Contenido evergreen: por qué «escribirlo una vez» ya no funciona ni en Google ni en IA
Si buscas «qué es contenido evergreen» en Google, vas a encontrar decenas de artículos que repiten la misma promesa: escribe un texto atemporal, publícalo una vez y disfruta de tráfico constante durante años sin apenas mantenimiento. Es una idea cómoda, fácil de vender en una propuesta de contenidos y prácticamente universal en el sector. También es, a estas alturas de 2026, una simplificación que los propios datos de rendimiento contradicen.
No digo que el concepto de «evergreen» no exista, hay temas que son más estables que otros: definiciones, tutoriales estructurales, glosarios. El problema es la conclusión operativa que se suele extraer de ahí: que ese tipo de contenido «no caduca», que «la fecha de publicación es irrelevante» y que basta con crearlo una vez.
Esa lectura ignora tanto el comportamiento documentado de los algoritmos de búsqueda tradicionales como, sobre todo, el funcionamiento de los motores de respuesta basados en IA, donde la recencia no es un matiz, es uno de los señales de ranking más fuertes que existen.
Ver LLMs y contenido reciente: Por qué tu web envejece más rápido de lo que crees
Vamos a analizar la promesa del evergreen de que con crearlo ya tenemos suficiente para posicionar en Google y motores de IA en 2026 con los datos que sí tenemos, y a plantear qué podmeos hacer en su lugar.
Lo que dicen los estudios sobre el «no requiere actualizaciones»
La idea de que un contenido evergreen se puede crear una vez y dejar en piloto automático no resiste el contraste con los estudios de decaimiento de contenido (content decay). Un análisis de Ahrefs sobre grandes volúmenes de páginas encontró que el 66% de las páginas con más de dos años de antigüedad experimenta una caída de tráfico. En la misma línea, el 96,55% de todo el contenido indexado por Google recibe cero visitas orgánicas, una parte relevante de ese porcentaje corresponde a páginas que en su día sí funcionaron y que se fueron apagando sin que nadie lo detectara a tiempo, precisamente porque nadie las estaba revisando.
Esto no significa que todo contenido antiguo decaiga igual ni al mismo ritmo, este fenómeno varía por nicho y por volatilidad temática, pero sí desmonta la premisa central del artículo que estamos auditando: que estos textos «se crean una vez y no requieren de actualizaciones constantes».
Los datos apuntan a lo contrario: la ausencia de actualización es, con mucha frecuencia, la causa del propio decaimiento, no una consecuencia irrelevante de la naturaleza «atemporal» del tema.
Google lleva desde 2007 penalizando la lectura literal de «atemporal»
Algunos artículos afirman que «la fecha de publicación es irrelevante» en contenido evergreen. Aquí conviene ser precisos, porque Google diferencia entre dos cosas que el artículo mezcla: la naturaleza del tema y el comportamiento del algoritmo frente a ese tema.
Desde 2007, Google cuenta con el sistema Query Deserves Freshness (QDF), descrito públicamente por Amit Singhal, entonces ingeniero de Google, en una entrevista con el New York Times. El sistema fue diseñado para determinar cuándo los usuarios quieren información nueva y cuándo, evaluando si un tema está «caliente» en función de la actividad reciente en noticias y blogs sobre esa consulta. QDF actúa como interruptor: cuando se activa, puede sustituir temporalmente páginas consolidadas y de alta autoridad por contenido publicado apenas horas antes.
El matiz que suele perderse es que QDF no es la única vía por la que la recencia importa. Incluso en consultas que no son claramente «calientes», los diversos profesionales del sector recomiendan como buena práctica actualizar el contenido al menos una vez cada 9-12 meses para señalar a Google que sigue siendo relevante, una recomendación que, de nuevo, contradice frontalmente la idea de «publicar y olvidar».
Ver ¿Qué hacer con el contenido antiguo de tu web?. Actualizarlo o eliminarlo
Motores de respuesta con IA. Donde el mito se rompe del todo
Si en SEO tradicional la premisa del evergreen ya es discutible, en los motores generativos es directamente insostenible. Este patrón conecta con lo que ya analizamos en nuestra auditoría de chunking para contenido extraíble por IA: no basta con que la información sea correcta, también tiene que ser recuperable y estar vigente en el momento en que el modelo construye su respuesta.
Tres líneas de evidencia, de naturaleza distinta, apuntan todas en la misma dirección:
1. Estudio académico controlado. Investigadores de la Universidad de Waseda presentaron en SIGIR 2025 un experimento que aisló el efecto de la fecha de publicación sobre siete modelos (GPT-3.5-turbo, GPT-4o, GPT-4, LLaMA-3 8B/70B y Qwen-2.5 7B/72B). Al inyectar fechas de publicación artificiales sobre pasajes de texto idénticos, encontraron que los pasajes «frescos» son promovidos de forma consistente, desplazando el año medio de publicación del Top-10 hasta 4,78 años hacia adelante y moviendo elementos individuales hasta 95 posiciones en los experimentos de reordenación por listas.
