¿Cómo medir la visibilidad en las búsquedas con IA? Métodos y limitaciones
Hemos resumido los métodos para medir con qué frecuencia aparece su marca en las respuestas de la IA. Explicamos el conjunto de preguntas fijas, tres métricas clave y las limitaciones que debe conocer.
Respuesta en una frase: La visibilidad en las búsquedas con IA se mide planteando preguntas predeterminadas repetidamente de la misma manera y calculando la proporción de veces que aparece su marca (mención), si se incluye el enlace a su sitio (cita) y si el contenido es correcto (precisión). Dado que las respuestas de la IA pueden variar cada vez, es más importante observar la tendencia tras repetir el proceso bajo las mismas condiciones que un único resultado.
¿Por qué es difícil de medir?
Los rankings de búsqueda tradicionales se pueden verificar de forma clara, como "3.ª posición" o "7.ª posición". Sin embargo, las respuestas de la IA son diferentes:
- Incluso para la misma pregunta, las oraciones y las listas de recomendaciones pueden cambiar cada vez que se consulta.
- Las respuestas pueden variar según la ubicación del usuario, el historial de conversación y si ha iniciado sesión.
- La forma en que la IA responde cambia cuando el servicio se actualiza.
Por ello, decir "hoy pregunté una vez y apareció" no es una medición, sino más bien una observación accidental. Para que sea una medición, los parámetros deben fijarse y repetirse.
3 métricas clave
En OLRim, analizamos la visibilidad en búsquedas con IA mediante las siguientes tres métricas:
1. Tasa de mención de marca
Es el porcentaje de respuestas de la IA en las que aparece el nombre de su marca.
Tasa de mención de marca = (Número de respuestas que mencionan la marca ÷ Número de respuestas válidas) × 100
Por ejemplo, si la marca aparece en 5 de 20 respuestas válidas, la tasa de mención es del 25%.
2. Tasa de citación de URL propia
Es el porcentaje de casos en los que la dirección de su sitio web se incluye en la lista de fuentes o enlaces de la respuesta.
Tasa de citación de URL propia = (Número de respuestas que citan la URL propia ÷ Número de respuestas válidas) × 100
A menudo el nombre aparece, pero el enlace dirige a otros blogs o sitios de reseñas. Por eso se analizan la tasa de mención y la de citación por separado.
3. Tasa de citación precisa
Entre las respuestas en las que se menciona su marca, es el porcentaje en el que la información de la empresa o la descripción del servicio es veraz.
Tasa de citación precisa = (Número de respuestas descritas con precisión ÷ Número de respuestas que mencionan la marca) × 100
Si hay muchas menciones pero la precisión es baja, es una señal de que se está difundiendo información antigua o incorrecta. En este caso, la prioridad es corregir la información oficial antes que aumentar la exposición.
¿Qué es una "respuesta válida"?
Se excluyen del cálculo los casos en los que la IA comete un error o responde "no puedo contestar". No obstante, se registra por separado cuántos casos se excluyeron y por qué motivo, ya que una alta tasa de exclusiones es, en sí misma, información significativa.
Creación de un conjunto de preguntas fijas
La clave de la medición es usar las mismas preguntas siempre. Este grupo de preguntas se denomina "conjunto de preguntas fijas".
Criterios para elegir preguntas
- Preguntas que los clientes harían realmente: Elija las preguntas que hacen los clientes, no las que usted desea escuchar.
- Mezclar diferentes etapas
- Etapa de exploración: "¿Qué es GEO?"
- Etapa de comparación: "Compara herramientas de diagnóstico GEO"
- Etapa de decisión: "Recomienda un servicio de diagnóstico GEO ideal para empresas pequeñas"
- Priorizar preguntas que no incluyan el nombre de la marca: Si incluye nombres como "¿Qué tal es OLRim?", casi siempre será mencionado, por lo que no podrá medir la visibilidad real. Las preguntas con nombre se reservan para verificar la precisión.
- Empezar con 10 a 30 preguntas: Si son demasiadas, será difícil repetirlas con constancia.
La gestión de versiones es fundamental.
Si cambia aunque sea una sola pregunta, no podrá compararla directamente con resultados anteriores. Por ello, asigne versiones como "v1" o "v2" a su conjunto de preguntas y comience una nueva versión cuando realice cambios. Compare solo resultados de la misma versión.
Formato de registro
Registrar los siguientes elementos permitirá verificar o comparar los resultados en el futuro.
| Elemento | Ejemplo | Descripción |
|---|---|---|
| Hora de investigación | 2026-10-16 15:00 | Fecha y hora |
| Servicio/Modelo de IA | ChatGPT (con búsqueda) | Nombre del modelo si es posible |
| Versión del conjunto | v1 | |
| Pregunta | Recomienda servicio GEO para pymes | Texto original exacto |
| Mención de marca | Sí / No | |
| Cita de URL propia | Sí / No | |
| URL citada | https://... | Lista completa de fuentes |
| Precisión | Preciso / Error parcial / Error | Detalles del error en notas |
| Evaluador/Método | Verificación directa | Método si es automático |
| Notas | Muestra precio antiguo |
Reglas de registro
- Si es posible, pregunte en un chat nuevo sin iniciar sesión (o sin historial).
- Plantee una pregunta por chat. La pregunta anterior podría influir en la respuesta posterior.
- Capture la pantalla de la respuesta o guarde el texto original.
4 limitaciones de la medición
Este método tampoco es perfecto. Debe anotar las siguientes limitaciones al interpretar los resultados:
1. La respuesta varía cada vez.
La IA puede dar respuestas distintas a la misma pregunta. Por eso, se pregunta varias veces por pregunta o se aumenta el número de preguntas para reducir el efecto del azar.
2. Los usuarios pueden ver respuestas diferentes.
Las respuestas varían según la ubicación, el idioma y el historial de chat. El resultado que usted ve no es necesariamente el que ven todos los clientes.
3. La IA puede decir cosas incorrectas.
El fenómeno en el que la IA genera información falsa de manera convincente se llama alucinación. Incluso si se menciona la marca, el contenido puede ser erróneo, por lo que se vigila la tasa de citación precisa.
4. No se pueden comparar servicios de forma simple.
ChatGPT, Gemini y Perplexity tienen diferentes métodos de recopilación de información y ciclos de actualización. No debe concluir que "las condiciones son iguales" solo porque un servicio tiene una mayor tasa de mención. Es más exacto observar la tendencia de cambio dentro de cada servicio.
¿Cómo utilizar los resultados?
| Situación | Significado | Qué hacer |
|---|---|---|
| Mención y cita bajas | La IA apenas conoce su existencia | Revisión técnica, refuerzo de info. clave |
| Mención alta y cita baja | Conoce el nombre pero no usa su web como fuente | Crear contenido que responda directamente |
| Mención alta y precisión baja | Se difunde información errónea | Corregir y alinear la información oficial |
| Ambas altas | Estado óptimo | Mantener mediante verificaciones periódicas |
Resumen
- La base de la medición es hacer preguntas fijas, de la misma manera y con constancia.
- Es necesario analizar por separado la tasa de mención, de citación y de precisión para identificar la causa del problema.
- Acepte las limitaciones y juzgue basándose en la tendencia, no en un único resultado.
El diseño de la investigación que OLRim realiza con este método está disponible en el [Olrim AI Search Visibility Report v1](/blog/olrim-ai-search-visibility-report-v1). Si le resulta tedioso registrarlo manualmente, puede verificar las mismas preguntas periódicamente con la función de seguimiento de menciones por IA de OLRim.