Informes de visibilidad de búsqueda con IA: Cómo demostrar el retorno de la inversión a partir del tráfico de ChatGPT, Perplexity y la descripción general de la IA hacia los clientes.

La búsqueda mediante IA ha provocado un problema en los informes que las herramientas de informes de los paneles de control de SEO no han sido desarrolladas para solucionar.

Durante muchos años, las agencias podían presentar a sus clientes una lógica bien establecida: las mejoras en el posicionamiento de palabras clave generaban aumentos en las impresiones orgánicas, los clics, las conversiones y los ingresos. Esto sigue siendo cierto, pero empieza a fallar cuando los usuarios encuentran las marcas a través de ChatGPT, Perplexity, Google AI Overviews, Google AI Mode, Gemini, Claude y otros motores de búsqueda basados ​​en IA.

Los usuarios pueden preguntar a ChatGPT qué empresas de software son las mejores para determinados casos de uso, obtener cinco sugerencias, pero no necesariamente hacer clic en todas las fuentes mencionadas. Otros usuarios descubren una empresa concreta a través de los resultados de búsqueda de IA y posteriormente la buscan en Google. Alguien más puede hacer clic en una mención de Perplexity y convertirse en un cliente potencial cualificado.

Es posible que solo la tercera interacción aparezca claramente como tráfico de referencia de IA en los análisis.

Eso no significa que las dos primeras interacciones no tuvieran ningún valor de marketing.

Por eso, los informes de visibilidad de búsqueda mediante IA no deben limitarse a contar las visitas a ChatGPT. Un informe útil para el cliente debe medir tres aspectos: si la marca aparece en los resultados de búsqueda, si la búsqueda mediante IA dirige a los usuarios al sitio web y si esas interacciones contribuyen a los resultados comerciales.

Google ahora proporciona un informe de rendimiento de IA generativa en Search Console que mide las impresiones de las vistas generales de IA y el modo IA, mientras que Google Analytics ha introducido un canal de Asistente de IA que puede identificar el tráfico de asistentes reconocidos como ChatGPT, Gemini y Claude.

¿Qué son los informes de visibilidad de búsqueda de IA?

La práctica de medir la visibilidad en las plataformas de búsqueda con IA, evaluando con qué frecuencia, de qué manera y en qué posiciones aparece una marca en los resultados de búsqueda generados por IA, se conoce como informe de visibilidad en búsquedas con IA. Cabe destacar que, si bien el término «medir» implica una evaluación precisa, esto no siempre se cumple en este ámbito. Cualquier informe en este campo es una aproximación basada en el conjunto de consultas elegido por el proveedor, no un censo de lo que vieron los usuarios reales.

Los informes SEO tradicionales preguntan en qué posición se encuentra una página. Los informes de búsqueda basados ​​en IA plantean un conjunto de preguntas más amplio y complejo:

• ¿Se menciona la marca y con qué frecuencia en consultas idénticas repetidas? (Los resultados de LLM no son deterministas: la misma consulta puede devolver diferentes marcas, competidores o citas en cada ejecución).
• ¿Se cita la marca como fuente o simplemente se la menciona a partir de los datos de entrenamiento del modelo sin ningún vínculo?
• ¿Qué competidores aparecen junto a él y cómo varía eso según la redacción del mensaje?
• ¿Qué páginas se citan y existe alguna correlación entre eso y el acceso de los rastreadores?
• ¿Los usuarios hacen clic desde plataformas de IA y ese tráfico se convierte en ventas?
• ¿Influye la exposición a la IA en las conversiones que se producen posteriormente a través de un canal no relacionado y, de ser así, cómo se podría atribuir dicho efecto?

Esa última pregunta es el punto clave. La visibilidad puede existir sin un clic, lo que significa que las exposiciones de mayor valor (alguien lee una respuesta, se forma una impresión, convierte posteriormente a través de una búsqueda de marca o tráfico directo) son precisamente aquellas que este marco no puede vincular causalmente con la mención de la IA. Ese es el mismo problema de atribución en redes sociales que la publicidad de marca nunca ha resuelto; aplicado a un nuevo canal, debería considerarse una limitación, no obviarse con un embudo de conversión aparentemente limpio.

En cuanto a la mecánica: la documentación para editores de OpenAI confirma que cualquier sitio público puede aparecer en la búsqueda de ChatGPT, y la inclusión en resúmenes y citas depende de no bloquear OAI-SearchBot; aunque la ubicación nunca está garantizada y bloquearlo no necesariamente elimina un sitio de todos los enlaces de navegación. De manera similar, las Reseñas de IA de Google informan los clics en los enlaces de la Reseña de IA como clics a páginas externas, pero varias fuentes pueden respaldar una misma respuesta, por lo que ningún sitio "posee" una posición en el ranking como sucede en los resultados orgánicos clásicos.

Tres niveles de medición de búsqueda mediante IA, con la advertencia correspondiente a cada nivel.

Capa	que mide	Ejemplo	Advertencia sobre la fiabilidad
Visibilidad	Si la marca aparece	Marca mencionada en ChatGPT	Muestreado a partir del conjunto de indicaciones de un proveedor, no del tráfico de usuarios observado; no determinista entre ejecuciones.
Influir	Ya sea que la marca sea citada, recomendada o referenciada.	Marca incluida entre los proveedores recomendados.	La presencia de citas es más observable que la "recomendación", que a menudo es una interpretación subjetiva del texto generado.
Resultado	Si la búsqueda mediante IA contribuye a los resultados empresariales	La referencia de ChatGPT genera un cliente potencial.	Solo se puede medir cuando hay un clic y un encabezado de referencia; la influencia sin clic se afirma, pero no se rastrea.

¿Por qué los informes SEO tradicionales no son suficientes?

Las métricas SEO tradicionales siguen siendo válidas. El posicionamiento, el tráfico orgánico y la conversión de último clic reflejan fielmente el proceso real que se desarrolla de principio a fin durante el descubrimiento y la selección de empresas por parte de los usuarios. Sin embargo, las búsquedas impulsadas por IA han añadido pasos al proceso entre la búsqueda y la conversión que no se detectan con los informes tradicionales. Esta sección explicará esta brecha, destacará los hechos comprobados y las suposiciones dudosas, y presentará el método para informar sobre ella.

Dos viajes diferentes

Una persona que realiza una búsqueda en Google de forma tradicional sigue un proceso bastante lineal: ve un resultado, hace clic en él, navega por el sitio web y realiza una acción. Cada paso de ese proceso deja una huella que las herramientas de análisis están diseñadas para capturar: impresiones, clics, sesiones, formularios completados y fuentes de referencia.

Una persona que utiliza un motor de búsqueda con IA sigue un camino diferente. Formula una pregunta más informal y, a menudo, más larga. Recibe una respuesta sintetizada que recopila y combina varias fuentes a la vez. Dentro de esa única respuesta, puede ver comparaciones entre varias empresas: precios, características, reputación, sin ver nunca una lista de enlaces clasificados para elegir. Solo después de esa comparación decide si visitar algún sitio web, y muchos no lo hacen.

Este último punto es la clave del problema de medición: la visibilidad y la influencia pueden darse incluso sin tráfico de referencia. Una marca puede ser el motivo por el que alguien se forma una opinión y, aun así, generar un recuento de sesiones de cero en esa herramienta. Los informes tradicionales, que se basan casi por completo en clics y sesiones rastreables, no tienen una forma nativa de registrar que esto ocurrió.

