Visibilidad en IA
Cómo eligen los asistentes de IA las fuentes y las empresas que citan
Taxonomía observación frente a causalidad y protocolo de pruebas repetible para saber qué influye de verdad en las citas y qué es solo ruido.
Nadie fuera de los laboratorios sabe con exactitud cómo un asistente selecciona fuentes. Lo que sí se puede hacer es distinguir lo que observamos con regularidad de lo que podemos atribuir razonablemente a una causa, y trabajar sobre lo que sigue bajo tu control: claridad, coherencia, cobertura y confirmaciones externas.
El mayor riesgo no es equivocarse de táctica, es confundir una coincidencia con una regla. Por eso hace falta un protocolo de pruebas repetible antes de sacar conclusiones.
Taxonomía: observación, correlación, causalidad
| Nivel | Ejemplo | Uso correcto |
|---|---|---|
| Observación | Las respuestas citan a menudo fuentes institucionales y webs coherentes | Orienta prioridades |
| Correlación | Quien tiene la entidad limpia aparece más | Hipótesis a probar |
| Causalidad | Este cambio produjo la cita | Rara vez demostrable |
| Especulación | Existe un truco para ser citado | Ignorar |
Qué se observa con regularidad
- El contenido que responde de forma directa se recoge más que el promocional.
- La coherencia entre fuentes reduce las descripciones erróneas.
- Las páginas técnicamente inaccesibles no aparecen.
- La especificidad geográfica y de categoría ayuda en preguntas locales.
La varianza de los prompts: por qué una prueba no vale
Cambiar una palabra del prompt puede cambiar la lista de empresas citadas. Incluso el mismo prompt repetido puede dar resultados distintos. Cualquier conclusión basada en una prueba aislada es, estadísticamente, una anécdota.
Protocolo de pruebas repetible
- Define de 15 a 25 prompts fijos que representen preguntas de compra reales.
- Repite cada prompt al menos tres veces, en sesiones limpias.
- Registra: presencia, posición en la respuesta, descripción y fuentes citadas.
- Repite el ciclo con cadencia fija, por ejemplo cada 30 días.
- Introduce un solo cambio sustancial por ciclo y observa el efecto.
Nota
Registra también a los competidores citados: dice más del mercado que cualquier análisis teórico.
Qué sigue bajo tu control
No controlas el modelo. Controlas la calidad y la coherencia de la información que el modelo puede encontrar, la cobertura de las preguntas y tu presencia en fuentes que los asistentes tienden a usar. Ahí es donde debe ir el presupuesto.
Preguntas frecuentes
- ¿Hay forma de garantizar la cita?
- No. Quien lo garantice no está describiendo el funcionamiento real de estos sistemas.
- ¿Cada cuánto repetir las pruebas?
- Mensualmente para un seguimiento estable, o después de cada cambio sustancial en tu presencia online.
- ¿Ayudan los datos estructurados?
- Ayudan a la comprensión de la entidad y son útiles también para la búsqueda tradicional. No son una palanca mágica.
- ¿Mejor mucho contenido o poco y muy bueno?
- Pocos contenidos realmente resolutivos y coherentes entre sí superan casi siempre a un volumen alto de páginas parecidas.
Fuentes
Análisis relacionados
- Visibilidad en IACómo aparecer en ChatGPT y conseguir que la IA encuentre tu empresaEl modelo de cinco niveles — elegibilidad, claridad de entidad, cobertura de respuestas, corroboración y medición — para que los asistentes de IA te consideren cuando un cliente busca un proveedor como tú.
- Visibilidad en IAVisibilidad en IA, GEO, AEO y SEO para ChatGPT: qué significan realmenteUna matriz objetivo → disciplina → actividad → medición → límite para orientarte entre siglas y saber qué necesita de verdad tu empresa.
- Visibilidad en IACómo conseguir clientes desde ChatGPT: de la recomendación a la oportunidad comercialLa cadena prompt → mención → visita → conversión → pipeline: dónde se rompe y cómo cerrar cada eslabón con un recorrido comercial real.