Dos familias de indicadores para medir el impacto de los LLM
Medir el GEO (Generative Engine Optimization, el posicionamiento en los motores generativos) consiste en seguir el lugar que ocupa tu marca en las respuestas de ChatGPT, Perplexity, Gemini, Copilot o los AI Overviews de Google. Todo el dispositivo descansa en una distinción simple. Los indicadores de presencia miden ese lugar en las respuestas: reaccionan rápido y guían el trabajo diario. Los indicadores de resultados miden el efecto real sobre el negocio: leads, registros, ventas, con semanas de retraso. Los primeros justifican el esfuerzo, los segundos justifican el presupuesto. Necesitas ambos.
Indicadores de presencia: el seguimiento de prompts
El seguimiento de prompts consiste en ejecutar cada día, en varios modelos, una biblioteca de preguntas representativa de tu negocio y de tus objetivos de producto, y anotar después lo que las respuestas dicen de tu marca. Si vendes un software de facturación electrónica, por ejemplo, son las preguntas que un director financiero se hace antes de elegir: «¿qué software de facturación electrónica elegir para una pyme?», «¿qué soluciones cumplen con la reforma?». Sácalas de las reuniones comerciales, los tickets de soporte y las consultas de Search Console reformuladas en lenguaje natural. Mantén aparte los prompts que nombran tu marca: casi siempre te mencionan e inflan todas las cifras.
Una herramienta de seguimiento de prompts, como Peec, Profound u Otterly, automatiza esa recogida y anota tres datos en cada respuesta: las menciones (tu marca es nombrada), el rango (el lugar de tu marca entre las que cita la respuesta) y las citas (las páginas que el modelo muestra como fuentes, sean tuyas o de un tercero).
De las menciones y de su rango derivo cinco indicadores. Las citas sirven más abajo, en lectura cualitativa.
| Indicador | Cálculo | Qué dice |
|---|---|---|
| Cuota de voz | Tus menciones sobre las de todas las marcas seguidas, la tuya incluida | Tu rendimiento frente a los demás. No significa nada en términos de negocio, pero su tendencia valida o no tus esfuerzos. |
| Visibilidad | Proporción de los prompts ejecutados en los que se te menciona | Tu cobertura del perímetro definido por la biblioteca de prompts. Buen indicador de pilotaje. |
| Posición | Rango medio de tu mención entre las marcas citadas, solo en los prompts donde apareces | Ser citado primero probablemente significa mayor credibilidad. Leída sola, halaga: desaparecer de los prompts donde estabas mal clasificado la mejora. |
| Mención ponderada | Media del inverso del rango sobre todos los prompts, ausencias incluidas, sobre 100 (fórmula bajo la tabla) | Combina cobertura y rango en una sola cifra. Seguida cada día, es el indicador de pilotaje, el más elocuente del lote. |
| Cuota de voz ponderada | Tu mención ponderada sobre la suma de las menciones ponderadas de todas las marcas seguidas | Tu peso en las respuestas frente al mercado, cobertura y rango combinados. Más rica que la cuota de voz clásica, y complementaria. |
La mención ponderada merece su fórmula, porque es la que guía el trabajo. Para cada prompt, tu mención vale el inverso de su rango: 1 si te citan primero, 0,5 segundo, 0,33 tercero, 0 si estás ausente. La media de esos valores sobre toda la biblioteca, multiplicada por 100, da el indicador. Ejemplo sobre 100 prompts: citado 30 veces primero, 20 veces segundo, 10 veces tercero y ausente en los otros 40, es decir 30 × 1 + 20 × 0,5 + 10 × 0,33 + 40 × 0 = 43,3 puntos sobre 100 prompts, o sea una mención ponderada de 43 sobre 100. Las 40 ausencias pesan: eso es lo que distingue este indicador de la posición. Calcúlala modelo por modelo antes de promediar: ChatGPT y Perplexity no te clasifican de la misma manera, y la diferencia entre ambos suele enseñar algo.
Añade dos lecturas cualitativas. Las citas primero: una página citada influye en el relato del modelo. Detecta cuáles funcionan y úsalas para justificar tus inversiones o priorizar tus acciones: qué hilos de discusión influir primero, qué creadores de vídeo contactar. Observa también las de los competidores. El sentimiento después: cómo hablan de ti los modelos. Si alimentas con regularidad a terceros que hablarán de tu marca, sigue el efecto de cada evento, como un nuevo sello obtenido, sobre el sentimiento global o por producto.
