Visibilidad en LLM / Visibilidad en IA

TL;DR — La visibilidad en LLM (también llamada visibilidad en IA) es la frecuencia con la que tu marca aparece en las respuestas de IA — las de Google AI Overviews, ChatGPT, Perplexity, Copilot y Gemini. Es como la visibilidad orgánica, pero para respuestas de IA escritas en lugar de una lista de enlaces azules. Y aquí está el detalle: posicionar #1 en Google no garantiza que aparezcas en las respuestas de IA. Funcionan con señales diferentes.

Qué es la visibilidad en LLM

La visibilidad en LLM es una medición general de la presencia observada en respuestas asistidas por modelos, no una métrica estandarizada del proveedor. Evidence for this claim ChatGPT search can answer with information from the web and provide linked sources. Scope: ChatGPT search; appearance in a sampled answer is product-, query-, locale-, and time-dependent. Confidence: high · Verified: 2026-07-14 OpenAI: ChatGPT search El permiso de rastreo, la recuperación, la mención y la cita son estados distintos. Evidence for this claim OpenAI distinguishes crawler controls for search inclusion from controls for model training. Scope: OpenAI's documented crawlers and controls; allowing a crawler does not guarantee retrieval, citation, or answer inclusion. Confidence: high · Verified: 2026-07-14 OpenAI: Crawlers

Cuando buscas ahora, a menudo obtienes una respuesta escrita por IA en la parte superior en lugar de (o encima de) la lista habitual de enlaces. La visibilidad en LLM es la medida de cuánto tu marca o tus páginas aparecen en esas respuestas.

Es la versión de búsqueda con IA de una métrica que los especialistas en SEO ya conocen — visibilidad orgánica, la sensación general de cuán presente estás en los resultados de búsqueda. Misma idea, nueva superficie. En lugar de “dónde posiciono mis palabras clave”, la pregunta se convierte en “con qué frecuencia la IA me menciona o me cita cuando la gente pregunta sobre mi tema”.

La parte que sorprende a la gente

Pensarías que las páginas que posicionan #1 en Google serían las que la IA cita. En su mayoría no lo son. Solo alrededor del 38 % de las páginas citadas en los AI Overviews de Google también posicionan en el top 10 tradicional — y ese número solía ser del 76 %. Así que tus informes de posicionamiento normales no te dicen cuán visible eres en la IA. Es algo separado que tienes que medir por separado.

La otra sorpresa: la mayor parte de tu visibilidad en IA proviene de sitios web de otras personas, no de los tuyos. Cuando un sitio como Forbes o TechCrunch o un hilo de Reddit habla de ti, eso es lo que la IA tiende a usar. Aproximadamente el 82–89 % de las citas de IA provienen de este tipo de medios ganados, no de las páginas propias de una marca. Como dije en mi charla de Ahrefs Evolve 2025 sobre SEO para IA, el cambio es de “optimiza tu sitio” a “optimiza cómo habla internet de ti”.

Tres cosas, no una

“Aparecer en la IA” en realidad significa tres cosas diferentes, y son fáciles de confundir:

1. Recuperado — la IA obtuvo tu página para usarla como material bruto. (Puedes verlo en los registros de tu servidor).
2. Mencionado — el nombre de tu marca aparece en el texto de la respuesta.
3. Citado — tu enlace aparece como fuente listada.

La mayoría de las herramientas solo detectan la tercera. Así que si solo cuentas las citas, estás viendo una pequeña parte de tu influencia real.

Y a veces no hay nada que detectar — la IA responde directamente desde lo que ya aprendió durante el entrenamiento, sin obtener nada nuevo. Esas respuestas no se ven afectadas por los cambios de contenido, sin importar lo bueno que sea el contenido. Más sobre esa distinción en la pestaña Avanzado.

Qué hacer realmente

• Elige una lista de preguntas que hacen tus clientes (digamos 250–500) y verifica con qué frecuencia las respuestas de IA te mencionan o citan. Ese porcentaje, seguido a lo largo del tiempo, es tu puntuación.
• No lo verifiques una sola vez. Las respuestas de IA cambian mucho — ejecuta la misma pregunta en días diferentes y obtendrás marcas diferentes. Una sola ejecución no es una medición.
• Construye tu reputación también fuera del sitio: haz que te mencionen en artículos, en Reddit, en YouTube. Eso es lo que alimenta las respuestas de IA.

