GEO GEO-02

Cómo medir la visibilidad de tu marca en respuestas de IA (y qué datos no existen)

No existe un ranking en ChatGPT ni una métrica única de visibilidad en IA. Sí hay tres capas de evidencia: datos de plataformas, muestreo de respuestas y señales de negocio. Cómo combinarlas y qué límites declarar a tu dirección.

Por Equipo Editorial de Maccam Network
Publicado
Lectura 14 min
Hub SEO Estratégico
Tabla de contenidos

Si alguien te ofrece un «ranking de tu marca en ChatGPT», conviene preguntar qué está midiendo exactamente. La respuesta honesta, hoy, es que no existe una métrica única, oficial y estable de visibilidad en respuestas de IA. Lo que existe son fragmentos: datos que algunas plataformas publican sobre sus propias superficies, muestreos de respuestas que cualquiera puede diseñar, y señales indirectas de negocio. Cada fragmento mide algo distinto y ninguno, por separado, responde la pregunta de la dirección: «¿nos está ayudando esto a vender?».

Este artículo propone medir en tres capas y declarar los límites de cada una: datos de plataforma (Search Console, Bing Webmaster Tools, GA4), muestreo controlado de respuestas, y señales de negocio. No define qué es GEO ni compara disciplinas, para eso están GEO vs. SEO y SEO, AEO y GEO. Tampoco explica qué hacer para aparecer: eso se trata en SEO en la era de la IA: qué hacer para Google y ChatGPT. Aquí la pregunta es otra: cómo saber si funciona, sin engañarte.

Primero define qué cuentas como «visibilidad»

Antes de abrir cualquier herramienta, separa cuatro resultados distintos. Se confunden con frecuencia y cada uno se mide de forma diferente:

  • Mención: la respuesta nombra tu marca en el texto, sin enlace.
  • Citación: la respuesta muestra tu sitio o una página tuya como fuente.
  • Visita: alguien hace clic y llega a tu web.
  • Exactitud y tono: lo que la respuesta dice de ti es correcto, actual y favorable.

La cuarta suele olvidarse y puede ser la más importante para el negocio: aparecer con un precio desactualizado, un servicio que ya no ofreces o una descripción errónea es peor que no aparecer. Una buena definición de trabajo para tu informe: visibilidad = porcentaje de respuestas relevantes, sobre un conjunto fijo de preguntas de cliente, en las que tu marca se menciona o se cita, con descripción exacta. Es una definición operativa nuestra, no un estándar de la industria.

Capa 1: lo que las plataformas miden (y lo que no)

Cuatro fuentes ofrecen datos de primera mano. La tabla compara qué miden según su documentación y, sobre todo, qué no miden:

Fuentes de datos de plataforma sobre visibilidad en IA: alcance y límites
Fuente Qué mide Qué NO mide
Search Console, informe de rendimiento (tipo «Web») Clics, impresiones y posición de tu sitio en Búsqueda de Google. Incluye AI Overviews y modo IA: un clic en un enlace externo de la respuesta cuenta como clic, y los enlaces de una AI Overview comparten una misma posición. La documentación no describe un desglose de clics por función de IA dentro de este informe, y no incluye ChatGPT ni otros asistentes.
Search Console, informe de rendimiento en IA generativa Impresiones de tus enlaces en AI Overviews y modo IA, por páginas, países, dispositivos y fechas. Disponible para todos los sitios desde el 31 de agosto de 2026 (si hay suficientes impresiones). La documentación no lista clics ni consultas. Las impresiones ya están dentro del informe general. No incluye experimentos de Search Labs. Una «impresión» indica que el enlace se mostró, no que se leyó.
Bing Webmaster Tools, AI Performance (vista previa pública, febrero de 2026; ampliada en junio de 2026) Citaciones totales como fuente en respuestas de IA, promedio de páginas citadas al día, actividad por página, tendencia y una muestra de consultas de grounding. Cubre Copilot, resúmenes de IA en Bing y algunas integraciones de socios. Desde el 16 de junio de 2026 (vista previa) añade intenciones, temas, cuota de citación (porcentaje de las citaciones mostradas para una consulta de grounding que corresponden a tu sitio) y comparación de periodos. Microsoft aclara que no indica posición, autoridad ni el papel de una página dentro de una respuesta; las consultas de grounding son una muestra. El anuncio no lista otros asistentes, como ChatGPT, entre las superficies cubiertas.
GA4, canal «AI Assistant» Sesiones que llegan a tu sitio desde fuentes como ChatGPT, Gemini, Deepseek, Copilot o Grok, cuando el referente coincide con una lista de asistentes de IA. Google indica que excluye AI Overviews y modo IA. No registra menciones sin clic. Las visitas sin referente no pueden asignarse a este canal.

