Loading...
Rankings, tráfico orgánico, CTR - esas son las métricas que los equipos de SEO llevan décadas midiendo. Tienen su lugar. Pero no miden lo que ocurre cuando un usuario pregunta a ChatGPT qué proveedor de software de contabilidad es recomendable y su empresa no aparece en la respuesta. La visibilidad en IA necesita métricas propias - y una comprensión de qué miden realmente esas métricas y qué no. Este artículo describe los cuatro niveles del framework de KPIs de visibilidad en IA y explica dónde la atribución tradicional alcanza sus límites.
Las métricas de visibilidad en IA pueden estructurarse en cuatro niveles que se construyen unos sobre otros. Nivel 1 - Calidad técnica de los datos: estas métricas miden si los requisitos previos para la visibilidad en IA están dados. La completitud del Schema indica cuántos de los campos Schema.org relevantes están rellenos para sus entidades. Un Product-Schema con 4 de los 12 campos posibles es técnicamente válido, pero pobre en contenido - los sistemas de IA disponen de menos contexto. Conformidad de robots.txt para crawlers de IA: ¿está bloqueando inadvertidamente crawlers como GPTBot, ClaudeBot o PerplexityBot? Validez de llms.txt: ¿es el archivo sintácticamente correcto y enlaza a recursos rastreables? Tasa de éxito de rastreo: ¿cuántas de sus páginas relevantes son accesibles para los crawlers de IA? Nivel 2 - Visibilidad en IA, el núcleo del framework: la Mention Rate mide con qué frecuencia aparece el nombre de su empresa en las respuestas de IA a consultas relevantes, dividido por el número total de consultas. Una Mention Rate del 35 por ciento significa: en 100 preguntas relevantes su empresa aparece en 35 respuestas. La Citation Rate es más específica: ¿con qué frecuencia se cita explícitamente su sitio web como fuente? La citación es más fuerte que la mención porque señala confianza. La Recommendation Rate mide las recomendaciones activas: una recomendación es más valiosa que una mera mención. El Share of Voice pone sus menciones en relación con las de la competencia: si 5 empresas se mencionan en una respuesta y usted es una de ellas, su Share of Voice es del 20 por ciento. Nivel 3 - Calidad de la respuesta: ¿qué se dice sobre usted? Tasa de alucinaciones: ¿qué proporción de las afirmaciones de IA sobre su empresa son factualmente incorrectas? Puntuación de sentimiento: ¿positivo, neutro o negativo? Calidad de las fuentes: ¿de qué fuentes generan los sistemas de IA respuestas sobre usted? Nivel 4 - Impacto en el negocio: tráfico de referencia de IA en Google Analytics 4, tasa de conversión de esos visitantes en comparación con los visitantes orgánicos, calidad de los leads: los leads procedentes de recomendaciones de IA muestran en observaciones tempranas una mayor tasa de intención - el usuario ya ha sido pre-cualificado por la respuesta de la IA.
Pruébalo ya
Comprueba tu GEO Score en 60 segundos - gratis, sin cuenta. 42 factores analizados.
Los cuatro sistemas de IA dominantes funcionan técnicamente de forma diferente - y eso influye en cómo y por qué aparece usted en sus respuestas. ChatGPT (OpenAI) distingue entre respuestas básicas del corpus de entrenamiento y respuestas de navegación, en las que se recuperan datos web actuales. En el modo estándar, las respuestas están limitadas al límite de entrenamiento - para precios de productos y disponibilidad actual, un problema considerable. Con la navegación activada las respuestas son más actuales, pero la selección de fuentes no es transparente. ChatGPT cita fuentes solo en el modo de navegación; en el modo estándar no hay citas de fuentes explícitas. Para su medición de KPIs esto significa: la Mention Rate en ChatGPT sin navegación mide sobre todo cuán extendida estaba su marca en el corpus de entrenamiento. Perplexity es estructuralmente diferente: es un motor de búsqueda RAG que recupera datos web actuales para cada consulta y los sintetiza en tiempo real en una respuesta. Perplexity cita fuentes de forma estándar - eso hace que la Citation Rate sea directamente medible. Los cambios en sus datos de fuente surten efecto más rápidamente en Perplexity que en ChatGPT. Claude (Anthropic) no usa búsqueda web en la versión estándar, sino que responde desde el corpus de entrenamiento. Claude Citations permiten vincular respuestas con documentos fuente - pero eso afecta principalmente a las aplicaciones de API. respuestas de b?squeda con IA se integra directamente en la búsqueda de Google y se beneficia de la infraestructura de indexación de Google. Los Rich Snippets, los datos Schema.org y la información de Google Business fluyen directamente hacia respuestas de b?squeda con IA. La Citation Rate en estas respuestas de IA se correlaciona fuertemente con la calidad del Schema y los datos estructurados. El consejo práctico: mida los KPIs específicamente por plataforma. Una alta Mention Rate en Perplexity y una baja en ChatGPT tienen causas diferentes - y requieren medidas diferentes. Los promedios agregados de todas las plataformas son poco informativos.
