Tag: perplejidad

  • Mencionar la marca en ChatGPT es más importante que el enlace: el 92,8% de los diálogos no reciben clic

    Mencionar la marca en ChatGPT es más importante que el enlace: el 92,8% de los diálogos no reciben clic

    El 92,8% de los diálogos en ChatGPT terminan sin pasar al sitio web: son datos de Profound que Kevin Indig analizó en el resumen del 21 de julio. La medición se hizo sobre tráfico real de un producto real, se puede confiar en la cifra. Todo el posicionamiento en buscadores se sostenía en un solo acuerdo: apareces en la parte superior de los resultados, la persona hace clic en el enlace hacia tu sitio web, y convertir esa visita en una solicitud ya es tu problema. El enlace era el punto donde el negocio tocaba al cliente por primera vez. En la respuesta de la red neuronal, este acuerdo se rompe en el primer paso: la mayoría de las veces simplemente no hay clic.

    Por qué el 92,8% de los diálogos en ChatGPT terminan sin pasar al sitio web

    Llevo varios meses midiendo cómo ChatGPT, Perplexity, Alisa AQI y GigaChat mencionan marcas en sus respuestas: ejecuto prompts de control y observo a quién menciona el modelo y a quién no. Detrás de estas ejecuciones surgió una cifra que rompe la lógica habitual del SEO y me obligó a cambiar lo que en general rastreo para mis clientes. Lo desgloso en orden.

    Hace tres semanas ejecutamos a través de ChatGPT los prompts de un cliente del nicho de entrega de comida. Rutina habitual: escribes una pregunta como «qué servicio de entrega elegir en Moscú», miras la respuesta. En ese momento, el cliente tenía muchas más referencias desde sitios externos que su competidor más cercano. En Ahrefs, el servicio que calcula el peso de los enlaces de un sitio, esto se ve de inmediato: tanto la puntuación general de autoridad es más alta como hay una vez y media más sitios que enlazan a él. ChatGPT mencionó al competidor. Al cliente, no. No lo mencionó en absoluto, ni una sola vez en veinte prompts.

    Lo verifiqué tres veces, cambié las formulaciones de la pregunta, la fecha del diálogo, la región. El resultado fue el mismo. Durante hora y media honestamente no entendía qué estaba pasando. Veinte años de posicionamiento web me habían enseñado una regla simple: cuantos más enlaces apunten hacia ti, más arriba apareces en los resultados de Google y Yandex, y por lo tanto, más dispuestas deberían estar las redes neuronales a mencionarte. Aquí la regla no funcionó. Solo que aquí no había resultados en el sentido habitual. Había un modelo que decidía por sí mismo a quién nombrar y a quién no. Y no lo decidía según un contador de enlaces.

    La mención de una marca no se puede comprar con enlaces: se acumula como reputación

    Al mismo tiempo, el tráfico de IA en sí es diminuto en volumen: Ahrefs informa que ChatGPT representa alrededor del 0,19% de todos los clics en enlaces en internet, frente al 42% de Google. Ridículamente poco, si se compara directamente. Pero esto es lo más interesante: esos pocos que sí hacen clic desde ChatGPT convierten mucho más fácilmente: la conversión es de alrededor del 7,1%, y la visita en sí se valora 4,4 veces más que una visita normal. Menos personas llegan al sitio, pero quienes llegan vienen listos para hacer una compra o cualquier otra acción objetivo.

    Mencionar la marca en ChatGPT es más importante que el enlace: el 92,8% de los diálogos no reciben clic

    Y aquí hay un giro importante. Si la decisión se toma ANTES del clic, dentro de la propia respuesta del modelo, entonces no hay que luchar por el clic. Hay que luchar por cómo te nombren en el momento en que el clic aún no ha ocurrido y, muy probablemente, no ocurrirá en absoluto. La mención en la respuesta de ChatGPT no funciona como una posición en los resultados de búsqueda. La posición se puede conseguir trabajando en el sitio: enlaces, velocidad de carga, limpieza técnica. La mención no se compra así. El modelo la recopila de dos fuentes: de los textos con los que fue entrenado y de las páginas que extrae directamente durante la respuesta. Y lo que decide no es el número de enlaces, sino cómo se escribe en general sobre la marca: en reseñas, foros, artículos del sector, comparativas.

