Más allá del ranking: qué hace que una página sea citada en las respuestas de IA

Veinte años de práctica del search se apoyan en una suposición: el ranking determina la visibilidad. Esa suposición nunca se puso a prueba a gran escala contra los motores de respuesta, y las mediciones que la ponen a prueba solo existen desde mediados de 2025 hasta mediados de 2026. Son incómodas. De unas cuatro millones de URL citadas en los AI Overviews de Google, solo el 37,1 % aparecía también en el top 10 de la consulta, y el 36,7 % no aparecía ni en el top 100 (Ahrefs, 863.000 keywords, marzo de 2026) [1]. En 100.000 prompts, solo el 11 % de los dominios citados aparecía tanto en respuestas de ChatGPT como de Perplexity (Profound, julio de 2025) [4]. Y en AI Mode de Google, el 93 % de las sesiones termina sin un solo clic saliente (GEO Hub, 2026) [9].

La conclusión no es que el ranking haya dejado de importar. Es que el ranking se ha convertido en una señal de relevancia dentro de un conjunto candidato mucho mayor, no en una condición de entrada. Las marcas que siguen presupuestando contra la posición mientras la decisión de citación se toma en otro sitio están midiendo la variable equivocada. El primer paso es cambiar la unidad de medida del ranking al share de fuentes citadas por motor, y tratar la extractabilidad y la frescura como las dos palancas que realmente lo mueven.

La optimización de búsqueda clásica se construye sobre una única cadena causal: una página posiciona, por tanto se ve, por tanto se hace clic. Toda convención de reporting del sector — posición media, share of voice, número de posiciones top-10 — es un sustituto de esa cadena. Incluso cuando aparecieron los resúmenes de IA, la mayoría de los profesionales los trataron como una función más del SERP montada sobre el mismo modelo.

El comportamiento de los usuarios dice otra cosa. Pew Research Center siguió en marzo de 2025 la navegación de 900 adultos estadounidenses en 68.879 búsquedas de Google. Cuando aparecía un resumen de IA (lo que ocurría en el 18 % de las búsquedas y en el 53 % de las consultas de diez palabras o más), los usuarios hacían clic en un resultado orgánico clásico en el 8 % de las visitas, frente al 15 % sin resumen, y terminaban la sesión en el 26 % de los casos [10]. El resumen no se situó por encima del ranking. Sustituyó al ranking como aquello que lee el usuario.

“In roughly one in four searches with an AI summary, the user was finished before reaching any result at all.” — Pew Research Center, 68,879 searches, March 2025 [10]

Los datos de tráfico confirman la dirección sin confirmar el mecanismo. El panel de clickstream de Semrush — más de mil millones de filas de diecisiete meses de navegación en EE. UU. — muestra el tráfico de referencia de ChatGPT con +206 % en 2025, mientras más del 20 % de ese tráfico saliente volvía a Google en lugar de ir a la página citada, y más del 30 % se concentraba en diez dominios [8]. La capa de respuestas ya es lo bastante grande para ser un canal de distribución, y lo bastante estrecha para que sus rendimientos estén repartidos de forma desigual.

Eso hace cara la pregunta sin respuesta. Si los usuarios leen respuestas y no resultados, solo importa una cosa: si tu página es elegida como fuente. Y esa selección no se había medido a escala antes de 2025. Este libro blanco informa lo que dieron esas mediciones, incluidos los puntos en los que se contradicen entre sí.

Esta serie incluye dos borradores anteriores a este informe. Cómo deciden los motores de IA qué marcas citar trataba la presencia en el top 10 como requisito previo para la citación; los datos de 2026 ya no lo sostienen, y la sección 3 lo corrige. Siete motores, siete comportamientos describe en qué difieren los motores; este libro blanco muestra por qué esas diferencias mueven la suerte de la citación. Ambos borradores se han retirado y ya no están publicados.

Esto es investigación secundaria. Ninguna de las mediciones de este documento ha sido producida por Novaxilabs. Cada cifra es el resultado publicado de un estudio identificado, reportado con tamaño de muestra y ventana de medición, y cada afirmación conduce a una referencia numerada en el Apéndice A. El valor añadido no está en datos nuevos, sino en la comparación entre estudios, en la conciliación de resultados contradictorios y en su traducción a decisiones que un equipo de marca pueda ejecutar.