¿Quieres la versión completa — los números de correlación, el desglose plataforma por plataforma y la pila de medición exacta? Cambia a la pestaña Avanzado.

TL;DR — La visibilidad en LLM es el agregado de con qué frecuencia y con qué prominencia aparece una marca en las respuestas generadas por IA (AI Overviews, AI Mode, ChatGPT, Perplexity, Copilot, Gemini, Grok). No es visibilidad orgánica: solo ~38 % de las citas de AI Overview provienen del top 10 tradicional (antes era 76 %), y el correlato más fuerte son las menciones web de marca (0,664), no el Domain Rating (0,326). Se divide en tres estados — recuperado → mencionado → citado — que requieren herramientas diferentes; medir solo las citas subestima gravemente el panorama. Se comporta de forma radicalmente distinta según la plataforma, es lo bastante volátil como para que ejecuciones de un solo prompt no sean puntos de datos, y la unidad de medida correcta es un conjunto de prompts definido y rastreado como Share of Model Voice a lo largo del tiempo. Herramientas como Brand Radar ofrecen indicadores direccionales, no recuentos exactos de tráfico.

Qué es (y qué no es) la visibilidad en LLM

Las mediciones dependen de los prompts, las versiones del modelo, el tiempo, la configuración regional y el muestreo. Evidence for this claim ChatGPT search can answer with information from the web and provide linked sources. Scope: ChatGPT search; appearance in a sampled answer is product-, query-, locale-, and time-dependent. Confidence: high · Verified: 2026-07-14 OpenAI: ChatGPT search Los controles de rastreo del proveedor describen la política de acceso, no la inclusión garantizada en las respuestas. Evidence for this claim OpenAI distinguishes crawler controls for search inclusion from controls for model training. Scope: OpenAI's documented crawlers and controls; allowing a crawler does not guarantee retrieval, citation, or answer inclusion. Confidence: high · Verified: 2026-07-14 OpenAI: Crawlers

La visibilidad en LLM — visibilidad en IA, lo mismo — es la medida agregada de con qué frecuencia y con qué prominencia aparecen una marca, un dominio o una página en las respuestas que generan los sistemas de búsqueda con IA. Es una categoría, no un número único, igual que la visibilidad orgánica. La diferencia es la superficie que mide: una respuesta escrita y sintetizada en lugar de una lista clasificada de enlaces.

Lo primero que quiero que te quede grabado: la visibilidad en LLM no es lo mismo que la visibilidad orgánica. A mediados de 2025, ~76 % de las citas de AI Overview provenían de páginas que aparecían en el top 10 orgánico. A principios de 2026, eso baja a aproximadamente 38 % en nuestros datos (y otros estudios lo sitúan incluso más bajo). El ranking orgánico solía ser un buen indicador de la presencia en IA. Ya no lo es. Son dos señales diferentes, y necesitas dos programas de medición diferentes.

¿Por qué la divergencia? Porque las señales que impulsan la visibilidad en IA no son las que impulsan los rankings. En el estudio de Ahrefs sobre 75 000 marcas de Louise Linehan y Xibeijia Guan — hallazgos que luego comenté en Ahrefs Evolve 2025 — el orden resultó así para la visibilidad en AI Overview de Google:

La señal número 1 es la presencia de marca fuera de tu propio sitio. Esa es la inversión estructural: las menciones sin enlace — que no transmiten PageRank y apenas cuentan en el SEO tradicional — son el correlato más fuerte de la visibilidad en IA. Por eso sigo diciendo que el trabajo pasó de “optimiza tu sitio” a “optimiza cómo habla internet de ti”. También coincide con los datos de medios ganados: 82–89 % de las citas de IA provienen de fuentes de terceros (medios tipo Forbes/TechCrunch/WSJ), no de páginas propias de la marca. Un ejemplo concreto de la charla: Zapier tenía 16 páginas que mencionaban a Ahrefs, y esas 16 páginas se citaron en 1 431 respuestas de IA de Ahrefs. El contenido de otros sobre ti hace la mayor parte del trabajo.

Tres estados: recuperado → mencionado → citado → clicado

“La visibilidad en IA” oculta tres estados realmente diferentes. Confundirlos es donde falla la mayoría de las mediciones:

Y luego una cuarta, posterior a las tres: clic — el caso poco común en el que alguien realmente visita tu sitio desde la respuesta (GA4 / análisis web).

