Qué ha cambiado en el SEO local con IA generativa y por dónde empezar
¿Tu negocio aparece cuando alguien le pregunta a ChatGPT «cuál es el mejor estudio de arquitectura en Valencia» o «dónde reparan ordenadores en Bilbao»? Si no lo sabes, tienes un problema de visibilidad que Google Search Console no te va a mostrar. El SEO local con IA generativa ha dejado de ser una tendencia emergente: es el canal donde parte de tu audiencia ya toma decisiones, especialmente en compras complejas o de alto impacto. Ignorar la visibilidad generativa local hoy equivale a haber ignorado Google Maps hace diez años.
Lo que ha cambiado no es solo el canal. Ha cambiado la lógica entera del posicionamiento local. Antes competías por aparecer en el pack de tres de Google Maps. Ahora también compites por ser la fuente que un LLM cita cuando sintetiza una respuesta. El SEO local con IA generativa impone reglas distintas: el posicionamiento generativo local tiene sus propias señales y sus propios puntos ciegos.
Por qué los motores generativos han roto la lógica del posicionamiento local
Durante años, el posicionamiento local dependía de tres palancas: ficha de Google Business Profile bien completada, reseñas consistentes y citas NAP (nombre, dirección, teléfono) uniformes en directorios. Esas señales siguen importando, pero ya no son suficientes para capturar toda la demanda local. El SEO local con IA generativa añade una capa de complejidad que estas palancas clásicas no cubren.
El problema es estructural. Cuando un usuario teclea en Google Maps, el sistema devuelve resultados de proximidad y relevancia dentro de su índice local. Cuando ese mismo usuario le pregunta a un motor generativo, el sistema sintetiza una respuesta a partir de contenido web, reseñas, directorios y datos de entrenamiento. Son dos procesos de recuperación completamente distintos, y optimizar solo para uno deja sin cubrir el otro. Entender esta diferencia es el primer paso para abordar el SEO local con IA generativa de forma eficaz.
Un estudio de SearchAtlas que analizó 104.855 citas de URL generadas por OpenAI, Gemini, Perplexity, Grok, Copilot y Google AI Mode concluyó que la relevancia semántica es el factor con correlación más fuerte y consistente con el posicionamiento local en LLM. La autoridad de dominio, los datos estructurados y la visibilidad en el mapa influyen, pero de forma inconsistente según el modelo.
La implicación directa es que un negocio con una ficha de Maps impecable pero sin contenido web que responda preguntas locales puede ser invisible para los LLM. Y esa invisibilidad no aparece en ningún informe de posición orgánica. Es precisamente el problema central que el SEO local con IA generativa viene a resolver.
Google Maps y LLM no son canales alternativos, son complementarios con audiencias distintas
Antes de reorganizar toda tu estrategia de SEO local con IA generativa, conviene entender dónde está realmente tu audiencia. No todos los negocios locales tienen el mismo mix de canales, y la distribución importa antes de decidir dónde invertir.
Ver los datos
¿Qué tipo de decisión toma tu cliente antes de contactarte?
- Compra sencilla o impulsiva → Prioriza Google Maps. El usuario ya sabe lo que quiere y solo necesita ubicación y horario. Maps es el prescriptor más eficaz.
- Servicio complejo o de alto im → Prioriza LLM y SEO generativo. El usuario busca al más fiable, no al más cercano. Los motores generativos son determinantes en esta fase.
En nuestra experiencia trabajando con negocios locales en Narratias SXO, lo que observamos es consistente con la intuición: el canal depende del tipo de decisión. Para compras sencillas o impulsivas —un restaurante cerca, una ferretería abierta ahora—, Google Maps sigue siendo eficaz. El usuario sabe lo que quiere y solo necesita ubicación y horario.
Pero cuando hablamos de productos o servicios complejos, o de aquellos que afectan de forma determinante en la vida de las personas —un abogado, una clínica, una reforma, un asesor financiero—, los buscadores y ahora los motores generativos son determinantes. El usuario no busca el más cercano: busca el más fiable, el que mejor entiende su problema, el que otros recomiendan con argumentos. En estos sectores, el SEO local con IA generativa tiene un impacto directo en la captación de clientes.
