Auditoría de visibilidad IA: método en 5 pasos

En síntesis: una auditoría de visibilidad IA define un conjunto de consultas, conserva las respuestas observadas y las analiza por modelo, consulta y contexto. Describe lo medido en esa muestra; no prueba una causa única ni una visibilidad general fuera de ese alcance.

Como complemento, consulta nuestra guía de auditoría GEO.

Medir la visibilidad de una marca en las IA conversacionales no es nada evidente. No hay Google Search Console para ChatGPT. No hay métricas estandarizadas. No hay consenso sobre qué hay que medir.

Esta ausencia de marco establecido es al mismo tiempo un problema y una oportunidad. Un problema porque hay que construir la metodología desde cero. Una oportunidad porque los actores que dominan la auditoría de visibilidad IA hoy disponen de una ventaja competitiva poco común.

Esta guía presenta un marco práctico: pasos, indicadores, límites de interpretación y elementos que se pueden estandarizar.

Por qué auditar la visibilidad IA

Antes de hablar de metodología, aclaremos la utilidad del ejercicio.

Establecer un punto de referencia. Una medición inicial permite medir los cambios observados en mediciones posteriores con un alcance comparable. La auditoría proporciona ese punto de partida, pero no demuestra por sí sola el efecto de las optimizaciones.

Identificar las brechas con la competencia. ¿Un competidor es citado sistemáticamente cuando se pregunta "mejor [tu sector]"? Es una información estratégica. La auditoría revela quién ocupa el espacio que tú codicias.

Priorizar las acciones. ¿Tu marca aparece en Perplexity pero no en ChatGPT? La auditoría ayuda a identificar las plataformas en las que tiene poca visibilidad.

Demostrar el valor. Para agencias y consultores, la auditoría permite mostrar a un cliente potencial si su marca aparece en las respuestas analizadas y en qué contexto.

Los indicadores a seguir

Cuatro familias de métricas estructuran una auditoría de visibilidad IA completa.

IndicadorCómo leerlo dentro del alcance observado
Tasa de menciónProporción de unidades observadas donde se cita explícitamente a la marca
Posición de citaRango en la lista de fuentes citadas mostrada, cuando existe
Share of Voice IAProporción de menciones de marcas retenidas que capta la marca
Tonalidad de las mencionesPositiva, neutra o negativa según el contexto

Tasa de mención

La tasa de mención es el número de unidades observadas en las que aparece la marca, dividido por el total de unidades probadas. Una unidad puede definirse por consulta, modelo, modo de respuesta y repetición. Documenta ese denominador antes de comparar mediciones.

Una tasa del 0 % indica que no se observó ninguna mención dentro del alcance probado. Debe interpretarse con la selección de consultas, modelos, modos y periodo de recogida.

Posición de cita

La posición de cita describe el rango de una fuente en una lista de fuentes mostrada. No debe confundirse con la posición de recomendación de una marca en el texto. Registra ambas por separado cuando estén disponibles.

Share of Voice IA

El share of voice relaciona las menciones de tu marca con todas las menciones de marcas retenidas dentro del mismo alcance. Con repeticiones, el denominador sigue siendo el total de menciones observadas, no solo el número de consultas. Indica competidores y regla de recuento.

Tonalidad de las menciones

Una mención favorable, neutra o negativa es útil para la auditoría, porque cada una informa de forma distinta sobre visibilidad y reputación. "X es a menudo criticado por su servicio al cliente" es una mención negativa: consérvala y califícala, no la descartes.

Consejo práctico: empieza por la tasa de mención, el indicador más fácil de recopilar. Añade los demás a medida que tu metodología se estructure.

Dos distinciones que conviene documentar

Marca, fuente y recomendación no son la misma observación

Una mención de marca responde a una pregunta: ¿la marca aparece en la respuesta? Una cita de URL registra una fuente mostrada explícitamente. La posición de recomendación registra el orden en que la marca se propone en el texto. Conviene guardar estas observaciones por separado: no tienen el mismo denominador ni la misma interpretación.

El modo de respuesta forma parte del alcance

Una respuesta generada desde el conocimiento nativo de un modelo y otra generada con búsqueda web no deben combinarse sin etiqueta. AI Labs Audit ofrece un modo dual, nativo y con búsqueda web, a partir del plan Consultant. Separar estas condiciones permite comparar los resultados sin atribuir automáticamente una variación a una acción realizada en el sitio.

Una referencia documentada muestra por qué importa el alcance: entre septiembre de 2025 y junio de 2026, nuestro barómetro analizó 6 820 respuestas de 44 modelos, en 104 auditorías completas para 65 marcas, en modo nativo y con búsqueda web. Estas cifras agregadas no definen un umbral universal; muestran por qué deben conservarse las condiciones de medición.