Un ejemplo concreto (hipotético)

Para ilustrar el mecanismo, este es un ejemplo hipotético, no un caso documentado. Imaginemos una empresa de software como servicio (SaaS) que recibe una recomendación de ChatGPT en respuesta a la pregunta "¿Cuáles son las mejores plataformas de gestión de proyectos para una empresa remota de 100 personas?". El usuario lee la recomendación y ve el nombre de la empresa, pero no hace clic en ella.

Al día siguiente, ese usuario realiza una búsqueda en Google con el nombre de la marca de la empresa y luego se registra para una demostración. Los datos de Google Analytics registran este evento como una sesión de búsqueda orgánica. No hay forma de rastrear información sobre la conversación anterior debido a la falta de clics, encabezados de referencia o parámetros UTM.

En un escenario donde el departamento de marketing solo utiliza el método de informe de último clic, el canal ChatGPT no se atribuirá a la conversión de clientes potenciales, aunque haya desempeñado un papel importante en dar a conocer la marca al cliente. Esto no es un caso excepcional, sino la norma esperada para un canal que genera influencia de forma habitual sin necesidad de clics.

La conclusión correcta es más precisa de lo que podría parecer tentador. No es apropiado atribuir esa conversión a ChatGPT ni atribuir los ingresos a la búsqueda por IA. Hacerlo exagera la evidencia; no hay forma de confirmar que la exposición a ChatGPT haya causado la búsqueda posterior, solo que la precedió y es un factor contribuyente plausible. La afirmación defendible es: la búsqueda por IA fue un punto de influencia observable en la experiencia de este usuario, pero no se estableció una atribución directa de ingresos a ella. Esa distinción, que separa lo que se sabe de lo que se infiere, es lo que mantiene la credibilidad de este tipo de informes en lugar de su mera promoción.

Los datos de clics son objeto de controversia, y la parte controvertida importa.

Cualquier guía sobre este tema acabará citando la postura de Google sobre cómo las descripciones generales de la IA afectan al comportamiento de los clics, por lo que conviene ser precisos sobre cuál es esa postura, de dónde proviene y cómo se compara con datos independientes.

Lo que ha dicho Google: En una publicación de blog en respuesta a las críticas externas, la vicepresidenta de Búsqueda de Google, Liz Reid, afirmó que las Resúmenes de IA están generando más búsquedas, y que estas suelen ser más largas y complejas que las consultas tradicionales. También indicó que el volumen total de clics orgánicos desde la Búsqueda a los sitios web se ha mantenido "relativamente estable" año tras año, y que Google está enviando un poco más de "clics de calidad" a los sitios web que el año anterior, definidos como clics en los que los usuarios no regresan rápidamente a los resultados de búsqueda, lo que indica un interés genuino. 

El razonamiento expuesto es el siguiente: cuantas más consultas y más enlaces se muestren por respuesta, mayores serán las oportunidades para que se produzca un clic, y en el caso de preguntas en las que la gente quiere profundizar más allá de una respuesta rápida, siguen haciendo clic, y esos clics son más intencionados cuando lo hacen.

Esto merece ser tomado en serio, pero no debe considerarse neutral. La publicación se realizó específicamente para refutar investigaciones de terceros, carece de datos o metodología que la respalden y proviene de la empresa cuyo producto es objeto de la afirmación. Google tiene un interés comercial directo en que los editores y anunciantes crean que las revisiones de IA no han perjudicado el tráfico de referencia; la cooperación de los editores, la concesión de licencias de contenido, la confianza de los anunciantes y el escrutinio regulatorio dependen en parte de esa creencia.

Lo que han revelado las investigaciones independientes:

• Pew Research Se analizaron cerca de 69 000 búsquedas reales realizadas por 900 adultos estadounidenses y se descubrió que, cuando una búsqueda activaba una vista previa con IA, solo el 8 % de los usuarios hacía clic en algún enlace, en comparación con el 15 % cuando no aparecía ninguna vista previa con IA. Esto representa aproximadamente la mitad de la tasa de clics.
• Los análisis realizados por investigadores SEO independientes, basados ​​en Search Console, que comparan los mismos conjuntos de palabras clave antes y después de la implementación de AI Overviews en un mercado determinado, han reportado descensos en la tasa de clics de entre el 30% y el 35%.
• borde brillanteGoogle, una plataforma SEO empresarial, informa que las vistas generales de IA ahora aparecen en aproximadamente el 11 % o más de las consultas, un aumento interanual de alrededor del 22 %, y que el volumen de consultas largas y complejas que activan las vistas generales de IA ha crecido en alrededor del 49 % durante el mismo período, lo que respalda la afirmación de Google sobre la complejidad de las consultas, incluso cuando otros datos contradicen su afirmación sobre la estabilidad de los clics.
• Desde entonces, Google ha ampliado las Reseñas de IA para admitir preguntas de seguimiento dentro de las respuestas y ha convertido un modelo más capaz en el motor predeterminado para ellas; cambios que mantienen a los usuarios dentro de la respuesta de IA durante más tiempo, reduciendo en lugar de aumentar la probabilidad de que hagan clic en un enlace.

También existe una razón estructural para desconfiar de cualquier comparación precisa entre la información de Google y las cifras independientes: Google Search Console aún no permite a los propietarios de sitios web separar las impresiones y los clics de la Vista General de IA del rendimiento de la búsqueda orgánica estándar. Los propietarios de sitios web no pueden verificar de forma independiente la afirmación de Google utilizando sus propios datos, incluso si quisieran. Esta asimetría —donde quien realiza la afirmación tranquilizadora controla el único sistema que podría verificarla— es en sí misma una razón para dar mayor peso a los datos de fuentes independientes.

Nada de esto significa que las vistas generales de IA sean puramente perjudiciales para el tráfico de referencia, ni que las afirmaciones de Google sean inventadas. El volumen de consultas parece estar creciendo de verdad, y es plausible que los usuarios que hacen clic en una vista general de IA estén más avanzados en el proceso de decisión y, por lo tanto, tengan más probabilidades de convertirse en clientes una vez que lleguen a ella. El enfoque de Google sobre los "clics de calidad" y el de BrightEdge sobre la "avanzada en el embudo" apuntan en la misma dirección. Sin embargo, el volumen de clics que llegan a sitios de terceros parece haber disminuido notablemente, incluso si los clics que permanecen se convierten a una tasa mayor. Ambas cosas pueden ser ciertas simultáneamente, y un informe que solo cite el enfoque de Google subestimará la magnitud del cambio que una empresa debe tener en cuenta.

¿Qué implica esto para un modelo de presentación de informes?

La implicación práctica no es abandonar los informes de SEO y reemplazarlos con informes de búsqueda basados ​​en IA. Se trata de ampliar el modelo de medición para que ambos puedan coexistir sin que ninguno exagere sus ventajas.