Esto significa que la pregunta no es «¿Maps o LLM?» sino «¿qué tipo de decisión toma mi cliente antes de contactarme?». La respuesta a esa pregunta define cuánto peso relativo dar a cada canal y cuánta inversión destinar al SEO local con IA generativa frente a las tácticas tradicionales.
Las señales de localidad que los LLM usan para citarte (y las que ignoran)
Los motores generativos no leen fichas de Google Maps directamente. Recuperan contenido web, directorios, reseñas y datos de entrenamiento para construir sus respuestas. Esto significa que las señales que hacen que un LLM asocie tu negocio a una ubicación son distintas de las que usa Google Maps. Comprender estas diferencias es fundamental para ejecutar el SEO local con IA generativa de forma eficiente.
Señales que sí funcionan para la visibilidad local en LLM
La consistencia NAP entre plataformas sigue siendo relevante: los LLM la usan para confirmar que el negocio existe como entidad real y reducir la ambigüedad en sus respuestas. Una dirección distinta en tu web, en Yelp y en tu ficha de Maps introduce ruido que el modelo resuelve omitiendo la mención. En el SEO local con IA generativa, la consistencia de datos es higiene básica irrenunciable.
Las reseñas con contexto geográfico y de servicio son una señal de localidad muy potente. Cuando una reseña menciona el barrio, el tipo de servicio y el resultado obtenido, el LLM la lee como evidencia verificable de que el negocio opera en esa ubicación y resuelve ese problema.
El contenido web que responde preguntas locales concretas —«cuánto cuesta una reforma de baño en Madrid», «qué hacer si me deniegan una hipoteca en Barcelona»— es el activo más infravalorado del posicionamiento local en LLM. Los motores generativos extraen fragmentos de páginas que responden directamente a la pregunta del usuario. En la práctica del SEO local con IA generativa, este tipo de contenido es el que genera más citas sostenidas.
El schema markup de LocalBusiness con subtipo específico (Dentist, LegalService, AutoRepair…) ayuda al modelo a parsear entidades con precisión. La documentación oficial de schema.org lista los subtipos disponibles y los campos prioritarios: name, address, geo, telephone, openingHours y areaServed son los que más información de localidad aportan. Implementarlo correctamente es una de las acciones técnicas más directas del SEO local con IA generativa.
Señales que los LLM valoran menos de lo que esperarías
La proximidad geográfica pura —estar a 200 metros del usuario— tiene mucho menos peso en los LLM que en Google Maps. El modelo no tiene acceso en tiempo real a la ubicación del usuario salvo que se la proporcione explícitamente. Este es uno de los contrastes más llamativos entre el SEO local tradicional y el SEO local con IA generativa.
El número de reseñas sin contenido —puntuaciones de cinco estrellas sin texto— aporta poco a la visibilidad en LLM. Lo que el modelo puede extraer y citar es el texto, no la nota numérica.
| Señal | ¿Funciona en LLM? | Por qué |
|---|---|---|
| Consistencia NAP (nombre, dirección, teléfono) | ✅ Sí (higiene básica) | Confirma la entidad y reduce ambigüedad en el modelo |
| Reseñas con contexto geográfico y de servicio | ✅ Sí (alta palanca) | El texto es contexto recuperable y citable por el LLM |
| Contenido web que responde preguntas locales | ✅ Sí (máxima palanca) | El LLM extrae fragmentos directamente para sintetizar respuestas |
| Schema LocalBusiness con subtipo específico | ✅ Sí (señal técnica) | Facilita el parseo de entidades; subtipo específico > genérico |
| Menciones editoriales externas (prensa, blogs) | ✅ Sí (autoridad) | El LLM las lee como señal de autoridad independiente |
| Proximidad geográfica pura (metros al usuario) | ❌ No (irrelevante) | El LLM no tiene acceso a la ubicación en tiempo real |
| Reseñas de 5 estrellas sin texto | ❌ No (ruido) | La nota numérica no es extraíble ni citable |
| Ficha de Google Business Profile sin web de respaldo | ❌ Insuficiente | Los LLM no leen Maps directamente; necesitan contenido web |
ChatGPT, Gemini y Perplexity no se comportan igual ante consultas locales
Uno de los errores más frecuentes al diseñar una estrategia de SEO local con IA generativa es tratar los tres grandes modelos como si fueran equivalentes. No lo son, y las diferencias son lo suficientemente relevantes como para condicionar qué tipo de contenido priorizar.
