Por qué el tráfico no cuenta toda la historia
La visibilidad en una respuesta de IA es la capacidad observable de una marca para aparecer y ser descrita de forma correcta en un conjunto definido de preguntas. El tráfico solo registra una parte: las sesiones que llegan después de un clic medible.
Una persona puede leer una recomendación, recordar la marca y comprar días después por otro canal. También puede recibir una respuesta sin enlaces, comparar alternativas dentro de la conversación o no visitar ningún sitio. Ninguno de esos casos aparece como una sesión referida, aunque la respuesta haya influido en la decisión.
Por eso conviene unir dos capas sin confundirlas. La primera es la exposición observada: qué contestó cada plataforma ante preguntas repetibles. La segunda es el resultado observable: visitas referidas, búsquedas de marca, oportunidades o ventas que el sistema de medición pueda registrar. La primera no demuestra impacto comercial y la segunda no revela toda la exposición.
Tampoco existe un equivalente perfecto de la posición orgánica. Las respuestas pueden cambiar entre ejecuciones, usuarios y mercados por el contexto, la ubicación, la configuración, la actualidad de las fuentes y el propio funcionamiento del sistema. Una consulta aislada no es una métrica; es una observación que solo adquiere sentido dentro de una serie comparable.
Define las preguntas que vas a repetir
Una batería de medición es una lista estable de prompts que representa las decisiones reales del público y se ejecuta bajo condiciones registradas. Su objetivo no es provocar una mención, sino comparar respuestas neutrales a lo largo del tiempo.
Parte del recorrido de compra: descubrir una categoría, entender un problema, comparar soluciones, revisar requisitos y elegir proveedor. Formula cada pregunta sin introducir tu marca, salvo en un bloque separado dedicado a exactitud. «¿Qué herramientas ayudan a gestionar reservas en una clínica pequeña?» sirve para medir descubrimiento; «¿Qué ofrece Marca X?» sirve para auditar descripción, pero no para calcular descubrimiento espontáneo.
Para cada prompt anota intención, país o mercado, idioma, tipo de cliente y plataforma. Mantén constantes esas variables en cada oleada. Si cambias una pregunta, consérvala como una nueva versión en vez de sobrescribir el histórico. Así evitas atribuir al contenido una diferencia causada por el método.
Esta auditoría complementa el trabajo de cómo aparecer en ChatGPT: primero haces que la información sea accesible y verificable; después observas si el sistema la recupera y la representa correctamente.
Las seis dimensiones de visibilidad en IA
Una medición útil separa seis dimensiones porque una sola puntuación escondería problemas diferentes. Una marca puede aparecer a menudo y, aun así, estar mal descrita o no generar ningún resultado medible.
- Presencia. Registra sí o no según la marca aparezca en la respuesta principal, no solo dentro de una fuente enlazada. Es la base para la tasa de mención.
- Posición narrativa. Clasifica el papel de la marca con categorías definidas antes de medir: recomendación principal, alternativa, ejemplo, comparación, advertencia o mención incidental. No la conviertas en un ranking numérico si la respuesta no presenta un orden real.
- Exactitud. Contrasta cada afirmación material con una fuente propia vigente: categoría, público, funciones, precio, disponibilidad y condiciones. Marca correcta, parcialmente correcta, incorrecta o no verificable y conserva la evidencia.
- Sentimiento. Codifica el tono como favorable, neutral, desfavorable o mixto. Describe además la razón textual; el tono no indica que el usuario acepte la recomendación.
- Competencia y fuentes. Anota qué otras marcas aparecen y qué dominios respaldan la respuesta. Esto distingue una ausencia de marca de una ausencia general de la categoría y revela qué documentos usa la plataforma en esa ejecución.
- Resultado comercial. Mantén aparte clics referidos, sesiones, leads, oportunidades y ventas observables. Son resultados con distinta cercanía al ingreso, no sustitutos de presencia ni pruebas automáticas de causalidad.
Esta separación sigue la lógica de SEO para IA: rastreabilidad, comprensión, verificación y corroboración son condiciones distintas. Si las mezclas, no sabrás qué corregir.
Cómo calcular una línea base útil
La línea base es la primera medición completa realizada con un protocolo que puedes repetir. No representa una verdad permanente ni un benchmark del mercado; es el punto de comparación interno de esa batería, plataforma, fecha y configuración.
Calcula primero la presencia sobre la misma unidad de análisis:
Tasa de mención = (prompts con al menos una mención de la marca / prompts evaluados) × 100
Cuenta cada prompt una vez por oleada y plataforma. Si decides repetir ejecuciones, cada combinación de prompt y ejecución debe convertirse en una fila identificable, y el numerador y el denominador deben usar siempre esa misma unidad. No mezcles resultados de países o herramientas distintas en una tasa sin mostrar también el desglose.
Para comparar el espacio ocupado por varias marcas, usa una regla de conteo previa. Una opción reproducible es contar cada marca como máximo una vez por respuesta:
Share of voice = (menciones de tu marca / menciones de todas las marcas comparadas) × 100
El denominador incluye las menciones de tu marca y de los competidores definidos. Si ninguna marca aparece, el share of voice no es cero: queda sin dato porque el denominador es cero. Publica junto a ambos porcentajes el número de observaciones, la lista de prompts, la plataforma y el periodo; sin esos datos, el resultado no puede auditarse.
La exactitud y el sentimiento pueden resumirse como recuentos por categoría, pero conserva las filas originales. Un promedio no debería borrar una afirmación incorrecta sobre precio, seguridad o disponibilidad que exija corrección inmediata.