La metodología en 5 pasos

  1. Definir el perímetro

    Una auditoría sin marco preciso produce datos inexplotables. Antes de lanzar nada, responde a estas preguntas:

    • ¿Qué plataformas? ¿Solo ChatGPT? ¿ChatGPT + Claude + Perplexity + Gemini? La elección depende de tu audiencia objetivo.
    • ¿Qué consultas? ¿Consultas de marca ("qué opinas de [marca]")? ¿Consultas sectoriales ("mejor [producto] para [uso]")? ¿Consultas informacionales?
    • ¿Qué profundidad? ¿20 consultas para una auditoría rápida? ¿100 para un análisis completo?
    • ¿Qué competidores? Identificar de 3 a 5 competidores a vigilar en paralelo.
  2. Construir la lista de consultas

    La calidad de la auditoría depende de la pertinencia de las consultas testadas. Tres categorías a cubrir:

    • Consultas de marca: "¿Qué sabes de [marca]?", "Opiniones sobre [marca]", "[Marca] vs [competidor]"
    • Consultas sectoriales: "Mejor [producto] en España", "Recomiéndame un [servicio] para [caso de uso]", "Comparativa [categoría] 2025"
    • Consultas de problema: "Cómo resolver [problema que abordas]", "Solución para [pain point del cliente]"

    Treinta consultas pueden ser un punto de partida explícito para un protocolo exploratorio si las categorías están equilibradas. Esta elección no vuelve generalizables los resultados por sí sola.

  3. Recopilar los datos

    La recopilación puede ser manual o automatizada. En manual, planteas cada consulta en una interfaz y registras las respuestas observadas. En automatizado, consultas una API. Ambos modos no miden la misma experiencia: una respuesta de API no mide directamente lo que ve un usuario en la interfaz pública de ChatGPT. Sepáralos en el análisis y en el informe.

    Puntos de atención para la recopilación:

    • Utiliza sesiones nuevas (sin historial de conversación)
    • Registra la fecha, hora, interfaz o API utilizada, modelo y configuración de cada recopilación.
    • Separa las mediciones con y sin búsqueda web; describen condiciones de respuesta distintas.
    • Conserva las respuestas completas, no solo la presencia/ausencia de mención
  4. Analizar los resultados

    Una vez recopilados los datos, estructura el análisis en torno a varios ejes:

    • Por plataforma: Rendimiento comparado en ChatGPT, Claude, Gemini, Perplexity
    • Por tipo de consulta: Brechas entre consultas de marca y consultas sectoriales
    • Por competidor: ¿Quién domina en qué consultas?
    • Análisis cualitativo: ¿Cómo te describen cuando te mencionan?

    Cruza las dimensiones para identificar los patrones: "Visible en ChatGPT para consultas de marca, ausente en consultas sectoriales" es un diagnóstico accionable.

  5. Formular las recomendaciones

    La auditoría solo tiene valor si desemboca en acciones concretas. Para cada hallazgo, propón una recomendación:

    • Ausencia en consultas sectoriales : crear contenido optimizado AEO para esas consultas
    • Competidor dominante : analizar sus fuentes de cita y replicar la estrategia
    • Menciones negativas : identificar la fuente y trabajar la reputación
    • Una visibilidad baja en Bing es una observación que debe analizarse en su propio alcance. Por sí sola no demuestra un efecto en ChatGPT ni en Copilot.

Los errores comunes a evitar

Error #1: Probar un alcance demasiado estrecho para la decisión buscada. Diez consultas pueden servir para una observación exploratoria, pero hay que declarar sus límites. Los resultados cambian según la formulación, el contexto y el momento; interprétalos dentro del alcance realmente probado.

Error #2: Ignorar la variabilidad de las respuestas. Las IA no siempre dan la misma respuesta a una consulta idéntica. Varias repeticiones pueden ser una elección exploratoria para observar esa variabilidad; conserva cada respuesta antes de decidir cómo resumirla.

Error #3: Centrarse únicamente en ChatGPT. Según tu audiencia, Claude o Perplexity pueden ser más pertinentes. Una auditoría mono-plataforma da una visión parcial.

Error #4: Descuidar el análisis cualitativo. Saber que eres mencionado no basta. ¿Cómo te describen? ¿En qué contexto? Una mención en una lista de "soluciones a evitar" no es una victoria.

Error #5: Auditar una vez y olvidar. Las respuestas pueden cambiar con los modelos, las fuentes y las consultas. Elige una cadencia vinculada a tus decisiones y repite el mismo alcance cuando la comparación sea útil.

Automatizar la auditoría

La recopilación manual se vuelve rápidamente laboriosa. Varios enfoques para automatizar:

API de los proveedores de modelos. Si las condiciones de acceso y las interfaces disponibles lo permiten, puedes automatizar la recopilación mediante un script. Una respuesta de API no mide directamente la respuesta de la interfaz pública de ChatGPT, Claude o Perplexity. Separa estas observaciones y conserva la configuración, las respuestas completas y los posibles errores de recopilación.

