Cómo medir la visibilidad IA en SEO - Ighenatt Blog

La medición de visibilidad IA tiene una trampa elegante: parece fácil hasta que repites la misma consulta dos veces. Un martes ChatGPT cita tu guía. El miércoles no aparece. Perplexity te enlaza en la primera respuesta, luego cambia dos fuentes y mantiene la misma conclusión. Google muestra un AI Overview en móvil, pero no en escritorio. Si tu dashboard convierte esa variabilidad en un número único, el número parece serio y la decisión sale torcida.

La idea contraria es esta: no necesitas una métrica más, necesitas una metodología de muestreo. El recurso sobre métricas GEO ya cubre los KPIs. La guía de herramientas GEO compara plataformas. Este artículo entra en la parte incómoda: cómo diseñar el experimento para que una marca pueda decir, con cautela, “tenemos visibilidad en IA” sin confundir una captura de pantalla con evidencia.

Primero define qué estás midiendo

Visibilidad IA no significa lo mismo en ChatGPT Search, Gemini, AI Overviews y Perplexity. Google explica en su documentación de AI features que AI Overviews y AI Mode pueden usar query fan-out, es decir, búsquedas relacionadas para construir una respuesta con enlaces de soporte. OpenAI documenta que ChatGPT Search puede mostrar citas inline y un panel de fuentes. Perplexity describe su producto como un motor que busca en la web en tiempo real y acompaña cada respuesta con citas numeradas.

Esa diferencia de interfaz cambia la medición. En Google puedes observar impresiones y clics con Search Console, pero necesitas muestreo manual o herramienta externa para saber si una URL fue enlace de soporte en una respuesta concreta. En ChatGPT Search puedes registrar citas cuando aparecen, pero no existe una Search Console de OpenAI para editores. En Perplexity la cita es más visible, aunque también varía por modelo, hora, idioma y formulación.

La unidad mínima de análisis no debe ser “keyword”, sino “prompt observado en un contexto”. Un prompt incluye texto exacto, idioma, país, dispositivo si aplica, motor, fecha, hora, modo de búsqueda, cuenta usada y si el historial estaba limpio. Sí, suena burocrático. También suena a cómo se evita tirar semanas optimizando para un falso positivo.

Según Ronald Sielinski, autor de “Quantifying Uncertainty in AI Visibility”, las métricas de citación deben tratarse como estimadores muestrales de una distribución de respuestas, no como valores fijos. Ese es el cambio mental. En SEO clásico aceptamos una posición media; en IA necesitamos aceptar rangos, intervalos y ruido.

Diseña un corpus de prompts, no una lista de keywords

Un corpus útil mezcla demanda real con variaciones conversacionales. La forma práctica es empezar con 30 a 80 prompts, agrupados por intención. Para un SaaS B2B, por ejemplo, no basta con “mejor software de reporting”. Incluye “qué herramienta usar para reporting SEO en una agencia”, “alternativas a Looker Studio para clientes”, “cómo medir visibilidad en ChatGPT” y “software para monitorizar menciones IA en español”.

El muestreo base que usamos en auditorías avanzadas sigue esta estructura:

La muestra debe cubrir prompts head, mid-tail y long-tail. Los prompts head dan volumen, pero los long-tail revelan qué fuentes usa el motor cuando necesita precisión. Para evitar sesgo del redactor, saca candidatos de Search Console, preguntas de ventas, búsquedas internas del sitio, People Also Ask, logs de formularios y consultas reales de atención al cliente. Luego elimina duplicados semánticos y guarda el corpus con IDs estables: P001, P002, P003.

No cambies el corpus cada semana. Reserva un 80% como panel fijo para ver tendencia y un 20% como panel experimental para nuevas preguntas. Dicho de otra forma: el corpus es como una mesa de laboratorio. Puedes mover muestras, pero no cambies la mesa cada vez que quieres comparar resultados.

Repite ejecuciones y calcula incertidumbre

La mala práctica más común en visibilidad IA es medir una vez y presentar un porcentaje. “Aparecemos en 12 de 40 prompts” suena claro. Pero si cada prompt se ejecutó una sola vez, no sabes si tienes una señal estable o un golpe de suerte.

Los papers de 2026 “Quantifying Uncertainty in AI Visibility” y “Don’t Measure Once” llegan a la misma conclusión operativa: las respuestas generativas varían entre ejecuciones, prompts y tiempo. El primer estudio analizó Perplexity Search, OpenAI SearchGPT y Google Gemini con muestreos diarios y de alta frecuencia; el segundo insiste en caracterizar la visibilidad como distribución, no como observación puntual.