Es decir: contenido con la misma información, mismo nivel de relevancia, pero con fecha más reciente, sube posiciones solo por eso. La preferencia entre dos pasajes con relevancia idéntica se puede llegar a invertir hasta en un 25% de media tras inyectar la fecha. Los modelos más grandes atenúan el efecto, pero ninguno lo elimina.
2. Comportamiento observado en producción. Un análisis de Seer Interactive sobre logs de bots de IA encontró que cerca del 65% de las visitas de estos bots corresponden a contenido publicado en el último año, y el 79% a contenido de los últimos dos años. Y no es un patrón homogéneo: en sectores con mayores cambios de regulación como finanzas o normativa laboral la ventana se estrecha todavía más, mientras que en turismo o energía se amplía algo, pero en ningún caso desaparece.
3. Brecha directa frente a búsqueda orgánica tradicional. Ahrefs comparó la antigüedad media de las URLs citadas por asistentes de IA frente a las que aparecen en resultados orgánicos para las mismas consultas: las URLs citadas por asistentes de IA son un 25,7% más recientes que los resultados orgánicos tradicionales para las mismas búsquedas. Es la prueba más directa de que «lo que funciona en Google» y «lo que cita una IA» no tienen el mismo criterio de evaluación.
Por qué la fecha no es un simple matiz técnico en la IA
El contenido evergreen surge, históricamente, en oposición a la noticia efímera. El problema es que esa dicotomía (evergreen vs. noticia) fue pensada para un ecosistema donde el buscador devolvía una lista de enlaces y el usuario decidía cuál abrir. En un ecosistema donde un modelo de lenguaje sintetiza la respuesta y decide qué fuente citar, la variable «fecha» pasa de ser un desempate a ser, en la práctica, un filtro de entrada: si tu contenido no aparece en la ventana temporal que el modelo pondera con más peso, ni siquiera compite por la cita, aunque el contenido en sí sea correcto y completo.
Todo esto no invalida la idea de crear contenido de referencia sobre temas estables ni mucho menos. Invalida la conclusión operativa de tratarlo como una inversión de mantenimiento cero.
La pregunta que debes hacerte al redactar este tipo de contenido duradero no es si «¿este tema caduca?», sino «¿qué señales de actualidad puedo mantener activas sobre este tema sin cambiar su fondo?», fecha de dateModified real y verificable, datos y ejemplos renovados, referencias a cambios normativos o de producto, sección de cambios visible para el usuario.
Ejemplos de contenido evergreen (y por qué ninguno se libra del mantenimiento)
Vale la pena analizar algunos casos concretos, porque el error no está en la lista de formatos, com te decía, sino en tratarlos como si el tipo de contenido garantizara por sí solo la permanencia:
- Definiciones y glosarios («qué es el link building», «qué es el CTR»). El concepto de fondo apenas cambia, pero la forma en que Google y los LLMs lo interpretan sí: un glosario de 2021 sobre schema markup, por ejemplo, puede seguir siendo correcto y aun así quedar fuera de las citas de IA si no incorpora los tipos de schema o los cambios de política más recientes.
- Tutoriales y guías paso a paso («cómo instalar un certificado SSL», «cómo configurar Google Search Console»). Son evergreen en el problema que resuelven, pero las interfaces, versiones de software y capturas de pantalla que contienen caducan con cada actualización del producto, y un tutorial con capturas desactualizadas es una de las señales más claras de baja calidad para el usuario.
- Listados de recursos o herramientas («los mejores plugins de WordPress para SEO»). Son los más frágil de su lista («deberán ser actualizados una vez al año»), lo cual ya contradice la idea de mantenimiento cero que defiende en el resto del texto.
- Guías normativas o regulatorias («requisitos legales para una tienda online en España»). Aquí el evergreen es el marco general, pero la letra pequeña cambia con cada actualización legal, es el tipo de contenido donde el sesgo de recencia de los LLMs pega más fuerte, porque un modelo que cita una norma derogada genera un riesgo real para quien confía en esa respuesta.
- Preguntas frecuentes de nicho («cuánto tiempo tarda en indexarse una web nueva»). La pregunta no caduca, pero la respuesta sí puede hacerlo si cambian los tiempos medios de rastreo o el comportamiento del algoritmo, algo que ha ocurrido varias veces en los últimos años.
El patrón común: en los cinco casos hay un núcleo conceptual estable y una capa de datos, ejemplos o referencias que sí se degrada con el tiempo. Tratar el conjunto como «atemporal» porque el núcleo lo es, es precisamente la simplificación que los datos de decaimiento y de sesgo de recencia desmontan.