• Mantén los informes de último clic y conversión asistida como base. Sigue siendo la única capa con atribución fiable y verificable, y no debe descartarse solo porque esté incompleta.
• Realice un seguimiento de la visibilidad de la IA como una capa independiente y claramente etiquetada (menciones de marca, presencia de citas y comparación con la competencia dentro de las respuestas de la IA), utilizando una muestra consistente y divulgada de preguntas, ejecutada con regularidad. Informe esto como un indicador muestreado, no como una métrica de tráfico, y divulgue el tamaño de la muestra y la metodología junto con las cifras.
• Presta atención a las señales indirectas de influencia en lugar de atribuirlas directamente. Un aumento en el volumen de búsquedas de marca, el tráfico directo o las solicitudes de demostración que no se correlacione con ningún cambio en las campañas de pago u orgánicas es una señal razonable que merece ser investigada, incluyendo la verificación de si la visibilidad de la IA para consultas relevantes aumentó aproximadamente al mismo tiempo. Se trata de una correlación que vale la pena mencionar, no de una relación causal.
• Considere las afirmaciones publicadas por la plataforma sobre su propio impacto como un dato más, no como una conclusión. Cuando la declaración de una plataforma sobre el comportamiento de los clics, la estabilidad del tráfico o la satisfacción del usuario no pueda verificarse de forma independiente con las herramientas disponibles para los propietarios de sitios web, evalúela adecuadamente y cite la investigación independiente correspondiente, incluso si ambas contradicen la información.
• Sea explícito sobre qué es ilustrativo y qué está documentado. Los ejemplos de casos utilizados para explicar un mecanismo deben estar claramente etiquetados como hipotéticos o anonimizados, y las afirmaciones basadas en un estudio específico o una declaración de la empresa deben estar atribuidas y fechadas, ya que se trata de un ámbito en constante evolución donde una afirmación válida hace seis meses puede estar ya desactualizada.

¿Qué deberías medir en la búsqueda con IA?

El sistema de informes de búsqueda con IA más potente combina métricas de visibilidad, métricas de tráfico, métricas de interacción, métricas de conversión y métricas comerciales.

Un cliente no necesita necesariamente todas las métricas cada mes, pero su sistema de medición interno debería ser capaz de recopilarlas.

Métricas de visibilidad de la IA

Estas respuestas responden a la pregunta:

¿Están los sistemas de IA sacando a la luz esta marca?

Pista:

• Tasa de mención de marca
• Tasa de citas
• Tasa de recomendación
• Tasa de inclusión
• Cuota de visibilidad de la IA
• Porcentaje de fuentes citadas
• Cobertura inmediata
• Inclusión de competidores
• Posicionamiento de marca dentro de las recomendaciones de IA
• Frecuencia de citas de fuentes/páginas
• Visibilidad por tema
• Visibilidad según la intención de búsqueda

Una tasa de visibilidad de IA simple se puede calcular de la siguiente manera:

Tasa de visibilidad de la IA = Anuncios donde aparece la marca ÷ Anuncios totales rastreados × 100

Por ejemplo, si una empresa aparece en 42 de 100 sugerencias rastreadas:

42 ÷ 100 × 100 = 42 % de tasa de visibilidad de la IA

Esto no es lo mismo que la cuota de mercado o la cuota de tráfico. Es simplemente una medida de visibilidad en el conjunto de anuncios definido.

Métricas de citas

La medición de citas va más allá de las simples menciones de marca.

Pista:

• Número de citas
• Tasa de citas
• URLs citadas únicas
• Frecuencia de citas por página
• Frecuencia de citas por tema
• Frecuencia de citas por plataforma
• Cuota de citas de la competencia
• Persistencia de las citas a lo largo del tiempo

Por ejemplo, si el nombre de la empresa aparece 60 veces, pero su sitio web solo se menciona 12 veces, entonces es necesario comprender la diferencia entre la exposición de la marca y la autoridad de la fuente.

Esta diferencia puede conducirte a una técnica de optimización muy útil.

Métricas de tráfico de referencia

Estas respuestas:

“¿De verdad la gente accede al sitio web desde plataformas de IA?”

Pista:

• Usuarios
• Talleres
• Sesiones comprometidas
• Tasa de participación
• Landing páginas
• Usuarios nuevos
• Usuarios recurrentes
• Páginas por sesión
• Tiempo promedio de compromiso
• Conversions
• Conversion rate
• Ingresos
• Conversiones asistidas

Google Analytics introdujo un canal dedicado a los Asistentes de IA en 2026, lo que permite a los profesionales del marketing identificar el tráfico procedente de asistentes de IA reconocidos y compararlo con los canales tradicionales.

Métricas de resultados empresariales

Estas son las métricas que, en última instancia, les importan a los clientes:

• Prospectos
• Clientes potenciales calificados
• Solicitudes de demostración
• Compras
• Comienza el juicio
• Oportunidades de venta
• Valor de la tubería
• Ingresos por operaciones cerradas ganadas
• Costo de adquisición de clientes
• Ingresos por visitante
• Valor de por vida del cliente
• Retorno de la inversión

Por lo tanto, la jerarquía de informes debería pasar de:

Visibilidad → Tráfico → Interacción → Conversión → Ingresos

en lugar de detenerse en:

Visibilidad → Tráfico

Modelo de medición de la visibilidad de la búsqueda en IA

Una forma útil de explicar el retorno de la inversión (ROI) de la búsqueda con IA a los clientes es mapear los puntos de contacto por los que puede pasar un usuario, aclarando que la mayoría no los recorre todos ni en orden. Esto no es un embudo en el sentido clásico del término, ya que un embudo indica que en cada paso un subconjunto de usuarios avanza desde la etapa anterior. Sin embargo, el proceso de búsqueda con IA no sigue esta regla: una persona puede pasar directamente de la primera interacción a la conversión sin pasos intermedios.

El modelo que se muestra a continuación es un mapa de posibles puntos de contacto, no un flujo de trabajo.

Punto de contacto 1: Presencia

La marca aparece en una respuesta generada por inteligencia artificial a una consulta relevante.

Esta es la señal más temprana observable, y también la menos precisa de medir. Generalmente se monitoriza ejecutando un conjunto fijo y conocido de mensajes de muestra a través de una plataforma con una periodicidad regular. No se trata de un recuento de las interacciones reales de los usuarios, ya que ninguna herramienta actual ofrece a las marcas visibilidad del volumen real de conversaciones con IA a gran escala. Informe este dato como un indicador de muestreo, indicando el conjunto de mensajes y el tamaño de la muestra, no como una cifra de tráfico.

Punto de contacto 2: Cita

El sistema de IA toma como referencia el contenido de la empresa, con o sin enlace.

Las citas deben contabilizarse por separado de las recomendaciones, ya que no son inherentemente positivas. Una marca puede ser citada en un contexto negativo o neutral; por ejemplo, «La empresa X sufrió una filtración de datos en 2024, según [fuente]» es una cita. Contabilizar las citas sin analizar el sentimiento ni el contexto conlleva el riesgo de informar de un número creciente que en realidad son malas noticias.

Punto de contacto 3: Recomendación

El sistema de IA posiciona a la empresa como una opción sugerida, comparable a estar entre los finalistas.

Esta es una señal más fuerte y distintiva que una cita, porque implica que el modelo considera la marca como una respuesta viable a la necesidad del usuario, y no solo como una fuente de información. Además, es más difícil de medir con fiabilidad: "¿Fue esto una recomendación?" es una interpretación más subjetiva del texto generado que "¿Fue esto una cita?", que al menos en ocasiones puede confirmarse mediante un enlace visible.

Punto de contacto 4: Remisión

El usuario accede al sitio web desde la respuesta de la IA.