Herramientas especializadas. Una plataforma dedicada puede centralizar los escenarios, las respuestas, la configuración de recopilación y los informes. Comprueba qué observaciones se recopilaron mediante API o interfaz y qué modos de respuesta se compararon realmente.

Documentación del producto. El tutorial de auditoría de visibilidad IA explica la creación del perfil del cliente, la generación de prompts y la lectura de los resultados.

Ventajas de la automatización:

  • Un volumen de consultas adaptado al alcance
  • Repetibilidad de las auditorías
  • Comparaciones temporales precisas
  • Estandarización de los entregables para el cliente

Plantilla de informe de auditoría

Un informe de auditoría eficaz sigue una estructura lógica:

  • Executive summary : Síntesis en una página: puntuación global, principales hallazgos, 3 recomendaciones prioritarias
  • Metodología : Plataformas testadas, número de consultas, periodo de auditoría
  • Resultados por plataforma: tasa de mención, rango medio de las fuentes en las listas de citas y rango medio de la marca en las recomendaciones del texto, presentados por separado, con ejemplos de respuestas. Para cada media, indica el número de observaciones con rango disponible; una ausencia no equivale a un rango de cero.
  • Análisis competitivo : Comparación con los competidores identificados
  • Análisis cualitativo : Tonalidad de las menciones, contexto, verbatims significativos
  • Recomendaciones : Acciones prioritarias con nivel de esfuerzo e impacto esperado
  • Anexos : Detalle de las consultas testadas y respuestas completas

Adapta el nivel de detalle a tu audiencia. Un decisor quiere el resumen ejecutivo. Un responsable de marketing quiere las recomendaciones detalladas. Un especialista técnico en GEO/AEO quiere los anexos completos.

Frecuencia y seguimiento

Una auditoría puntual da una foto. Un seguimiento regular muestra las tendencias.

Auditoría inicial: define un protocolo de referencia ajustado al alcance: plataformas, consultas, modos, repeticiones y competidores.

Auditorías de seguimiento: repite los mismos parámetros cuando necesites comparar mediciones. Una variación observada no demuestra por sí sola su causa.

Auditorías focalizadas: un subconjunto de consultas prioritarias puede señalar una variación que conviene examinar, sin sustituir el protocolo de referencia.

Documenta cada auditoría en un formato estandarizado para facilitar las comparaciones temporales.

Lo que hay que retener

La auditoría de visibilidad IA es una disciplina emergente, pero los fundamentos metodológicos existen.

Define un perímetro claro antes de empezar. Construye una lista de consultas representativa de tu actividad. Recopila los datos de forma sistemática. Analiza según varias dimensiones. Transforma los hallazgos en recomendaciones accionables.

Automatiza las tareas repetibles para ahorrar tiempo y mantener una recopilación coherente. Haz un seguimiento regular de tu visibilidad IA en lugar de depender de una única medición.

Las empresas que dominan esta metodología disponen de una ventaja: ven lo que los demás ignoran, y pueden actuar en consecuencia.

📚 Guías de auditoría por plataforma

Preguntas y respuestas

¿Qué es una auditoría de visibilidad IA?

Una auditoría de visibilidad IA es un análisis sistemático de la presencia de una marca en las respuestas de las IA conversacionales como ChatGPT, Claude, Gemini, Perplexity.

¿Qué indicadores mide una auditoría de visibilidad IA?

Los principales indicadores son: la tasa de mención, la posición de citación, el sentimiento, el Share of Voice respecto a los competidores.

¿Cómo realizar una auditoría de visibilidad IA?

Defina sus prompts objetivo, interrogue varios modelos IA, analice las respuestas para detectar las menciones de su marca.

¿Con qué frecuencia hacer una auditoría de visibilidad IA?

Se recomienda una auditoría mensual. Realice una auditoría más profunda cada trimestre para ajustar su estrategia.

¿Qué herramientas utilizar para una auditoría de visibilidad IA?

Utilice una plataforma dedicada como AI Labs Audit que interroga automáticamente 50+ modelos IA.

Sobre el autor

Davy Abderrahman

Fundador de

Como especialista en visibilidad en las respuestas de IA (AEO/GEO/LLMO), ayudo a agencias y consultores a medir y analizar la presencia de sus clientes en ChatGPT, Claude, Gemini, Perplexity y otros motores de respuesta de IA.

AEO GEO LLMO Visibilidad en IA Auditorías de IA
¿Cómo aparecen sus marcas en las respuestas de la IA?

Agencias, consultores y equipos internos: comparen las respuestas de sus propios escenarios, idiomas y modelos seleccionados. Nuestra infraestructura, sus escenarios, su experiencia.

¿Te ha sido útil este artículo?

- (0 votes)