La mayoría de las herramientas solo ven el estado citado. Los estados de recuperado y mencionado son en gran medida invisibles para las herramientas que solo rastrean citas — la lectura de OtterlyAI de los datos de Bing lo expresó sin rodeos: “99.6% of your AI influence is invisible.” (traducción) «El 99,6 % de tu influencia de IA es invisible.» Así que si tu panel está contando citas y llamando a eso tu visibilidad de IA, lo estás subestimando por mucho. Y también existe el fallo inverso — Superlines encontró que ~73 % de la presencia de IA eran citas sin una mención de marca (“ghost citations”). (traducción) «citas fantasma». Ejecuta el seguimiento de menciones y el seguimiento de citas juntos o obtendrás una imagen falsa de cualquier manera.

Una pregunta subyacente a las tres: ¿es esto siquiera una respuesta impulsada por recuperación?

Recuperado, mencionado y citado asumen que la IA fue y buscó algo para esta consulta específica. Una parte significativa de las respuestas de IA no lo hace — el modelo responde desde lo que ya aprendió durante el entrenamiento (su memoria paramétrica), sin ningún paso de recuperación en vivo. Consulta RAG para los mecanismos: los sistemas de producción ejecutan un clasificador de consultas que decide, por consulta, si buscar — no es un paso que ocurra en cada solicitud.

Esto importa para la medición porque cambia lo que es accionable. Una respuesta impulsada por recuperación puede, en principio, ser movida por trabajo en la página y fuera de la página — mejor contenido se recupera, mejores menciones se incorporan. Una respuesta impulsada por memoria no se puede mover de esa manera: el modelo ya “aprendió” lo que sabe sobre tu marca en el momento del entrenamiento, y ningún cambio de página altera eso hasta que el modelo se vuelva a entrenar — lo cual ocurre según el cronograma del proveedor, no el tuyo. Si ves una descripción de marca estable en muchas ejecuciones de prompts sin citas y sin señales de recuperación, puede que estés viendo una respuesta impulsada por memoria. Hazle seguimiento, pero no gastes esfuerzo de edición esperando que se mueva.

No hay una forma completamente confiable de saber cuál es cuál solo leyendo la salida — requiere probarlo deliberadamente: comparar el comportamiento de búsqueda activada vs. desactivada de una plataforma donde esté expuesto, observar si aparecen citas en absoluto, o verificar si la respuesta cambia cuando la página fuente subyacente cambia. Trata “sin citas en absoluto” y “citas presentes” como regímenes de medición diferentes con remedios diferentes, no como dos puntuaciones en la misma escala.

Plataforma por plataforma — por qué la visibilidad varía tanto

No existe un único número de “visibilidad de IA”, porque las plataformas se comportan de manera completamente diferente. Se basan en fuentes distintas y citan a tasas muy diferentes:

La brecha principal: Perplexity cita ~21,87 fuentes por respuesta mientras que ChatGPT cita en 0,59 % de las respuestas. El mismo contenido puede ser altamente visible en una plataforma y efectivamente invisible en otra. Y la superposición entre plataformas es pobre — solo 7 de los 50 dominios más citados aparecen en las tres plataformas principales (AI Overviews, ChatGPT, Perplexity). La visibilidad de LLM es realmente tres (o siete) perfiles de visibilidad separados. Mide cada plataforma; no los promedies en un solo número y pretendas que significa algo.

Es volátil — las ejecuciones individuales no son datos

Las respuestas de IA cambian constantemente. Aproximadamente el 40–60 % de las fuentes citadas cambian de un mes a otro, y para la misma consulta, una gran parte del contenido de AI Overview cambia entre ejecuciones. SparkToro encontró menos de una probabilidad de 1 entre 100 de obtener listas de marcas idénticas en 100 ejecuciones del mismo prompt de ChatGPT. La consecuencia metodológica es simple e innegociable: ejecutar un prompt una vez no es un dato. Necesitas un conjunto de prompts definido, muchas ejecuciones y ventanas de tendencia, no instantáneas puntuales.

