Método y evaluación
Medir la visibilidad en IA sin mezclar resultados diferentes
La visibilidad en IA solo puede valorarse mediante un procedimiento definido. Registre qué preguntas se comprobaron en qué interfaz, conserve las evidencias de las respuestas y distinga las menciones, las recomendaciones y los enlaces a fuentes.
Seis niveles con significados distintos
| Observación | Qué se mide realmente |
|---|---|
| mención | El nombre de la empresa, identificado inequívocamente, aparece en el texto. |
| recomendación | La empresa se presenta como una opción adecuada para la necesidad. |
| cita de fuente | Se enlaza una URL o un dominio propio como fuente. |
| Visita | Un acceso al sitio web puede atribuirse a un sistema cuando hay datos disponibles. |
| Consulta | Se ha recibido un contacto real. |
| Contribución al negocio | La consulta encaja con la oferta o conduce a un encargo. |
Un clic de contacto todavía no es una consulta. La ausencia de un referrer no demuestra que no haya intervenido ningún sistema de IA. La medición debería considerar expresamente esos límites.
Crear un conjunto de preguntas justificado
Elija preguntas del proceso de decisión de su público objetivo. Pueden incluir fundamentos, criterios de selección y preguntas concretas sobre proveedores. Las preguntas neutras respecto a la marca se examinan por separado de aquellas en las que ya se menciona a su empresa.
Anote para cada pregunta su relevancia empresarial y la página que debería ofrecer una respuesta adecuada. Un conjunto fijo facilita las comparaciones posteriores. Si cambia o amplía las preguntas, documente el cambio en lugar de comparar inadvertidamente conjuntos de prueba distintos.
Qué debe incluir un registro de comprobación
- Servicio, interfaz concreta y modelo visible, cuando se conozcan.
- Fecha, hora, idioma, región controlable y modo de búsqueda.
- Formulación exacta de la pregunta y evidencia completa de la respuesta.
- Empresas identificadas inequívocamente y URLs realmente citadas.
- Clasificación como mención, recomendación o cita de fuente.
- Errores técnicos y solicitudes fallidas como estados propios.
Las respuestas de una API no equivalen automáticamente a las de la interfaz utilizada públicamente. Si se utilizan vías diferentes, sus resultados se presentan por separado.
Calcular correctamente una tasa de citación
Un posible indicador es la proporción de respuestas válidas que enlazan al menos una fuente propia. Varios enlaces propios en la misma respuesta cuentan una sola vez. Las comprobaciones fallidas por motivos técnicos no forman parte del denominador de respuestas válidas.
Ejemplo ilustrativo de cálculo: De 20 respuestas válidas, 5 contienen al menos un enlace a una fuente propia. La tasa de citación de este conjunto de pruebas es 5 ÷ 20 = 25 por ciento. Dos solicitudes fallidas adicionales se indican por separado. Son cifras de ejemplo inventadas, no mediciones de la agencia.
El indicador describe únicamente este sistema, este periodo y este conjunto de preguntas. No es una cuota general de mercado ni una prueba de una posición permanente.
Repetir e interpretar los cambios con prudencia
Las comprobaciones repetidas pueden mostrar si un resultado aparece con mayor frecuencia. Se vuelven comparables cuando las preguntas, la interfaz y las condiciones se mantienen lo más constantes posible. Incluso pequeñas diferencias en la formulación pueden generar otra respuesta.
Observe los cambios junto con los trabajos realmente implementados. Una relación temporal no demuestra por sí sola una causa. Los cambios de plataforma, las fuentes nuevas y otras influencias también pueden intervenir.
Incorporar datos de búsqueda y del sitio web a una evaluación conjunta
La siguiente tabla es una plantilla de importación sin valores de cuenta. Por cada exportación se registran la fuente, el periodo y la zona horaria, los filtros y la dimensión elegidos, la unidad, la fecha de exportación y el estado de los datos. Las correspondencias de URLs deben tener en cuenta las redirecciones y las direcciones canónicas.