El mayor problema con los KPIs de visibilidad en IA es la atribución: ¿qué parte del éxito empresarial puede atribuirse a la visibilidad en IA? La respuesta honesta es: solo una parte. Y esa parte es sistemáticamente subestimada en herramientas de análisis clásicas como Google Analytics 4. La brecha de atribución surge por varias razones. Primero, entradas directas: un usuario ve el nombre de su empresa en una respuesta de ChatGPT y lo escribe directamente en la barra de direcciones del navegador. GA4 lo evalúa como Direct - la influencia de la IA es invisible. Segundo, navegadores de privacidad y bloqueadores de anuncios: bloquean los datos del referrer. Un clic desde Perplexity parece en GA4 a menudo Direct. Tercero, tráfico de app a web: quien usa la app de ChatGPT y luego cambia a su sitio web no deja encabezado de referrer. Observaciones de análisis tempranos apuntan a que solo el 10 al 20 por ciento de los efectos reales de la IA son visibles en GA4. El resto se esconde en el tráfico directo. El efecto mandíbula de cocodrilo describe un fenómeno que se observa en algunos mercados con adopción temprana de AI-SEO: el volumen de leads disminuye - a veces un 10 a 15 por ciento - porque los sistemas de IA responden a muchas preguntas informativas directamente, sin que los usuarios necesiten hacer clic en un sitio web. Al mismo tiempo, el revenue aumenta considerablemente, porque los leads que llegan ya están pre-cualificados por la respuesta de la IA y tienen una tasa de conversión notablemente mayor. Eso significa: quien mide el éxito de la visibilidad en IA solo por el crecimiento del tráfico mide de forma incorrecta. Las métricas relevantes son el revenue por lead y la tasa de conversión, no el número total de visitantes. Recomendación práctica: implemente parámetros UTM para todas las fuentes de tráfico de IA estructuradas. Analice el tráfico directo en busca de cambios de comportamiento tras las medidas de AI-SEO. Utilice analítica server-side como complemento a GA4. Y: considere los KPIs de visibilidad en IA como una capa complementaria a las métricas de SEO - no como sustituto.
Medir la visibilidad en IA con métricas SEO clásicas es como evaluar el ciclismo según la velocidad de viaje de un tren - la medición ocurre, pero está diseñada para el contexto equivocado. La Mention Rate, la Citation Rate, el Share of Voice y la tasa de alucinaciones son las métricas que realmente reflejan lo que ocurre en las respuestas de IA. La brecha de atribución es real y está subestimada. Quien entiende que el tráfico directo de hoy también puede ser tráfico de IA tiene una ventaja analítica. Y quien mide la tasa de conversión en lugar del volumen puro reconoce el impacto empresarial real de la visibilidad en IA.
Comprueba el GEO Score gratisMarvin Malessa
Fundador, Beconova
Fundó Beconova en 2025 en Alemania para ayudar a tiendas y prestadores de servicios a ser visibles en los motores de búsqueda de IA. Escribe sobre GEO, visibilidad IA y el futuro de la búsqueda.
Comience con Beconova y optimice su presencia en motores de busqueda IA.
Empezar ahora