Fuentes: Google Search Console Help (informes de rendimiento y de IA generativa); Bing Webmaster Blog (10 de febrero de 2026); Google Analytics Help (grupo de canales predeterminado). Consulta: 9 de octubre de 2026. Los productos evolucionan: verifica el estado actual.

Tres lecturas que se derivan de la tabla y que conviene trasladar a la dirección:

1. Ninguna fuente única cubre todas las superficies. Google mide Google; Microsoft mide Microsoft; GA4 solo ve las visitas que llegan con clic. Por construcción, las menciones sin clic en ChatGPT o en Gemini quedan fuera de los datos de primera mano que hemos revisado. Cómo planificar la visibilidad cuando el usuario no hace clic se trata en construir visibilidad cuando el clic no es el único objetivo.

2. «Impresión» e «influencia» no son lo mismo. El informe de IA generativa de Search Console te dice cuántas veces se mostraron tus enlaces. No te dice cuántas personas los vieron, los leyeron ni recordaron tu marca después. Es un dato de exposición, útil para ver tendencia por página, no una medida de impacto.

3. No sumes lo que ya está sumado. Google indica que los datos del informe de IA generativa forman parte del informe de rendimiento general, y que el total del gráfico agrupa por propiedad: si dos resultados de tu sitio aparecen en la misma respuesta, cuentan como una impresión. Si sumas ambos informes, duplicas.

ChatGPT y GA4: lo que se ve y lo que se pierde

Para el tráfico que llega desde ChatGPT, OpenAI documenta en su FAQ para editores que, si permites OAI-SearchBot, puedes seguir el tráfico de referencia en tus herramientas de analítica, y que ChatGPT incluye el parámetro utm_source=chatgpt.com en las URL de referencia. Medios especializados informaron en 2025 de que el parámetro ya figuraba en las citaciones y, desde el 13 de junio de 2025, se añadió también a los enlaces de la sección «More» (PPC Land, 2025).

Lo que esto permite: segmentar en GA4 las sesiones con origen chatgpt.com, ver qué páginas de aterrizaje reciben y qué hacen después (consultas, formularios, tiempo). Lo que no permite:

  • Medir menciones sin clic. Si el usuario lee tu nombre en la respuesta y luego te busca en Google o escribe tu dominio, esa visita aparecerá como búsqueda de marca o directa, no como IA.
  • Garantizar una atribución limpia. La clasificación depende de que exista un referente o un parámetro. Según PPC Land (2025), antes de junio de 2025 los enlaces de la sección «More» no llevaban parámetros y aparecían como tráfico directo. Revisa tu propio caso: no asumas que el canal captura todo.
  • Comparar canales con la misma vara. Una sesión de IA y una de búsqueda orgánica no tienen el mismo coste ni la misma intención. Mide conversión, no solo sesiones. Para atribución en general, consulta Atribución de marketing: qué modelo elegir.

Un complemento práctico que sí controlas: los registros del servidor. Muestran qué rastreadores visitan tu sitio (OpenAI publica los rangos de IP de OAI-SearchBot, GPTBot y ChatGPT-User para validarlos). Indican que un sistema te rastrea, lo cual es una condición para ser usado, pero no demuestran que te cite. Trátalos como diagnóstico de acceso, no como métrica de visibilidad.

Capa 2: muestrear respuestas sin caer en el espejismo del ranking

Los datos de plataforma no cubren ChatGPT, Claude ni la mayoría de las respuestas conversacionales. Para eso existe el muestreo: preguntar a los sistemas lo que preguntaría un cliente y registrar qué pasa. Es lo que hacen las herramientas de monitorización de IA, y lo puedes hacer también de forma manual a pequeña escala. El problema es cómo interpretar el resultado.

La respuesta de una IA cambia casi cada vez

SparkToro y Gumshoe publicaron en enero de 2026 un estudio sobre este punto. Con 600 voluntarios, 12 prompts de recomendación de marcas y 2.961 ejecuciones en ChatGPT, Claude y la IA de Google (AI Overviews, y modo IA cuando no aparecía Overview), encontraron que la probabilidad de recibir la misma lista de marcas en dos respuestas era inferior a 1 entre 100, y que obtener además el mismo orden era aún menos probable. Sus conclusiones son que el porcentaje de visibilidad sobre decenas o cientos de ejecuciones es una métrica razonable, y que una herramienta que ofrezca una «posición en IA» no es fiable.