| Fuente | Qué puede incorporarse | Qué no se puede deducir |
|---|---|---|
| Google Search Console: resultados de búsqueda | Datos de búsqueda disponibles con tipo de búsqueda, periodo y filtros. | Una medición aislada de ChatGPT o de la aplicación Gemini. |
| Google: Generative AI performance report (Search) | Documentar las impresiones de AI Overviews y del modo IA, el desglose elegido por página, país, fecha o dispositivo y el tipo de búsqueda. | Estas impresiones no permiten conocer los clics, las consultas ni los ingresos. |
| Bing Webmaster Tools: AI Performance | Citas y páginas citadas que se muestran; si se dispone de Citation Share, también la consulta de referencia y el periodo correspondiente. | Una cita no es una visita ni una recomendación. Citation Share no representa una proporción del tráfico del sitio web. |
| Sitio web y análisis interno de consultas | Visitas cuyo origen puede identificarse, consultas realmente recibidas y su atribución fundamentada, en la medida en que esté disponible. | Un clic de contacto no demuestra que se haya recibido una consulta. Si el origen se desconoce, sigue siendo desconocido. |
Según la documentación de Google sobre el informe de búsqueda generativa, este informe utiliza datos del tipo de búsqueda Web del informe «Resultados de búsqueda». Por tanto, no deben sumarse los totales. La agregación por propiedad y por página puede dar totales distintos. La ausencia de un informe puede indicar que hay muy pocas impresiones y no demuestra que se haya medido un cero. Los datos provisionales siguen identificados como tales. La función de exportación puede mostrar como 0 los valores no disponibles; por ello, registre su estado original antes de exportarlos. Esto no mide la aplicación independiente Gemini.
Bing describe AI Performance como una medición de citas para las interfaces de IA incluidas en ella. Citation Share relaciona las citas propias con el total de citas observadas para la misma Grounding Query. Esta consulta de búsqueda utilizada por el sistema no coincide automáticamente con la pregunta original del cliente.
A cada fila de resultados se le asigna el estado observado, no disponible o no medido. Un cero observado requiere una comprobación válida y documentada. El contenido personal de los formularios no debe enviarse a sistemas publicitarios o de análisis. Una comprobación de visibilidad en IA puede aclarar inicialmente qué datos y comprobaciones son pertinentes para su caso.
Registrar los datos empresariales incorrectos como un hallazgo independiente
Una mención solo es útil si se refiere a la empresa correcta y a su oferta real. Por ello, registre los errores de contenido por separado de la frecuencia de las menciones. Una respuesta puede mencionar su empresa y, al mismo tiempo, contener una dirección incorrecta, un servicio que no ofrece o un precio erróneo.
- Conservar las pruebas: Documentar la pregunta exacta, el producto o modelo visible, el modo de búsqueda, el momento, el contexto de la conversación y la respuesta completa. Registrar también las fuentes enlazadas.
- Aclarar la identidad: Comprobar si la respuesta describe realmente su empresa o un proveedor con un nombre similar. Identificar por separado las confusiones de nombres.
- Aislar la afirmación: Contrastar el dato problemático concreto con la información empresarial válida y aprobada. «Sin respaldo» y «demostrablemente falso» siguen siendo hallazgos distintos.
- Comprobar el origen: Abrir las fuentes accesibles. Corregir los datos propios obsoletos y precisar las afirmaciones propias poco claras. No dar por sentado que la fuente visible respalda todas las afirmaciones de la respuesta.
- Volver a observar: Tras un cambio documentado, repetir la observación en condiciones lo más comparables posible. Registrar el resultado como «sigue siendo incorrecto», «reproducido correctamente» o «no observado en esta muestra».
Corregir un sitio web no garantiza una corrección inmediata o permanente en un sistema de IA. Del mismo modo, que no se repita una mención no demuestra que el error se haya corregido. La aportación propia de esta comprobación consiste en documentar el error de forma trazable sobre una base de información verificable.
Cuándo un estudio de visibilidad sirve de base para una decisión
Antes de utilizar una clasificación o un porcentaje como base para invertir, compruebe cómo se ha obtenido el resultado. Esta lista de comprobación evalúa la trazabilidad de un estudio; no calcula una puntuación general de calidad para proveedores o herramientas.
