¿Cómo se mide la visibilidad de una marca en las IA?

Se mide preguntándole a cada asistente las preguntas de compra reales de tu categoría —entre 40 y 50— y registrando en cuántas aparece tu marca y en cuántas aparece tu competencia. Una pregunta por conversación, con búsqueda web activada, y repitiendo el mismo conjunto todos los meses contra una línea base congelada.

Suena obvio. Los cuatro errores que lo arruinan no lo son, y cada uno produce un número que parece correcto y no lo es.

Error 1: medir sin búsqueda web activada

Es el más grave y el más común.

Un modelo de lenguaje sin búsqueda responde desde sus datos de entrenamiento, que tienen un corte de meses o años atrás. Si tu sitio es reciente, no existe ahí y no va a existir por mucho tiempo. Vas a medir cero, pero ese cero no dice nada sobre tu visibilidad: dice cuándo se entrenó el modelo.

La única forma de que una marca nueva aparezca es que el asistente busque en la web mientras responde. Si mides sin eso, estás midiendo otra cosa.

Error 2: preguntar todo de una vez

Pegar cuarenta preguntas en un solo mensaje es tentador y arruina el dato de tres maneras: si el modelo nombra una empresa en la respuesta 3, tiende a repetirla en la 20; comprime las respuestas a una línea en vez de contestar como le contestaría a un usuario; y muchas veces hace una sola búsqueda para todo el bloque.

Una pregunta, una conversación nueva, sin historial. Es como te la haría un cliente que llega por primera vez.

Error 3: contar las preguntas que ya nombran tu marca

Este infla el resultado y da una falsa sensación de progreso.

Si preguntas "¿qué opinan de [tu marca]?", el asistente va a decir tu nombre — se lo diste tú en la pregunta. Eso no es visibilidad ganada: es un eco.

En nuestra propia medición, este error habría dado 11 menciones donde en realidad había 0. Todas venían de preguntas que ya contenían la palabra "Skaut".

Esas preguntas sirven, pero para otra cosa: para saber qué dice la IA de ti cuando le preguntan directo. Eso es reputación, y se reporta aparte.

Error 4: medir un solo asistente

Los asistentes no coinciden entre sí, y bastante menos de lo que uno esperaría.

Le hicimos la misma pregunta —"¿qué agencia hace posicionamiento en IA en Chile?"— a Claude y a ChatGPT, el mismo día. Entre los dos nombraron once empresas. Solo una aparecía en ambas respuestas.

Si mides solo donde ya apareces, tu informe se ve bien. Si mides los cuatro, sabes dónde estás perdiendo.

El formato de la pregunta cambia la respuesta

Un hallazgo que no esperábamos: la misma intención, escrita distinto, obtiene respuestas de naturaleza distinta.

Los superlativos amplios —"el mejor X de Santiago"— suelen recibir criterios de selección en vez de nombres, sobre todo en categorías sensibles. Las consultas locales y concretas —"X en Las Condes"— reciben nombres, direcciones y enlaces.

Por eso el conjunto de preguntas importa tanto como la medición: medir el formato equivocado devuelve ceros que no significan nada.

Qué registrar en cada respuesta

• Si tu marca aparece, y en qué parte de la respuesta
• Qué competidores nombra, textualmente
• Qué fuentes citó para armar esa respuesta

La tercera es la más accionable y la que casi nadie mira. Esos dominios son de dónde salió la recomendación: son el mapa de dónde hay que estar.

Congelar la línea base antes de tocar nada

La primera medición se guarda y no se toca. Todo lo que venga después se compara contra ella.

Sin punto de partida no hay avance demostrable, y el avance demostrable es lo único que distingue este trabajo de una promesa.

Qué esperar de la primera medición

Si tu marca es nueva o nunca trabajó esta capa, lo más probable es que aparezcas en cero preguntas. Nos pasó a nosotros: 0 de 41, con la competencia apareciendo hasta en 10.

No es un mal resultado. Es el punto de partida, y es la única forma de demostrar después que algo cambió.

Pide tu diagnóstico gratis y te enviamos esta medición para tu categoría, en menos de 5 días hábiles.