Clases de evidencia

Las afirmaciones se clasifican con la escala de cinco niveles utilizada en esta serie: Oficial (documentación del proveedor), Revisada por pares, Medición independiente (muestra grande de terceros, con tamaño y ventana declarados), Reportada por el proveedor y Análisis (inferencia razonada a partir de comportamiento observable, explícitamente sin pretensión de conocer el interior de los motores). Siete de los ocho estudios citados aquí son mediciones independientes; las explicaciones de mecanismo de la sección 3 son análisis, y así están marcadas.

Comparabilidad — y por qué se evitan las cifras absolutas

Los estudios no comparten metodología, y este documento no pretende que lo hagan. Ahrefs midió 863.000 keywords contra 4 millones de URL de AI Overview [1]; una muestra anterior de Ahrefs cubrió 1,9 millones de citas [2]; BrightEdge siguió nueve sectores durante dieciocho meses [3]; Profound ejecutó 100.000 prompts en dos motores [4]; Wix Studio analizó 1.056.727 citas de 75.000 respuestas de IA [5]. Un porcentaje de un estudio no se resta de un porcentaje de otro. Lo comparable es la dirección: si cada estudio, según sus propios estándares, ve el ranking y la citación moverse juntos o por separado. Por eso se reportan individualmente.

Lo que este documento no afirma

No afirma conocer cómo un motor pondera internamente sus fuentes. No afirma que estos hallazgos valgan para todos los idiomas, mercados o categorías: donde un estudio reporta desglose por categoría, se muestra. No afirma que la tendencia sea permanente: cada fuente aquí está fechada, y la propia evidencia del documento muestra lo rápido que se mueve el cuadro (el hallazgo 01 reporta una métrica que se redujo aproximadamente a la mitad en ocho meses).

Cada hallazgo indica una afirmación, el estudio que la sostiene y la muestra. Donde los estudios discrepan, la discrepancia se muestra en el gráfico en lugar de suavizarla, porque la discrepancia es en sí el hallazgo.

La contradicción no es un error de datos, sino una diferencia de método con una lección. BrightEdge siguió un conjunto fijo de nueve sectores durante dieciocho meses y vio la superposición subir del 32,3 % al 54,5 % [3] — con una dispersión extrema dentro del conjunto, del 75,3 % en salud al 19,2 % en restaurantes. Ahrefs utilizó muestras de keywords mucho mayores y vio la superposición caer hacia el otro lado [1][2]. Ambas posturas son defendibles. Lo que sobrevive en ambas es más estrecho y más útil: el ranking es una señal de relevancia dentro de un conjunto candidato mucho mayor, no un requisito previo para la citaciónANALYSIS.

Un tercer estudio explica por qué las cifras divergen tanto, y es el más útil para planificar. Ahrefs probó 15.000 consultas de long tail en ChatGPT, Gemini, Copilot y Perplexity contra el top 10 de Google para el mismo prompt: solo alrededor del 12 % de las URL citadas por IA estaban también en el top 10 — Perplexity en torno al 29 %, Gemini cerca del 12 %, ChatGPT y Copilot cerca del 8 % (agosto de 2025) [18]. La distancia entre 76 %, 12 % y 37,1 % es en buena parte un efecto del tipo de consultaANALYSIS. Las consultas head con valor comercial siguen lo suficiente el ranking para producir una superposición alta; las consultas long tail y en forma de pregunta, donde la respuesta se compone de subconsultas, no. La visibilidad de una marca depende, por tanto, del tipo de prompt que sus compradores realmente introducen.

Un mecanismo explica la brecha sin pretender conocer el interior de los motores. Los AI Overviews recurren, según documentación pública, a los sistemas centrales de ranking de Google, pero el conjunto del que extraen es el índice, no el top 10 renderizado, y AI Mode añade query fan-out, que emite subconsultas derivadas cuyos conjuntos de resultados no son la página de resultados original [11][12]. Una página en el puesto 25 para la consulta head puede ser la mejor respuesta a una subconsulta derivada. Las cifras de 2026 son coherentes con esto: la correlación entre ranking y citación persiste, pero ya no funciona como umbral.

