El problema no és el GEO: és no saber si funciona
Fa uns mesos que treballes la visibilitat de la teva marca a ChatGPT, Gemini, Perplexity o els AI Overviews de Google. Has revisat contingut, has afegit schema, has treballat l'estructura de les pàgines perquè es puguin trossejar bé... i arriba el moment en què algú et pregunta: «però això funciona?» I aquí et quedes en blanc, perquè no tens una resposta amb números al darrere, només una sensació.
Amb el SEO clàssic aquesta pregunta és incòmoda però es respon: posicions, clics, impressions, Search Console. Amb la cerca amb IA, molts equips —agències incloses— cauen en dues actituds igual de perilloses. La primera és treballar a cegues: fer canvis d'optimització sense cap mecanisme per comprovar si tenen efecte, i esperar que amb el temps ja se sabrà. La segona és l'excés de fe: obrir ChatGPT dues vegades, veure't citat un cop i donar per fet que el GEO funciona, sense repetir res ni documentar-ho.
Cap de les dues és una estratègia. Són apostes. I la diferència entre una estratègia i un acte de fe és senzilla: l'estratègia es pot mesurar, encara que la mesura sigui imperfecta. Aquest article no ven cap eina màgica ni promet resultats creixents cada setmana. Explica un mètode concret per dissenyar proves reproduïbles, registrar el que passa quan preguntes a un motor generatiu, i separar el soroll —les respostes de la IA canvien constantment— del senyal real: si t'entenen i et citen de manera consistent en el temps.
El que trobaràs aquí no és teoria sobre com funciona la IA generativa per dins, sinó un procediment pràctic: com triar les consultes de prova, quins motors val la pena testejar, com registrar cada resposta sense que es converteixi en una feina eterna, com repetir el test perquè la variabilitat no t'enganyi, i com creuar-ho amb les dades que Google ja et dona a Search Console. Si vols entendre primer com Google exposa aquestes dades, tens un article dedicat sobre com mesurar la visibilitat a l'AI Search amb dades de Google. Aquí ens centrem en la part que Google no et dona feta: els tests que has de dissenyar tu mateix.
Per què la cerca amb IA sembla una caixa negra (i què no ho és)
La sensació d'opacitat ve de tres coses reals, no imaginades. Primer: no hi ha una posició número 3 fixa com al Google clàssic; cada resposta es genera en el moment, i pot variar entre usuaris, sessions i fins i tot minuts. Segon: la majoria de motors generatius no expliquen amb detall quines fonts han pesat més ni per què, més enllà de mostrar algunes referències després de la resposta. Tercer: no tens accés a impressions ni clics dins de ChatGPT, Perplexity o Gemini de la mateixa manera que tens Search Console per al cercador clàssic.
El que Google sí que et dona
Aquí ve la part que sovint s'oblida: els AI Overviews de Google —que són, amb diferència, la superfície generativa amb més volum d'exposició real per a la majoria de negocis— deixen rastre dins de Search Console. Pots filtrar per tipus d'aparença de cerca i veure impressions i clics quan la teva pàgina ha estat font d'un AI Overview. No és perfecte: Google agrupa i limita informació, i no et diu literalment que vas sortir citat a la pregunta X el dia Y. Però és una font real, amb dades pròpies de Google, no una estimació. La documentació oficial de Google sobre les funcions d'IA i el teu lloc web explica què es pot i què no es pot veure des d'aquest costat. Ja vam explicar el detall d'aquest creuament a l'article sobre SEO i AI Overviews de Google, i val la pena tenir-lo com a base abans de construir res més.
El que ningú et dona fet
El que no tens de sèrie és cap dada sobre ChatGPT, Gemini fora de context de cerca, Perplexity o Copilot. Aquests motors no exposen un equivalent de Search Console per a marques. Aquí és on l'única sortida raonable és construir tu el mecanisme d'observació: preguntar-los tu mateix, de manera sistemàtica, i anotar què responen. Sona artesanal perquè ho és. Però artesanal no vol dir inútil: és el mateix principi que fer servir un usuari de prova per testejar una conversió, o trucar a la teva pròpia centraleta per comprovar que el desviament de trucades funciona. Abans de dissenyar el test val la pena saber com decideix la IA quines marques cita, perquè això et dirà quines variables val la pena controlar.
