Medición e informes de búsqueda con IA

Cómo medir la búsqueda con IA: atribución, visibilidad en LLM, cuota de voz, seguimiento de alucinaciones y atribución declarada por el usuario; y por qué la analítica muestra un mínimo, no un máximo.

Mida la búsqueda con IA como un embudo: accesible → indexado/apto → recuperado → mencionado → citado → clic → conversión → ingresos. Ninguna herramienta observa todas las etapas. El informe de IA generativa de GSC mide la visibilidad en la IA de Google sin dimensiones de clic ni consulta; Bing ofrece citas y consultas de fundamentación; la analítica solo registra visitas atribuibles. Combine estas capas e identifique siempre cada denominador, proveedor, mercado, conjunto de prompts y fecha.

TL;DR — la atribución de la búsqueda con IA sigue siendo incompleta: algunas visitas llegan sin información de referencia útil, y GSC incluye la actividad de las funciones de IA en los informes de búsqueda Web en lugar de ofrecer un filtro independiente de IA. Como ninguna herramienta lo observa todo, hay que combinar capas: atribución directa, visibilidad en LLM, cuota de voz, seguimiento de alucinaciones y atribución declarada por el usuario, además de incrementalidad cuando haya suficiente volumen. Considere lo que puede medir como un mínimo. Y recuerde la conclusión: las señales que impulsan la visibilidad en LLM pueden coincidir con señales más amplias de marca; interprete las métricas de búsqueda con IA junto con la salud de la marca, no como un canal aislado.

Evidencia de esta afirmación El informe de rendimiento de IA generativa de Google Search Console proporciona impresiones para las propiedades participantes, pero no muestra clics, CTR ni dimensiones de consulta. Alcance: El despliegue del informe de IA generativa de Search Console de junio de 2026; la disponibilidad puede variar según la propiedad. Confianza: alta · Verificado: Google Search Central: Introducing Search Generative AI performance reports Search Console Help: Generative AI performance report Evidencia de esta afirmación La atribución en Analytics depende de la información disponible sobre campañas y referentes, por lo que algunas sesiones pueden clasificarse como directas cuando no hay una fuente utilizable. Alcance: Comportamiento de atribución de Google Analytics; no establece un porcentaje universal para las referencias procedentes de IA. Confianza: alta · Verificado: Google Analytics Help: Traffic-source dimensions

Por qué la búsqueda con IA es más difícil de medir que la búsqueda tradicional

Tres cosas fallan a la vez.

Fallo de atribución. La mayor parte del tráfico referido por IA llega sin información de referencia, por lo que acaba en Direct en lugar de identificarse como un canal de IA. Las estimaciones del tráfico de IA que queda invisible de este modo oscilan entre aproximadamente el 35 % y el 70,6 %. El extremo superior procede de una muestra de 446 405 visitas del proveedor Loamly: utilice el intervalo como orientación, no como una verdad absoluta. No es una conspiración de Google; así funcionan los referentes. Como expliqué cuando lo probamos en Ahrefs: “Websites have control over what info they send. They can send the full path, just the origin, or nothing — it’s up to them. We report whatever referrer we’re told to report. If they don’t send us one, then it would go in the ‘Direct’ bucket.” (traducción) «Los sitios web controlan la información que envían. Pueden enviar la ruta completa, solo el origen o nada: depende de ellos. Nosotros mostramos la información de referencia que nos indiquen. Si no nos envían ninguna, la visita va a la categoría “Direct”».

Visibilidad sin clics. AI Overviews genera impresiones y exposición de marca sin enviar tráfico. El antiguo embudo impresiones → clics → conversiones deja de funcionar cuando la propia respuesta es el destino.

Falta de herramientas estándar. Hasta mayo de 2026 no había un canal nativo de GA4 para el tráfico de IA. El informe de IA generativa de GSC de junio de 2026 separa las impresiones de las propiedades participantes, pero no los clics, el CTR ni las consultas. Bing añadió métricas de rendimiento de IA en febrero de 2026, en versión preliminar pública. El resultado de todas estas dificultades: solo el 16 % de las marcas hace un seguimiento sistemático del rendimiento en búsqueda con IA (McKinsey, septiembre de 2025). La mayoría de sus competidores no mide nada, por lo que cualquier sistema de medición real supone una ventaja.

El principio del mínimo, no del máximo

Si solo recuerda una idea, que sea esta. Las cuotas publicadas de tráfico de IA rondan el 0,25 % del tráfico medio de un sitio, según el estudio de Ahrefs de unos 82 000 sitios. Pero esa es solo la parte medible. Dos ajustes aumentan su importancia:

  1. Tráfico sin atribución. Si entre el 35 % y el 70 % de las visitas de IA no tiene referente, es plausible que la cifra real sea de 2 a 3 veces la que muestra la analítica.
  2. La ventaja en conversión. El tráfico de IA convierte mucho mejor. En Ahrefs, el 0,5 % de los visitantes generó el 12,1 % de los registros: una ventaja de 23 veces. Además, estos visitantes consultaron aproximadamente un 50 % más de páginas por sesión y tuvieron una tasa de rebote menor. En el conjunto del sector, la ventaja se acerca más a 4–4,4 veces (Semrush/Adobe), pero la tendencia es consistente.