Para equipos SEO, un diseño razonable es:

1. Ejecutar cada prompt 5 veces por motor en la auditoría inicial.
2. Separar las ejecuciones en al menos 3 días cuando el presupuesto lo permita.
3. Repetir semanalmente los prompts críticos y mensualmente el corpus completo.
4. Calcular proporción observada, intervalo de confianza y variación frente al periodo anterior.

Si P014 se ejecuta 10 veces en Perplexity y tu dominio aparece citado 6 veces, reporta 60% de tasa observada, no “posición ganada”. Si el mes siguiente aparece 7 de 10, no lo vendas como victoria automática. Con muestras pequeñas, la diferencia puede estar dentro del ruido. Aquí el bootstrap o un intervalo Wilson ayudan a evitar conclusiones demasiado entusiastas.

El informe debería mostrar tres estados: presencia estable, presencia intermitente y ausencia. La presencia intermitente es la más accionable. Indica que el motor ya considera tu dominio candidato, pero no lo elige de forma consistente. Ahí tiene sentido mejorar pasajes citables, autoridad externa, actualización de datos y enlaces internos hacia la página candidata.

Separa citas, menciones, impresiones, clics, referrals y conversiones

Meter todo en “AI visibility score” es cómodo. También borra las decisiones. Una cita no es una mención; una impresión no es un clic; un referral no es una conversión. Cada capa responde una pregunta diferente.

Citas: registra si el motor enlaza tu dominio o URL como fuente. En Perplexity suele ser una cita numerada. En ChatGPT Search puede aparecer inline o en el panel de Sources. En Google AI Overviews puede aparecer como enlace de soporte. La cita mide selección como fuente.

Menciones: registra si la respuesta nombra la marca, producto, autor o entidad sin enlazar. Ahrefs diferencia entre menciones y citas en su herramienta de AI visibility, y esa distinción es sana: una marca puede ser recomendada sin recibir enlace.

Impresiones: en Google, Search Console define impresiones como veces que alguien vio un enlace a tu sitio en Google. No extrapoles esa definición a ChatGPT o Perplexity si la plataforma no entrega impresiones. Para motores sin datos de publisher, usa “exposiciones observadas en muestra”, no impresiones reales.

Clics: Search Console mide clics desde Google Search. Google también recomienda analizar conversiones y tiempo en sitio en herramientas como Analytics para entender la calidad del tráfico desde resultados con AI Overviews. Fuera de Google, los clics solo aparecen si llegan con referrer o UTM identificable.

Referrals: en GA4, revisa Session source / medium y Page referrer para dominios como chatgpt.com, perplexity.ai, gemini.google.com, copilot.microsoft.com o variantes de app. La guía de Google Analytics 4 para SEO explica cómo cruzar adquisición, engagement y conversión sin mezclar scopes.

Conversiones: define eventos de negocio por tráfico IA: formulario enviado, reserva, descarga, demo, newsletter, llamada o visita a página de servicio. Una cita que no trae clic puede seguir influyendo en una búsqueda de marca posterior. Por eso conviene vigilar también crecimiento de branded search y conversiones asistidas, sin atribuirlo todo a IA por arte de magia.

Cruza GSC y GA4 sin inventar atribución

Google Search Console es la base para Google, no para todo el ecosistema IA. Su documentación define cuatro métricas principales del informe de rendimiento: clics, impresiones, CTR y posición media. También advierte que los resultados pueden variar por hora, lugar, dispositivo e historial. Ese matiz importa cuando comparas una captura manual con datos agregados.

El flujo correcto empieza en GSC: identifica páginas con muchas impresiones informacionales, CTR bajo y presencia potencial en AI Overviews. Después ejecuta el corpus de prompts relacionado y marca qué URLs aparecen como enlaces de soporte. Por último, lleva esas URLs a GA4 y compara engagement, conversiones y fuente de sesión.

Evita tres errores. El primero: atribuir una caída de CTR a AI Overviews sin comprobar cambios de ranking, estacionalidad, snippet, competencia o intención. El segundo: asumir que cada visita chatgpt.com / referral viene de una cita medible; puede venir de un enlace pegado en una conversación privada. El tercero: declarar “tráfico IA” solo mirando referrals, porque muchos usuarios ven una marca en una respuesta IA y luego buscan la marca en Google o entran directo.

Una buena tabla mensual tiene cuatro bloques: visibilidad observada por prompt, rendimiento GSC de las URLs candidatas, referrals GA4 desde plataformas IA y conversiones posteriores. Cuando esos cuatro bloques se mueven en la misma dirección, tienes una historia. Cuando no, tienes hipótesis.