- Obrir ChatGPT un cop i mirar si hi surts
- Confiar en captures soltes sense data ni context
- Un únic prompt que sona bé
- Donar per bo un resultat positiu puntual
- Ignorar que la resposta canvia entre sessions
- Bateria de prompts fixa i repetida en el temps
- Registre sistemàtic amb data, motor i resposta completa
- Diverses variants de la mateixa intenció de cerca
- Múltiples repeticions abans de treure conclusions
- Creuament amb dades reals de Search Console
Com dissenyar un test real, pas a pas
Un test de visibilitat a la cerca amb IA no necessita programari car ni accés a APIs privades. Necessita disciplina i un protocol que segueixis igual cada vegada. Aquests són els passos que fem servir quan volem saber, de debò, si una marca apareix citada i com.
1. Defineix les consultes objectiu, no les teves consultes preferides
El primer error és triar prompts que et venen bé perquè saps que hi surts. El test ha de partir de les preguntes que fa realment un client potencial, no de les que et fan quedar bé. Agafa les consultes que ja saps que generen intenció comercial o informativa rellevant al teu sector —les mateixes que faries servir per a un keyword research clàssic— i converteix-les en preguntes naturals, tal com les escriuria algú a ChatGPT o Gemini: no «millor gestoria Andorra» sinó «quina gestoria em recomanes a Andorra per a una empresa petita». La forma de la pregunta importa perquè els motors generatius no funcionen per paraula clau exacta, sinó per intenció.
2. Fixa una bateria de prompts i no la canviïs a mig test
Necessites entre 8 i 20 prompts fixos, agrupats per intenció —informacional, comparativa, transaccional, local— segons el teu negoci. Aquesta bateria és el teu panell de control: si la canvies cada setmana no podràs comparar res en el temps. Documenta-la en un full de càlcul abans de començar a preguntar res.
3. Tria els motors segons on hi ha volum real, no tots per sistema
No cal testejar deu eines diferents. Prioritza segons on és probable que el teu client faci servir la IA: en la majoria de negocis locals i B2B a casa nostra, això vol dir AI Overviews de Google, ChatGPT i, cada cop més, Gemini integrat a la cerca. Perplexity té més pes en perfils tècnics. Si el teu públic no la fa servir, no li dediquis hores de test.
4. Registra la resposta completa, no només si surts o no
Aquí és on falla la majoria de seguiments. No n'hi ha prou amb apuntar un sí o un no. Per cada prompt i cada motor, registra: la data i hora, la resposta sencera —copiada, no resumida—, si la teva marca apareix citada explícitament o només com a font implícita, la posició dins de la resposta (primera menció, segona, al final), i si la informació que diuen sobre tu és correcta. Aquest últim punt és crític i sovint s'oblida: pots sortir citat i que la informació sigui incorrecta o desactualitzada, i això no és un èxit.
5. Repeteix el mateix test diverses vegades abans de treure cap conclusió
Les respostes dels motors generatius varien entre sessions, encara que preguntis exactament el mateix, perquè hi ha un component de generació no determinista. Un test fet un únic cop no diu res de fiable: diu què ha passat aquella vegada concreta. Cal repetir cada prompt almenys tres vegades en dies diferents abans de considerar el resultat representatiu, i tornar a fer tota la bateria amb una cadència regular —mensual sol funcionar bé per a la majoria de negocis— per veure tendència, no fotografies soltes.
6. Documenta el context de cada ronda
Anota també què has canviat al lloc web entre rondes: contingut nou, schema afegit, canvis d'estructura. Sense aquest registre, si un mes canvia el resultat no sabràs si és per la teva feina o per un canvi extern del motor. Aquesta correlació —canvi al lloc, canvi en el resultat unes setmanes després— és l'evidència més propera a una prova que tindràs mai en aquest terreny.
- Bateria fixa de 8-20 prompts, agrupats per intenció
- Mateixos motors cada vegada (AI Overviews, ChatGPT, Gemini i Perplexity si aplica)
- Registre de data, hora i resposta completa, no resumida
- Marcatge de si hi ha citació explícita, implícita o cap
- Comprovació d'exactitud de la informació citada sobre la marca
- Mínim tres repeticions per prompt abans de concloure
- Nota dels canvis fets al lloc web des de l'última ronda
- Cadència regular, idealment mensual, sense saltar-se rondes
Les mètriques que realment diuen alguna cosa
Un cop tens rondes de test acumulades, el problema següent és no ofegar-te en dades soltes. Hi ha quatre mètriques que aporten senyal real; la resta és soroll o, com a molt, context.
Taxa de citació
De tots els prompts de la teva bateria, en quants apareix la teva marca citada, com a mínim un cop, en les repeticions fetes aquell mes. És la mètrica més senzilla i la que primer hauries de mirar. No cal que sigui alta des del principi: el valor és veure si puja, baixa o es manté ronda rere ronda.
