📌 En resumen
Medir tu visibilidad en IA es responder a una pregunta: ¿te citan ChatGPT, Perplexity y los AI Overviews cuando alguien pregunta por tu sector? Se mide con cuatro señales: si apareces citado en las respuestas de IA, tu cuota de voz frente a competidores, el tráfico que esos motores derivan a tu web (canal "AI Assistant" en GA4) y el sentido de esas menciones. La posición orgánica clásica ya no basta.
Durante veinte años, "salir en Google" se medía con una métrica clara: la posición. Pero cuando la respuesta la redacta una IA y el usuario no hace clic, la posición se queda corta. Puedes estar en el top 3 orgánico y aun así no aparecer en el resumen de IA que se lleva la atención. Medir la visibilidad en IA es, por tanto, medir si formas parte de la respuesta, no solo de la lista de enlaces.
¿Por qué el ranking orgánico ya no basta?
Porque la página de resultados ha cambiado. Por encima de los enlaces aparecen resúmenes generados por IA que muchas veces resuelven la consulta sin clic, y cada vez más usuarios preguntan directamente a ChatGPT o Perplexity sin pasar por el buscador. El resultado práctico: páginas bien posicionadas con impresiones altas y clics que no llegan. Si solo miras la posición, no ves dónde se está perdiendo (o ganando) la visibilidad real.
¿Qué se mide en la visibilidad en IA?
- Citas/menciones: si tu marca o tu contenido aparece dentro de la respuesta de la IA para tus consultas clave, y con enlace o sin él.
- Cuota de voz (share of voice): en qué porcentaje de respuestas relevantes apareces tú frente a tus competidores.
- Tráfico de referencia de IA: visitas que llegan desde ChatGPT, Perplexity, Gemini o Copilot (en GA4 suele agruparse como canal "AI Assistant" o como referencias de esos dominios).
- Sentido y exactitud: qué dice la IA de ti y si lo que dice es correcto (a veces cita datos antiguos o equivocados).
¿Cómo medirlo en la práctica?
- 1Comprobación manual periódica: define una lista de 10-20 consultas comerciales de tu sector y búscalas en ChatGPT, Perplexity y Google (en incógnito y con localización España). Anota si te citan, a quién citan y qué hay por encima de tu resultado.
- 2Analítica (GA4): revisa el canal "AI Assistant" y las referencias desde dominios de IA (chatgpt.com, perplexity.ai, etc.). Es la prueba de que esos motores ya te traen visitas.
- 3Search Console: vigila páginas con muchas impresiones y pocos clics; suele ser señal de que un AI Overview se lleva la atención en esas consultas.
- 4Herramientas específicas: existen plataformas de seguimiento de menciones en LLMs que automatizan la comprobación de citas y cuota de voz; útiles cuando el volumen de consultas crece.
¿Qué KPIs conviene seguir?
| KPI | Qué indica | Dónde se ve |
|---|---|---|
| Tasa de cita | % de consultas clave donde la IA te cita | Comprobación manual / herramienta de LLM tracking |
| Cuota de voz | Tu presencia frente a competidores en respuestas de IA | Comprobación manual / herramienta |
| Tráfico "AI Assistant" | Visitas reales desde motores de IA | GA4 (canal / referencias) |
| Impresiones sin clic | Consultas donde el AIO se lleva el clic | Search Console |
| Exactitud de la mención | Si la IA cuenta bien quién eres y qué haces | Comprobación manual |
¿Qué vemos nosotros midiendo nuestra propia visibilidad?
En nuestra propia analítica empezó a aparecer un canal "AI Assistant" con visitas atribuidas a motores de IA, y comprobamos manualmente que algún motor ya nos citaba para consultas de nuestro sector. Son señales tempranas, no un volumen enorme, pero confirman que el trabajo de citabilidad se traduce en visitas reales y no solo en impresiones. Ese seguimiento es parte de lo que hacemos en la consultoría GEO.
¿Qué errores evitar al medir?