Cuatro fuentes complementarias: buscadores, logs, paneles, AI Overviews
Estas cuatro fuentes no miden ni la presencia ni el resultado: iluminan la mecánica entre ambos, lo que leen los robots, lo que muestran los buscadores, de dónde vienen los visitantes. Se consultan una vez al mes, o cuando una cifra del seguimiento de prompts se mueve sin razón visible.
| Fuente | Qué aporta |
|---|---|
| Los datos de los buscadores | Bing Webmaster Tools y Google Search Console publican cada uno datos sobre el lugar de tus páginas en sus respuestas generadas, Copilot por un lado, AI Overviews y AI Mode por otro. Sirven sobre todo para justificar una asignación de presupuesto, o para profundizar en algo concreto. |
| Los logs del servidor | Filtra los robots de los LLM en tus logs y separa dos familias: los robots de entrenamiento e indexación (GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot), que alimentan los modelos y sus índices, y los robots de respuesta (ChatGPT-User, Perplexity-User, Claude-User), que leen una página en el momento en que un modelo compone una respuesta. Los segundos demuestran, página por página, que sirves de fuente. Y cuando despliegas una mejora técnica para ayudar a los modelos a entender el sitio, aquí es donde se lee su efecto en el rastreo. |
| Los paneles de terceros | Algunos proveedores, como Similarweb, estiman qué parte de tus visitantes también usó ChatGPT o Perplexity el mismo día, y cuántas visitas te envía cada asistente en comparación con tus competidores. Estimaciones que hay que tomar con cautela, pero el ángulo, externo y comparativo, es valioso. |
| El seguimiento de los AI Overviews | Tu herramienta de seguimiento de posiciones (Semrush, Ahrefs o SE Ranking lo ofrecen) indica, palabra clave por palabra clave, si se muestra un AI Overview y si tu sitio aparece citado en él. Buen indicador de pilotaje para medir el efecto de un cambio en el sitio: contenido nuevo, formato nuevo. |
Indicadores de resultados: el impacto real en tus prospectos
Primero, lo declarativo. La pregunta «¿cómo nos conociste?» mide el impacto real de negocio, y su veredicto suele divergir del modelo de atribución. Sin ella te pierdes el escenario más común: alguien lee una recomendación en un LLM, escribe tu marca en Google, hace clic en un enlace de pago u orgánico. Ningún modelo de atribución ve esa cadena.
Después, la analítica. En GA4, crea un grupo de canales personalizado «LLM» definido por una expresión regular sobre la fuente de la sesión: chatgpt.com, perplexity.ai, copilot.microsoft.com, gemini.google.com, claude.ai, chat.mistral.ai. Sin él, esas visitas se pierden en el canal «Referral». Cuando un visitante llega haciendo clic en un enlace de una respuesta, puedes atribuirlo. Esa cifra es un mínimo: los clics procedentes de los AI Overviews y de AI Mode llegan como tráfico orgánico de Google, indistinguibles del SEO clásico, y las aplicaciones móviles de los asistentes a menudo no envían ningún referente, esas visitas caen en el tráfico directo. Completa con las cookies: si un prospecto visita tu sitio, pasa por un LLM y vuelve, el informe Rutas de conversión muestra ese paso como punto de contacto intermedio, sea cual sea el modelo de atribución elegido.
Por último, las señales indirectas. Un aumento inexplicado del tráfico de marca y del tráfico directo suele reflejar el mismo escenario que lo declarativo: una recomendación leída y luego una búsqueda. Haz que se analicen a diario las transcripciones de las llamadas de tu equipo comercial para detectar a los prospectos que citan un LLM como fuente; una pequeña automatización basta, un script que plantea a un modelo una sola pregunta sobre cada transcripción, «¿dice el prospecto haber descubierto la marca a través de una IA?», y marca un campo del CRM cuando la respuesta es sí. Y vigila los estudios declarativos, públicos o de pago, sobre cómo busca la gente: siempre reveladores.
| Señal | Qué capta | Su límite |
|---|---|---|
| Declarativo | El canal real por el que los prospectos te conocieron | Depende de la memoria y sinceridad del encuestado |
| Analítica (GA4) | Los clics directos desde las respuestas de los LLM | Ciega a la recomendación seguida de una búsqueda de marca, y a los clics sin referente |
| Señales indirectas | Tráfico de marca, transcripciones comerciales, estudios | Correlaciones, nunca pruebas por sí solas |
Reunirlo todo, y por dónde empezar
El último eslabón es el más simple, siempre que se respete un orden. El primer día, instala lo que es gratuito y cuyo histórico no se recupera: la pregunta «¿cómo nos conociste?» en los formularios y el grupo de canales LLM en GA4. La primera semana, construye la biblioteca de prompts y lanza el seguimiento. El primer mes, conecta las fuentes complementarias.
Después, reúne todos esos datos en un solo lugar, una hoja de cálculo basta al principio, y encarga a un asistente de IA, Claude en mi caso, un análisis semanal, con un breve resumen de las tendencias entregado en un mensaje de Slack. Tres ritmos de lectura: la mención ponderada cada día, por la persona que hace el trabajo; el resumen cada semana, por el equipo de marketing; presencia y resultado lado a lado cada trimestre, ante la dirección, porque es esa comparación la que decide el presupuesto. La medición solo vale si alguien la lee cada semana.
En 2026, el impacto de los LLM en la generación de leads no se lee en ningún panel prefabricado. Se reconstruye indicador por indicador, presencia por un lado, resultado por otro, hasta que las dos curvas cuentan la misma historia: la mención ponderada sube un trimestre, la proporción de prospectos que declaran una IA sube el siguiente. Mientras diverjan, sabes dónde buscar: presencia sin resultado, te citan en prompts que no traen a tus compradores; resultado sin presencia, tu biblioteca no cubre lo que realmente preguntan.
Preguntas frecuentes
Más análisis sobre la medición del GEO y el posicionamiento generativo disponibles en los artículos del diario.