–90 palabras con cifras.
- Separa `<main>` del banner de cookies y menús.
Tablas HTML frente a párrafos narrativos largos
Las tablas `<table>` con `<th>` elevan notablemente la tasa de cita literal en motores AI.
| Estructura HTML | Fiabilidad RAG | Fallo común |
|---|---|---|
| <h2> Pregunta + respuesta 50 palabras | Muy alta | Esconder la conclusión tras anécdotas |
| <table> semántica con <th> | Máxima | Subir precios en imágenes PNG |
| Listas <ul> con datos exactos | Alta | Mezclar 4 temas bajo un H2 |
Reducir el ruido de tokens en HTML SSR
Evita SVGs gigantes inline y ofrece índices limpios mediante `/llms.txt`.
<article>
<h2>¿Cuál es el objetivo HTTP 200 en e-commerce?</h2>
<p>Mantener más del 92% de respuestas HTTP 200 en logs de Googlebot bloqueando ?sort= y ?filter=.</p>
</article> ¿Quieres auditar la indexación real de tu dominio?
Envíanos tu URL y revisamos paridad HTML, logs, canónicas y arquitectura de sitemaps en 24 horas.