En síntesis
Sí: según su documentación pública, HubSpot AEO analiza si las menciones de una marca son positivas, negativas o neutras. Pero el sentimiento no demuestra que la información sea cierta. Para auditar tu marca en IA, separa presencia espontánea, tono, exactitud y comparación con competidores. Guarda las respuestas y sus fuentes. Un elogio inventado no es una buena recomendación, aunque mejore una puntuación.
¿Por qué auditar la visibilidad de tu marca en IA?
Una IA puede recomendar a un competidor, describir mal tu servicio o repetir tu nombre porque lo has incluido en la pregunta. Son problemas distintos. Una auditoría útil identifica cuál ocurre y conserva la respuesta que permite comprobarlo. No mide todas las conversaciones de los usuarios ni demuestra ventas atribuibles a una mención.
¿Y si el informe dice que todo es positivo? Conviene leerlo. En AI Labs Audit preferimos una descripción sobria y comprobable a una recomendación entusiasta con servicios que la empresa no ofrece.
¿HubSpot AEO analiza si una marca se describe de forma positiva o negativa?
Sí. La documentación de visibilidad de HubSpot AEO indica que sigue visibilidad y sentimiento en ChatGPT, Gemini y Perplexity. Su página de producto define el análisis de sentimiento como la descripción positiva, negativa o neutra de la marca cuando aparece mencionada.
Es una función declarada por el proveedor, no el resultado de una prueba nuestra dentro de una cuenta. Tampoco demuestra que una inmobiliaria, un concesionario o una empresa de eventos concreta tenga buena reputación. Para responder eso hacen falta sus respuestas observadas, las preguntas analizadas y el contexto de cada mención.
Elige una herramienta que permita examinar la respuesta detrás de la etiqueta. Una frase positiva puede contener un dato falso. Una frase negativa puede señalar una limitación real que el comprador necesita conocer.
Paso 1: Seleccionar los modelos de IA adecuados
Elige los asistentes que utiliza tu público, no los que produzcan la nota más favorable. ChatGPT, Claude, Gemini, Perplexity o Le Chat pueden formar parte del estudio, pero no tienen por qué ofrecer las mismas funciones ni responder igual. Registra el nombre del modelo o servicio, la fecha, el idioma y si utilizaste búsqueda web.
No mezcles una respuesta sin búsqueda web con otra que consultó fuentes actuales como si ambas midieran lo mismo. Tampoco equipares automáticamente una consulta por API con una conversación en la aplicación de consumo. La configuración es parte del resultado.
Paso 2: Preparar las preguntas adecuadas
Separa dos grupos: preguntas sin el nombre de la marca para medir descubrimiento espontáneo y preguntas que la nombran para comprobar descripción, tono y exactitud. Los siguientes ejemplos son propuestas de prueba, no respuestas observadas de clientes.
Preguntas de categoría
"¿Qué empresas de limpieza de oficinas operan en Valencia?" permite observar qué proveedores aparecen sin sugerir tu empresa. Después, comprueba si realmente prestan ese servicio en esa zona.
Preguntas sobre problemas
"¿Cómo elegir una empresa de limpieza para una clínica en Valencia?" sirve para examinar los criterios que destaca el asistente y las fuentes que utiliza. No presupongas que toda pregunta informativa debe mencionar una marca.
Preguntas de comparación
"¿Qué diferencias hay entre la empresa A y la empresa B para limpiar oficinas?" es una prueba dirigida. Puede ayudar a revisar exactitud y tono, pero no debe entrar en el cálculo de presencia espontánea. Mantén iguales las condiciones cuando compares a tu empresa con sus competidores.
Paso 3: Realizar la auditoría
Auditoría manual
Para una primera comprobación basta con un navegador y una hoja de cálculo. Utiliza conversaciones nuevas cuando quieras evitar el contexto previo y conserva las respuestas completas, no solo una captura de la nota.
- Anota la pregunta exacta, el país y el idioma del público analizado.
- Guarda la respuesta con fecha, modelo y modo de búsqueda.
- Señala si aparece tu marca y si ya estaba nombrada en la pregunta.
- Identifica los competidores con el mismo criterio que tu marca.
- Clasifica el tono y copia la frase que justifica esa clasificación.
- Comprueba los hechos y abre las URL citadas antes de dar la respuesta por válida.
No introduzcas datos personales de clientes ni información confidencial en asistentes públicos. Si una respuesta no llega, regístrala como ausencia de respuesta, no como una mención negativa.
Auditoría automatizada
Una plataforma puede organizar preguntas, respuestas y comparaciones repetidas. En AI Labs Audit, el indicador principal de visibilidad espontánea distingue las menciones obtenidas sin dar el nombre de la marca. El control de identidad diferencia entre modelos que conocen la marca, no la conocen o inventan detalles. Esa distinción ayuda a no celebrar un elogio sin fundamento.