Qué hacer para adaptar el contenido evergreen frente al decaimiento de contenido
- Trata cada pieza «evergreen» como un activo con calendario de revisión, no como un proyecto cerrado. Un ciclo de revisión cada 6-12 meses, ajustado según la volatilidad del tema, es más coherente con la evidencia que una publicación única.
- Diferencia entre curación superficial y actualización real. Cambiar solo la fecha sin tocar el contenido es una práctica que los propios sistemas de calidad de Google han señalado como potencialmente engañosa; la actualización debe reflejarse en el cuerpo del texto, no solo en el metadato.
- Audita qué porcentaje de tu contenido «evergreen» lleva más de dos años sin tocarse y cruébalo con tráfico orgánico y con menciones/citas en herramientas de tracking de IA (ChatGPT, Perplexity, AI Overviews) para detectar decaimiento de visibilidad en IA antes de que se traduzca en decaimiento de tráfico. Ten en cuenta además que ese decaimiento no siempre viene del propio artículo: a veces es la pérdida de fuerza de tus enlaces internos la que está drenando autoridad silenciosamente de tus páginas evergreen mejor posicionadas.
- No abandones el contenido evergreen, cambia el modelo de coste. El objetivo no es publicar más rápido, sino presupuestar de inicio el mantenimiento como parte del coste real de la pieza, no como un extra opcional.
Preguntas frecuentes sobre contenido evergreen
¿El contenido evergreen ya no sirve para SEO?
Sí sirve, pero no de la forma en que suele venderse. Sigue siendo una base sólida de arquitectura de contenidos y de captación de tráfico de cola larga, pero la premisa de que no requiere mantenimiento no se sostiene frente a los datos de decaimiento de contenido ni frente al sesgo de recencia documentado en motores de IA.
¿Cada cuánto hay que actualizar un artículo evergreen?
No hay una cifra oficial de Google, pero la práctica de consenso del sector apunta a una revisión cada 9-12 meses como mínimo, y con más frecuencia en temas regulados o de rápida evolución (normativa, finanzas, tecnología). En motores de IA, algunos análisis de sector sitúan la ventana de citación efectiva en cuestión de meses, no de años.
¿Qué es el sesgo de recencia en modelos de lenguaje?
Es la tendencia demostrada de los LLMs a favorecer contenido con fecha de publicación o actualización más reciente, incluso cuando dos textos tienen el mismo nivel de relevancia informativa. Un estudio académico presentado en SIGIR 2025 lo cuantificó probando siete modelos distintos y encontró desplazamientos de hasta 95 posiciones en el ranking solo por la fecha del contenido.
¿Actualizar solo la fecha de un artículo mejora su posicionamiento?
No de forma sostenible, y puede ser contraproducente si Google detecta que el contenido no cambió realmente. La señal de frescura debe acompañarse de cambios sustantivos en el cuerpo del texto para tener efecto real, tanto en buscadores tradicionales como en la evaluación que hacen los sistemas de IA sobre la fiabilidad de una fuente.
¿Qué diferencia hay entre QDF y el sesgo de recencia en IA?
QDF es un mecanismo específico de Google que se activa solo cuando una consulta muestra señales de «estar caliente» (picos de búsquedas o cobertura informativa). El sesgo de recencia en LLMs es más amplio y constante: opera como un factor de ponderación general en cómo el modelo reordena y selecciona fuentes, no solo en consultas de actualidad puntual.
¿Sabes qué porcentaje de tu contenido «evergreen» lleva más de dos años sin actualizarse y si sigue apareciendo en las respuestas de ChatGPT, Perplexity o AI Overviews para tus consultas clave? La mayoría de auditorías de contenido se centran solo en tráfico orgánico y pasan por alto la decadencia de visibilidad en IA, que suele producirse antes y de forma menos visible.
En seoinhouse.es hacemos auditorías de decaimiento de contenido y visibilidad en Google y motores generativos que incluyen: identificación de páginas en riesgo por antigüedad y pérdida de tráfico, priorización de qué actualizar primero según impacto, y verificación de presencia de citas en respuestas de IA para tus términos objetivo.
Si quieres saber en qué punto está tu contenido evergreen antes de que lo notes en las métricas, cuéntanos tu caso y lo revisamos sin compromiso. Contacta ahora con nuestra agencia Seo en Barcelona en el 653 030 694 y cuéntanos en qué fase está tu estrategia de marketing de contenidos para ver cómo podemos ayudarte a conseguir tus objetivos. Sin compromiso.
También puedes leer:
- 7 Consejos para actualizar tus contenidos
- Cuándo y cómo actualizar el contenido técnico industrial B2B
- Cómo escribir el post perfecto para SEO en 12 pasos
- GEO, AEO y AIO no son sinónimos: estas son las diferencias básicas
