Auditoría Gemini: medir visibilidad en la IA de Google

Gemini y los AI Overviews son superficies de Google que conviene observar cuando una marca necesita entender qué muestran las respuestas generadas. Una auditoría no promete aparecer. Describe un estado medido: qué consultas activan una respuesta, cómo se presenta la marca, qué fuentes son visibles, qué datos son exactos o dudosos y cómo evolucionan los clics de búsqueda.

En síntesis

Una auditoría Gemini separa tres objetos: las respuestas de Gemini, los AI Overviews de Google Search y los datos de búsqueda orgánica. Para cada consulta prioritaria, conserva la redacción, el mercado, el idioma, la fecha, el resultado observado, los enlaces mostrados y los límites de la observación. Así se evita convertir una respuesta aislada en una tendencia.

Qué mide realmente una auditoría Gemini

La pregunta útil no es solo «¿somos visibles?». Es más concreta: para qué preguntas reales puede ayudar la marca, qué respuesta aparece en ese momento y qué elemento verificable conecta esa respuesta con la marca. Una marca puede ser nombrada sin ser recomendada. Puede aparecer junto a una URL mientras el texto contiene un error. También puede faltar en una consulta y estar presente en otra. Por eso el informe debe conservar el contexto de cada constatación.

Por qué separar Gemini y AI Overviews

Gemini es una familia de modelos y AI Overviews es una superficie de producto dentro de Google Search. Pueden generar señales distintas. Una respuesta observada en Gemini no demuestra que un AI Overview use las mismas fuentes, y una fuente mostrada en un AI Overview no permite afirmar que Gemini responderá igual en otra sesión. Ambos entornos deben estar en la auditoría, pero en columnas separadas y con pruebas separadas.

Cómo preparar consultas útiles

Empieza por preguntas próximas al recorrido real: comparar soluciones, una necesidad local, un problema de negocio, una definición, precio cuando una fuente lo sustenta, compatibilidad, alternativas y preguntas de confianza. Incluye consultas que no nombren la marca y después algunas que sí la nombren. La diferencia es decisiva: una respuesta a una consulta que ya incluye la marca no mide lo mismo que una mención espontánea.

BloqueCampos que conservarPrueba y límite
Contexto comúnConsulta exacta, intención, idioma, mercado, fecha, interfaz o modelo, modo nativo o web, estado de sesiónCondiciones de prueba y nota de límite; indicar datos ausentes
GeminiRespuesta bruta, presencia y recomendación separadas de la exactitud, competidores, fuentes, URL y estado comprobadosRespuesta archivada; sin impresiones ni clics de Search Console en este bloque
AI OverviewsAparición o ausencia, resumen, marca, competidores, fuentes, URL verificadasCaptura fechada; una captura no mide la frecuencia
Search ConsolePeriodo, consulta, página, país, dispositivo, impresiones, clics, CTR, posiciónExportación del tipo «Web»; incluye AI Overviews y AI Mode, no aísla Gemini

Cómo revisar Gemini sin sobreinterpretar una respuesta

Para cada revisión de Gemini, anota la consulta exacta, el idioma, el contexto de mercado disponible, la fecha, el modelo o interfaz identificable, el texto de la respuesta y los enlaces propuestos. Después clasifica el resultado: marca ausente, marca mencionada, marca recomendada, información exacta, información que requiere verificación o información claramente errónea. La clasificación describe un resultado observado. No prueba una intención de Google ni se puede generalizar a todos los usuarios.

Cómo observar AI Overviews en Google Search

En Google Search, comprueba primero si aparece un AI Overview para la consulta. Si aparece, registra el resumen, las fuentes accesibles, la presencia de la marca, la de competidores y el tipo de respuesta. Conserva una captura o una exportación fechada si tu proceso lo permite. Un AI Overview puede variar según el contexto. Una captura aislada es un ejemplo, no una medida de frecuencia.