Las limitaciones que los propios autores declaran importan tanto como el hallazgo: no está revisado por pares, los datos son de noviembre y diciembre de 2025 (los modelos han cambiado desde entonces) y siguen sin resolver cuántas ejecuciones hacen falta para tener solidez estadística y si las llamadas por API se comportan como las manuales.

Qué implica para tu método

Con ese conocimiento, un muestreo defendible sigue seis reglas:

  1. Conjunto fijo de preguntas, redactadas como las diría un cliente real (descubrimiento, comparación, decisión), no como las escribiría tu equipo de marketing.
  2. Varias ejecuciones por pregunta y plataforma. Una sola respuesta no es un dato.
  3. Registra el porcentaje de apariciones, no la posición. Si apareces en 7 de 20 ejecuciones, tu visibilidad en esa pregunta es del 35 %, con la incertidumbre que eso implica. Informa de ella como rango o tendencia.
  4. Distingue mención, citación y exactitud en cada aparición (la definición de la primera sección).
  5. Mide también a tus competidores en las mismas preguntas. Un 25 % es una cifra aislada; un 25 % frente al 45 % del competidor es una conversación estratégica.
  6. Repite en ciclos fijos (mensual o trimestral) y compara tendencias, no mediciones sueltas. Cuando cambie el modelo o la interfaz, anótalo en el registro.

Un ejemplo ilustrativo e hipotético (no son datos reales de ningún cliente) muestra cómo se lee. Imagina una empresa de servicios que prueba 20 preguntas de cliente, ejecutadas 5 veces cada una en una plataforma, es decir 100 respuestas:

Ejemplo hipotético: lectura de 100 respuestas muestreadas (no son datos reales)
Indicador Tu marca Competidor A Cómo leerlo
Respuestas en las que se menciona 22 de 100 41 de 100 Brecha de presencia en el conjunto de preguntas elegido
Respuestas con tu sitio citado como fuente 9 de 100 18 de 100 Menciones sin enlace: oportunidad de contenido citable
Menciones con descripción exacta 15 de 22 No evaluado 7 menciones con datos erróneos: prioridad de corrección

Datos ilustrativos inventados para explicar el método. En una medición real, repite el ciclo y compara tendencias antes de sacar conclusiones.

En este ejemplo, el hallazgo accionable no es «estamos al 22 %». Es que casi un tercio de las menciones son inexactas, y que hay un patrón de preguntas donde el competidor aparece y tú no. Eso orienta contenido y correcciones. Una cifra aislada, no.

Sobre las herramientas de monitorización

Existe una categoría de herramientas que automatizan este muestreo. No evaluamos productos concretos aquí. Para elegir una, pregúntale al proveedor: cuántas ejecuciones hace por pregunta; si informa de porcentajes o de «posiciones»; cómo trata la variabilidad entre ejecuciones; desde qué ubicaciones e idiomas consulta; si usa la interfaz del usuario o la API (los investigadores de SparkToro dejan abierta la diferencia entre ambas); y cómo exporta los datos para que puedas auditarlos. Si no puede responder, no compres una cifra, compra un diagnóstico.

Capa 3: señales de negocio que sí puedes observar

La visibilidad en una respuesta vale por lo que causa después. Tres señales, ninguna concluyente por sí sola, ayudan a conectar exposición y negocio:

Demanda de marca. Search Console incorpora un filtro de consultas de marca y de no marca en el informe de rendimiento (anunciado en noviembre de 2025 y extendido a todos los sitios elegibles el 11 de marzo de 2026). Google advierte de que la clasificación la hace un sistema asistido por IA y que puede equivocarse en algunas consultas. No está disponible para propiedades por ruta o subdominio ni para sitios con pocas impresiones. Una tendencia sostenida al alza en consultas de marca, junto con mejoras de visibilidad medida por muestreo, es un indicio coherente, no una prueba. Lee siempre la demanda de marca junto con el tráfico directo: el estudio de Similarweb citado más abajo sugiere que parte de la influencia de una recomendación en IA aparece como visita directa y no como búsqueda.

Tráfico directo y de referencia de IA. La evolución de visitas directas y de las sesiones del canal «AI Assistant» de GA4, leída junto con las otras dos capas. Para llevar esas sesiones hasta un cálculo de retorno, véase el cálculo del ROI del marketing digital.