Comprueba qué evidencias conserva cada herramienta y qué configuración permite reproducir. No elijas solo por la cantidad de modelos anunciados.
Paso 4: Comprender los resultados
Tasa de menciones
Calcula las respuestas que mencionan la marca divididas entre las respuestas analizadas, con el mismo criterio de inclusión. Declara aparte las consultas fallidas y las preguntas que ya incluían su nombre. No existe un umbral universal que convierta una tasa aislada en una posición fuerte.
Posición de citación
Registra dónde aparece la marca y si el texto la recomienda, la descarta o solo la enumera. El primer nombre de una lista no equivale necesariamente a la primera opción de compra.
Cuota de voz en IA
La cuota de voz depende de su definición. En un cálculo basado en menciones, divide las menciones de tu marca entre las menciones de todas las marcas incluidas en la comparación. No la confundas con el porcentaje de respuestas que te nombran. Una respuesta puede mencionar varias empresas.
Tonalidad de mención
Distingue positivo, neutro, negativo y, cuando corresponda, mixto o no clasificable. Conserva el fragmento que explica la etiqueta. Examina también la exactitud: "dispone de una certificación" no debe aceptarse porque suene favorable.
La edición de julio de 2026 de nuestro Observatorio de visibilidad de las marcas en IA reúne 89 marcas y 145 auditorías completas. El 65 % de las marcas tuvo al menos una URL inventada. Sin embargo, al contar enlaces individuales, fueron 70 entre 26 435 URL verificadas, un 0,26 %. Los denominadores son distintos: marcas afectadas frente a enlaces comprobados. La muestra es autoseleccionada, no representativa de todas las empresas.
Nuestro criterio es claro: revisa el destino de una recomendación antes de interpretar su tono como éxito. Estos datos documentan enlaces inventados; no cuantifican el sentimiento ni las ventas perdidas.
Paso 5: Verificar requisitos técnicos
Comprueba si las páginas que deberían respaldar las respuestas están accesibles, ofrecen hechos verificables y sirven el idioma previsto. La búsqueda web puede consultar fuentes actuales; una respuesta sin búsqueda no demuestra que el asistente haya leído tu página hoy.
- Acceso: revisa el estado HTTP, las instrucciones de rastreo y los errores reales de las páginas necesarias.
- Datos estructurados: Schema.org debe describir el contenido visible, sin servicios, reseñas o certificaciones inventados.
- Idioma: comprueba qué recibe una solicitud sin preferencia de idioma, además de la versión que ve una persona de tu mercado.
- Vigencia: corrige información que haya cambiado; no actualices una fecha como sustituto de revisar el contenido.
El control de fidelidad del rastreador de AI Labs Audit compara una solicitud con el agente GPTBot sin preferencia de idioma con una solicitud de tipo navegador que sí indica el idioma del mercado. Una diferencia detectada orienta una revisión técnica. No demuestra qué contenido recuperó cada asistente en una conversación concreta.
Paso 6: Derivar medidas
Prioriza por gravedad y posibilidad de corregir el problema, no por la promesa de subir una nota.
| Hallazgo | Comprobación | Medida a evaluar |
|---|---|---|
| Descripción positiva con un servicio inexistente | Respuesta frente al catálogo real de la empresa | Aclarar la página de servicios y documentar la falsedad |
| Competidor presente, marca ausente | Preguntas sin marca y conjunto de competidores equivalente | Investigar las fuentes utilizadas y la información que falta |
| Tono negativo | Frase completa, hechos y fuentes que la respaldan | Corregir errores o abordar una limitación real, sin borrar críticas legítimas |
| Enlace inventado | URL exacta y respuesta del servidor | Reparar un destino roto real; no crear un servicio ficticio para justificar el enlace |
Después de una corrección, repite las preguntas con condiciones comparables y declara los cambios de modelo o configuración. Una variación aislada no demuestra causalidad.
Herramientas útiles
Para medir tu marca frente a competidores en ChatGPT puedes empezar manualmente o utilizar una herramienta que registre respuestas comparables. HubSpot AEO declara seguimiento de sentimiento y visibilidad; AI Labs Audit diferencia presencia espontánea, identidad y respuestas que inventan datos. Son criterios que puedes verificar en una evaluación, no una clasificación de ganadores.
El informe final debe responder qué se observó, qué pruebas lo sostienen y qué sigue sin saberse. Si solo tienes una puntuación, todavía falta el diagnóstico.
Agencias, consultores y equipos internos: comparen las respuestas de sus propios escenarios, idiomas y modelos seleccionados. Nuestra infraestructura, sus escenarios, su experiencia.