La consecuencia práctica es estructural, no táctica. Un panel de un solo motor produce una cifra que parece cuota de mercado pero se comporta como una muestra de un canal. Como los dos motores recuperan de forma distinta — ChatGPT mezcla memoria de entrenamiento con recuperación en vivo, Perplexity compone a partir de un conjunto recuperado en vivo [13][14] —, la falta de superposición no es ruido aleatorio. Es la huella de estrategias de recuperación distintas, lo que significa que la huella de citas de una marca debe medirse por motor y luego agregarse.

Otras tres mediciones afinan qué significa «extractable». La longitud ayuda pero no basta: las páginas de más de 20.000 caracteres fueron citadas 10,18 veces de media, frente a 2,39 en páginas de menos de 500 caracteres, con el 4,8 % superior de las URL acumulando diez o más citas (Growth Memo, marzo de 2026) [6]. Empezar con una respuesta directa ayuda más: las páginas cuyo título respondía directamente a la pregunta fueron citadas en el 41 % de las consultas, frente al 29 % en páginas vagamente relacionadas (Growth Memo, abril de 2026) [7]. Y un atajo técnico no funciona: el marcado structured schema no mostró ningún efecto medible en AI Overviews, AI Mode ni ChatGPT (Ahrefs, mayo de 2026) [15].

La intención, no el sector, predice el formato. En el mismo conjunto de datos, las consultas informacionales atrajeron 45,5 % de artículos frente al 21,7 % de listicles, mientras las consultas comerciales lo invirtieron — 40,9 % de listicles frente al 6,2 % de artículos [5]. En servicios profesionales, el 80,9 % de los listicles citados procedía de terceros neutrales y no de las propias marcas, lo que significa: la jugada ganadora en consultas de compra suele ser entrar en la recopilación de otro en lugar de publicar la tuya.

Dos hechos estructurales subyacen. Primero, una parte importante de cada respuesta está ya asignada antes de que una página de marca pueda ser considerada: Wikipedia, YouTube y Reddit aportaron juntos el 15 % de las fuentes enlazadas por los resúmenes de IA (Pew, 2025) [10], y YouTube por sí solo fue el dominio más citado en AI Overviews — el 5,6 % de todas las citas y el 18,2 % de las citas de páginas fuera del top 100 (Ahrefs, marzo de 2026) [1]. Segundo, los motores difieren mucho en cuántas fuentes muestran: en 126 millones de prompts de EE. UU., ChatGPT mostró de media 15 fuentes por respuesta y Gemini de media tres (Semrush AI Visibility Index, 2026) [20]. La misma página enfrenta aritméticas muy distintas según qué motor responde.

Una limitación es de infraestructura. En una prueba controlada de 14 días en el propio sitio de una marca, las páginas HTML de prueba acumularon 137 visitas de bots de IA y aparecieron como fuentes citadas; el mismo contenido servido como Markdown acumuló cero visitas de cualquier crawler y fue citado cero veces (OtterlyAI, abril de 2026) [16]. Una página puede ser excelente y aun así ser inalcanzable si solo existe en una forma que el recuperador no recupera.

La lectura honesta es más estrecha de lo que sugiere cualquiera de los dos estudios por separado. «Publicar contenido fresco para ganar citas» no es lo que muestran los datos: frente a la búsqueda ordinaria, los AI Overviews tienen una preferencia por la edad casi nula, y las páginas citadas suelen tener años. La frescura afecta la elegibilidad, no la preferencia: una página nueva puede ser recuperada en días, lo que solo cuenta si una página es nueva. La conclusión operativa: refrescar una página existente no es una palanca de crecimiento, pero una página que nunca se publica dentro de la ventana de recuperación nunca entra en el surtido. Lo que se acumula es la existencia continua y la recuperación repetida, y una página reescrita cada trimestre no reinicia ese reloj.

La implicación es un cambio de función objetivo, no de canal. Si la citación es el punto final de la mayoría de las sesiones, entonces el resultado que merece medirse es si se nombra a la marca, con qué rapidez, con qué precisión y junto a quién, no cuántos visitantes llegaron. El tráfico que sí ocurre está concentrado: más del 30 % del tráfico saliente de ChatGPT va a diez dominios, y más del 20 % vuelve a Google en lugar del editor citado [8]. Para la mayoría de las marcas, el precio realista de ser la respuesta correcta dentro de la respuesta es el clic como bonus ocasional.