Origen declarado. El campo «¿cómo nos conociste?» en formularios y en la primera llamada comercial, registrado en el CRM con opciones que incluyan «una IA (ChatGPT, Gemini, etc.)», recoge justo lo que la analítica no ve: las menciones sin clic. Es un dato subjetivo y sesgado, y aun así a menudo la única evidencia directa del efecto de una respuesta que nadie hizo clic. Su valor aumenta si lo cruzas con la calidad de la oportunidad. Para el sistema que lo sostiene, ver cómo construir un sistema de medición de marketing.

Sobre el vínculo entre menciones y visitas, hay una primera evidencia con límites claros. Un estudio de Similarweb, con aportaciones de Rand Fishkin (SparkToro) y comentado por este el 29 de junio de 2026, analizó tres sectores de consumo (finanzas, viajes y belleza) con datos de navegación de panel, y observó que, en los dispositivos expuestos a una recomendación de una marca en IA, las visitas directas a esa marca aumentaron mientras que las visitas que llegaban por búsqueda tradicional bajaron ligeramente: la influencia de la IA parece cambiar el camino de llegada más que sumar visitas. Los propios autores listan las preguntas abiertas: si esos usuarios habrían encontrado la marca de todos modos, si el resultado se mantiene con marcas pequeñas y cómo se compara la influencia de la IA con la de otros canales. Para una empresa mediana B2B, el estudio sugiere una hipótesis razonable que medir; no demuestra el efecto en tu mercado.

Un sistema de medición en cinco pasos

Marco editorial · Maccam Network

  1. Define la pregunta de negocio y el conjunto de preguntas de cliente

    Elige entre 20 y 40 preguntas reales de clientes, agrupadas por fase (descubrimiento, comparación, decisión) y por servicio prioritario. Sácalas de llamadas comerciales, formularios y consultas del buscador interno, no de una lluvia de ideas.

  2. Activa y verifica los datos de primera mano

    Search Console con el informe de IA generativa (si está disponible), Bing Webmaster Tools con AI Performance y una vista de GA4 que segmente el canal «AI Assistant» y las sesiones por origen. Documenta qué no mide cada una.

  3. Muestrea con método y repite

    Ejecuta el conjunto de preguntas varias veces por plataforma, registra menciones, citaciones y exactitud, y calcula porcentajes. Incluye a dos o tres competidores. Repite en ciclos fijos.

  4. Conecta con señales de negocio

    Añade al CRM un campo de origen declarado con opción de IA, sigue consultas de marca y tráfico directo, y revisa la calidad de las oportunidades que llegan. Evita atribuir causalidad con una sola serie de datos.

  5. Informa con límites declarados y decide qué corregir

    Presenta cada cifra con su fuente, su periodo y su limitación. Prioriza acciones por hallazgos concretos: menciones inexactas, preguntas sin presencia, páginas sin citación. Revisa trimestralmente.

Es un método de trabajo, no un estándar de la industria. Su valor está en la consistencia: mismas preguntas, mismo procedimiento, mismos informes, para que las diferencias entre ciclos signifiquen algo.

Errores frecuentes al medir visibilidad en IA

  • Comprar un «ranking en IA». Como muestra la investigación de SparkToro y Gumshoe, las listas de marcas varían casi en cada respuesta. Una posición única no tiene base estadística.
  • Medir una sola vez. Un pantallazo de una respuesta de ChatGPT es una anécdota. Una serie de muestreos es una tendencia.
  • Sumar informes que se solapan. Impresiones de IA generativa más rendimiento general duplica datos.
  • Olvidar la exactitud. Aumentar menciones sin vigilar lo que dicen puede ser contraproducente.
  • Atribuir a la IA todo cambio en tráfico directo. El tráfico directo tiene muchas causas. Cruza series y consulta a ventas.
  • Informar a la dirección de métricas de exposición como si fueran resultados. Visibilidad no es lead. La conversación con dirección empieza en las métricas que le importan al CEO.
  • Medir sin haber arreglado lo básico. Si tus páginas clave no son elegibles o tu información es inconsistente, medir solo documentará el problema. Empieza por el plan operativo descrito en SEO en la era de la IA.

El siguiente paso

Si necesitas montar este sistema, desde elegir las preguntas hasta configurar Search Console, GA4 y el CRM para que cuenten una historia coherente, el trabajo combina analítica y estrategia: decidir qué importa medir antes de decidir qué herramienta usar. Es parte de nuestro servicio de analítica de marketing y se apoya en la metodología SEO de Maccam Network. Si quieres conversarlo, escríbenos.