Cómo medirlo: el stack mapeado a los estados

Ninguna herramienta cubre los cuatro estados. Construye un stack donde cada capa se mapee a uno:

• Capa 1 — registros del servidor → Recuperado. Los bots -User (ChatGPT-User, Perplexity-User, Googlebot-Extended) son búsquedas de inferencia en vivo: alguien hizo una pregunta y la IA fue a buscar tu página en ese momento. Eso es diferente de los bots de entrenamiento/indexación (GPTBot, ClaudeBot). Cada error que sirves a un bot -User es una cita perdida.
• Capa 2 — monitoreo de marca → Mencionado. Ahrefs Brand Radar hace coincidencias de cadenas de menciones en las principales plataformas y tiene un filtro de “encontrado pero no citado” para aislar la influencia sin atribución. Añade pruebas manuales de prompts para el control de calidad.
• Capa 3 — seguimiento de citas → Citado. Los informes de Cited Pages / Cited Domains de Brand Radar; el informe de rendimiento de IA de Bing Webmaster Tools (la primera fuente oficial de plataforma de datos de citas: citas, consultas de fundamentación, páginas citadas promedio); y el filtro de funciones de IA / informes de rendimiento de Gen AI de Google Search Console (solo impresiones, sin clics).
• Capa 4 — analítica web → Clicado. El canal de AI Assistant de GA4, más un grupo de canales personalizado. Espera un problema de tráfico oscuro: una gran parte de las visitas provenientes de IA llegan sin referente y caen en Direct, y los clics de AI Overview/AI Mode se fusionan en google/organic — así que la capa de clics es la menos limpia.

Una advertencia que quiero ser honesto: Brand Radar (y herramientas similares) informan indicadores direccionales, no recuentos exactos de tráfico. Toma en serio la tendencia y la proporción relativa; no trates ninguna cifra individual como un recuento preciso.

El método del conjunto de prompts y Share of Model Voice

La unidad de medición es el conjunto de prompts: define entre ~250 y 500 consultas de alta intención, ejecútalas en los endpoints de LLM con una cadencia semanal o mensual, registra dónde aparece tu marca y sigue el Share of Model Voice (SOMV) — apariciones de marca ÷ total de prompts rastreados × 100. Extrae los prompts de demanda real: transcripciones de ventas, tickets de soporte, Reddit, reseñas de G2, PAA, autocompletado. Puntos de referencia para calibrar: la tasa promedio de mención es de alrededor del 17,2 % en prompts relevantes (AthenaHQ), y el 40–70 % se considera fuerte.

En cuanto a la mecánica de la plataforma, Brand Radar funciona con un corpus de prompts respaldado por búsqueda de 400M+ (frente a 350M+ antes este año — es un índice en crecimiento y actualización continua, así que trata la cifra exacta como direccional), se actualiza mensualmente para ChatGPT/Perplexity/Gemini/Copilot y continuamente para AI Overviews/AI Mode, y distingue “citado” (URLs enlazadas) de “encontrado pero no citado” (coincidencias de cadenas sin enlaces).

Un caso límite de medición que vale la pena conocer

La IA no solo te subestima — a veces te inventa. Tuvimos miles de visitas a páginas de Ahrefs que en realidad no existían porque una IA sintetizó URLs que parecían plausibles. Las citas alucinadas son una dimensión real de la medición de visibilidad en IA, y la mayoría de las herramientas no las filtran por ti — así que verifica la cordura de las URLs en las que te “citan”.

Qué vale y qué no vale esto

Sé claro sobre el valor. Incluso ser citado rara vez produce un clic: los usuarios hicieron clic en una fuente citada en solo el 1 % de las visitas de Google con un resumen de IA en el estudio de navegación en EE. UU. de Pew de marzo de 2025, y la gran mayoría de las sesiones de AI Mode de Google terminan sin visita al sitio. La visibilidad en LLM es principalmente una métrica de conocimiento de marca y autoridad, no una métrica de tráfico directo. Aun así importa: una gran parte de los usuarios de AI Mode aceptan la lista corta seleccionada sin investigar más, por lo que estar en la respuesta tiene peso incluso sin el clic.

Dónde encaja

Este es el centro de definición y medición del clúster. Para el análisis profundo de los tres estados, consulta Recuperado, Mencionado, Citado. Para la capa de GA4/analítica específicamente (el lío del tráfico oscuro y la atribución), consulta Atribución de tráfico de IA. Para la señal externa que realmente impulsa esto (entidades y menciones), consulta SEO de entidades y el centro de búsqueda de IA más amplio.