Por eso, la cifra con la que conviene abrir un informe para las partes interesadas no es el 0,25 %. Es la tasa de crecimiento —9,7 veces en 12 meses— o la ventaja en conversión. Esas cifras permiten apreciar lo que está en juego; la cuota de tráfico lo infravalora.

Las cinco capas de medición

Ninguna herramienta ofrece una visión completa, así que hay que combinar perspectivas parciales. Este es el marco GEO de cinco capas de Paul DeMott (Search Engine Land, mayo de 2026), al que incorporo mis propios datos en cada capa. Cada una también tiene su propio artículo en profundidad dentro de este grupo temático.

Capa 1 — Atribución directa: contenido recuperado, mencionado y citado

Esta capa combina GA4 y Ahrefs Web Analytics: quién visitó realmente el sitio y desde qué fuente de IA.

  • El canal AI Assistant de GA4, añadido el 13 de mayo de 2026, registra sesiones referidas desde ChatGPT, Gemini, Claude, Copilot, Grok y herramientas similares. Es útil, pero solo observa sesiones que llegan con un referente. El 35–70 % restante sigue en Direct, independientemente de cómo configure los canales. También excluye Google AI Overviews y AI Mode, que aparecen como Organic Search; no se aplicó retroactivamente y utiliza uno de los dos espacios disponibles para grupos de canales personalizados.
  • Ahrefs Web Analytics incorpora el canal de IA sin necesidad de una configuración personalizada y se actualiza más cerca del tiempo real.
  • El vocabulario importa: recuperado ≠ mencionado ≠ citado. La recuperación significa que el sistema obtiene su contenido; una mención nombra su marca en la respuesta; una cita enlaza su URL como fuente. Si construye el informe sobre el concepto equivocado, todo resultará engañoso. Véase Contenido recuperado, mencionado y citado en IA.

Capa 2 — Visibilidad en LLM: impresiones y citas

Con qué frecuencia aparece en respuestas de IA, haya clic o no.

  • GSC Gen AI Performance Reports, de junio de 2026, muestra solo impresiones, sin clics, CTR ni posición, para AI Overviews, AI Mode y las funciones de IA de Discover. Es una señal real de exposición, pero no se puede convertir en tráfico. Más información a continuación y en el artículo del grupo temático de GSC.
  • El informe AI Performance de Bing Webmaster Tools, en versión preliminar desde febrero de 2026, es más transparente: total de citas, promedio de páginas citadas, consultas de fundamentación —las frases que Copilot buscó internamente para encontrarle— y actividad de citas por página.
  • Un dato para mantener la perspectiva: solo el 38 % de las páginas citadas en Google AI Overviews estaba entre los diez primeros resultados tradicionales, frente al 76 % anterior. La visibilidad en LLM no equivale a la posición en los enlaces azules.

Capa 3 — Seguimiento de alucinaciones de IA

Hay una complicación sin equivalente en la búsqueda tradicional: las herramientas de IA envían tráfico a páginas inexistentes y describen su marca de forma incorrecta. En mi análisis del tráfico de IA de Ahrefs por tipo de página, descubrí que el 3,6 % del tráfico de asistentes de IA de Ahrefs llegaba a URL inexistentes, fruto de alucinaciones. Además de los enlaces incorrectos, conviene vigilar si los modelos describen bien su producto, sus precios y su posicionamiento: un «hecho» erróneo que se repite en varios modelos es un problema de reputación medible. Véase Seguimiento de alucinaciones de IA.

Capa 4 — Atribución declarada por el usuario: el puente que la analítica no puede construir

Añada un campo «¿Cómo nos conoció por primera vez?» con opciones de IA a sus formularios de ventas, contacto y posteriores a la conversión. Esta es la única capa que capta la influencia de la IA en la parte alta y media del embudo: el descubrimiento que ocurrió semanas antes de una visita Direct sin referente. DeMott afirma que esto revela porcentajes de atribución a IA de dos dígitos en algunos estudios del embudo comercial. Es un método sencillo que funciona precisamente donde falla el seguimiento. Véase Atribución del tráfico de IA, que reúne el problema del tráfico sin atribución y la solución basada en lo que declara el usuario.

Capa 5 — Cuota de voz: por qué resulta engañosa por sí sola

La cuota de voz es el porcentaje de respuestas relevantes de IA que mencionan o citan su marca. Varias herramientas lo automatizan a escala: Ahrefs Brand Radar, con 400M+ prompts basados en búsquedas en ChatGPT, Perplexity, Gemini, Copilot, AI Overviews, AI Mode y Grok a julio de 2026, frente a 350M+ a principios de año —es un índice que crece y se actualiza continuamente, así que trate la cifra exacta como orientativa; su actualización es mensual—; Semrush AI Toolkit, con 100M+ prompts; Profound; BrightEdge; y Scrunch. También puede hacerlo manualmente: ejecute cada mes un conjunto fijo de prompts en tres o más modelos y cuente las menciones.