    El posicionamiento en buscadores solía ocupar los primeros lugares porque la posición llevaba al tráfico al sitio web. El posicionamiento en las respuestas de las redes neuronales funciona de otra manera: hay que luchar por la propia mención, ya que puede que no haya clic en absoluto, pero la persona igual tomará una decisión — según cómo el modelo haya nombrado la marca. El enlace es un activo de una sola vez. Funciona mientras la página se mantenga en los resultados, mientras el sitio esté vivo, mientras el algoritmo la valore. La mención se acumula de otra manera: es reputación que ya se ha asentado en los textos con los que el modelo fue entrenado y que lee ahora. Elimina un artículo — la mención no desaparecerá, está repartida entre decenas de fuentes.

    Aquí estuvo mi error con aquel cliente de entrega de comida. Su perfil de enlaces era fuerte, pero casi todo provenía de agregadores y catálogos, donde la marca simplemente aparece en una lista. El competidor tenía menos enlaces, pero tenía tres reseñas editoriales extensas que describían en qué se diferenciaba el servicio de los demás. El modelo se entrenó también con ellas. No contaba enlaces — leía el contexto. El primer lugar en Google, por cierto, no garantiza en absoluto una mención en ChatGPT. Lo comprobamos con varios clientes por separado: el buscador y la red neuronal tienen mecánicas de selección diferentes, y el primer lugar en los resultados normales no se convierte por sí solo en una línea dentro de la respuesta del modelo.

    Dónde el enlace aún trae clientes y dónde la pregunta se resuelve directamente en la respuesta

    El enlace no ha muerto por completo — es importante no confundirse. En el Google normal, el 68% de las búsquedas en EE. UU. para principios de 2026 también terminan sin clic, según datos de SparkToro citando a Search Engine Land. La respuesta sin ir al sitio también llegó al viejo buscador, solo que allí se veía antes — a través de bloques con respuesta preparada, tarjetas informativas y respuestas directas en la parte superior de los resultados.

    El enlace aún funciona donde la decisión se toma DESPUÉS del primer contacto: comparación de precios, lectura de reseñas, documentación técnica, todo lo que requiere pasar a los detalles que no caben en la respuesta breve del modelo. Funciona en nichos con un ciclo de decisión largo — allí la persona igual llegará al sitio, solo que más tarde. El enlace no funciona donde la pregunta se resuelve con una sola frase en la respuesta. «Qué servicio de entrega elegir» — se resuelve con una frase. «Cuánto cuesta la entrega de un restaurante concreto en un distrito concreto mañana por la noche» — no se resuelve, ahí se necesita hacer clic. El mismo negocio vive a ambos lados de esta frontera — todo lo decide qué consulta exacta ha hecho el usuario.

    Mencionar la marca en ChatGPT es más importante que el enlace: el 92,8% de los diálogos no reciben clic

    Qué mido ahora en los clientes en lugar de las posiciones en el buscador

    He dejado de mirar solo las posiciones en los resultados y he añadido una medición aparte: con qué frecuencia y en qué contexto los modelos mencionan la marca del cliente directamente, sin clic, sin transición. Ejecutamos prompts de control — preguntas reales de la audiencia — a través de ChatGPT, Perplexity, Alisa AI y GigaChat, y vemos si el modelo menciona la marca, en qué orden respecto a los competidores y con qué formulación. ChatGPT no es el único aquí. Perplexity construye su respuesta casi por completo a partir de fuentes citadas y las muestra en una lista — el modelo toma con gusto artículos de plataformas externas. Alisa AI mezcla los resultados frescos de Yandex, GigaChat responde a su manera. Una marca que suena en un modelo puede callar en otro — por eso la medición no se cierra solo con ChatGPT.

    De esto surgieron tres cosas que ahora recomiendo que cualquier especialista en marketing supervise:

    • Cuota de menciones entre los principales competidores en sus propias preguntas clave: un porcentaje concreto para un conjunto específico de prompts, sin rankings generales.
    • Tonalidad de la redacción: el modelo puede nombrar la marca de forma neutral, o puede añadir una palabra valorativa como «confiable» o «caro» — esto influye en la elección más que el propio hecho de la mención.
    • Fuentes de las que el modelo, aparentemente, extrae esa redacción: a menudo son uno o dos artículos — y son esos los que conviene reforzar en primer lugar, en lugar de dispersar el presupuesto entre decenas de plataformas.