- Fiarte solo del ranking: puedes subir en posición y perder visibilidad si el AIO se lleva el clic.
- Medir sin incógnito ni localización: tu historial infla tu propia web; usa incógnito y región España.
- Hacerlo una vez: las respuestas de IA cambian; el seguimiento debe ser periódico, no puntual.
- Ignorar la exactitud: que te citen está bien, pero si la IA cuenta algo erróneo de ti, hay que corregir la fuente.
Preguntas frecuentes
¿Se puede medir si ChatGPT cita a mi empresa?
Sí, aunque hoy es en parte manual: defines tus consultas clave y compruebas en ChatGPT, Perplexity y los AI Overviews si apareces citado y frente a quién. Además, en GA4 puedes ver el tráfico que esos motores derivan (canal "AI Assistant" o referencias de dominios de IA). Hay herramientas que automatizan el seguimiento cuando el volumen crece.
¿Qué es el canal "AI Assistant" en GA4?
Es la agrupación de visitas que llegan a tu web desde asistentes y motores de IA (ChatGPT, Perplexity, Copilot, etc.). Su aparición y crecimiento es una de las señales más claras de que tu contenido empieza a ser citado y consultado desde la búsqueda con IA.
¿La posición en Google sigue importando?
Sí, sigue siendo la base: el contenido que posiciona bien tiende a ser citado también por la IA. Pero ya no es suficiente como única métrica. Conviene complementarla con la medición de citas en IA, la cuota de voz y el tráfico de referencia de motores de IA.
¿Cada cuánto debería medir mi visibilidad en IA?
Como mínimo una vez al mes para las consultas clave, y tras cambios importantes de contenido. Las respuestas de los motores de IA varían con el tiempo, así que un seguimiento periódico detecta tendencias (mejoras o caídas) que una comprobación puntual no vería.
Siguiente paso recomendado
Consultoría GEO para AI Overviews y ChatGPT
Auditoría GEO y seguimiento de tu visibilidad en motores de IA.
Sin compromiso · Respuesta en < 24h
Autor
Fundador y Consultor de Datos e IA
David Aldomar es fundador y consultor principal de MERIDIAN Data & IA, consultora especializada en ayudar a pymes y empresas medianas en España a tomar mejores decisiones con sus datos. Su trabajo se centra en cuatro áreas: diseño e implantación de plataformas de datos (data warehouses, pipelines ETL con dbt, integración de ERPs y CRMs), reporting y dashboards ejecutivos en Power BI, automatización de procesos de negocio con herramientas como n8n, y desarrollo de soluciones de inteligencia artificial aplicada — desde modelos de forecasting de demanda hasta copilots internos basados en RAG con LangChain y FastAPI. Ha liderado proyectos en sectores como logística y transporte, retail y distribución, servicios financieros, manufacturing y construcción, siempre con un enfoque pragmático: diagnóstico corto, entregables concretos y transferencia de conocimiento al equipo del cliente para que sea autónomo desde el primer día. Antes de fundar MERIDIAN, trabajó como ingeniero de datos y BI en entornos empresariales reales: arquitecturas Data Warehouse por capas (Bronze/Silver/Gold), pipelines ETL/ELT en AWS (S3, Glue, Redshift Serverless, Athena) y stacks Microsoft (SQL Server, Power BI, Azure), integrando fuentes tan dispares como ERPs, CRMs y bases de datos operacionales — PostgreSQL, MariaDB — en una única fuente fiable para negocio, finanzas y reporting. Tiene un Máster en Ciencia de Datos e Ingeniería del Dato en la Nube. Su filosofía es que un buen proyecto de datos no se mide por la tecnología que usa, sino por las decisiones de negocio que permite tomar. Escribe regularmente en el blog de MERIDIAN sobre reporting, gobierno del dato, automatización e IA aplicada, con guías prácticas orientadas a responsables de negocio y equipos técnicos de empresas que quieren sacar partido real a sus datos sin depender de grandes consultoras.
Fuentes