Consistència de citació
No és el mateix sortir citat un cop de tres que les tres vegades. Aquesta mètrica diu si el motor t'ha entès de manera estable o si la teva presència depèn de l'atzar de la generació. Una marca amb consistència alta en poques consultes val més, per a la majoria de negocis, que una marca que apareix de forma esporàdica en moltes.
Exactitud de la informació
Quan surts citat, què diuen exactament de tu? Serveis correctes, ubicació correcta, dades desactualitzades? Aquesta mètrica no és binària: pots tenir una citació parcialment correcta, per exemple quan et posen com a referència del sector però amb un detall erroni. És la mètrica que menys es mira i la que més risc de reputació té, perquè un motor generatiu pot estar recomanant-te amb informació incorrecta sense que ho sàpigues.
Share of voice per consulta clau
Per a les consultes més rellevants del teu negoci, quantes vegades apareixes tu davant de la competència directa que hagis inclòs al test. No cal fer-ho amb totes les consultes, però sí amb les 3-5 que més importen comercialment. Aquesta mètrica és la que millor tradueix el treball de GEO a un llenguatge que un client o un soci d'empresa entén: de cada deu vegades que es fa aquesta pregunta, en sortim citats en set, i la competència en tres. Per treballar aquesta part amb més profunditat tècnica, val la pena revisar l'optimització avançada per a motors d'IA, que entra en el detall de per què uns continguts es prioritzen sobre altres.
Aquestes quatre mètriques, seguides ronda rere ronda, et donen una cosa que abans no tenies: una línia de tendència. No et diuen que el GEO funciona en abstracte —això no ho pot dir ningú de bona fe—, et diuen si la teva feina concreta està movent l'agulla en les consultes concretes que t'importen.
Mesurar la cerca amb IA no és tenir totes les respostes: és deixar de dependre de la sensació i començar a dependre de dades pròpies, repetides i documentades.
Errors habituals quan es mesura (malament) la cerca amb IA
Alguns dels errors que veiem més sovint, també en equips que fan bé altres parts del GEO:
Treure conclusions d'un sol prompt en un sol dia
És l'error més comú i el més comprensible: veus un resultat bo i el vols celebrar, o veus un resultat dolent i vols reaccionar. Cap dels dos impulsos és fiable sense repetició. Una sola resposta és una anècdota, no una dada.
Confondre aparèixer amb ser citat correctament
Ja ho hem comentat, però val la pena repetir-ho perquè és on més enganya la percepció: que et mencionin no vol dir que et recomanin bé. Hem vist casos de marques que sortien citades amb serveis que ja no oferien, o amb dades de contacte antigues. Aparèixer sense revisar l'exactitud és mesurar a mitges.
No documentar els canvis fets al lloc web
Sense aquest registre és impossible saber si un canvi en els resultats del test és causa de la teva feina o d'un canvi extern —actualització del motor, canvi de context de temporada. És la diferència entre tenir una hipòtesi raonable i no tenir cap explicació.
Ignorar les dades que Google ja dona
Alguns equips construeixen tot el seu seguiment amb prompts manuals i s'obliden de creuar-ho amb Search Console, que aporta dades reals d'impressions i clics en AI Overviews. Els dos mons —el test manual i les dades natives de Google— es complementen; fer servir només un dels dos deixa forats grans.
Comparar motors com si fossin el mateix producte
ChatGPT, Gemini, Perplexity i els AI Overviews de Google no funcionen igual ni prioritzen les mateixes fonts. Sumar resultats de tots en una única xifra sense distingir-los amaga informació útil: pots anar molt bé en un motor i pràcticament invisible en un altre, i això et diu coses diferents sobre on cal treballar.
Fer-ho un cop i no repetir mai més
Un test puntual, per ben fet que estigui, només et dona una fotografia. El valor real apareix quan tens diverses rondes seguides i pots parlar de tendència, no d'un moment concret.
Com muntar un seguiment que es pugui sostenir en el temps
No cal cap eina sofisticada per començar. Un full de càlcul compartit, amb una pestanya per ronda de test, és suficient durant els primers mesos. Les columnes mínimes: data, motor, prompt, resposta resumida, citació (sí/no/implícita), exactitud (correcta/parcial/incorrecta), posició dins la resposta, i notes de canvis al lloc web des de l'última ronda.
A partir d'aquí, un panell senzill de seguiment ha de respondre quatre preguntes cada mes: ha pujat o baixat la taxa de citació respecte al mes anterior; s'ha mantingut la consistència en les consultes on ja sortíem bé; hem detectat cap error d'informació que calgui corregir; i com estem respecte a la competència directa en les consultes que més importen. Si el panell no respon aquestes quatre preguntes amb un cop d'ull, és massa complicat i no se sostindrà.