Perplexity realiza recuperación web en tiempo real en cada consulta. Esto significa que el contenido reciente y las fuentes con alta presencia en Google tienen más probabilidades de ser citadas. El estudio de SearchAtlas sobre solapamiento LLM-SERP confirma que Perplexity muestra un solapamiento de dominio del 25-30% con los resultados de Google, el más alto de los tres modelos. Para el SEO local con IA generativa, esto implica que el rendimiento en Google sigue siendo una base relevante.
ChatGPT (OpenAI) combina datos de entrenamiento con acceso web opcional. Cuando la búsqueda web está desactivada, tira de conocimiento interno, lo que favorece a negocios con presencia editorial consolidada y menciones en fuentes de alta autoridad. OpenAI y Gemini recuperan una proporción mayor de URLs de páginas internas, lo que indica que el contenido específico y profundo tiene más peso que la homepage. En el contexto del SEO local con IA generativa, esto refuerza la apuesta por páginas de servicio detalladas con contexto geográfico.
Gemini muestra el comportamiento más concentrado: tiende a anclar su respuesta en un dominio primario por consulta y cita el rango más estrecho de fuentes de los tres. Un estudio de atribución publicado en arXiv señala que Gemini no proporciona citas en una proporción muy elevada de sus respuestas, lo que hace que el mention rate sea aquí más importante que el citation rate. En la práctica del SEO local con IA generativa orientado a Gemini, la autoridad de marca pesa más que la cantidad de fuentes enlazadas.
Cómo auditar tu visibilidad local en motores generativos
Auditar la visibilidad local en LLM no requiere herramientas de pago para empezar. El proceso más fiable es también el más directo: pregunta a los modelos como si fueras tu cliente. Esta auditoría es el primer diagnóstico real de tu situación actual en el SEO local con IA generativa.
Ver los datos
- Define tus consultas: Entre 10 y 20 preguntas que haría tu cliente: ciudad, barrio, tipo de servicio y problema concreto.
- Lanza las consultas: Prueba en ChatGPT, Gemini y Perplexity con sesiones limpias, sin historial previo.
- Registra los resultados: Anota si tu negocio aparece, en qué posición y con qué atributos te describen.
- Mide el mention rate: Porcentaje de consultas rastreadas en las que tu negocio es mencionado.
- Mide el citation rate: Porcentaje de consultas en las que tu dominio aparece como fuente enlazada. Es el objetivo de la optimización de contenido.
Define entre diez y veinte consultas que tu cliente potencial haría a un asistente generativo. Incluye variaciones con nombre de ciudad, barrio, tipo de servicio y problema concreto. Lanza esas consultas en ChatGPT, Gemini y Perplexity con sesiones limpias. Registra si tu negocio aparece, en qué posición dentro de la respuesta y con qué atributos te describen.
Las métricas que importan son dos: mention rate (en qué porcentaje de tus consultas rastreadas aparece tu negocio mencionado) y citation rate (en qué porcentaje aparece tu dominio como fuente enlazada). Estas dos cifras divergen más de lo que parece: puedes ser mencionado sin ser citado como fuente. Ambas métricas son el termómetro básico del SEO local con IA generativa.
Benchmarks orientativos de mention rate y citation rate
| Métrica | Bajo (señal de alerta) | Medio (punto de partida) | Alto (objetivo a consolidar) |
|---|---|---|---|
| Mention rate (negocio mencionado en la respuesta) | < 15% de consultas | 15% – 40% | > 40% |
| Citation rate (dominio enlazado como fuente) | < 10% de consultas | 10% – 25% | > 25% |
Un dato relevante: según datos de Position Digital, el 61,7% de las citas en LLM son «citas fantasma» —el dominio recibe un enlace de fuente pero el nombre del negocio no aparece en el texto de la respuesta—. Esto significa que un citation rate alto no garantiza visibilidad de marca; necesitas trabajar ambas métricas en paralelo. En el SEO local con IA generativa, el mention rate sin citation rate es visibilidad sin tráfico.
Herramientas para rastrear mention rate y citation rate
- AEO Grader de HubSpot (gratuito): calcula un score de visibilidad en IA combinando citation rate, share of voice y cobertura de schema markup en ChatGPT, Perplexity y Gemini.