Aquí es donde las herramientas analíticas estándar resultan directamente útiles: la fuente de referencia, los parámetros UTM (cuando las plataformas los admiten) y los datos de sesión se aplican prácticamente igual que en la búsqueda tradicional. Además, según un estudio de Pew Research basado en 69 000 búsquedas, es un punto de contacto al que solo llega una minoría de usuarios de AI Overview: solo el 8 % hizo clic, frente al 15 % en los resultados de búsqueda estándar. Esta diferencia debería influir en las expectativas sobre la cantidad de información sobre tu presencia y tus citas que aparecerá en este punto.

Punto de contacto 5: Compromiso

El usuario lee la información, visualiza las páginas de productos/precios, descarga un archivo o interactúa con el sitio web de otra manera.

Una vez iniciada la sesión, es totalmente medible con análisis estándar. La cuestión aquí no radica en la medición, sino en la atribución a los puntos de contacto 1 a 3 cuando la sesión no se originó mediante un clic directo de referencia de IA.

Punto de contacto 6: Conversión

El visitante envía un formulario, reserva una reunión, inicia una prueba o completa otra acción definida.

Medible directamente cuando la sesión se remonta a una referencia de IA. No medible directamente, solo inferible, cuando la conversión ocurre más tarde, a través de un canal diferente, sin ningún vínculo a nivel de sesión con la exposición previa a la IA.

Punto de contacto 7: Ingresos

La conversión se traduce en ingresos en cartera o ingresos cerrados.

La misma restricción que en Touchpoint 6: totalmente atribuible cuando la cadena de sesiones no se interrumpe, solo inferible cuando no es así.

Dos trayectorias, mostradas explícitamente en lugar de suavizadas en una sola línea.

• Recorrido completo: Un usuario hace clic en una cita de Perplexity, accede al sitio web, consulta los precios y realiza la compra en la misma sesión. Cada punto de contacto, desde la referencia en adelante, es directamente medible.
• Recorrido de ruta alternativa: Un usuario observa que ChatGPT menciona la marca, no hace clic en nada y, dos días después, realiza la compra directamente a través de una búsqueda de la marca.
• Los puntos de contacto 1 (y posiblemente 3) se produjeron, mientras que los puntos de contacto 4 y 5 no. El punto de contacto 6 es evidente, pero la asociación entre el punto de contacto 1 y el punto de contacto 6 se infiere a partir de la lógica y no de la evidencia.

¿Cómo medir el tráfico y las conversiones de ChatGPT?

ChatGPT se ha vuelto particularmente importante para la medición de búsquedas mediante IA porque su experiencia de búsqueda web puede proporcionar a los usuarios fuentes citadas y enlaces a sitios web.

Según OpenAI, las capacidades de ChatGPT Search incluyen búsqueda web, citas y enlaces a sitios web relevantes. OpenAI también indica que los editores que permiten el acceso a OAI-SearchBot pueden analizar el tráfico de referencia mediante herramientas analíticas, ya que ChatGPT siempre añade utm_source=chatgpt.com a la URL de referencia.

Esto proporciona a los profesionales del marketing una útil herramienta de medición directa.

Empieza con el tráfico de referencia.

En GA4, investigue el tráfico relacionado con ChatGPT y los asistentes de IA en lugar de asumir que todo el tráfico de IA se clasificará bajo un término de referencia general.

Mirar:

• Fuente
• Media
• Campaña
• Landing page
• Fuente de la sesión
• Eventos de conversión
• Ingresos

El canal del Asistente de IA de Google Analytics es especialmente útil porque ahora el tráfico reconocido del Asistente de IA se puede agrupar por separado en lugar de mezclarse con el tráfico de referencia ordinario.

No te detengas en las sesiones

Un informe que dice:

“ChatGPT generó 1,250 sesiones.”

no demuestra valor comercial.

Un informe más preciso dice:

“ChatGPT generó 1,250 sesiones, 94 solicitudes de demostración, 31 oportunidades cualificadas y 82,000 dólares en cartera de clientes potenciales.”

El segundo informe le proporciona al cliente información sobre la que puede actuar.

Seguimiento de páginas de destino

Esta es una de las métricas de diagnóstico más útiles.

Si las plataformas de IA envían repetidamente a los visitantes a:

• Páginas de comparación,
• Páginas de precios,
• Páginas de productos,
• Guías de implementación,
• Guías de compra,
• Investigación original,

Puedes descubrir qué tipo de contenido funciona mejor en los sistemas de búsqueda basados ​​en IA.

Esa información debería influir en la estrategia de contenido.

¿Cómo medir el tráfico de perplejidad?

La perplejidad debe medirse de forma similar a ChatGPT a nivel de referencia, pero también debe evaluarse de forma independiente, ya que las plataformas de IA no necesariamente muestran las mismas fuentes para la misma pregunta.

Una marca que funciona bien en ChatGPT puede funcionar mal en Perplexity.

No se trata necesariamente de un problema de seguimiento. Puede indicar diferencias en la selección de fuentes, la interpretación de las consultas, la actualidad de los datos o la relevancia del contenido.

Cree un perfil de fuente de Perplexity.

Pista:

• Sesiones de derivación de perplejidad
• Landing páginas
• Engagement
• Conversions
• Ingresos
• Páginas más citadas
• Temas que generan citas
• Presencia de competidores
• Frecuencia de citación
• Cambios en el tiempo

El objetivo no es demostrar que Perplexity es “mejor” que ChatGPT.

El objetivo es comprender si los diferentes entornos de búsqueda de IA exponen la marca a diferentes audiencias o intenciones.

Lo importante no es necesariamente que ChatGPT haya generado la mayor cantidad de tráfico.

La perplejidad podría generar menos visitantes, pero clientes potenciales de mayor calidad.

Por eso, el volumen de tráfico por sí solo es un indicador clave de rendimiento (KPI) débil para las búsquedas en IA.

¿Cómo medir el rendimiento general de la IA de Google?

Las descripciones generales de la IA de Google requieren un enfoque de medición diferente porque la interacción se produce dentro de la Búsqueda de Google.

La novedad importante para los profesionales del marketing es que Google Search Console ahora cuenta con un informe de rendimiento de IA generativa, que actualmente se está implementando para un subconjunto de propietarios de sitios web, y que proporciona datos de impresiones de las funciones de IA generativa de Google Search, incluidas las descripciones generales de IA y el modo IA.

Eso supone una mejora considerable con respecto a depender exclusivamente de mediciones indirectas.

Impresiones de la descripción general de la IA

El informe de Google puede mostrar:

• Impresiones de búsqueda generadas por IA
• Páginas que reciben impresiones
• País
• Inteligencia del
• Tendencias temporales

Actualmente, el informe abarca las funciones generales de IA y el modo IA, y Google afirma que la lista de funciones compatibles podría ampliarse con el tiempo.

Comprender qué significa una impresión general de IA

Una impresión de Resumen de IA no significa que alguien haya hecho clic en su sitio web.

Significa que se mostró un enlace a tu sitio web dentro de una función de IA generativa.

Google explica que los enlaces dentro de las vistas generales de IA pueden recibir clics, y que a los enlaces dentro de una vista general de IA se les asigna la misma posición para los informes de posición de Search Console.

Por lo tanto, no reporte:

“Obtuvimos 100,000 impresiones de AI Overview, lo que significa que 100,0

Eso es incorrecto.

La interpretación correcta es:

“Nuestras páginas se mostraron 100,000 veces como enlaces dentro de las experiencias de búsqueda generativa con IA de Google.”

Combine Search Console y GA4

La configuración de informes más robusta utiliza ambas plataformas.