Fuentes

Fuentes verificadas a 9 de octubre de 2026.

Preguntas frecuentes

No de forma fiable. Una investigación de SparkToro con Gumshoe (enero de 2026), con 2.961 respuestas de ChatGPT, Claude y la IA de Google a 12 prompts, encontró que la probabilidad de recibir la misma lista de marcas en dos respuestas era inferior a 1 entre 100, y el mismo orden, aún menor. Sus autores concluyen que el porcentaje de visibilidad a lo largo de muchas ejecuciones es una métrica razonable, y que cualquier herramienta que ofrezca una «posición en IA» no es fiable. No está revisado por pares y sus datos se recogieron en noviembre y diciembre de 2025.

Según la documentación de Google, mide impresiones de enlaces de tu sitio mostrados en funciones de IA generativa de Búsqueda (AI Overviews y modo IA), agrupadas por páginas, países, dispositivos y fechas. No incluye datos de experimentos de Search Labs y no se muestra si el sitio no ha recibido suficientes impresiones. Esas impresiones ya forman parte del informe de rendimiento general, así que no deben sumarse a él.

En parte. Analytics tiene un canal «AI Assistant» dentro del grupo de canales predeterminado, para visitas que llegan desde fuentes como ChatGPT, Gemini, Deepseek, Copilot o Grok; se asigna cuando el referente coincide con una lista de asistentes de IA, y excluye las AI Overviews y el modo IA de Google. Las visitas que llegan sin referente no pueden clasificarse así, y la clasificación mide visitas, no menciones en respuestas que no generaron clic.

Microsoft presentó en febrero de 2026, en vista previa pública, el informe AI Performance, que muestra citaciones totales de tu sitio como fuente en respuestas de IA, promedio de páginas citadas por día, una muestra de consultas de grounding y la actividad por página, con tendencia temporal. Cubre Microsoft Copilot, resúmenes generados por IA en Bing y algunas integraciones de socios. Desde el 16 de junio de 2026 añade, también en vista previa, vistas de intenciones, temas, cuota de citación y comparación de periodos. Microsoft aclara que las cifras no indican posición, autoridad ni el papel de la página dentro de la respuesta.

No existe una cifra validada. Los propios investigadores de SparkToro reconocen como pregunta abierta cuántas veces hay que ejecutar un prompt para obtener resultados estadísticamente sólidos. Como criterio práctico de método: usa un conjunto fijo y pequeño de preguntas reales de clientes, repítelas varias veces por plataforma, informa del porcentaje de apariciones como rango y compara tendencias de varios ciclos, no una sola medición.

Con honestidad sobre la causalidad. Un estudio de Similarweb con SparkToro (junio de 2026) en tres sectores de consumo observó que los dispositivos expuestos a recomendaciones de una marca en IA mostraban más visitas directas a esa marca y algo menos de visitas por búsqueda tradicional, y sus autores señalan que quedan abiertas preguntas de causalidad y de generalización a marcas pequeñas. Para tu caso, combina señales de demanda de marca, una pregunta de origen declarado en formularios y calidad de las consultas en el CRM, y presenta la relación como indicio, no como prueba.

Newsletter

Nuevas ideas, análisis e investigaciones directamente en tu correo.

Suscríbete para recibir las nuevas publicaciones de Insights y otros contenidos seleccionados de Maccam Network. Sin spam. Te puedes dar de baja en cualquier momento.

Al suscribirte aceptas recibir comunicaciones de Maccam Network. Puedes darte de baja en cualquier momento.

En este ecosistema
Hub SEO Estratégico Metodología Metodología SEO Servicio Analítica de Marketing
Publicado por

Equipo Editorial de Maccam Network

Equipo Editorial, Maccam Network

El Equipo Editorial de Maccam Network investiga, analiza, redacta, edita y verifica los contenidos institucionales de la Biblioteca Maccam. Todo el contenido publicado bajo esta firma integra fuentes primarias, experiencia profesional documentada y revisión editorial antes de publicarse.

Ver perfil editorial →

¿Hablamos de tu empresa?

Hablemos de lo que necesita tu negocio.

Una conversación de 30 minutos es suficiente para entender el contexto, identificar el problema y ver si somos el equipo adecuado para ayudarte.

Consulta gratuita por WhatsApp Ver formulario de contacto