Pero tenga presente la advertencia de DeMott: “Share of Voice is a vanity metric without business connection.” (traducción) «La cuota de voz es una métrica de vanidad si no se vincula al negocio». La cuota de voz indica con qué frecuencia aparece, no si esa presencia genera reconocimiento, tráfico u oportunidades comerciales. Combínela siempre con la capa 1, de tráfico, y la capa 4, de atribución declarada por el usuario. Véase Cuota de voz en IA (SoV).

Más allá de estas cinco capas hay otra que merece incluirse: las pruebas de incrementalidad. Un análisis de diferencias en diferencias, con una cohorte de prueba de alta visibilidad en IA frente a un grupo de control durante 6–12 meses, es la única forma de demostrar que la búsqueda con IA causó ingresos en lugar de limitarse a correlacionarse con ellos. Es el método más lento y riguroso. La mayoría de los equipos no llegará a este punto hasta dentro de un año; empiece a recopilar los datos de referencia ahora para poder hacerlo.

Informes por plataforma: aspectos que conviene vigilar

Google Search Console. El informe de IA generativa de junio de 2026 ofrece una vista independiente de visibilidad para las propiedades participantes, pero solo incluye impresiones: no hay clics, CTR ni dimensión de consulta. No deduzca visitas a partir de esas impresiones ni las mezcle con el informe Web estándar como si las métricas fueran equivalentes. La señal útil es el aumento de impresiones de AI Overviews junto con clics estables o a la baja en el informe principal: es «la gran desconexión», una canibalización medible por AI Overviews. Ahrefs observó que la correlación entre clics e impresiones del blog pasó de +0,425 a −0,352, con los AIO asociados a una reducción del CTR del 34,5 %.

Bing Webmaster Tools. Va por delante de Google en transparencia. Su informe AI Performance muestra las citas por separado de los clics orgánicos, y las consultas de fundamentación ofrecen una perspectiva singular: indican qué intentaba responder Copilot cuando recuperó su página. Compare sus páginas más citadas en Bing con las principales páginas orgánicas; las diferencias señalan oportunidades.

GA4 y Ahrefs Web Analytics. Ya se han tratado en la capa 1: ambos comparten la limitación del tráfico sin atribución. Ahrefs incorpora el canal y es más rápido; GA4 permite configurarlo y excluye AIO y AI Mode.

Qué se correlaciona con la visibilidad en LLM: el estudio de Ahrefs de 75 000 marcas

En el estudio de Ahrefs de 75 000 marcas, realizado por Louise Linehan y Xibeijia Guan, que comenté en mi charla de Evolve 2025, las señales se ordenaron así según su correlación con la visibilidad en AI Overviews:

  • Menciones de marca en la web: 0,664, la señal más fuerte.
  • Texto de anclaje de marca: 0,527.
  • Volumen de búsquedas de marca: 0,392.
  • Domain Rating: 0,326, la más débil de las cuatro.

Vuelva a leer la lista. Tres de las cuatro son señales de marca, no las señales técnicas clásicas de SEO. La conclusión recorre toda esta guía: medir la visibilidad en IA consiste, en gran medida, en medir la salud de la marca, y el trabajo que mejora la visibilidad en IA —menciones, citas y autoridad— es el mismo que mejora el SEO tradicional.

Por dónde continuar

Esta guía sirve de mapa. Cada capa tiene un artículo en profundidad dentro del grupo temático:

  • Contenido recuperado, mencionado y citado en IA — los tres tipos de visibilidad que no debe confundir y cuáles puede medir realmente.
  • Visibilidad en LLM / Visibilidad en IA — impresiones, citas y cómo auditar su presencia en respuestas de IA con herramientas como Brand Radar.
  • Seguimiento de alucinaciones de IA — seguimiento de datos y precios incorrectos, y del problema del tráfico dirigido a URL alucinadas.
  • Atribución del tráfico de IA — el problema completo del tráfico sin atribución, el comportamiento de los referentes por plataforma, la configuración de GA4 y el puente que ofrece la atribución declarada por el usuario.
  • Cuota de voz en IA (SoV) — su definición, medición, herramientas y cómo evitar que se convierta en una métrica de vanidad.
  • GA4 para tráfico de IA — la configuración concreta de GA4: grupos de canales personalizados, expresiones regulares para referentes y exploraciones para segmentar el tráfico de plataformas de IA.
  • Análisis de registros de rastreadores de IA — lectura de registros de servidor sin procesar para medir la actividad de los bots de IA, verificar los agentes de usuario frente a IP reales y detectar problemas de rastreo frente a renderizado.

Añadir una nota de experto

Fijar una cita de experto

¿Es una persona nueva? Crea su perfil sin reclamar en /admin/experts/ → Fijar una cita de experto primero.