    Con ese cliente de entrega de comida, al final no perseguimos nuevos enlaces. Escribimos varios materiales detallados sobre el producto en plataformas que el modelo claramente lee y cita — y al cabo de mes y medio apareció la mención, la visibilidad en las respuestas de IA aumentó. El cliente tenía más enlaces, pero ChatGPT mencionó al competidor. Ahora sabemos por qué.

    Preguntas frecuentes

    ¿Cómo medir las menciones de marca en ChatGPT?

    Ejecuta prompts de control — preguntas reales de la audiencia — a través de ChatGPT, Perplexity, Alisa AI y GigaChat. Calcula la cuota de menciones entre los principales competidores, registra la tonalidad y las fuentes de las que el modelo extrae la información.

    Mencionar la marca en ChatGPT es más importante que el enlace: el 92,8% de los diálogos no reciben clic

    ¿Se puede comprar una mención en redes neuronales con enlaces?

    No. Los enlaces funcionan en la búsqueda clásica, pero las redes neuronales no los cuentan directamente. La mención depende de cómo se escribe sobre la marca en reseñas, artículos, foros — es una reputación que se acumula en los textos con los que se entrena el modelo.

    ¿Qué hacer si la marca no se menciona en ChatGPT?

    Encuentra las plataformas que el modelo cita con más frecuencia y publica allí materiales detallados sobre el producto. Refuerza reseñas editoriales, comparativas, artículos de expertos — influyen en las menciones más que la masa de enlaces.

    ¿Vale la pena abandonar el SEO en favor de las redes neuronales?

    No. Los enlaces siguen funcionando en nichos con ciclos de decisión largos y para consultas transaccionales. La estrategia óptima es combinar el SEO clásico con el trabajo en menciones en respuestas de IA.

    Conclusión

    La conclusión es simple: el 92,8% de los diálogos en ChatGPT terminan sin clic, pero la decisión de elegir marca ya está tomada. El enlace es un activo puntual; la mención es reputación acumulativa. Para ganar en los resultados de IA, deja de perseguir enlaces y empieza a gestionar cómo se escribe sobre ti en los textos que leen los modelos. Ejecuta prompts de control, monitorea la cuota de menciones y la tonalidad — y verás dónde pierdes clientes realmente. Empieza con una auditoría de tus menciones hoy mismo.

  • Visibilidad de IA: cómo distinguir el crecimiento real del ruido de las mediciones

    Visibilidad de IA: cómo distinguir el crecimiento real del ruido de las mediciones

    Los datos sobre la visibilidad de IA son inestables: los modelos generativos dan respuestas diferentes cada vez, por lo que una medición única puede ser engañosa. La nueva investigación de IQRush propone una regla de parada que permite determinar cuándo los rankings se vuelven fiables. En este artículo analizaremos cómo distinguir el crecimiento real del ruido de las mediciones y qué conclusiones prácticas se derivan para los especialistas en marketing.

    Por qué las mediciones únicas de visibilidad de IA no son fiables

    Los motores de búsqueda como SearchGPT, Gemini y Perplexity introducen aleatoriedad en cada respuesta. Una misma consulta puede mostrar diferentes fuentes: esto es una característica de la arquitectura. La investigación mostró que, por ejemplo, al probar SearchGPT sobre el tema de equipamiento para correr, Tom’s Guide recibía alrededor del 9,5% de las citas, mientras que Runner’s World aproximadamente el 6,0%. La diferencia de 3,5 puntos porcentuales estaba dentro del margen de error, por lo que afirmar la superioridad de Tom’s Guide era incorrecto.

    Cuántos datos se necesitan para un ranking fiable

    La respuesta consta de dos condiciones que deben cumplirse simultáneamente. Primera: el orden debe dejar de cambiar. Después de recopilar suficientes respuestas, los sitios principales comienzan a destacarse claramente. Segunda: la diferencia entre los sitios principales debe superar el margen de error de las mediciones. Si los competidores están demasiado cerca, el ranking no refleja una superioridad real.

    En 30 pruebas en diferentes plataformas y temas, la cantidad de respuestas necesarias para cumplir ambas condiciones varió de 33 a 94 (solo se consideraron respuestas con citas). En tres de los 30 casos, esto no se logró ni siquiera después de 125 consultas, todas en SearchGPT, donde los sitios principales eran demasiado similares.