- Otterly.ai (de pago, con prueba gratuita): rastrea menciones de marca en respuestas generadas por IA e identifica en qué consultas concretas aparece tu contenido.
- Profound (de pago): ofrece seguimiento diario de menciones en IA con datos de visibilidad, share of voice y análisis de sentimiento de las citas.
Si el presupuesto no permite herramientas de pago, un Google Sheet con 20-30 consultas clave, columnas por motor y registro mensual del citation rate es suficiente para detectar tendencias y medir el impacto de las acciones de GEO local a lo largo del tiempo. Este método manual es perfectamente válido para empezar a hacer SEO local con IA generativa de forma sistemática. Narratias SXO incluye entre sus métricas de salud del blog una comprobación de si los robots de ChatGPT y Perplexity pueden rastrear la web, lo que complementa el seguimiento manual de menciones con un diagnóstico técnico de accesibilidad para los LLM.
Qué tipo de contenido local funciona en LLM y cuánto dura
No todo el contenido local tiene el mismo comportamiento en los motores generativos. La distinción entre contenido evergreen y contenido temporal es especialmente relevante cuando el objetivo es el SEO local con IA generativa, porque los modelos priorizan contenido que responde a intenciones estables sobre el que cubre eventos puntuales.
El contenido evergreen local —guías de servicio, comparativas de opciones, respuestas a preguntas frecuentes con contexto geográfico— genera visibilidad sostenida porque el modelo lo recupera cada vez que alguien hace una consulta con esa intención. Una página que responde «qué preguntar a un abogado de divorcios en Sevilla» tiene una vida útil de años en los LLM, siempre que se mantenga actualizada. En el SEO local con IA generativa, este tipo de contenido es la inversión con mayor retorno a largo plazo.
El contenido temporal —eventos, promociones, noticias locales— puede generar picos de visibilidad a corto plazo, especialmente en modelos con acceso a web en tiempo real como Perplexity o el modo de búsqueda de ChatGPT. Pero su vida útil en el índice de los LLM es corta.
La estrategia más eficiente combina ambos: una base de contenido evergreen que genere visibilidad sostenida en LLM, complementada con contenido temporal que capture demanda de actualidad en los modelos con búsqueda en tiempo real. Esta combinación es la columna vertebral de cualquier plan de SEO local con IA generativa bien estructurado.
¿Con qué frecuencia revisar el contenido evergreen? La pauta operacional que aplicamos en Narratias SXO es la siguiente: revisión cada 6 meses como mínimo, y revisión inmediata cuando cambia la oferta de servicio, los precios de referencia del sector, la normativa aplicable o el contexto geográfico. Mantener el contenido actualizado es parte del mantenimiento continuo del SEO local con IA generativa.
Cómo competir con portales y agregadores en las respuestas generativas locales
Aquí está el reto más incómodo del SEO local con IA generativa: cuando un LLM responde a «mejores fisioterapeutas en Zaragoza», lo más probable es que cite a Doctoralia, Tuotromedico o un portal de reseñas antes que a la web de cualquier clínica individual. Los agregadores tienen autoridad editorial acumulada, volumen de reseñas y estructura de datos que los hace muy citables para los modelos.
¿Significa eso que un negocio local no puede competir en el SEO local con IA generativa? No exactamente. Significa que la competencia se desplaza hacia la especificidad y la autoridad temática local. Un portal generalista sabe un poco de todo; un negocio local puede saber mucho de su problema concreto en su ciudad concreta.
La estrategia que funciona en este contexto tiene tres ejes:
Eje 1: construir topical authority local
Publicar contenido en profundidad sobre el problema que resuelves, con contexto geográfico explícito, de forma que el modelo te reconozca como la fuente más especializada en ese tema en esa ubicación. Este es el núcleo del SEO local con IA generativa orientado a competir con agregadores. Un ejemplo concreto: una clínica de fisioterapia en Madrid que publicó una guía detallada sobre «recuperación de lesiones de menisco en Madrid: tiempos, fases y preguntas al especialista» empezó a aparecer citada en Perplexity para consultas sobre fisioterapia deportiva en la capital, desplazando a Doctoralia en esa consulta específica. En Narratias SXO, este trabajo se estructura desde el principio en clusters temáticos —un artículo pilar y sus satélites con enlazado interno— para que el modelo perciba al negocio como la fuente más completa sobre ese tema en esa ubicación.