Los cinco hallazgos se reducen a un desplazamiento operativo: la unidad de competición se ha movido de la posición a la presencia, y las métricas tienen que seguirlas.

1. El ranking deja de ser el titular del reporting

La posición media sigue siendo un diagnóstico útil — dice qué páginas son candidatas plausibles —, pero ya no es un sustituto del visibility. Una marca que reporta «tres keywords en el top 10» no ha dicho nada sobre si aparece en respuestas. La métrica sustituta es el share de fuentes citadas: en qué proporción de las respuestas que generan los prompts de tu categoría tu dominio es una de las fuentes, y en qué posición de la lista de fuentes.

2. La selección de motores es una decisión de estructura de mercado

Con una superposición del 11 % entre motores, una «visibilidad en IA» medida en uno describe un solo canal [4]. Una marca debería decidir qué motores corresponden a la población real de sus compradores, reportar cada uno por separado y agregar solo con la composición de motores declarada. Una cifra única mezclada entre motores no es un resumen, sino una media ponderada de poblaciones no comparables.

3. La extractabilidad es la única palanca completamente en manos de una marca

El ranking depende de competidores y de un algoritmo que nadie puede inspeccionar. La extractabilidad no: una página que empieza con una respuesta directa, pone la afirmación en las dos primeras frases y cubre las subpreguntas obvias puede mejorarse esta semana. El efecto medido es considerable — 41 % de tasa de citación para títulos con respuesta directa frente al 29 % para títulos vagamente relacionados [7], y una diferencia de 4,3 veces entre páginas largas y muy cortas [6]. La única palanca que parecía un atajo — el marcado schema — no midió ningún efecto [15].

4. La frescura es un umbral de elegibilidad, no una palanca de crecimiento

La página citada media tiene más de tres años [19], por lo que «actualizar nuestro contenido» no es la palanca que se vende. Lo que la frescura gobierna es si una página puede entrar en absoluto, y esa ventana es corta, con una mediana de 6,81 días hasta la primera cita [17]. La implicación es publicar de forma continua en lugar de refrescar periódicamente: un ritmo constante de páginas nuevas y respondibles introduce entradas en el surtido continuamente, mientras una reescritura trimestral de páginas antiguas casi no cambia su comportamiento de citación.

5. El resultado a optimizar es la precisión, no la llegada

Con un 93 % de zero-click en AI Mode [9], una estrategia cuyo criterio de éxito es una visita reportará la mayoría de sus propios éxitos como fracasos. El criterio de éxito debe reformularse: ¿se nombra a la marca, se describe con precisión, se recomienda donde debería, y qué competidores aparecen junto a ella? Eso es medible — y es lo único que la capa de citación realmente paga.

Esto es una síntesis, no una medición. Cada cifra procede de un estudio con su propia muestra, ventana y método, y el documento las reporta individualmente precisamente porque no pueden fusionarse. Tres debilidades concretas deben viajar con los hallazgos:

• Inestabilidad. La Figura 1 muestra dos estudios defendibles que, en ocho meses, llegan a conclusiones opuestas sobre la misma relación. Cada cifra de este documento es una captura, y la tesis del documento implica que envejecerá.
• Dispersión por categoría. Los sectores de BrightEdge iban del 75,3 % de superposición en salud al 19,2 % en restaurantes [3]. Un promedio entre sectores no puede describir ningún sector. Los lectores deberían suponer que su propia categoría está en algún punto de ese rango, no en su centro.
• Sesgo geográfico e idiomático. Los estúdios citados son muestras predominantemente estadounidenses y en inglés. El comportamiento de los motores difiere por mercado, idioma y estado de login, y ninguna cifra aquí debería transferirse a otro mercado sin volver a medirla.

El documento tampoco afirma describir cómo los motores ponderan internamente las fuentes. Las explicaciones de mecanismo — integración al ranking central, query fan-out, surtidos candidatos más amplios — provienen de documentación del proveedor y de entradas y salidas observables, y están marcadas como análisis donde van más allá de lo que un proveedor ha explicado.