    Conclusiones prácticas para los especialistas en marketing

    Rand Fishkin (SparkToro) aconseja: antes de gastar dinero en el seguimiento de la visibilidad de IA, asegúrese de que el proveedor “muestre sus cálculos”. La investigación de IQRush proporciona una regla de parada simple para no depender de la intuición. Si después de actualizar el contenido ve un aumento de las citas de 3 puntos porcentuales, esto podría ser una variación natural. Mida los indicadores antes y después varias veces: una medición única no se distingue del ruido.

    Visibilidad de IA: cómo distinguir el crecimiento real del ruido de las mediciones

    Diferentes plataformas, diferentes requisitos de datos

    Gemini carga citas de los mismos sitios dentro de una misma respuesta, por lo que muchas citas aportan poca información nueva. SearchGPT da menos citas por respuesta, pero las distribuye más ampliamente: cada respuesta contiene datos más independientes. La misma cantidad de respuestas en dos plataformas no proporciona la misma certeza: un presupuesto suficiente para Gemini puede dejarlo en la ignorancia en SearchGPT.

    Cuando los datos son insuficientes: sepa cuándo detenerse

    En tres de las 30 pruebas, los sitios principales nunca se separaron claramente. En tales casos, la decisión correcta es abstenerse de publicar el ranking. Un rastreador que pueda decir “datos insuficientes” es más valioso que uno que muestre un orden seguro en cada consulta.

    Solo se puede confiar en los líderes: con suficientes respuestas, se separan del medio y la cola. Pero incluso para el top 10, el error típico es de aproximadamente cinco posiciones, y una de cada cinco posiciones supera las 10. No publique posiciones exactas fuera de la parte superior de la lista.

    Limitaciones de la investigación

    Este es un preprint basado en 30 pruebas en tres plataformas utilizando preguntas generadas por ChatGPT, no consultas reales de usuarios. Las cifras exactas no se trasladan a sus temas: tómelas como una forma del problema, no como una tabla de valores. En una prueba, 125 preguntas dieron solo 104 respuestas útiles (17% de pérdidas), por lo que la cantidad real de consultas debe ser mayor.

    Visibilidad de IA: cómo distinguir el crecimiento real del ruido de las mediciones

    El método se verificó internamente: el ranking temprano se comparó con el final, no con un estándar externo. Sin embargo, un equipo independiente de la Universidad de St. Gallen (Julius Schulte, Malte Bleeker, Philipp Kaufmann) publicó en abril resultados similares en su propio conjunto de datos, confirmando que una lectura única no es fiable.

    El futuro de la visibilidad de IA: de números exactos a rangos

    La presentación de informes sobre visibilidad de IA avanza hacia un formato con margen de error, como en la publicidad y el análisis web. Mientras Search Console no informe qué clics provienen de la IA, la tarea recae en usted: ejecute la verificación varias veces e informe un rango, no un número único del panel.

    Preguntas frecuentes

    ¿Cuántas veces hay que consultar la búsqueda de IA para obtener datos estables?

    De 33 a 94 respuestas con citas, según la plataforma y el tema. No hay un umbral universal.

    ¿Se puede confiar en los paneles de visibilidad de IA?

    Solo si muestran el margen de error y mediciones múltiples. Un número puro sin contexto es una señal de alerta.

    Visibilidad de IA: cómo distinguir el crecimiento real del ruido de las mediciones

    ¿Qué hacer si después de actualizar el contenido las citas aumentan un 3%?

    Realice varias mediciones antes y después. Si la diferencia se mantiene, es crecimiento real. Si no, es ruido.

    ¿Qué plataformas requieren más datos?

    SearchGPT, debido a la menor cantidad de citas por respuesta, pero mayor independencia de cada respuesta. Gemini, por el contrario, da muchas citas, pero a menudo repiten los mismos sitios.

    Conclusión

    Conclusión principal: la visibilidad de IA no es una métrica fija, sino un rango. Use la regla de parada, verifique varias veces y no publique rankings si los sitios principales no se han separado. Solo así obtendrá datos en los que pueda confiar. Comience a implementar estos principios hoy mismo para que sus informes de visibilidad de IA sean fiables y útiles para la toma de decisiones.