Cómo medir la visibilidad en IA: las métricas que de verdad importan

Las respuestas de IA no tienen primera posición. No hay página de resultados donde posicionar — una respuesta se genera de cero cada vez, y una marca está en ella o no. Esto rompe el hábito de importar herramientas de seguimiento de posiciones, pero no hace la visibilidad inmedible — solo medible de otra manera. Este es el marco que usamos, en el orden que importa.

1. Mide la cuota de respuesta, no el ranking

La métrica central es la cuota de respuesta: de los prompts que sigues, ¿en cuántas respuestas aparece tu marca, y con cuánta prominencia? Una versión simple y honesta es la tasa de mención — respuestas que mencionan tu marca divididas por el total de respuestas auditadas, por motor. Los «rankings» tomados de herramientas de SEO importan un modelo que aquí no existe y engañan silenciosamente a tus informes.

2. Construye el conjunto de prompts a partir de las preguntas de los compradores

La calidad de la medición se decide antes de ejecutar nada — mediante los prompts elegidos. Reúne las 30–50 preguntas que un comprador real escribiría o diría: preguntas de categoría («mejor X para Y»), comparativas («X vs Y»), preguntas de problema y de precio. Evita los prompts de vanidad construidos sobre tu propio nombre de marca; siempre devuelven tu marca y no prueban nada. Congela el conjunto, versiona y añade prompts de forma deliberada — si no, los números semana a semana no son comparables.

3. Mide cada motor por separado

ChatGPT, Perplexity, Google AI Overviews, Gemini, Claude y Copilot no se comportan como un único canal. Los motores de cita consultan la web en cada consulta, mientras que los asistentes se apoyan en lo que ya saben de tu categoría — la división que describimos en motores de respuesta vs. asistentes. Una cifra mezclada entre motores esconde justo las diferencias sobre las que necesitas actuar. Mide por motor y lee las dos familias de forma distinta.

4. Distingue citado de mencionado

Una cita con enlace y una mera mención de marca son eventos distintos con mecánicas distintas. Las citas vienen de la recuperación — tu página fue encontrada y citada; ahí es donde rinde el trabajo de estructura del contenido. Las menciones sin enlace vienen de lo que el modelo ya cree sobre tu categoría — lo que mueve la corroboración de fuentes independientes. Seguir solo citas sobreestima el trabajo de contenido; seguir solo menciones lo oculta. Cuenta ambos, por separado.

5. Ponle número a la competencia

La cuota de respuesta es relativa, así que una columna de competidores pertenece a todo informe. Para cada prompt, registra qué marcas aparecen junto a la tuya. Un movimiento de cinco puntos en tu tasa de mención significa cosas distintas si el líder de la categoría se movió dos — o quince. La columna de competidores también es tu pipeline: los prompts donde aparecen rivales y tú no apuntan directamente a las páginas que debes construir o reestructurar después.

6. Lee tendencias, no ejecuciones sueltas

Las respuestas se generan de cero cada vez; una ejecución suelta es una anécdota. Ejecuta el mismo conjunto de prompts con cadencia fija y juzga tendencias semanales. Tras publicar un cambio, dale una ventana de medición — el re-rastreo y la selección suelen llevar de días a semanas — antes de juzgarlo. El mayor experimento controlado del campo, el estudio GEO-bench (unas 10.000 consultas; KDD 2024), encontró que añadir citas textuales y estadísticas con nombre elevó la visibilidad de una fuente hasta cerca del 40% [1] — palancas que aparecen en tendencias, no en una tarde de comprobaciones puntuales.

7. Cierra el círculo con un informe semanal

Un informe usable de visibilidad en IA es corto: tasa de mención por motor, tu cuota frente a los principales competidores, aciertos y huecos por prompt, y lo que has publicado desde el último informe. Luego actúa sobre los huecos — los prompts ausentes son una lista de tareas, no un veredicto. La corroboración suele moverse más despacio que la estructura en la página; atribuye cada cambio a la palanca correcta antes de escalar. Si prefieres no auditar respuestas a mano: ese ciclo de medición es justo lo que Novaxilabs automatiza — en seis motores con ejecuciones diarias.

Preguntas frecuentes

¿Con qué frecuencia medir? Ejecuciones diarias, lectura semanal. El movimiento de un solo día en respuestas generadas es ruido; las tendencias de dos a cuatro semanas son la señal.

¿Qué es una buena tasa de mención? No existe un referente universal — varía por categoría y motor. Valórala contra la cuota de tus principales competidores en el mismo conjunto de prompts, no contra un número absoluto.

¿Se puede medir sin herramienta? Sí, para un conjunto pequeño de prompts: ejecútalos, registra las respuestas, repite cada semana. La auditoría manual deja de escalar a partir de unos veinte prompts — más allá, la cadencia y la consistencia se degradan.

References

1. Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., Deshpande, A., «GEO: Generative Engine Optimization,» KDD 2024. arXiv:2311.09735
2. Chen, et al., «What Generative Buscar Engines Like,» Carnegie Mellon University, 2025. arXiv:2510.11438