Resumen de IA

Una versión condensada de la versión avanzada:

• Visibilidad en LLM = con qué frecuencia/prominencia apareces en las respuestas de IA (AI Overviews, AI Mode, ChatGPT, Perplexity, Copilot, Gemini, Grok). Es una categoría compuesta, el análogo de la visibilidad orgánica en la búsqueda de IA.
• No es visibilidad orgánica. Solo ~38 % de las citas de AI Overviews provienen del top 10 tradicional (antes era 76 %). Señales diferentes, medición separada necesaria.
• El correlato número uno son las menciones de marca en la web (0,664) — muy por encima del Domain Rating (0,326). El 82–89 % de las citas de IA son medios ganados, no páginas propiedad de la marca. “Optimiza cómo habla internet de ti.”
• Tres estados, tres herramientas: recuperado (registros del servidor) → mencionado (coincidencia de cadena de Brand Radar) → citado (Brand Radar citado / Bing WMT / GSC) → clic (GA4). Las herramientas solo de citas pierden la mayor parte (“99,6 % invisible”); también ten cuidado con las “citas fantasma”.
• Debajo de los tres: algunas respuestas omiten la recuperación por completo. Una respuesta impulsada por memoria proviene del entrenamiento del modelo, no de una búsqueda en vivo — sin citas, sin señal de recuperación y sin forma de moverla con cambios de contenido. Las respuestas impulsadas por recuperación son las que el trabajo en la página/fuera de la página puede cambiar realmente.
• Las plataformas difieren radicalmente: Perplexity ~21,87 citas/respuesta frente a la tasa de citas de ChatGPT de ~0,59 %; solo 7 de los 50 dominios más citados abarcan las tres principales.
• Volátil: el 40–60 % de las citas cambian mes a mes; una sola ejecución de prompt no es un punto de datos.
• Método: un grupo de 250–500 prompts, ejecutado con una cadencia, rastreado como Share of Model Voice (promedio ~17,2 %; 40–70 % fuerte). Los datos de Brand Radar son direccionales, no recuentos exactos de tráfico.
• Valor: principalmente marca/autoridad — los clics son raros (Pew observó clics en fuentes citadas en el 1 % de las visitas de Google con un resumen de IA).

Documentación oficial

Lo que los propios motores dicen sobre la visibilidad en IA y cómo medirla.

Google

• Funciones de IA y tu sitio web (guía de optimización de IA) — la posición central de Google: AI Overviews y AI Mode se basan en la clasificación principal de Búsqueda, por lo que las mejores prácticas estándar de SEO siguen siendo la base. No se requiere ni es beneficioso ningún marcado especial (llms.txt), fragmentación ni “escritura específica para IA”.
• Funciones de IA en los resultados de Búsqueda de Google — cómo AI Overviews/AI Mode muestran contenido y qué es elegible.
• Informes de rendimiento de IA generativa en Search Console (junio de 2026) — los datos de funciones de IA en GSC: impresiones para AI Overviews, AI Mode y funciones generativas de Discover. Solo impresiones: sin datos de clics.

Bing / Microsoft

• Presentación del Rendimiento de IA en Bing Webmaster Tools (vista previa pública, feb. de 2026) — la primera herramienta oficial de la plataforma que expone datos de citas de IA: Citas, Consultas de fundamentación y Páginas citadas promedio.
• Guía de Microsoft Copilot para sitios web públicos — cómo el nodo de respuestas generativas de Copilot Studio indexa y clasifica el contenido web utilizado como fuente de conocimiento (a través de sitemaps/IndexNow, y luego lo clasifica por relevancia, actualidad y participación).

Citas de la fuente

Declaraciones oficiales de los motores de búsqueda. Cada enlace profundo salta hacia el pasaje relevante en la página de origen.

Google: el SEO estándar sigue aplicando

• “The best practices for SEO continue to be relevant because our generative AI features on Google Search are rooted in our core Search ranking and quality systems.” (traducción) «Las mejores prácticas para el SEO siguen siendo relevantes porque nuestras funciones de IA generativa en la Búsqueda de Google están arraigadas en nuestros sistemas centrales de clasificación y calidad de la Búsqueda». — Google Search Central. Ir a la cita

Bing: por qué existe AI Performance

• “As AI becomes a more common way people discover information, visibility is not only about blue links. It is also about whether your content is cited and referenced when AI systems generate answers.” (traducción) «A medida que la IA se convierte en una forma más común de descubrir información, la visibilidad no se trata solo de enlaces azules. También se trata de si tu contenido se cita y se referencia cuando los sistemas de IA generan respuestas». — Bing Webmaster Blog, “Introducing AI Performance in Bing Webmaster Tools” (10 de febrero de 2026). Ir a la fuente

Lista de verificación de auditoría de visibilidad en LLM

Un proceso para configurar — y verificar — un programa de medición de visibilidad en IA. Se asigna a los tres estados, para que cubras más que solo citas.