Search Console te dice:

• Visibilidad de la IA
• impresiones
• paginas
• consultas
• clics

GA4 te dice:

• dirigidas por expertos
• participación.
• conversiones
• ingresos

En conjunto, ofrecen una visión mucho más clara que cualquiera de las plataformas por separado.

La diferencia entre visibilidad, tráfico y retorno de la inversión.

Esta es la sección que hay que explicar con más cuidado, porque es donde los informes de búsqueda de IA suelen ser engañosos, normalmente no por deshonestidad, sino por agrupar varias variables independientes en una sola cifra que parece limpia.

Una empresa puede tener simultáneamente:

• Alta visibilidad + poco tráfico
• Baja visibilidad + alta tasa de conversión
• Alta visibilidad + alto tráfico + bajos ingresos
• Visibilidad moderada + tráfico bajo + valor para el cliente muy alto

No se trata de distintos grados del mismo resultado. Son diferentes combinaciones de variables independientes, y cada combinación apunta a un problema u oportunidad diferente: un problema de visibilidad, de segmentación, de precios/ofertas o de valor del segmento. Tratar la "visibilidad" como una única puntuación que debería correlacionarse con los ingresos oculta cuál de estos problemas está ocurriendo realmente.

La visibilidad no genera ingresos.

Para ilustrar el mecanismo, este es un ejemplo hipotético, no un caso documentado: imaginemos que la marca A aparece en el 80 % de las sugerencias de IA analizadas en su conjunto de datos. Esto suena prometedor, pero si la mayoría de esas sugerencias son informativas («¿Qué es un software de contabilidad?», «¿Cómo funciona la contabilidad en la nube?») y ninguno de los usuarios que las utilizan está cerca de tomar una decisión de compra, el valor comercial de esa visibilidad puede ser limitado.

Ahora imagina que la marca B aparece solo en el 35% de las indicaciones rastreadas, pero esas indicaciones incluyen:

• “El mejor software de contabilidad para pequeñas empresas”
• “Precios del software de contabilidad”
• “alternativas a [competidor]”
• “El mejor software de contabilidad para empresas de construcción”

La marca B tiene menor visibilidad bruta, pero aparece en consultas mucho más cercanas a la decisión de compra. Un informe que solo indique "80 % frente a 35 %" situaría a la marca A por delante de la marca B en la métrica menos importante y por detrás en la más importante.

Esto nos lleva al principio operativo: la visibilidad de la IA debe ponderarse según la intención de búsqueda, y no tratarse como una puntuación única e indiferenciada. Pero este principio requiere una metodología internamente coherente y honesta sobre sus propias limitaciones, algo que la versión que se presenta a continuación intenta explicitar.

Construir una puntuación de visibilidad ponderada por la intención, como metodología divulgada, no como una medición objetiva.

Primero, corrija las categorías. Una taxonomía de intenciones común de cuatro partes, adaptada de la clasificación de intenciones SEO tradicional, es:

Intención	Mareas Ideales para Lecciones
Informativo	Aprender sobre un tema, sin que ello implique una compra (“¿qué es un software de contabilidad?”)
Relativo a la navegación	¿Busca una marca o producto específico conocido? ("Inicio de sesión de la empresa X")
Investigación comercial	Comparar opciones antes de decidir (“el mejor software de contabilidad para pequeñas empresas”)
Transaccional	Listo para actuar (“precios del software de contabilidad”, “comprar”, “registrarse”)

La intención de navegación debe figurar en esta tabla, aunque a menudo tenga un bajo valor comercial para cualquier persona que no sea la marca que se busca directamente; que un competidor aparezca en los resultados de navegación para el nombre de su marca es una señal diferente (visibilidad defensiva) que aparecer en los resultados transaccionales para un término de categoría.

En segundo lugar, asigne ponderaciones, pero trate las ponderaciones específicas como una decisión subjetiva revelada, no como un hecho. Un punto de partida:

Intención	Peso sugerido
Informativo	1
Relativo a la navegación	1
Investigación comercial	2
Transaccional	4

Estas ponderaciones no se derivan de los datos de este marco, sino que reflejan la suposición de que la intención transaccional es aproximadamente el doble de valiosa que la investigación comercial y cuatro veces más valiosa que el contenido informativo. 

Otra empresa, con un ciclo de ventas más largo o más corto, podría utilizar una escala diferente; una empresa con un ciclo de ventas empresariales largo podría dar mayor importancia a la investigación comercial en relación con la transaccional, ya que las consultas de IA con intención transaccional apenas existen para compras de seis cifras.

En cualquier informe que utilice esta puntuación, las ponderaciones deben indicarse explícitamente y mantenerse fijas de un período a otro para que la puntuación sea al menos comparable consigo misma a lo largo del tiempo, aunque no sea comparable entre agencias o cuentas que utilicen ponderaciones diferentes.

Tercero, calcula:

Visibilidad de IA ponderada por intención = Σ (% de visibilidad × peso de la intención) ÷ Visibilidad ponderada máxima posible

En cuarto lugar, y este es el paso que normalmente se omite, revele cuáles son realmente los números de visibilidad de entrada. 

El porcentaje de visibilidad en esta fórmula es una estimación muestreada a partir de un conjunto fijo y limitado de mensajes monitorizados, no un censo de la exposición real del usuario (véase el punto de contacto de Presencia analizado anteriormente en este modelo de informe). Multiplicar una estimación por una ponderación subjetiva y sumarla entre categorías no mejora la precisión del resultado, sino que acumula dos niveles de incertidumbre en un porcentaje aparentemente sencillo. Un informe que presenta «Visibilidad de IA ponderada por intención: 62 %» sin especificar el tamaño de la muestra subyacente, la lista de mensajes y el esquema de ponderación utilizado, presenta una cifra con mayor precisión aparente de la que realmente tiene.

¿Cómo denunciar esto de forma responsable?

• Indique la escala de ponderación utilizada cada vez que aparezca la puntuación, no solo en un apéndice de metodología.
• Indique el número y la lista de indicaciones a partir de las cuales se obtuvieron los porcentajes de visibilidad.
• Considere el cambio en la puntuación de un período a otro (utilizando los mismos pesos y el mismo conjunto de indicaciones) como la señal útil, no el número absoluto de forma aislada, que solo tiene sentido en relación con la escala que usted mismo haya elegido.
• Vincule la puntuación con el desglose subyacente por categoría de intención, de modo que las partes interesadas puedan ver si una puntuación creciente se debe a una mayor visibilidad transaccional (lo cual es realmente bueno) o a una mayor visibilidad informativa (lo cual es menos significativo), en lugar de confiar en la única cifra combinada.

¿Cómo crear un panel de control de ROI para búsquedas con IA?

Un buen panel de control de búsqueda con IA no debería parecerse a un panel de control SEO tradicional con "ChatGPT" añadido como fuente de tráfico. Debe responder a cinco preguntas clave del negocio y, en cada nivel, debe dejar claro, tanto visual como textualmente, qué cifras se miden directamente, cuáles son estimaciones basadas en muestras y cuáles se infieren. Agrupar estas tres categorías en una sola tabla es la forma más común en que estos paneles de control confunden a los directivos.

Pregunta 1: ¿Somos visibles?