Cómo medir presencia de marca y competidores

La cuadrícula debe separar dos ejes que pueden coexistir: la presencia o recomendación, por un lado, y la exactitud, por otro. Una marca puede presentarse como opción y estar asociada a una afirmación falsa; también puede citarse sin recomendación junto a una información exacta. Registra por separado ausencia, mención, condición de opción y afirmaciones que deben verificarse. Aplica el mismo código a los competidores. Si un competidor aparece más veces, el hallazgo se limita al conjunto de consultas probado, no a todo el mercado.

Exactitud antes que más exposición

La visibilidad no corrige una información falsa. Antes de modificar contenido, revisa las frases sobre actividad, oferta, zona geográfica, pruebas y URL. Una URL que no resuelve es una señal que hay que investigar. No demuestra por sí sola una causa atribuible a Gemini o a Google. Documenta la URL, su estado observado, el texto cercano y la página propia que puede acreditar el dato.

Cómo leer fuentes y URL con prudencia

Las fuentes visibles son pistas útiles, pero requieren una lectura estricta. Comprueba si el enlace llega a una página accesible, si esa página trata realmente el tema y si el pasaje pertinente respalda el resumen mostrado. Registra también los dominios de terceros. Una fuente externa puede explicar una asociación dentro de una respuesta sin demostrar que la asociación sea exacta o estable. Separa fuente visible, fuente verificada e interpretación.

Cómo relacionar observaciones, impresiones y clics

Los datos de búsqueda colocan las observaciones en contexto. Compara impresiones, clics, CTR y posición por consulta o grupo de consultas en periodos comparables. Una caída de CTR puede coincidir con una superficie enriquecida, pero la coincidencia no basta para establecer una causa. Busca patrones repetidos, conserva las fechas y no presentes una tasa global como promedio de todas las consultas.

Google indica que el rendimiento de los sitios en AI Overviews y AI Mode está incluido en el tipo de búsqueda «Web» de Search Console. Estos totales no son un informe de Gemini ni una medición aislada de AI Overviews. Separa las observaciones de Gemini y las capturas de Search de los datos de Search Console. Fuente de Google.

Cómo mejorar páginas sin prometer resultados

Las mejoras más defendibles se centran en páginas que responden con claridad a una pregunta real, identifican quién habla, fechan la información que puede cambiar y conectan las afirmaciones con pruebas accesibles. Los datos estructurados pueden ayudar a entender entidades y relaciones, pero no son una promesa de aparición. Una página completa tampoco asegura una cita o un clic: ofrece una respuesta más verificable al lector.

Cómo crear un seguimiento comparable

El seguimiento sirve cuando repite el mismo marco. Mantén un núcleo estable de consultas y versiona las altas y bajas. Ejecuta los controles en los mismos idiomas y mercados cuando sea posible. Archiva respuestas brutas y capturas, porque una puntuación sola elimina el contexto. Si aparece una diferencia, clasifícala como cambio observado, cambio de consulta, cambio de fuente, datos insuficientes o causa no confirmada.

Qué debe entregar el informe

Un buen entregable incluye alcance, consultas, resultados brutos, fuentes, posibles inexactitudes, tendencias de búsqueda y acciones vinculadas a una prueba. También debe decir lo que no sabe. Por ejemplo, una tabla limitada no permite concluir cómo se comportan todos los usuarios. Esta transparencia hace que el informe sea más útil para decidir qué comprobar después.

Límites de la evidencia y reglas de decisión

Mantén la distinción entre una observación medida y una explicación durante todo el trabajo. Si una respuesta contiene a un competidor y no a la marca, el hecho medido es el contenido de esa respuesta en las condiciones registradas. Puede justificar una revisión de la página del competidor, de la intención de la consulta, de la página propia o de las fuentes disponibles. No establece por qué el sistema eligió ese resultado. La misma cautela sirve ante una nueva cita, una cita desaparecida o una URL inesperada. Primero registra el cambio, compara las condiciones y solo después formula hipótesis claramente etiquetadas como hipótesis.