Ordenado por esfuerzo frente a efecto, cada uno con un responsable y una forma de comprobar si funcionó.

El orden importa más que cualquier fila individual. Las acciones 1 y 2 son baratas y producen señal en un ciclo de publicación; la acción 4 es la que convierte una mejora puntual en una capacidad duradera. La acción 5 está incluida porque eliminar una palanca plausible pero ineficaz es en sí una ganancia.

Política de fuentes. La evidencia se clasifica en una escala de cinco niveles: Oficial (documentación o anuncio del proveedor), Revisada por pares, Medición independiente (muestra grande de terceros con método publicado), Reportada por el proveedor (un proveedor publica datos que también sirven a su propia propuesta de producto), Análisis (inferencia razonada a partir de comportamiento observable, sin pretensión de conocer el interior del motor). Los estudios de proveedores de herramientas (Ahrefs, Semrush, Wix Studio) se clasifican como Medición independiente porque las muestras y los métodos están publicados; donde un proveedor mide su propio argumento comercial central — la superposición entre motores de Profound —, la entrada se rebaja a Reportada por el proveedor. Algunos estudios no tienen una dirección estable en su propia plataforma; en ese caso la entrada cita la fuente secundaria que los reporta, para que cada cifra de este documento pueda seguir comprobándose contra una página accesible en vivo.