Eje 2: generar menciones editoriales externas
Prensa local, blogs del sector, colaboraciones con medios regionales. Los LLM leen esas menciones como señales de autoridad independiente. Según datos de investigación sobre GEO, las menciones en la web superan a los backlinks en una proporción de 3 a 1 como predictor de aparición en AI Overviews. En el SEO local con IA generativa, las menciones editoriales externas son el equivalente moderno de los enlaces de autoridad.
Eje 3: optimizar las reseñas como contenido
Animar a los clientes a describir el servicio, el problema resuelto y la ubicación en sus reseñas convierte cada valoración en una señal de localidad recuperable. En Narratias SXO trabajamos la reputación editorial local como un activo estratégico del SEO local con IA generativa, no como una consecuencia del buen servicio.
Limitaciones y riesgos reales del GEO local
El SEO local con IA generativa ofrece oportunidades reales, pero el cuadro quedaría incompleto sin mencionar sus límites.
El primero es la opacidad de los modelos: a diferencia de Google, donde las señales de posicionamiento están relativamente documentadas, los LLM no publican sus criterios de selección de fuentes. No puedes forzar que un modelo te cite, y los cambios de versión pueden alterar tu visibilidad de un día para otro sin previo aviso. Esta opacidad es una de las principales diferencias entre el SEO local con IA generativa y el SEO tradicional.
El segundo es el riesgo de alucinaciones. Los LLM pueden mencionar tu negocio con datos incorrectos —horarios desactualizados, servicios que no ofreces, ubicaciones erróneas—. Según el benchmark GhostCite de 2025, las tasas de alucinación en citas varían entre el 14% y el 95% según el modelo. La mejor defensa es la consistencia NAP y el contenido estructurado. En el SEO local con IA generativa, prevenir alucinaciones es tan importante como generar menciones.
El tercero es la brecha entre visibilidad y tráfico. Ser mencionado en un LLM no garantiza un clic a tu web. La visibilidad generativa local construye reputación y autoridad percibida, pero el volumen de tráfico directo desde estos canales sigue siendo modesto comparado con el orgánico tradicional.
El error de fondo que cometen la mayoría de negocios locales
Hay algo que, en nuestra experiencia con clientes locales en Narratias SXO, sigue sorprendiendo: la mayoría todavía no ha interiorizado que la IA ya forma parte del proceso de decisión de sus clientes, no del futuro. La ven como un juguete para crear imágenes o generar textos, no como el canal por el que una parte de su audiencia ya está tomando decisiones de compra. Esta percepción errónea es el mayor obstáculo para adoptar el SEO local con IA generativa a tiempo.
Este punto ciego tiene consecuencias prácticas. Si no percibes la IA como un canal de descubrimiento real, no inviertes en optimizar para él. Y mientras tanto, tus competidores que sí practican el SEO local con IA generativa van acumulando visibilidad en LLM que tú no estás midiendo ni disputando.
La buena noticia es que el punto de partida no es complejo. Necesitas entender qué preguntas hace tu cliente antes de contactarte y asegurarte de que tu contenido responde a esas preguntas de forma clara, específica y con contexto geográfico. Ese es el principio más sencillo y más poderoso del SEO local con IA generativa.
El SEO local con IA generativa no reemplaza al SEO tradicional ni a Google Maps. Lo amplía. Las señales que construyes para Google también alimentan a los LLM, pero hay señales adicionales —contenido extraíble, autoridad editorial, especificidad temática local— que solo existen si las construyes activamente. Ahí reside el valor diferencial de apostar por el SEO local con IA generativa como parte integral de tu estrategia de visibilidad. Narratias SXO está pensada para construir esas señales de forma continua: propone qué escribir, redacta los artículos con datos verificados y los publica directamente en WordPress, para que el contenido local que los LLM necesitan se acumule sin que el negocio tenga que gestionar redactores.
Preguntas frecuentes sobre SEO local con IA generativa
¿El SEO local con IA generativa reemplaza a Google Maps?
No. Google Maps y los motores generativos son canales complementarios con lógicas distintas. Maps sigue siendo muy eficaz para compras impulsivas o de baja complejidad donde el usuario ya sabe lo que quiere. Los LLM son más determinantes en decisiones complejas o de alto impacto, donde el usuario busca orientación antes de elegir. La estrategia óptima de SEO local con IA generativa cubre ambos canales, con peso relativo ajustado al tipo de negocio y al tipo de decisión que toma el cliente.