• Tasa de visibilidad de la IA: estimación muestreada
• Tasa de citación: estimación muestreada, parcialmente observable en plataformas que muestran las citas.
• Tasa de recomendación: estimación muestreada, nivel de confianza más bajo (interpretación subjetiva del texto generado).
• Cuota de visibilidad de la IA (frente a la competencia) — estimación basada en muestras
• Visibilidad de la competencia: estimación basada en muestras

Cada métrica de esta sección se deriva de la ejecución de un conjunto fijo y predefinido de preguntas a través de plataformas de IA de forma recurrente. Ninguna de ellas representa un recuento de la exposición real de los usuarios, ya que ninguna herramienta actual proporciona esa información. Presente estos datos con el tamaño de la muestra y la lista de preguntas correspondientes, y mantenga la metodología constante en cada período, de lo contrario, los cambios entre períodos resultarán ininterpretables.

Pregunta 2: ¿Dónde somos visibles?

Las plataformas no son igualmente medibles, y el panel de control debería indicarlo en lugar de enumerarlas como filas paralelas:

• Plataforma Medición
• Perplexity Moderado: las citas y los enlaces suelen ser visibles y verificables.
• ChatGPT Moderado: las citas a veces son visibles; el acceso de rastreo de OAI-SearchBot afecta la inclusión, pero el volumen real de conversaciones no es observable externamente.
• Descripciones generales de la IA de Google Bajo: Search Console no aísla los clics o impresiones de la vista general de IA de los datos orgánicos estándar.
• Modo IA de Google Bajo: la misma limitación, agravada por flujos de seguimiento conversacional que mantienen a los usuarios dentro de Google durante más tiempo.
• Gemini Muy baja: visibilidad externa mínima del contenido real de las conversaciones con los consumidores.
• Claude Muy bajo: misma limitación

Informe sobre la visibilidad plataforma por plataforma, pero no permita que un cliente asuma que la cifra de Gemini tiene el mismo valor que la de Perplexity.

Pregunta 3: ¿Qué contenido se está mostrando?

• Páginas más citadas: se puede observar directamente dónde las plataformas muestran los enlaces de citación.
• Páginas de destino principales: directamente medibles mediante análisis, una vez que existe una sesión.
• Temas y categorías de consulta: estimación muestreada, extraída del mismo conjunto de indicaciones que la visibilidad.
• Formatos de contenido: estimación de muestra

Pregunta 4: ¿La gente está participando?

• Sesiones, tasa de participación, tiempo promedio de participación, páginas por sesión, eventos clave: todo ello directamente medible mediante análisis estándar, pero solo para el subconjunto del recorrido que incluyó un clic. 
• Este es el punto del modelo (a partir de la referencia) donde la confianza aumenta bruscamente con respecto a la capa de Presencia/Cita que se encuentra encima; ese aumento debe ser visible en la forma en que está organizado el panel de control, no disimulado.

Pregunta 5: ¿Está generando valor para el negocio?

• Clientes potenciales, clientes potenciales cualificados, oportunidades: directamente medibles cuando la sesión se remonta a una referencia de IA; inferidos cuando un cliente potencial se convierte sin una sesión rastreable originada por IA entretanto.
• Ingresos, cartera de proyectos: la misma distribución que la anterior.
• Conversiones asistidas: inferidas por diseño: esta métrica existe específicamente para capturar la influencia sin atribución directa y debe etiquetarse como un resultado del modelo, no como un hecho medido.
• ROI: solo se puede calcular con certeza en el subconjunto medido directamente; cualquier cifra de ROI que incluya ingresos o cartera de proyectos inferidos debe indicarlo explícitamente.

Un práctico panel de control ejecutivo

La tabla que aparece a continuación separa las métricas medidas directamente de las muestreadas e inferidas, en lugar de presentar las siete con la misma precisión.

Medición directa (análisis estándar, rastreable hasta una referencia de plataforma de IA)

KPI	Período actual	Periodo anterior	CAMBIAR
Sesiones de referencia con IA	4,210	2,980	+ 41%
Clientes potenciales generados por IA (con seguimiento de referencias)	186	109	+ 71%
Clientes potenciales cualificados (con seguimiento de referencias)	58	31	+ 87%

Estimaciones muestreadas (conjunto fijo de [N] indicaciones, ejecución [mensual/trimestral], metodología constante: indique N y la lista de indicaciones en un apéndice).

KPI	Período actual	Periodo anterior	CAMBIAR
Tasa de visibilidad de la IA	48%	37%	+11 ptos
Citas de IA (en la muestra)	384	241	+ 59%

Inferido/modelado (no directamente rastreable: derivado de la correlación entre las tendencias de visibilidad y la actividad de conversión no atribuida, por ejemplo, aumentos de búsqueda de marca o tráfico directo no explicados por otras actividades de la campaña).

KPI	Período actual	Periodo anterior	CAMBIAR	base del modelo
Pipeline influenciado por IA	$ 312K	$ 178K	+ 75%	Aumento correlacionado en las búsquedas de marca y las conversiones directas durante períodos de mayor visibilidad registrada; no se realiza un seguimiento de la sesión.
Ingresos atribuidos a la IA — cambio de título a “Ingresos correlacionados con la IA” —	$ 96K	$ 51K	+ 88%

El cambio de nombre en la última fila es importante: «atribuido» implica un vínculo causal rastreable que esta cifra no tiene. «Correlacionado» indica lo que realmente se sabe: el número cambió con la visibilidad, no que la visibilidad lo haya causado.

Interpretación escrita: obligatoria, no opcional.

El panel de control necesita una breve sección escrita, en cada período de informe, que haga tres cosas:

• Indica claramente a cuál de los tres niveles pertenece cada cifra principal, antes de que cualquier cliente lea el cambio porcentual.
• Señala cualquier período en el que la tendencia no sea uniformemente positiva y explica el motivo: si todos los indicadores aumentan al mismo tiempo en cada período sin excepciones, eso en sí mismo merece ser analizado en lugar de presentarlo como una historia de éxito rotundo.
• Se especifica claramente qué condiciones se tendrían que cumplir para que las cifras de niveles inferidos fueran erróneas; por ejemplo, una campaña publicitaria de pago o un pico de demanda estacional que podrían explicar igualmente un aumento en las búsquedas de marca, independientemente de la visibilidad de la IA. Mencionar la explicación alternativa y explicar por qué se descartó o no es lo que distingue una interpretación creíble de una narrativa creada para justificar el contrato.

¿Cómo atribuir los clientes potenciales y los ingresos a la búsqueda mediante IA?

La atribución es la parte más difícil de los informes de búsqueda con IA, y conviene explicar con precisión por qué: el recorrido del cliente suele incluir puntos de contacto que se dividen en dos categorías fundamentalmente distintas: aquellos que las analíticas pueden observar y aquellos que no. Confundir ambas categorías, o aplicar un mismo conjunto de modelos a ambas, es donde suele fallar la mayoría de los informes de atribución de búsqueda con IA.

