Cómo medir la visibilidad en IA sin engañarse

Para medir la visibilidad en IA, construya un panel fijo de prompts basado en preguntas reales de la audiencia, ejecútelo periódicamente en ChatGPT, Gemini, Perplexity y Google AI Overviews y registre si su marca se menciona, se cita o se enlaza, y cómo se describe. Repita las ejecuciones, porque las respuestas varían, e informe de tendencias en lugar de resultados aislados.

¿Por qué es difícil medir la visibilidad en IA?

Por tres razones, y conviene decirlas en voz alta antes de que nadie construya un panel de control.

• Las respuestas no son deterministas. Haga la misma pregunta dos veces y puede obtener marcas distintas, fuentes distintas y una redacción distinta.
• Las respuestas son personalizadas y dependen del contexto. La ubicación, el historial de la cuenta, el contexto de la conversación y la versión del modelo modifican los resultados.
• No hay una «posición» publicada. A diferencia de un ranking de búsqueda, no existe una clasificación oficial que consultar, y la mayoría de las plataformas de IA ofrecen analíticas limitadas a las marcas.

Así que cualquier captura de pantalla aislada de un asistente que nombra su marca, o que no lo hace, es una anécdota. Medir significa muestrear.

¿Qué debe medir?

En SNMRush seguimos cuatro capas, en línea con nuestro nombre: Search, Neural answers y Mentions.

1. Presencia: el porcentaje de prompts en los que se menciona su marca.
2. Citación: el porcentaje en el que una de sus páginas aparece como fuente o se enlaza.
3. Precisión: si la descripción es correcta (categoría, oferta, ubicación, sin confusión con otras marcas).
4. Cuota de menciones: con qué frecuencia aparece usted en relación con competidores concretos en el mismo panel.

Junto a ellas, mantenga las métricas de búsqueda clásicas, porque muchas respuestas de IA se basan en resultados de búsqueda: los rankings para las mismas preguntas, las impresiones de Search Console y el tráfico de referencia de herramientas de IA en sus analíticas (fuentes como chatgpt.com o perplexity.ai ya aparecen en muchos informes de referencias).

¿Cómo se construye un panel de prompts?

El panel es el núcleo del método, y su calidad decide si las cifras significan algo.

La mayoría de los equipos empiezan haciendo una lluvia de ideas de prompts en una reunión. El resultado es una lista de preguntas que haría el equipo de marketing, que rara vez coinciden con las que hacen los clientes. Nosotros construimos los paneles a partir de evidencias. SNMRush utiliza SOMIN, una plataforma de investigación de audiencias con IA, para hacer aflorar las preguntas y tensiones que la gente expresa sobre una categoría en conversaciones sociales reales, y formulamos los prompts con el propio lenguaje de la audiencia. El método se describe en cómo encontrar las preguntas que hace su audiencia.

Un panel equilibrado suele incluir:

• Preguntas de categoría: «¿Cuál es la mejor manera de…?», «¿Qué herramientas ayudan con…?»
• Preguntas sobre problemas: las tensiones que hay detrás de la búsqueda, formuladas como las formula la gente.
• Preguntas comparativas: «X frente a Y», «alternativas a X».
• Preguntas de marca: «¿Qué es [marca]?», «¿Es [marca] buena para…?»
• Variantes locales si opera en más de un mercado.

Entre cincuenta y ciento cincuenta prompts es un rango manejable para la mayoría de las marcas. Congele el panel durante un trimestre para que las tendencias sean comparables.

¿Con qué frecuencia conviene ejecutarlo?

Una vez al mes basta para la mayoría de las marcas, ejecutando cada prompt varias veces por motor para suavizar la variación. Registre la fecha, el motor, el modo (por ejemplo, con o sin búsqueda web), la ubicación y la respuesta completa. Conserve las respuestas en bruto; querrá releerlas cuando una cifra cambie.

Definiciones

• Panel de prompts: una lista fija de preguntas que se usa para muestrear las respuestas de IA a lo largo del tiempo.
• Tasa de presencia: porcentaje de ejecuciones del panel que mencionan su marca.
• Tasa de citación: porcentaje de ejecuciones que muestran su dominio como fuente.
• Cuota de menciones: sus menciones como proporción de todas las menciones de marca seguidas en el panel.

¿Cuáles son los errores más comunes?

• Informar de una sola ejecución. Una respuesta es una muestra de uno.
• Cambiar el panel cada mes. Se pierde la comparabilidad.
• Contar menciones sin leerlas. Una mención que le describe mal es un problema, no un logro.
• Atribuirse causalidad. Si la presencia aumenta después de publicar una página, es alentador, no una prueba. Los modelos se actualizan, los competidores cambian y los motores ajustan la recuperación.
• Olvidarse del dinero. La visibilidad es un medio. Vincúlela a consultas comerciales e ingresos siempre que pueda.

Ese último punto merece énfasis. Nuestra aplicación hermana FMedia defiende, en medios pagados, que el ROAS de vanidad oculta el verdadero beneficio; el equivalente en visibilidad en IA es un recuento de menciones creciente que nunca se convierte en una conversación con un comprador. Siga las conversiones asistidas y el origen de las consultas comerciales junto con las métricas de visibilidad.

¿Cómo deben presentarse los resultados?

Lo que mejor funciona es un informe mensual de una página: las cuatro tasas principales con líneas de tendencia, los prompts que más se movieron, tres ejemplos de respuestas citadas textualmente, las fuentes que más citaron los motores de IA en su categoría y una breve lista de acciones. La página de informes de SOMIN muestra una filosofía similar aplicada a los informes de marketing en general: cada cifra debe poder rastrearse hasta las evidencias que la respaldan.

Para hacerse una idea de cómo las agencias integran los informes basados en evidencias en la relación con un cliente, merece la pena echar un vistazo al caso de éxito de Analytic Partners.

¿Cómo es una buena línea de base?

No existe una referencia universal, y debería desconfiar de quien cite una. Una buena línea de base es simplemente su propio primer trimestre de datos, medido de forma coherente. A partir de ahí, las preguntas se vuelven prácticas: qué prompts no nos mencionan nunca, qué fuentes citan los motores en nuestro lugar y qué haría falta para convertirnos en la mejor fuente.

Un consejo práctico más: registre el modelo o el modo que indica cada motor cuando esté visible. Cuando una plataforma lanza un nuevo modelo, los resultados pueden cambiar de la noche a la mañana, y querrá separar eso del efecto de su propio trabajo.

Ahí es donde la medición vuelve a convertirse en trabajo: las respuestas señalan el contenido con la respuesta primero que hay que redactar, las entidades que hay que aclarar y las menciones que hay que ganar. Mida con honestidad, actúe sobre las carencias y vuelva a medir.

Preguntas frecuentes

¿Puedo seguir la visibilidad en IA en Google Search Console?

Search Console incluye el tráfico de AI Overviews y AI Mode dentro del rendimiento general de búsqueda, pero no lo desglosa en detalle. Para ver las menciones y las descripciones hace falta un panel de prompts.

¿Cuántos prompts debe tener un panel de visibilidad?

Entre cincuenta y ciento cincuenta es manejable para la mayoría de las marcas, ejecutando cada uno varias veces por motor al mes y congelando el panel al menos un trimestre.

¿Son precisas las herramientas de visibilidad en IA?

Son útiles para muestrear a escala, pero todas se enfrentan a la misma variabilidad. Compruebe cómo ejecutan los prompts, con qué frecuencia y si puede leer las respuestas en bruto.