Métricas de visibilidad en búsquedas de IA: guía práctica de medición

Crea un conjunto de consultas que puedas reutilizar

Empieza por las preguntas que podría hacer un comprador antes de conocer tu marca. Agrúpalas por intención: búsqueda de opciones en una categoría, resolución de problemas, comparativas, implementación y consultas directas sobre la marca. Mantén las consultas que incluyen la marca en un grupo aparte para que no eleven artificialmente el resultado de las que no la incluyen.

No existe una combinación universal de tipos de consulta. Una empresa de servicios locales, un proveedor de software y una tienda online tienen procesos de compra diferentes. Documenta por qué incluyes cada consulta, a quién representa y qué mercado o idioma cubre.

Mantén fijo el conjunto durante cada periodo de análisis. Si añades o eliminas consultas, indica el cambio en lugar de comparar directamente la nueva puntuación con la anterior.

En cada ejecución, conserva la consulta exacta, la respuesta obtenida, las URL citadas, el motor, la fecha, la ubicación, el estado de la cuenta y el modelo o modo del producto cuando la interfaz lo muestre. Si el presupuesto lo permite, ejecuta el mismo conjunto más de una vez. Las respuestas de los asistentes pueden cambiar entre ejecuciones, así que una respuesta es una observación, no una posición estable.

Sigue esta sencilla secuencia de diagnóstico:

1. ¿Se mencionó la marca?
2. ¿Se citó su propio dominio?
3. ¿Respaldaba la página citada lo que decía la respuesta?
4. ¿Eran correctos y actuales los datos sobre la marca?
5. ¿Se produjo una visita o conversión medible?

Cada pregunta señala un problema distinto. Pocas menciones pueden indicar escasa relevancia para la categoría. Si hay menciones sin citas, revisa las fuentes.

Las citas rotas o que no respaldan lo afirmado requieren comprobar las páginas y las afirmaciones. Si hay tráfico, pero no resultados útiles, revisa la analítica o la conversión.

Usa métricas con definiciones operativas claras

Un informe práctico no necesita catorce puntuaciones que midan casi lo mismo. Empieza por métricas que tu equipo pueda calcular y verificar:

• Cobertura de consultas: ejecuciones válidas completadas divididas entre las ejecuciones previstas.
• Tasa de menciones de marca: respuestas válidas que mencionan la marca divididas entre las respuestas válidas del mismo grupo de consultas.
• Tasa de citas del dominio: respuestas válidas que citan el dominio de la marca divididas entre las respuestas válidas del mismo grupo.
• Tasa de citas respaldadas: citas revisadas cuya página de destino respalda la afirmación correspondiente divididas entre las citas revisadas.
• Tasa de precisión de los datos: afirmaciones comprobadas sobre la marca que son correctas y actuales divididas entre todas las afirmaciones comprobadas.
• Distribución de URL citadas: páginas y tipos de página que aparecen en las citas.
• Diferencias entre motores: diferencias entre observaciones comparables de cada motor. Limítate a describirlas, salvo que la muestra y el método justifiquen un análisis estadístico.
• Visitas referidas desde IA: visitas atribuidas en las herramientas de analítica a un asistente o una fuente de búsqueda con IA. Algunas visitas tendrán datos de procedencia incompletos o no tendrán ninguno.
• Resultados atribuidos: leads, registros, compras u otros eventos seleccionados procedentes de visitas atribuidas. Indica el periodo y el modelo de atribución.

Muestra siempre los denominadores. Una tasa de citas basada en seis respuestas utilizables no debería parecer tan fiable como otra basada en una muestra mayor y repetida. Además, distingue entre una mención de la marca y un enlace a su dominio. Una cosa no demuestra la otra.

Evita una puntuación compuesta única, a menos que los pesos estén documentados y sirvan para tomar una decisión concreta. Las puntuaciones compuestas pueden ocultar precisamente el problema que el equipo necesita resolver.

Comprueba las citas y los requisitos técnicos

Abre cada cita de una muestra manejable y registra tres cosas: si la URL funciona, si la página respalda la afirmación y si la información está actualizada. Señala los casos dudosos para que los revise una segunda persona. Que un enlace funcione no demuestra que la respuesta haya interpretado bien la fuente.

Mantén una ficha breve con los datos que los asistentes suelen dar mal, como los nombres actuales de los productos, la ubicación de la página de precios, las regiones donde se ofrece el servicio, los datos de contacto y las fechas de las políticas. Puntúa solo los datos que puedan comprobarse en una fuente identificada. No rellenes los vacíos con suposiciones.

Las comprobaciones técnicas deben seguir los requisitos publicados por cada plataforma. Google indica que, para aparecer como enlaces de apoyo en sus experiencias de búsqueda con IA, las páginas deben estar indexadas y ser aptas para mostrar un fragmento. Sus directrices no exigen un marcado especial para IA.