Alcance

• Definido qué plataformas vas a rastrear (como mínimo: AI Overviews, ChatGPT, Perplexity; idealmente + Copilot, Gemini, Grok).
• Listadas las entidades de marca, regiones e idiomas en el alcance.

Recuperado (registros del servidor)

• Revisados los registros del servidor para bots de inferencia de IA (ChatGPT-User, Perplexity-User, Googlebot-Extended) — separados de los bots de entrenamiento (GPTBot, ClaudeBot).
• Confirmado que no estás sirviendo errores/bloqueos a los bots de recuperación -User (cada error es una cita perdida).

Mencionado + Citado (Brand Radar / Bing WMT / GSC)

• Construida una línea base en Ahrefs Brand Radar (menciones + páginas/dominios citados).
• Ejecutado el filtro “encontrado pero no citado” para encontrar influencia sin atribución.
• Extraído Bing Webmaster Tools AI Performance (citas, consultas de fundamentación, páginas citadas promedio).
• Revisadas las funciones de IA de GSC / Rendimiento de IA generativa (impresiones — recuerda, sin clics).

Pruebas de prompts

• Probados tus prompts clave manualmente en todas las plataformas — varias ejecuciones, no una sola (los resultados son volátiles).
• Verificada la precisión y el sentimiento, no solo la presencia (corrige la desinformación).
• Comprobadas al azar las URLs citadas para detectar páginas alucinadas/inexistentes.

Clic + seguimiento

• Revisado el canal de Asistente de IA de GA4 / grupo de canales personalizado (espera tráfico oscuro en Directo).
• Establecida una cadencia recurrente — mínimo mensual, semanal para categorías competitivas — con ventanas de tendencia, no instantáneas únicas.
• Comparada la Cuota de voz del modelo frente a los competidores.

Visibilidad en LLM vs. visibilidad orgánica — hoja de referencia

La comparación rápida. El punto no es que una reemplace a la otra — es que son métricas diferentes sobre señales diferentes y necesitan medición por separado.

Tres estados para rastrear (no los combines): Retrieved (registros del servidor) → Mentioned (coincidencia de cadena en Brand Radar) → Cited (citado en Brand Radar / Bing WMT / GSC) → Clicked (GA4).

No hagas: tratar los recuentos de citas como visibilidad total en IA (te pierdes lo recuperado + lo mencionado), asumir que una plataforma representa a las demás, o tratar una sola ejecución de consulta como una medición. Y llms.txt no afecta el ranking de Google: Google dice que lo ignora.

Herramientas para medir la visibilidad en LLM

Ninguna herramienta cubre los cuatro estados: la mayoría se inclina hacia la capa de citado. Combina una herramienta de monitoreo de marca con los informes oficiales de la plataforma y tus propios registros.

• Ahrefs Brand Radar — 400M+ consultas respaldadas por búsquedas (frente a 350M+ a principios de este año; es un índice creciente y de actualización en vivo: trata la cifra exacta como orientativa); rastrea menciones, citas, impresiones y cuota de voz del modelo en ChatGPT, Perplexity, Gemini, Copilot, AI Overviews, AI Mode y Grok. Actualización mensual para las plataformas conversacionales, continua para AI Overviews. Tiene un filtro de “encontrado pero no citado”. Indicadores orientativos, no recuentos exactos de tráfico.
• Semrush AI Visibility Toolkit — frecuencia/posición de citas, cuota de voz y seguimiento competitivo de la cuota de mercado en IA sobre un gran corpus de consultas de LLM.
• Profound — orientado a empresas, consultas programáticas de API a endpoints de LLM para el seguimiento de la cuota de voz del modelo, además de análisis de rastreadores de IA.
• Scrunch — plataforma de visibilidad en búsqueda de IA con seguimiento de citas, observabilidad del rastreo de bots y optimización de contenido para respuestas de IA; reducir las alucinaciones de marca es uno de sus resultados declarados.
• Peec AI — actualizaciones diarias y análisis de brechas de fuentes en un conjunto de consultas más pequeño; punto de entrada ligero.
• Waikay.io — multiplataforma (ChatGPT, Gemini, Claude, Perplexity) consolidado en un AI Brand Score.
• Bing Webmaster Tools — AI Performance (oficial, gratuito) — citas, consultas de fundamentación, páginas citadas promedio. La mejor ventana al estado citado de Copilot.
• Google Search Console — AI features / Gen AI Performance (oficial, gratuito) — impresiones para AI Overviews/AI Mode/Discover. Sin clics.