Consideremos una versión realista, a nivel de sesión, del recorrido del cliente:

1. Consulte la empresa mencionada en una respuesta de ChatGPT. (sin sesión — imposible de rastrear)
2. Dos días después, busca la empresa por su nombre en Google y accede a su sitio web. (sesión 1 — orgánica, rastreable)
3. Regresa tres días después a través de tráfico directo y navega por las páginas de productos. (sesión 2 — directa, rastreable)
4. Envía un formulario de solicitud de demostración. (evento de conversión — rastreable)
5. Habla con el departamento de ventas y se convierte en cliente. (rastreable, sin conexión)

Asignar el 100 % de los ingresos resultantes a ChatGPT es injustificable: no existen datos que confirmen que haya sido la causa de la búsqueda posterior, solo que la precedió. Asignar el 0 % a ChatGPT ignora un punto de contacto real y observable que el cliente podría confirmar posteriormente como influyente. La solución no consiste en elegir un modelo que equilibre las ganancias y las pérdidas, sino en reconocer que el Paso 1 queda fuera del alcance de cualquier modelo basado en análisis y requiere un mecanismo completamente diferente.

Categoría A: Modelos para la ruta rastreable (Pasos 2 en adelante)

Estos cuatro modelos operan con los mismos datos subyacentes (información de sesión y canal capturada por análisis) y solo se diferencian en cómo distribuyen el crédito entre ellos. Ninguno de ellos puede ver el Paso 1, independientemente de cuál se utilice.

• Atribución de último toque: El mérito corresponde a la fuente final rastreada antes de la conversión; en este caso, la sesión directa del paso 3. Es fácil de entender e implementar, pero subestima sistemáticamente todo lo anterior, incluyendo tanto la exposición a ChatGPT como la búsqueda orgánica previa.
• Atribución de primer toque: El mérito es del primero. seguimiento Fuente: en este caso, la búsqueda orgánica del paso 2, no la exposición a ChatGPT del paso 1, que no generó ningún evento rastreable. Es importante aclarar que, en un recorrido como este, la atribución de "primer contacto" otorga erróneamente a la búsqueda orgánica un valor de descubrimiento que, según el propio recorrido, la búsqueda orgánica no proporcionó. La atribución de primer contacto responde a la pregunta "¿cuál es el primer contacto que podemos observar?", no a "¿qué ocurrió realmente primero?".
• Atribución basada en la posición: El crédito se reparte entre el primer y el último toque registrado (pasos 2 y 3), con una menor proporción para cualquier interacción intermedia. Es mejor que cualquiera de los modelos de un solo toque para reflejar un recorrido de varias sesiones, pero aún se limita por completo a la mitad registrable.
• Atribución basada en datos: Cuando el volumen de conversiones es suficiente, la plataforma de análisis estima estadísticamente la contribución de cada canal monitorizado basándose en los patrones observados en las distintas rutas de los clientes. Este es el método más riguroso de los cuatro, pero aquí, «riguroso» se refiere a la rigurosidad con respecto a los datos a los que tiene acceso, lo que excluye por completo el paso 1.

En lugar de elegir solo uno, presente más de uno de estos cuatro modelos en paralelo, ya que cada uno responde a una pregunta ligeramente diferente y ningún modelo es intrínsecamente "correcto". Sin embargo, sea explícito con los clientes que los cuatro, en conjunto, describen únicamente la segunda mitad de procesos como el descrito anteriormente.

Categoría B: Capturando el toque indetectable: la influencia de la IA según los propios informes.

El paso 1 requiere un mecanismo completamente diferente, ya que no se trata de un problema de medición que la plataforma analítica pueda resolver, sino de un problema de recopilación de datos. Las dos herramientas estándar son un campo en el formulario de conversión que indique "¿Cómo se enteró de nosotros?" y una pregunta de seguimiento durante la conversación de ventas.

Estos datos deben reportarse como una categoría independiente —influencia de la IA autodeclarada— y nunca fusionarse con la línea de “ingresos atribuidos a la IA confirmados”. Esta distinción protege la credibilidad del informe, pero debe ir acompañada de los límites de fiabilidad reales de los datos autodeclarados, que están bien documentados en la investigación de mercado en general y se aplican aquí sin modificaciones.

• Sesgo de actualidad y prominenciaLos clientes suelen mencionar el punto de contacto más reciente o más memorable, no necesariamente el primero. Un cliente podría citar ChatGPT porque es novedoso y lo primero que le viene a la mente, incluso si una búsqueda anterior en Google fue en realidad la primera.
• Deseabilidad social y sesgo narrativoEn ocasiones, los clientes mencionan el canal que suena más interesante ("Le pregunté a ChatGPT") en lugar de uno más común ("Busqué en Google"), independientemente de lo que realmente haya sucedido.
• Tasas de respuesta bajas y sesgadasLos campos de "cómo se enteró de nosotros" suelen omitirse, y los clientes que sí responden tienden a estar más comprometidos que el cliente promedio, lo que puede inflar la influencia percibida de la IA en relación con la base total de clientes.

Esto no significa que deban descartarse los datos autodeclarados; es el único mecanismo que registra el Paso 1, y una señal real es mejor que ninguna. Significa que la cifra debe informarse con los límites establecidos, como un indicador direccional de la influencia de la IA a nivel poblacional, no como un recuento confirmado de conversiones individuales atribuibles.

¿Cómo presentar esto sin exagerar?

• Los modelos de la categoría A se presentan juntos, etiquetados por nombre, para que el cliente vea cómo cambia el crédito según el enfoque, y no como una sola cifra combinada presentada como verdad absoluta.
• Informe la categoría B por separado, indicando junto a ella la tasa de respuesta y las advertencias sobre la fiabilidad mencionadas anteriormente.
• Nunca sume una cifra de ingresos de la Categoría A y un porcentaje de la Categoría B en un único total combinado de "ingresos atribuidos a la IA": miden cosas diferentes con distintos niveles de confianza, y sumarlos crea una falsa sensación de precisión que este marco se ha construido, sección por sección, para evitar.
• Cuando ambas categorías apuntan en la misma dirección —por ejemplo, la influencia de la IA autodeclarada está aumentando en el mismo período en que también aumentan las sesiones orgánicas cercanas al primer contacto—, infórmelo como una señal que corrobora esto, no como una prueba, y dígalo explícitamente.

Lista de verificación para informes de búsqueda de IA

Antes de enviar un informe de búsqueda de IA a un cliente, verifique lo siguiente.

Visibilidad

• El conjunto de indicaciones principales está documentado.
• La visibilidad de la marca se mide de forma consistente.
• Se incluye la visibilidad de la competencia.
• Los anuncios comerciales están separados de los anuncios informativos.
• Se realiza un seguimiento de la tasa de citas.
• Se realiza un seguimiento de la tasa de recomendación cuando corresponde.

Traffic

• Se realiza un seguimiento de las referencias de ChatGPT.
• Se realiza un seguimiento de las derivaciones por perplejidad.
• Otros asistentes de IA relevantes están segmentados.
• Se analizan las páginas de destino.
• Se mide el compromiso

Búsqueda de IA de Google

• Los datos de Search Console se incluyen cuando están disponibles.
• La visibilidad de la descripción general de la IA se distingue del rendimiento orgánico tradicional.
• Los datos del modo IA se tienen en cuenta cuando están disponibles.
• Las impresiones de IA no se describen como visitas al sitio web.

Conversions

• Se realiza un seguimiento de los clientes potenciales.
• Se realiza un seguimiento de los clientes potenciales cualificados.
• Se realiza un seguimiento de las oportunidades de venta.
• Las compras se registran cuando corresponde.
• Los ingresos se registran
• Las conversiones asistidas se consideran

ROI

• La inversión en búsqueda de IA se define
• La metodología de atribución está documentada.
• Los ingresos directos y los ingresos asistidos se separan.
• Pipeline no se confunde con ingresos
• Las afirmaciones están respaldadas por las pruebas disponibles.