Las directrices de OpenAI para editores explican que OAI-SearchBot controla la detección de contenido para las búsquedas de ChatGPT por separado de los controles de entrenamiento de GPTBot.

Comprueba las directivas para robots, la indexabilidad, las URL canónicas, las respuestas del servidor, el contenido visible de las páginas y los enlaces internos. Usa datos estructurados solo cuando coincidan con el contenido que pueden ver los lectores y cumplan la documentación de búsqueda pertinente. Estas comprobaciones mejoran la posibilidad de aparecer y la claridad del contenido.

No garantizan que una página se incluya o se cite.

Elige las herramientas por su método, no por su puntuación

La cobertura y el funcionamiento de las herramientas cambian rápidamente. Evalúa el producto actual en lugar de basarte en una tabla comparativa antigua. Pide a cada proveedor que te muestre:

• qué motores, mercados, idiomas y modos de producto cubre;
• cómo programa las consultas y si permite repetir las ejecuciones;
• las respuestas originales y las citas que respaldan cada puntuación;
• cómo trata las ejecuciones fallidas, las citas ausentes y las fuentes duplicadas;
• si se pueden exportar los resultados con fecha y hora y las versiones de las consultas;
• qué cambia cuando un motor actualiza su modelo o interfaz;
• las condiciones actuales de conservación de datos, privacidad y facturación.

Haz una pequeña prueba de aceptación antes de comprometerte. Proporciona a cada herramienta el mismo conjunto de consultas y verifica manualmente una muestra de las respuestas y los enlaces que guarda. Si una plataforma solo muestra una puntuación, sin las pruebas que la respaldan, resulta difícil verificarla y tiene poco valor para tomar decisiones.

Una hoja de cálculo basta para establecer una referencia inicial. La automatización resulta útil cuando conserva las pruebas originales, repite el método de forma consistente y reduce el trabajo de recopilación sin ocultar los fallos. Reserva tiempo de análisis para revisar las citas y los datos, aunque la recopilación esté automatizada.

Interpreta con cautela las diferencias entre motores

Los distintos asistentes pueden dar respuestas diferentes porque varían sus sistemas de recuperación, índices, interfaces, modelos, personalización y disponibilidad de búsqueda. Aprovecha esas diferencias para examinar las pruebas, no para concluir que un motor favorece de forma permanente un tipo de fuente.

Compara resultados equivalentes. Siempre que sea posible, usa las mismas palabras en la consulta, el mismo mercado, idioma, periodo y estado de inicio de sesión. Presenta los resultados de cada motor por separado antes de mostrar un agregado.

Si un producto no ofrece citas para una respuesta, regístralo en lugar de adivinar qué fuente influyó en ella.

Los datos de referencia del sector pueden ayudarte a formular preguntas, pero no sustituyen tu propia medición inicial. Antes de usar una referencia, comprueba su conjunto de consultas, las fechas de recopilación, la selección de la muestra, el ámbito geográfico, la configuración del motor y qué considera una mención o una cita. Las puntuaciones de distintos proveedores no son directamente comparables cuando sus métodos difieren.

Cuando cambie un resultado, revisa las respuestas originales y las URL citadas. Una mayor tasa de menciones puede incluir afirmaciones inexactas. Una menor tasa de citas puede deberse a un cambio en la interfaz, a un fallo en la recopilación o a un cambio real en las fuentes.

Las pruebas originales te ayudarán a determinar qué explicación es plausible.

Relaciona la visibilidad con las decisiones sin atribuirle causas que no puedes demostrar

Una mención aporta contexto sobre la presencia de la marca, pero no demuestra autoridad, tráfico ni ingresos. Una cita es una prueba más sólida de que una página se presentó como fuente, aunque tampoco demuestra que alguien hiciera clic o convirtiera.

Usa herramientas de analítica para registrar las visitas referidas cuya procedencia pueda identificarse como una fuente de IA. Asóciales los mismos eventos de lead, registro o compra que utilizas para otros canales. Documenta el modelo y el periodo de atribución.

Algunos usuarios volverán por tráfico directo u otro canal, y algunos asistentes no transmitirán datos útiles de procedencia. Por eso, las visitas referidas desde IA que aparecen en los informes son solo la parte observable, no el total.

Cuando cambies el contenido o la configuración técnica, registra la fecha de la intervención y mantén estable el conjunto de consultas. Compara las observaciones anteriores y posteriores al cambio y comprueba si hay actualizaciones del producto, efectos estacionales, campañas u otras posibles explicaciones. Si observas una correlación, descríbela como tal.

Un experimento controlado puede respaldar una conclusión más firme; una tendencia en un panel, por sí sola, no.

Termina el informe con acciones respaldadas por las pruebas. Arregla las páginas que no funcionan, corrige las afirmaciones sin respaldo, actualiza los datos obsoletos, mejora las páginas que ya reciben citas relevantes e investiga los grupos de consultas donde se repiten los errores de datos. No prometas un aumento de citas.

Mide la siguiente muestra e indica qué ha cambiado.