Cómo medir la visibilidad en IA: métricas, muestreo y errores

Para medir la visibilidad en IA, usted plantea a los asistentes de IA un conjunto fijo y representativo de preguntas reales, las repite las veces necesarias para absorber el azar y cuenta en cuántas respuestas válidas se menciona o se cita su marca. La métrica central es una proporción con un denominador honesto, que se publica junto con su incertidumbre y se compara con la competencia solo sobre exactamente la misma muestra.

Puntos clave

La unidad de medida es cada respuesta, no un «ranking»: los asistentes de IA no mantienen una lista estable de posiciones.
Tasa de presencia = respuestas que mencionan la marca ÷ respuestas válidas. Las respuestas fallidas, vacías o rechazadas se excluyen del denominador; no cuentan como ceros.
Como los resultados varían de una ejecución a otra, una captura de pantalla no demuestra casi nada: necesita decenas o cientos de respuestas y un intervalo de confianza.
La comparación con competidores solo tiene sentido si todas las marcas se evalúan con las mismas preguntas, modelos, mercado, idioma y periodo.
Desconfíe de las «puntuaciones de visibilidad» compuestas y opacas: si no puede recalcular una cifra a partir de las respuestas guardadas, no puede auditarla.

¿Qué está midiendo exactamente?

La visibilidad en IA describe con qué frecuencia y de qué forma aparece una marca en las respuestas de asistentes como ChatGPT, Gemini, Claude o Perplexity. Una respuesta generada no tiene posiciones fijas, así que la unidad de observación más sólida es la respuesta individual, guardada completa junto con las fuentes citadas, el modelo, el idioma, el mercado y la fecha y hora.

De esa materia prima se derivan varias señales distintas, que conviene no mezclar demasiado pronto:

Mención: ¿aparece el nombre de la marca en el texto de la respuesta?
Cita: ¿la respuesta enlaza o referencia una página de su dominio como fuente?
Prominencia: ¿dónde aparece la marca: en la primera frase, como primer elemento de una lista o en una nota al pie?
Encuadre: ¿se recomienda la marca, solo se enumera, se compara de forma desfavorable o se describe con errores?

Aggarwal et al. (KDD 2024) miden la visibilidad en motores generativos con un recuento de palabras ajustado por posición y una puntuación de impresión subjetiva. La visibilidad es multidimensional: decida de antemano qué dimensión importa para su decisión. Para el contexto general, consulte qué es GEO.

Las métricas clave y cómo calcularlas

Métrica	Fórmula	Qué le indica
Tasa de presencia	respuestas que mencionan la marca ÷ respuestas válidas	Con qué frecuencia aparece
Tasa de citación	respuestas que citan su dominio ÷ respuestas válidas	Si la IA usa su contenido como evidencia
Cuota de voz	sus menciones ÷ todas las menciones de las marcas seguidas en la misma muestra	Su parte de la conversación frente a la competencia
Tasa de primera mención	respuestas en las que se le nombra primero ÷ respuestas que le mencionan	Su prominencia cuando está presente
Tasa de exactitud	respuestas con datos correctos sobre usted ÷ respuestas que le mencionan	Si la visibilidad le ayuda o le perjudica

La tasa de presencia suele ser la métrica principal porque es sencilla y fácil de auditar. La cuota de voz aporta contexto competitivo, pero depende de qué competidores siga: si añade un nuevo rival a la lista, su cuota baja aunque nada haya cambiado en las respuestas.

Por qué importa tanto el denominador

Imagine que envía 100 preguntas. Ocho devuelven un error, agotan el tiempo de espera o llegan vacías. De las 92 respuestas válidas, 23 mencionan su marca. La tasa de presencia honesta es 23 ÷ 92 = 25,0 %. Si dividiera entre 100, informaría de un 23 % y contaría en silencio los fallos técnicos como «la IA le ha ignorado». Las tasas de fallo varían según el modelo y el día. Guarde los fallos, informe de cuántos hubo y exclúyalos del cálculo.

Muestreo: ¿cuántas preguntas y con qué frecuencia?

En la práctica, los modelos de lenguaje no son deterministas. Estudios empíricos muestran que, incluso con la temperatura en cero, peticiones idénticas pueden producir salidas distintas (Atil et al., 2024; Ouyang et al., 2023). La búsqueda web y las actualizaciones añaden variación: cada medición es una muestra y debe tratarse estadísticamente.