¿Qué es el GEO local y en qué se diferencia del SEO local tradicional?
GEO local (Generative Engine Optimization local) es la práctica de optimizar el contenido y las señales de un negocio para aparecer citado en las respuestas de motores generativos como ChatGPT, Gemini o Perplexity cuando el usuario hace consultas con intención local. Es, en esencia, el núcleo operativo del SEO local con IA generativa. A diferencia del SEO local tradicional, que optimiza para el pack de Maps y los resultados orgánicos de Google, el GEO local trabaja la citabilidad del contenido, la autoridad editorial y la consistencia de entidad entre plataformas.
¿Cómo sé si mi negocio aparece en las respuestas de los LLM?
El método más directo es manual: lanza en ChatGPT, Gemini y Perplexity las consultas que haría tu cliente potencial —con nombre de ciudad, tipo de servicio y problema concreto— en sesiones limpias sin historial. Registra si tu negocio aparece mencionado y si tu dominio es citado como fuente. Repite el proceso mensualmente para detectar tendencias. Para automatizar este rastreo puedes usar AEO Grader de HubSpot (gratuito), Otterly.ai o Profound, pero el proceso manual es suficiente para empezar a auditar tu SEO local con IA generativa.
¿Las reseñas de Google ayudan a aparecer en los motores generativos?
Sí, pero no de la forma en que lo hacen para Google Maps. Los LLM valoran el contenido textual de las reseñas —especialmente cuando mencionan el tipo de servicio, la ubicación y el resultado obtenido— como señal de localidad y de autoridad. Una reseña de cinco estrellas sin texto aporta poco a la visibilidad en LLM. Una reseña que describe el problema resuelto, el barrio y el profesional que atendió es contenido recuperable y citable. Optimizar las reseñas como contenido es una de las tácticas más accesibles y de mayor impacto en el SEO local con IA generativa.
¿Qué tipo de contenido web ayuda más al posicionamiento local en LLM?
El contenido que responde preguntas concretas con contexto geográfico explícito: guías de servicio por ciudad, comparativas de opciones locales, respuestas a dudas frecuentes con mención de la ubicación. Los LLM extraen fragmentos de páginas que responden directamente a la intención del usuario. Si tu web no tiene páginas con esas respuestas, no entras en la síntesis generativa. En el SEO local con IA generativa, el contenido evergreen local acumula visibilidad de forma sostenida; el contenido temporal puede generar picos pero tiene vida útil corta en los modelos.
¿Con qué frecuencia debo actualizar el contenido evergreen local?
La pauta recomendada es una revisión cada 6 meses como mínimo, y revisión inmediata cuando cambia la oferta de servicio, los precios de referencia del sector o la normativa aplicable. Las señales de alerta son claras: si el modelo empieza a citar a un competidor en tu lugar para una consulta que antes ganabas, o si la respuesta generada incluye datos que ya no coinciden con tu realidad actual, es momento de actualizar. Actualizar no siempre significa reescribir: a veces basta con añadir un párrafo nuevo o corregir una cifra desactualizada. Este ciclo de mantenimiento es parte esencial del SEO local con IA generativa a largo plazo.
¿Puede un LLM citar mi negocio con información incorrecta?
Sí, y es un riesgo real que conviene gestionar. Los modelos pueden aludir a horarios desactualizados, servicios que ya no ofreces o datos de contacto erróneos. La mejor defensa es mantener la consistencia NAP entre todas las plataformas y publicar contenido estructurado y verificable en tu web. Cuanto más clara y uniforme sea la información disponible sobre tu negocio, menos margen tiene el modelo para inferir datos incorrectos. Monitorizar periódicamente cómo te describe cada LLM es parte del mantenimiento básico del SEO local con IA generativa.
Fuentes
- How LLMs Rank Local Businesses: A Study of “Near Me” Query Citations
- 2025 AI Visibility Report: How LLMs Choose What Sources to Mention
- Tracking AI Citations: The 7 Metrics Most Tools Get Wrong
- 100+ AI SEO Statistics and Insights for 2026 (Updated August)
- 25 LLM Citation Statistics: What the Data Shows – Mentionova