Errores al medir la visibilidad en IA

Informar una sola ejecución de consulta como cuota de mercado

Los resultados varían según la plataforma, el modelo, el tiempo, la ubicación y la redacción. Usa un conjunto de consultas definido y observaciones repetidas antes de describir una tendencia.

Combinar recuperación, menciones y citas

Un sistema puede recuperar una página sin nombrar la marca, nombrar una marca sin enlazar, o citar una URL. Rastrea cada estado por separado porque la fuente de medición y el significado comercial difieren.

Comparar herramientas como si sus paneles fueran idénticos

Las plataformas de visibilidad usan diferentes consultas, modelos, horarios y fórmulas de puntuación. Mantén una metodología estable para los informes de tendencias y divulga qué puede y qué no puede observar.

Crea un grupo de prompts de visibilidad controlado

Pega trabajos de clientes verificados, términos de categoría, necesidades de comparación y etapas del embudo:

Create a balanced AI-visibility prompt pool using only the supplied research. Group
prompts by informational, comparison, recommendation, and problem-solving intent.
Keep wording neutral, avoid naming our brand unless the task is branded measurement,
and flag prompts that depend on location, freshness, or user context. Return a stable
prompt ID, wording, intent, audience, and reason for inclusion.

Clasifica las respuestas de IA capturadas

Pega el texto de la respuesta, las citas, la plataforma, el modelo/versión, la hora de la consulta y el ID del prompt:

Classify our brand as absent, mentioned, or cited. Record cited URLs exactly, describe
position and sentiment without assigning a numerical score, and separate observable
facts from interpretation. Flag hallucinated claims and ambiguous brand references.
Do not infer retrieval unless server-log evidence is supplied.

El marco Pool, Capture, Classify, Trend

1. Pool: Congela un conjunto representativo de prompts con IDs estables, intenciones y contexto de audiencia.
2. Capture: Registra plataforma, modelo/versión, fecha, respuesta y citas para cada ejecución en condiciones consistentes.
3. Classify: Separa ausencia, mención, cita, sentimiento, precisión factual y presencia de competidores sin inferir recuperación no vista.
4. Trend: Compara observaciones equivalentes a lo largo del tiempo y anota cambios de metodología o de producto que rompan la continuidad.

El marco produce evidencia direccional de visibilidad. No convierte observaciones de prompts en estimaciones exactas de tráfico o cuota de mercado.

Ponte a prueba: visibilidad en LLM

Recursos que valen tu tiempo

Mis charlas

• GEO, AEO, LLMO — ¿Qué es todo esto de la IA? (Ahrefs Evolve 2025) — las diapositivas donde discuto el estudio de correlación de Ahrefs (menciones web de marca 0,664 vs. DR 0,326) y presento el marco de “optimiza cómo internet habla de ti”. Video · Versión del seminario web.

Mis escritos relacionados

• Auditoría de visibilidad en IA: una guía paso a paso — la metodología de auditoría en 8 pasos (alcance → línea base → precisión/sentimiento → brechas sin marca → páginas más citadas → menciones → competidores → estrategia).
• Cómo funciona Brand Radar (metodología) — selección de prompts, plataformas rastreadas, cadencia de actualización y la distinción entre “citado” y “encontrado pero no citado”.
• Perspectivas de 56 millones de AI Overviews — los datos de superposición con orgánico.
• El tráfico de búsqueda con IA convierte 23 veces mejor — por qué vale la pena medir la visibilidad en IA incluso con pocos clics.
• Los motores generativos están rompiendo la analítica web — el problema de la atribución/tráfico oscuro.
• GEO: estudio de correlación entre menciones de marca y DR.