Cómo diseñar el conjunto de preguntas

Parta de intenciones reales. Reúna las preguntas que sus clientes hacen de verdad: de categoría («mejor software de contabilidad para pymes»), de comparación («¿X o Y?»), de problema («¿cómo automatizo mis facturas?») y variantes locales.
Evite las preguntas de marca en la métrica principal. «¿Es buena MarcaX?» casi siempre mencionará MarcaX; eso mide reputación, no descubribilidad. Sígalas por separado.
Fije mercado e idioma. Una respuesta en español para usuarios de España puede diferir mucho de una en inglés para Estados Unidos.
Cubra cada modelo relevante. ChatGPT, Gemini, Claude y Perplexity usan datos de búsqueda y entrenamiento diferentes; preséntelos por separado antes de agregarlos.
Repita. Haga cada pregunta varias veces por periodo.
Congele el conjunto. Mantenga estables las preguntas principales. Añada las nuevas en un segmento aparte.
Guárdelo todo. Conserve el texto completo y las URL citadas para poder recalcular y revisar cualquier cifra más adelante.

Tamaño de muestra e intervalos de confianza

Una proporción basada en pocas respuestas es muy ruidosa. Con la aproximación normal habitual y un 95 % de confianza, el margen de error en el peor caso ronda ±13,9 puntos porcentuales con 50 respuestas válidas, ±9,8 con 100, ±6,9 con 200 y ±4,9 con 400. Con muestras pequeñas, el intervalo de Wilson funciona mejor. En el ejemplo anterior, 23 de 92 da un intervalo de Wilson al 95 % de aproximadamente el 17 % al 35 %. Con solo 4 de 20, el intervalo va aproximadamente del 8 % al 42 %: demasiado amplio para respaldar cualquier decisión.

La regla práctica: antes de afirmar que la visibilidad «subió del 25 % al 30 %», compruebe si los dos intervalos se solapan de forma importante. Si es así, la conclusión honesta es «todavía no hay un cambio claro».

Compararse con la competencia

Una comparación justa exige que todas las marcas se evalúen sobre las mismas respuestas: mismas preguntas, mismos modelos, mismo mercado e idioma, mismas fechas. Así, las tasas de presencia de todas las marcas comparten denominador y las diferencias son reales, no artefactos de ejecuciones separadas. Esa es la lógica de una comparación de competidores sobre la misma muestra.

Mire también las fuentes: si citan a sus competidores desde webs de reseñas donde usted no aparece, ahí hay una pista. Nuestra guía qué fuentes cita la IA explica cómo leer esos patrones, y cómo recomienda ChatGPT las marcas repasa las señales detrás de las recomendaciones.

Errores de medición frecuentes

Tomar una respuesta como la verdad. Una captura de pantalla es una anécdota, no una medición.
Contar los fallos como ceros. Los errores y rechazos no prueban invisibilidad; exclúyalos e informe de su número.
Inventar una puntuación compuesta. Mezclar presencia, sentimiento y posición en una «puntuación IA» con pesos no publicados hace que la cifra sea imposible de auditar o reproducir.
Comparar muestras distintas. Su cifra de marzo frente a la de un competidor obtenida con otra herramienta, otras preguntas u otro idioma no dice casi nada.
Cambiar las preguntas cada mes. La tendencia reflejará sus propias ediciones.
Ignorar las diferencias de interfaz. Los resultados de la API y los de la interfaz de chat para consumidores pueden diferir; indique cuál ha medido.
Confundir visibilidad con resultados. Ser mencionado no garantiza clics ni ventas. Relaciónela con el tráfico de referencia y las conversiones.

Una metodología transparente, que explique cómo se recogen las respuestas, cuáles se consideran válidas y cómo se calcula cada ratio, es la mejor protección. GeoDog, por ejemplo, guarda cada respuesta con sus fuentes para que cualquier cifra pueda verificarse.

Preguntas frecuentes

¿Cuántas preguntas necesito para empezar?

Para una primera lectura, entre 20 y 50 preguntas de intención bien elegidas por mercado e idioma, repetidas varias veces en los modelos que le interesan, suelen generar del orden de 100 a 200 respuestas válidas.

¿Con qué frecuencia conviene medir la visibilidad en IA?

Para la mayoría de las marcas basta una medición mensual, porque los modelos y los índices de búsqueda cambian de forma gradual y el ruido domina las diferencias diarias. Mida con más frecuencia en torno a lanzamientos, cambios importantes de contenido o actualizaciones de modelos conocidas.

¿Una tasa de presencia alta garantiza tráfico?

No. Un asistente puede mencionar una marca sin enlazarla, y el usuario puede no hacer clic. La tasa de presencia mide la exposición en las respuestas; combínela con la tasa de citación y sus datos de analítica para entender el impacto en el negocio. Puede lanzar un primer análisis para ver dónde se encuentra hoy.

Cómo medir la visibilidad en IA: métricas, muestreo y errores comunes