Crea un registro de acciones que apunte a la prueba. Una corrección factual puede apuntar a la página propia que documenta la corrección. Una respuesta ausente puede apuntar a una página que no responde con suficiente claridad a la pregunta del usuario. Un problema de fuente puede apuntar a un enlace que falló en el momento de la comprobación. Asigna a cada acción un responsable, estado y consulta de revisión, pero no afirmes que la acción traerá una aparición. Así la auditoría deja de ser una colección de capturas y se convierte en un registro de decisiones revisable.

Google-Extended: qué controla este ajuste

Google indica que el token Google-Extended de robots.txt permite gestionar si el contenido rastreado por Google puede usarse para entrenar futuras generaciones de modelos Gemini y para grounding en Gemini Apps y Vertex AI. No es un rastreador independiente. La documentación también indica que no afecta a la inclusión ni al posicionamiento en Google Search. Regístralo como una decisión de control de uso, no como prueba de que cambiará un AI Overview.

Recursos relacionados

Auditoría AEO | AI Overviews | E-E-A-T | datos estructurados

Referencias verificables, sin extrapolar

La página de precios de AI Labs Audit indica para el plan Discovery un límite de 3 sistemas de IA × 5 escenarios de análisis por auditoría, es decir, 15 respuestas que revisar dentro de ese alcance. Esta cifra describe el volumen de una auditoría configurada con ese plan. No mide la frecuencia de los AI Overviews ni la visibilidad de una marca completa.

El catálogo público menciona 50+ modelos y configuraciones de IA. Esa cifra describe el catálogo de la plataforma, no un resultado de Gemini. Para comparar dos observaciones, conserva las consultas, el mercado y el idioma. Si cambia una variable, anótala: una diferencia entre dos fechas puede ser real, pero su causa no queda establecida sin más pruebas.

Nuestro Observatorio muestra una tasa de URL inventadas del 0,12 % para Google Gemini 2.5 Flash. Es la proporción de URL citadas como fuentes que no existen en la muestra de ese modelo, no la proporción de respuestas falsas. Las 26 435 URL verificadas de la página abarcan todos los modelos; no se publica allí el denominador propio de Gemini. Nuestro criterio: verificar enlaces sin convertir este indicador en una tasa de error general de Gemini o de AI Overviews. Observatorio de visibilidad IA (consultado el 9 de noviembre de 2026).

Para ampliar: nuestra guía de auditoría AEO y la guía para auditar la visibilidad de IA de una marca.

Preguntas y respuestas

¿Hay que bloquear Google-Extended en el robots.txt?

En casi todos los casos, no. Bloquear Google-Extended no te retira del Google Search clásico, pero sí de las respuestas grounded de Gemini y de los AI Overviews. El trade-off rara vez merece la pena para una marca que busca visibilidad.

¿Qué diferencia hay entre Gemini y los Google AI Overviews?

Gemini es la familia de modelos subyacente. Los AI Overviews son una superficie de producto dentro de Google Search alimentada por Gemini. Puedes ser citado en uno sin serlo en el otro, razón por la que la auditoría debe mirar ambos.

¿Cómo saber si aparezco en un AI Overview?

Tres señales: comprobaciones manuales en navegación privada sobre tus consultas prioritarias, informe de impresiones AI Overview en Google Search Console, y una plataforma tercera que rastree tus citaciones a escala.

¿Estar en página uno garantiza aparecer en el AI Overview?

No. Las páginas citadas en los AI Overviews suelen estar en el top 10, pero no siempre en el top 3, y la inversa también ocurre: una página número uno puede ser ignorada si su contenido no responde directamente a la consulta. Formato y claridad pesan tanto como ranking.

¿Con qué frecuencia reauditar la visibilidad Gemini?

Trimestralmente como base razonable para la mayoría de marcas, mensualmente en sectores que se mueven rápido o tras una refundición de contenido. Las auditorías programadas dan una línea de tendencia en vez de una foto fija.

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)