Preguntas frecuentes

¿Qué es la generación de informes de visibilidad de búsqueda mediante IA?

Los informes de visibilidad de búsqueda de IA indican la cantidad de veces que la organización es vista, mencionada, recomendada o citada en búsquedas generadas por IA, como ChatGPT, Perplexity, Google AI Overviews, Google AI Mode y Gemini, entre otras, y correlacionan estas métricas de visibilidad con el tráfico, las conversiones, el embudo de ventas y los ingresos.

¿Cómo se mide el tráfico de ChatGPT?

El tráfico de referencia de ChatGPT se puede medir mediante datos de referencias y campañas en plataformas de análisis. Los enlaces salientes de ChatGPT de OpenAI pueden usar utm_source=chatgpt.com; a partir de mayo de 2026, Google Analytics 4 cuenta con un canal integrado de Asistente de IA, que reconoce el tráfico de referencia de IA sin necesidad de configuración adicional para plataformas como ChatGPT.

Esto mide un mínimo, no un recuento completo. Las aplicaciones móviles y los navegadores integrados de ChatGPT suelen eliminar el encabezado de referencia en los clics salientes, y cuando esto sucede, GA4 no tiene información de origen con la que trabajar cuando la sesión termina en "Directo" sin forma de identificarla como originada por ChatGPT. Los clics web en ordenadores de escritorio se clasifican correctamente; los clics basados ​​en aplicaciones a menudo no. Cualquier cifra de tráfico de ChatGPT reportada debe tratarse como un recuento inferior al real, y combinarla con una verificación de picos inusuales en sesiones Directas de una sola página puede ayudar a estimar la magnitud de la diferencia.

¿Puede Google Analytics realizar un seguimiento de las conversiones de ChatGPT?

Sí. Si un visitante llega desde ChatGPT con información de origen identificable (referente o UTM) intacta y completa un evento de conversión configurado correctamente, GA4 puede atribuir esa conversión a la fuente de tráfico correspondiente. Sin embargo, las conversiones influenciadas por ChatGPT pero completadas posteriormente a través de otro canal, o que llegan con un referente eliminado, podrían no atribuirse directamente a ChatGPT, ya sea porque la conexión no se rastrea o porque la sesión nunca se identificó como originada por ChatGPT.

¿Se puede medir el tráfico desde Perplexity?

Sí, pero no automáticamente como el tráfico de ChatGPT. Perplexity no está incluido actualmente en el canal nativo de Asistente de IA de GA4; de forma predeterminada, se incluye en el tráfico de Referencia genérico. Para aislarlo, es necesario crear manualmente un grupo de canales personalizado o un filtro de expresiones regulares (que coincida con perplexity.ai en los datos de origen). Una vez configurado, las sesiones de referencia de Perplexity se pueden analizar de la misma manera que cualquier otro canal rastreado. Al igual que con ChatGPT, esto solo captura las sesiones en las que se le pasó una influencia de IA más amplia que nunca produjo una sesión medible, lo cual no es visible aquí independientemente de la configuración.

¿Se puede medir el tráfico de la descripción general de la IA de Google?

Parcialmente. Google Search Console lanzó en junio de 2026 un informe específico sobre el rendimiento de la IA generativa que muestra la frecuencia con la que las páginas de un sitio web aparecen como impresiones en las vistas generales de IA y en el modo IA, desglosado por página, país, dispositivo y fecha. Esto soluciona una deficiencia que existía anteriormente. Antes de este informe, no había forma de aislar la visibilidad de la vista general de IA del rendimiento orgánico estándar.

Aún es limitado: el informe actualmente solo muestra impresiones, sin clics, ni CTR, ni datos a nivel de consulta, y se está implementando gradualmente, por lo que no todas las propiedades tienen acceso todavía. Tampoco indica si una impresión generó una visita; para ello es necesario verificar por separado el tráfico de referencia, y los clics de Google AI Overview no se desglosan de la búsqueda orgánica estándar en Analytics, por lo que el tráfico de referencia de AI Overview aún no se puede aislar incluso con este nuevo informe.

¿Una impresión de Resumen de IA significa que alguien visitó mi sitio web?

No. Una impresión de Resumen de IA significa que se mostró un enlace a tu sitio dentro de la experiencia de búsqueda generativa con IA. Se requiere un clic aparte para que un usuario visite realmente el sitio web externo, y como se indicó anteriormente, ese clic actualmente no se distingue de los clics orgánicos normales ni en Search Console ni en GA4. Google trata explícitamente las impresiones y los clics de Resumen de IA como métricas separadas y no intercambiables.

¿Cuál es la métrica más crucial en el SEO con IA?

No existe una métrica universal para medir el SEO con IA. Una jerarquía útil es la siguiente: visibilidad ponderada por intención → tráfico de IA cualificado → conversiones → canalización/ingresos; avanzando desde el extremo menos certero y más muestreado de la cadena hacia el extremo más directamente medible.

Para una campaña de reconocimiento de marca, la visibilidad puede ser más importante inicialmente, incluso con una menor confianza en la medición. Para una empresa de comercio electrónico, las compras y los ingresos impulsados ​​por IA son más relevantes y también los más fáciles de medir directamente una vez que existe una sesión. Para el software B2B como servicio (SaaS), un embudo de ventas cualificado suele ser más significativo que el volumen de tráfico bruto, dados los largos ciclos de venta y el bajo número de transacciones por período.

¿Cómo se demuestra a un cliente el retorno de la inversión en búsqueda mediante IA?

Conecte la cadena de medición desde la visibilidad hasta el resultado comercial: visibilidad de la IA → citación/recomendación → referencia → interacción → conversión → ingresos. Luego, separe explícitamente lo que se atribuye directamente (rastreable a una sesión que se originó en una plataforma de IA) de lo que se asiste o influye (correlacionado con las tendencias de visibilidad de la IA pero no rastreable a una sesión específica), y documente la metodología, el tamaño de la muestra y la lista de indicaciones para las métricas de visibilidad, el modelo de atribución utilizado para las conversiones detrás de cada número presentado.

¿Está la búsqueda con IA reemplazando al SEO?

No en un sentido simple. La búsqueda con IA está cambiando la forma en que las personas descubren y evalúan la información, pero la búsqueda tradicional sigue siendo un canal de descubrimiento importante, y ambas comparten cada vez más señales subyacentes, capacidad de rastreo, datos estructurados y autoridad de contenido de los que se nutren tanto las clasificaciones tradicionales como las citas de IA. Un enfoque mejor sería crear capacidades de contenido y tecnología que funcionen tanto para la búsqueda convencional como para el descubrimiento impulsado por IA, en lugar de tratarlas como sistemas distintos.

¿Deberían las agencias publicar clasificaciones de IA?

Pueden informar sobre una métrica definida de visibilidad de la IA o posición de la pregunta, pero deben evitar dar a entender que los sistemas de IA tienen una posición de clasificación universal equivalente a la clasificación orgánica tradicional de Google. Las respuestas de la IA varían según la pregunta específica, el contexto del usuario, la ubicación, la actualidad del contenido, las fuentes consultadas y la plataforma; la misma marca puede aparecer de forma diferente en dos ocasiones al responder la misma pregunta. Cualquier mención a la "clasificación" debe ir acompañada del tamaño de la muestra y la metodología utilizada, o se interpretará con mayor certeza de la que justifican los datos subyacentes.