1. 1.Ahrefs, «AI Overview citations versus organic ranking», 863.000 SERP de keywords y 4 millones de URL de AI Overview, marzo de 2026: 37,1 % de las URL citadas en el top 10, 26,2 % en los puestos 11–100, 36,7 % fuera del top 100. Reportado en SEOValley, «What Gets Cited in AI Overviews», septiembre de 2026. seovalley.com INDEPENDENT
2. 2.Ahrefs, muestra anterior de citas, 1,9 millones de citas, julio de 2025: superposición con el top 10 en torno al 76 %. Misma fuente de reporte que [1]. INDEPENDENT
3. 3.BrightEdge, superposición entre citación y orgánico en nueve sectores, mayo de 2024 – septiembre de 2025: 32,3 % → 54,5 %; salud 75,3 %, restaurantes 19,2 %. Reportado en SEOValley [1]. INDEPENDENT
4. 4.Profound, «Cross-engine citation overlap», 100.000 prompts en ChatGPT y Perplexity, julio de 2025: el 11 % de los dominios citados aparece en ambos. Reportado en AI Visibility Software, «Myth: AI Visibility Is Just SEO Rebranded», julio de 2026. ai-visibility-software.com VENDOR-REPORTED
5. 5.Wix Studio AI Buscar Lab, estudio de composición de citas, 1.056.727 citas de 75.000 respuestas de IA de ChatGPT, Google AI Mode y Perplexity, marzo de 2026: listicles 21,9 %, artículos 16,7 %, páginas de producto 13,7 %; consultas informacionales 45,5 % artículos; consultas comerciales 40,9 % listicles. Reportado en SEOValley [1]. INDEPENDENT
6. 6.Growth Memo, análisis de longitud de página y citas, marzo de 2026: las páginas de más de 20.000 caracteres fueron citadas 10,18 veces de media frente a 2,39 en las de menos de 500; el 4,8 % superior de las URL fue citado diez veces o más. Tal como se reporta, con atribución, por Position Digital. position.digital INDEPENDENT
7. 7.Growth Memo, análisis de forma del título, abril de 2026: las páginas cuyo título responde directamente a la pregunta fueron citadas en el 41 % de las consultas, frente al 29 % de títulos vagamente relacionados. Misma fuente de reporte que [6]. position.digital INDEPENDENT
8. 8.Semrush, «ChatGPT search insights», panel de clickstream con 200 millones de usuarios, 17 meses / más de mil millones de filas hasta febrero de 2026: tráfico de referencia de ChatGPT +206 % en 2025; más del 30 % del tráfico saliente a diez dominios; más del 20 % de vuelta a Google; búsqueda web activada en el 34,5 % de las consultas (46 % a finales de 2024). semrush.com INDEPENDENT
9. 9.GEO Hub, «The click that never came: AI Mode’s 93% zero-click rate», 2026: el 93 % de las sesiones de AI Mode no genera clics salientes; el 6–8 % alcanza una página externa; AI Overviews 43 % de zero-click. geo.alibaba.com INDEPENDENT
10. 10.Pew Research Center, estudio de comportamiento de búsqueda, 900 adultos estadounidenses / 68.879 búsquedas de Google, marzo de 2025: 18 % de las búsquedas generaron un resumen de IA (53 % en consultas de diez palabras o más); tasa de clic orgánico 8 % cuando aparecía un resumen, frente a 15 % sin él; 26 % de las sesiones con resumen terminaron sin visitar ningún resultado; Wikipedia, YouTube y Reddit aportaron el 15 % de las fuentes enlazadas. pewresearch.org INDEPENDENT
11. 11.Google, «What happened with AI Overviews and next steps», The Keyword, mayo de 2024: los AI Overviews recurren a los sistemas centrales de ranking de Google e identifican resultados relevantes del índice de búsqueda. blog.google OFFICIAL
12. 12.Google, «Expanding AI Overviews and introducing AI Mode», The Keyword, marzo de 2025: AI Mode utiliza query fan-out y emite múltiples búsquedas relacionadas en subtemas y fuentes de datos. blog.google OFFICIAL
13. 13.OpenAI, «Introducing ChatGPT search», octubre de 2024: la búsqueda de ChatGPT recupera información actual de la web con enlaces a las fuentes. openai.com OFFICIAL
14. 14.Kompozy, «How Perplexity selects sources: retrieval, ranking and citation mechanics», 2026 — análisis técnico de terceros; ninguna documentación oficial de Perplexity describe la pipeline de selección. kompozy.io ANALYSIS
15. 15.Ahrefs, prueba de marcado schema en 1.885 páginas que añadieron JSON-LD, mayo de 2026: ningún incremento estadísticamente relevante en citas de IA en AI Overviews, AI Mode ni ChatGPT. Reportado en AI Visibility Software [4]. INDEPENDENT
16. 16.OtterlyAI, «GEO Experiment: Markdown vs HTML», prueba controlada en el propio sitio del proveedor, 14 días, dos pares de páginas emparejadas: las páginas HTML recibieron 137 visitas de bots de IA y fueron citadas; las versiones .md idénticas recibieron cero visitas y cero citas en ChatGPT, AI Overviews de Google y Perplexity. Experimento de una sola marca; no generalizable. otterly.ai VENDOR-REPORTED
17. 17.Josh Blyskal (Profound), estudio de tiempo hasta la primera cita, mayo de 2026: unas 900 páginas recién publicadas, seguidas en logs de respuestas de LLM; mediana 6,81 días, percentil 90 37,10 días. Publicado por un proveedor de seguimiento de citas. tryprofound.com VENDOR-REPORTED
18. 18.Ahrefs, «Only 12% of AI-cited URLs rank in Google’s top 10 for the original prompt», 15.000 consultas de long tail en ChatGPT, Gemini, Copilot y Perplexity, agosto de 2025: en torno al 12 % de superposición global; Perplexity cerca del 29 %, Gemini cerca del 12 %, ChatGPT cerca del 8 %, Copilot cerca del 8 %. Reportado en AI Visibility Software [4]. INDEPENDENT
19. 19.Ahrefs, edad media de páginas citadas sobre 16,975 millones de URL citadas, julio de 2025: ChatGPT 958 días, Copilot 1.056, Gemini 1.118, Perplexity 1.166, AI Overviews de Google 1.432, Google orgánico ordinario 1.416. Reportado en SEOValley [1]. INDEPENDENT
20. 20.Semrush AI Visibility Index, 126 millones de prompts de EE. UU., enero–abril de 2026: ChatGPT mostró de media 15 fuentes por respuesta, Gemini tres. Reportado en SEOValley [1]. INDEPENDENT

Este documento se escribió de forma independiente. Sus conclusiones no fueron revisadas ni dirigidas por Novaxilabs, y ninguna afirmación en él depende de los datos de monitorización propios de Novaxilabs.

Novaxilabs mide cómo aparece una marca en las respuestas de IA, no cómo posiciona una página. La plataforma sigue la tasa de mención, la posición de recomendación, el sentimiento y las fuentes que los motores realmente citan, en siete motores dentro de un dashboard.