| Área | Pregunta sobre el estudio |
|---|---|
| Selección de preguntas | ¿Qué preguntas se eligieron, por qué y qué tareas importantes quedan sin considerar? |
| Entorno de medición | ¿Se documentan el periodo, el idioma, el producto, el modo de búsqueda y el contexto de conversación disponible? |
| Muestra | ¿Cuántas respuestas válidas se analizaron? ¿Qué repeticiones, errores y exclusiones hubo? |
| Definición | ¿Qué se considera una mención, una recomendación o un enlace a una fuente? ¿Sobre qué conjunto de referencia se calcula un porcentaje? |
| Pruebas | ¿Los fragmentos de respuestas, las fuentes y, si están disponibles, los datos brutos accesibles permiten seguir el análisis? |
| Intereses | ¿Quién financia el estudio, quién es propietario de la herramienta utilizada y qué ofertas propias se comparan? |
| Conclusión | ¿El estudio describe una observación o examina un cambio con una base de comparación adecuada? |
La falta de datos brutos no convierte automáticamente una afirmación en falsa, pero limita su verificación independiente. Los resultados se aplican, en primer término, a la selección estudiada. Un cambio temporal posterior a una medida no demuestra por sí solo un efecto de esa medida; del mismo modo, una mayor frecuencia de menciones no demuestra que haya más consultas cualificadas.
Analizar de forma trazable las referencias de IA identificables en GA4
Cuando se ha registrado un origen, puede examinarse junto con la página de destino y el comportamiento de la sesión. En el informe de adquisición de tráfico, comience con Fuente/medio de la sesión, un periodo fijo y filtros documentados. La ayuda de Google sobre el informe explica cómo se relaciona con las sesiones.
- Revisar los valores de origen realmente disponibles y agrupar los servicios de IA conocidos siguiendo una regla documentada por escrito.
- Conservar los valores de origen, las reglas y la fecha de la agrupación; examinar por separado los valores nuevos o poco claros.
- Comparar las páginas de destino pertinentes y los eventos acordados. Clasificar después las consultas según su calidad real.
- Anotar los cambios en las etiquetas, el consentimiento y la atribución durante el periodo del informe.
Primera fuente del usuario y Fuente de la sesión responden a preguntas distintas. Google explica estas diferentes bases de referencia. No las mezcle inadvertidamente en una comparación entre el antes y el después.
Si no se transmite el origen, las visitas pueden aparecer como directas; el procesamiento de las fuentes de tráfico describe este límite. Por ello, esas visitas no se presentan después como referencias de IA. Tampoco el tráfico orgánico de Google demuestra por sí solo una visita desde AI Overviews. Para formular conclusiones sin clics, sigue siendo necesario observar por separado la interfaz de respuesta correspondiente.
Delimitar correctamente los informes de productos de IA en Merchant Center
Fecha de la documentación: 28 de octubre de 2026. Google describe AI performance insights para consultas en inglés y cuentas de Merchant Center en Australia, Canadá, India, Nueva Zelanda y Estados Unidos. Suiza no figura en esta lista de disponibilidad. Por ello, compruebe primero el alcance real para la cuenta y el mercado. Fuente: Google Merchant Center.
El informe examina la presencia orgánica de productos en preguntas relacionadas con compras en AI Mode y AI Overviews. No es un informe sobre ChatGPT y no incluye anuncios de pago. El Share of Voice mostrado se refiere al ámbito de comparación definido por Google; la categoría, el periodo y el país forman parte del análisis.
Incluso los valores aparentemente inequívocos necesitan contexto: Google puede mostrar un cero cuando las impresiones son insuficientes y una cuota del 100 por ciento cuando no hay marcas de comparación disponibles. Sin este contexto de datos, ninguno de los dos constituye una prueba sólida de invisibilidad o dominio del mercado.
De ello puede derivarse una pregunta concreta para trabajar los productos: ¿las características que realmente se buscan están descritas de forma completa y sin contradicciones en la página del producto y en la fuente de datos? Añada únicamente características verificables. La comprobación de datos de productos para búsquedas de compras con IA explica cómo contrastar una variante que puede comprarse.
Según sus necesidades
Temas relacionados
Comprobación de visibilidad en IA
Una comprobación verificable de visibilidad en IA: preguntas relevantes, sistemas examinados, menciones, fuentes y carencias del sitio web. Solicite información sobre el alcance del análisis.
Más información
Herramientas GEO
¿Qué herramientas ayudan con GEO? Distinguir entre revisión del sitio web, observación de respuestas y análisis, y elegir herramientas según los datos y criterios trazables.
Más información
GEO
GEO para empresas suizas: preguntas de los clientes, información empresarial clara y comprobaciones verificables para la visibilidad en IA. Conozca el alcance de los servicios.
Más informaciónSu próximo paso
Hablemos de
su sitio web.
¿Qué debe conseguir su sitio web para su empresa? Cuéntenos su proyecto.