Usa herramientas de terceros con criterio estadístico

Las herramientas de AI visibility ahorran trabajo, sobre todo cuando monitorizas cientos de prompts o varios competidores. Semrush documenta métricas como AI Visibility Score, menciones, citas, páginas citadas, fuentes y prompts ausentes, con cobertura de Google AI Overviews, AI Mode, Gemini y ChatGPT en su Visibility Overview. Ahrefs declara que consulta ChatGPT, Gemini, Perplexity, Copilot y AI Overviews con prompts derivados de comportamiento de búsqueda y separa menciones de citas.

Eso no elimina la pregunta metodológica. Antes de aceptar cualquier score, pide o revisa:

• Qué prompts usa la herramienta y si son reales, sintéticos o mezclados.
• Cuántas ejecuciones hace por prompt y con qué frecuencia.
• Qué país, idioma, dispositivo y motor cubre.
• Cómo identifica citas frente a menciones.
• Si guarda respuesta completa, fuentes, timestamp y URL citada.
• Si permite exportar datos crudos para recalcular métricas.

Profound, Otterly, Peec AI, Semrush, Ahrefs y herramientas similares pueden formar parte del stack. Pero la herramienta no decide el significado. Si un proveedor no muestra incertidumbre, documenta tú un margen cualitativo: estable, volátil o exploratorio. (Sí, es menos espectacular que un score de 0 a 100. También es más honesto.)

Limitaciones que debes escribir en el informe

La medición de visibilidad IA tiene límites estructurales. Primero, no hay acceso completo a logs de impresión de ChatGPT, Gemini o Perplexity para propietarios web. Segundo, los motores cambian modelos, interfaces y políticas de citación sin avisar a tu dashboard. Tercero, la personalización, la ubicación y el historial pueden alterar respuestas. Cuarto, las citas no siempre soportan perfectamente la frase asociada: el estudio de Liu, Zhang y Liang sobre verificabilidad encontró problemas de soporte y precisión en generative search engines.

También hay límites de negocio. Un aumento de menciones puede no traer tráfico. Una caída de referrals puede coexistir con más búsquedas de marca. Una cita en Perplexity puede ser valiosa en B2B técnico y marginal en un ecommerce de bajo ticket. La metodología debe terminar en decisiones: qué contenido actualizar, qué entidades reforzar, qué páginas convertir en fuentes citables y qué temas abandonar por falta de señal.

Mi formato preferido para cerrar una auditoría es una matriz simple: mantener, reforzar, investigar, descartar. Mantener prompts con presencia estable y conversiones. Reforzar prompts con presencia intermitente y buena intención. Investigar prompts con muchas menciones pero cero clics. Descartar prompts sin presencia, sin demanda y sin relación comercial clara.

El siguiente paso práctico: crea un corpus de 40 prompts, ejecútalo 5 veces en tres motores, etiqueta citas y menciones por separado, cruza esas URLs con GSC y revisa referrals/conversiones en GA4. En dos semanas tendrás una línea base imperfecta, pero útil. Mucho mejor que una captura brillante y ninguna decisión.

Preguntas frecuentes sobre medición de visibilidad IA

¿Cuántas veces hay que repetir cada prompt para medir visibilidad IA?

Para una auditoría inicial, usa al menos 5 ejecuciones por prompt y motor. Para prompts críticos, sube a 10-15 ejecuciones repartidas en varios días. No existe un número mágico: el objetivo es detectar si la presencia es estable, intermitente o accidental.

¿Google Search Console muestra las citas de AI Overviews?

Search Console mide clics, impresiones, CTR y posición de enlaces en Google Search. Google indica que AI Overviews y AI Mode forman parte de Search, pero GSC no sustituye un sistema de medición de citas y menciones para ChatGPT, Perplexity o Gemini.

¿Qué diferencia hay entre una cita y una mención en IA?

Una cita enlaza o atribuye una URL como fuente. Una mención nombra una marca o entidad sin enlazar necesariamente. Para SEO, conviene medir ambas por separado porque tienen efectos distintos: tráfico potencial, autoridad percibida y recuerdo de marca.

¿Qué herramientas sirven para medir visibilidad IA?

Semrush, Ahrefs, Profound, Otterly, Peec AI y otras plataformas ayudan a automatizar prompts, citas, menciones y benchmarking competitivo. Úsalas junto a un corpus propio y datos de GSC/GA4 para evitar depender de un score opaco.