De otros

• Danny Sullivan / Google: «Un buen SEO es un buen GEO» — la línea oficial de que la visibilidad en IA se basa en los fundamentos del SEO.
• Duane Forrester — 12 nuevos KPIs para la búsqueda generativa con IA — un marco de métricas más amplio que incluye la frecuencia de recuperación de fragmentos, la tasa de atribución y el recuento de citas de IA.
• OtterlyAI: informe de citas de IA de 2026 — “99.6% of your AI influence is invisible” (datos de Bing); encontró que el 73 % de los sitios tienen problemas de rastreabilidad que afectan las citas.
• SparkToro: las IA son muy inconsistentes al recomendar marcas — menos de 1 probabilidad entre 100 de obtener listas de marcas idénticas en 100 ejecuciones del mismo prompt de ChatGPT; advertencia clave para la metodología de medición.
• Superlines: estadísticas de búsqueda con IA de 2026 — tasas de citación por plataforma (Grok 27 %, ChatGPT 0,59 %); documenta el fenómeno de la “cita fantasma” (el 73 % de la presencia en IA carece de mención de marca); 70 % de rotación de contenido en AI Overviews por consulta.
• Discovered Labs: cómo cita las fuentes cada plataforma — ChatGPT cita el 15 % de las páginas recuperadas; el 82,9 % de las citas B2B provienen de terceros.
• Artículo GEO de Princeton (Aggarwal et al., KDD 2024) — las páginas en el puesto 5 mostraron un +115,1 % en frecuencia de citación frente a las páginas en el puesto 1 con -30,3 %; datos originales sobre qué atributos de contenido impulsan realmente las citas de IA.

Estadísticas que vale la pena citar

• Las menciones de marca en la web correlacionan 0,664 con la visibilidad en AI Overviews — frente a 0,527 del texto ancla, 0,392 de las búsquedas de marca y 0,326 del Domain Rating. La señal externa domina. (Estudio de Ahrefs sobre 75 000 marcas en Google AI Overviews, de Louise Linehan y Xibeijia Guan.) Fuente
• Solo ~38 % de las páginas citadas en AI Overviews aparecen en el top 10 tradicional — frente a ~76 % a mediados de 2025. El ranking orgánico ya no es un proxy de la visibilidad en IA. Fuente
• El 82–89 % de las citas de IA provienen de medios ganados (tipo Forbes/TechCrunch/WSJ), no de páginas propias de la marca. Las 16 páginas de Zapier que mencionan a Ahrefs → 1 431 respuestas de IA citadas de Ahrefs. Fuente
• La tasa media de mención de marca ≈ 17,2 % en los prompts relevantes; 40–70 % es fuerte (AthenaHQ, State of AI Search 2026).
• El 40–60 % de las fuentes citadas cambian de un mes a otro — la visibilidad en IA es volátil, así que mide con pools de prompts y ventanas de tendencia, no con ejecuciones únicas (EMARKETER).
• Las plataformas difieren ~45 veces: Perplexity ~21,87 citas/respuesta (~13 % de tasa de citas) frente a ~0,59 % de ChatGPT; solo 7 de los 50 dominios más citados aparecen en las tres plataformas principales.
• Corpus de Brand Radar: 400M+ prompts respaldados por búsquedas (frente a 350M+ a principios de año — un índice creciente y de actualización continua) — actualización mensual para ChatGPT/Perplexity/Gemini/Copilot, continua para AI Overviews. Direccional, no recuentos exactos de tráfico. Fuente
• Los usuarios hicieron clic en una fuente citada en el 1 % de las visitas de Google con un resumen de IA en el estudio de navegación en EE. UU. de Pew de marzo de 2025. En la muestra separada de clics de Semrush, el 92–94 % de las sesiones de Google AI Mode no llevaron a una visita a un dominio externo. La visibilidad en LLM es principalmente una métrica de conocimiento de marca, no una métrica de tráfico.
• Menos de 1 probabilidad entre 100 de listas de marcas idénticas en 100 ejecuciones del mismo prompt de ChatGPT — las recomendaciones de IA son muy inconsistentes, lo que hace que las mediciones de una sola ejecución sean estadísticamente poco fiables. (SparkToro) Fuente
• El 99,6 % de la influencia de la IA es invisible para las herramientas de medición basadas solo en citas, según el análisis de OtterlyAI de los datos de Bing — los estados recuperado y mencionado superan en volumen al estado citado. Fuente

Registro de cambios