Plantilla mensual de seguimiento
La plantilla mensual debe conservar evidencia suficiente para que otra persona pueda revisar cada clasificación. Guarda la respuesta completa o una captura permitida, además del registro estructurado.
| Prompt | Plataforma | Fecha | Mención | Posición narrativa | Fuentes | Exactitud | Sentimiento |
|---|---|---|---|---|---|---|---|
| Pregunta neutral exacta | Herramienta y versión visible | AAAA-MM-DD | Sí/No | Categoría acordada | URLs o «sin fuentes» | Correcta/Parcial/Incorrecta/No verificable | Favorable/Neutral/Desfavorable/Mixto |
Añade columnas internas para mercado, idioma, identificador de ejecución, competidores, revisor y enlace al archivo de evidencia. En otra tabla conecta el periodo con sesiones referidas, conversiones y valor, porque esos campos proceden de sistemas diferentes y no siempre tienen la misma granularidad.
Puedes usar la misma hoja para Perplexity, ChatGPT u otros sistemas, pero no agregues sus resultados sin etiqueta. Cada producto presenta fuentes, personalización y respuestas de manera distinta; compáralos como paneles separados.
Cómo interpretar cambios sin engañarte
Un cambio merece investigación cuando aparece en varias observaciones comparables, no cuando una sola respuesta sorprende. Revisa primero el protocolo, después la evidencia y solo entonces plantea explicaciones.
Comprueba si se mantuvieron prompt, mercado, idioma, cuenta, plataforma, fecha y regla de codificación. Busca respuestas contradictorias dentro de la misma oleada y calcula tanto el total como los segmentos. Una mejora agregada puede proceder de una sola intención, mientras otras empeoran.
No atribuyas un movimiento automáticamente a una página publicada, una acción de relaciones públicas o un cambio técnico. La coincidencia temporal no demuestra causalidad y las plataformas no exponen todos los factores de selección. Formula la conclusión como observación: «la tasa aumentó después del cambio y en esta batería», no «el cambio causó el aumento».
Revisa además las fuentes citadas. Una nueva mención respaldada por información desactualizada puede elevar presencia y reducir exactitud. Del mismo modo, una caída de enlaces no prueba que la marca haya dejado de influir: algunas respuestas pueden mencionarla sin generar un clic.
Qué acción corresponde a cada problema
Cada dimensión conduce a una intervención diferente, por lo que el diagnóstico debe preceder al trabajo editorial. Prioriza los errores que puedan perjudicar una decisión y registra la acción para compararla en oleadas posteriores.
| Señal observada | Diagnóstico que debes comprobar | Acción razonable |
|---|---|---|
| La categoría aparece, pero tu marca no | Falta de asociación o corroboración | Clarificar categoría, público y casos de uso; buscar menciones externas legítimas |
| La marca aparece con datos erróneos | Fuente propia ambigua o desactualizada | Corregir la fuente canónica y alinear perfiles y documentación |
| Hay presencia, pero el tono es desfavorable | Objeción, limitación o reseña recurrente | Resolver el problema real y publicar una respuesta verificable |
| Dominan competidores concretos | Mejor cobertura o fuentes más claras | Comparar temas, evidencia y entidades sin copiar ni fabricar autoridad |
| Las fuentes no incluyen tu sitio | Acceso, indexación o citabilidad insuficiente | Revisar rastreo, contenido autocontenido y páginas canónicas |
| Hay clics, pero no conversiones | Desajuste entre promesa, página y oferta | Auditar landing, intención, consentimiento y definición de conversión |
Evita convertir estas acciones en garantías. Mejorar una fuente facilita que la información sea comprobable, pero no obliga a ningún sistema a citarla, recomendarla o mantener la respuesta en futuras ejecuciones.
Cómo conectar visibilidad con resultados de negocio
La conexión comercial se construye como una cadena de evidencia, no como una equivalencia entre mención y venta. Presenta por separado exposición observada, tráfico identificable, conversión registrada e ingreso confirmado.
OpenAI documenta que los enlaces de referencia de resultados de búsqueda de ChatGPT incluyen utm_source=chatgpt.com. Cuando una persona hace clic y tu configuración de Analytics puede medir la visita con el consentimiento aplicable, ese parámetro permite identificar tráfico entrante atribuido a la referencia. No mide respuestas sin clic, menciones sin enlace, visitas bloqueadas por privacidad ni la cobertura total de ChatGPT.
En Google Analytics, valida primero la llegada en tiempo real y revisa después adquisición de tráfico con una dimensión de fuente o campaña coherente. Documenta filtros, zona horaria, ventana y eventos clave. No llames «venta de ChatGPT» a toda sesión referida: una compra puede depender de interacciones anteriores o posteriores, y el modelo de atribución condiciona el informe.
Complementa ese dato con leads que declaren cómo conocieron la marca, tendencias de consultas de marca en Search Console, oportunidades del CRM e ingresos confirmados. Son señales de apoyo: una tendencia simultánea no prueba que una respuesta de IA la causó. Cuando falte un identificador compartido o consentimiento, declara la limitación en vez de completar el hueco con una estimación.
El informe mensual debe responder cuatro preguntas: qué cambió en las respuestas, qué evidencia lo respalda, qué ocurrió en los resultados medibles y qué hipótesis se probará después. Mantener esas capas separadas produce una lectura más honesta y una lista de acciones concreta, incluso cuando no pueda establecerse causalidad.
Si quieres convertir este sistema de medición en evidencia profesional, la guía para convertirte en especialista GEO explica qué debe contener el portfolio y cómo organizar el aprendizaje en 90 días.