La cadència raonable per a la majoria de negocis és mensual: prou espaiada perquè hi hagi temps de veure l'efecte dels canvis fets, prou freqüent perquè no perdis el fil de què ha passat. Rondes trimestrals solen deixar massa temps mort per relacionar causa i efecte; rondes setmanals normalment són més esforç del que aporten, tret que estiguis en un període de canvis molt intensos al lloc.
El punt més important, i el que sol fallar per pressa, és mantenir el mateix protocol ronda rere ronda. Un test que canvia de prompts, de motors o de criteri de registre cada vegada no genera una sèrie temporal, genera fotografies soltes que no es poden comparar entre elles. La disciplina del mètode és, en aquest terreny, més important que la sofisticació de l'eina.
Res d'això substitueix una estratègia de contingut, estructura i autoritat ben treballada: el test no crea visibilitat, la mesura. Si ja tens la part de contingut i estructura encaminada i el que et falta és precisament aquest sistema de proves i seguiment aplicat al teu negoci, a l'agència GEO de Daimatics ho muntem a mida, amb les consultes reals del teu sector i un panell que puguis entendre sense haver de confiar en la nostra paraula.
Preguntes freqüents
Quant de temps cal per veure resultats fiables en un test de GEO?
Amb una sola ronda no en trauràs res de fiable; necessites com a mínim dues o tres rondes mensuals seguides per començar a distingir tendència de soroll. En negocis amb poc volum de consultes rellevants, quatre o cinc mesos donen una imatge més sòlida. La pressa és l'enemic principal d'aquest mètode: un resultat aïllat no és una prova, és una anècdota.
Cal accedir a l'API de ChatGPT o Gemini per fer aquests tests?
No. El protocol que descrivim funciona preguntant directament a les interfícies públiques de cada motor, de forma manual i sistemàtica. Un accés API pot facilitar l'escalat si algun dia tens centenars de consultes a testejar, però per a la immensa majoria de negocis un registre manual disciplinat és suficient i, de fet, més fàcil de mantenir sota control.
Per què la mateixa pregunta dona respostes diferents cada vegada que la faig?
Els models generatius no busquen una resposta fixa en un índex, la construeixen cada vegada a partir de probabilitats, i això introdueix variació encara que el text de la pregunta sigui idèntic. També hi influeixen el context previ de la conversa, la versió del model en aquell moment i, en alguns casos, la ubicació o l'historial de l'usuari. Per això cap test és fiable amb una sola repetició.
Els AI Overviews de Google es poden mesurar amb Search Console?
Parcialment, sí. Search Console permet filtrar per l'aparença de cerca corresponent i veure impressions i clics quan la teva pàgina ha estat font d'un AI Overview. No et diu exactament quina pregunta ho ha generat en cada cas ni et permet veure el text complet de la resposta, però és una dada pròpia de Google que val la pena creuar amb els teus propis tests manuals.
Quantes consultes (prompts) necessito per tenir un test representatiu?
Entre 8 i 20 sol ser un rang pràctic per a la majoria de negocis: prou perquè cobreixi les principals intencions de cerca del sector, prou reduït perquè es pugui repetir cada mes sense que es converteixi en una càrrega. El nombre importa menys que la constància: és preferible tenir 10 prompts fixos seguits durant un any que 40 que canvien cada ronda.
Què faig si surto citat però amb informació incorrecta?
Primer, revisa i corregeix la font: normalment ve d'un contingut ambigu, desactualitzat o mal estructurat al teu propi lloc web, o de directoris externs amb dades antigues. Actualitza el contingut, revisa el marcatge d'schema.org si l'utilitzes, i torna a testejar la mateixa pregunta a la ronda següent per comprovar si el canvi s'ha reflectit. No hi ha manera de forçar la correcció immediata en el motor; l'únic camí és millorar la font i esperar la propera actualització.
Es pot comparar el GEO amb la competència de manera fiable?
Amb matisos, sí, si inclous els mateixos competidors directes en cada ronda del test i mires el share of voice per a les consultes clau, no una impressió general. La comparació és més fiable com més consultes i repeticions acumulis, i menys fiable si es basa en un parell de proves soltes. Serveix per veure tendència relativa, no per fer una classificació definitiva.
Aquest mètode substitueix el treball de contingut i schema del GEO?
No, i no ho pretén. El test mesura, no crea visibilitat: si el contingut és feble o l'estructura no ajuda els motors a entendre'l, cap protocol de mesura et farà aparèixer citat. El valor d'aquest mètode és saber si la feina de contingut, estructura i autoritat que ja fas està tenint efecte real, per poder ajustar-la amb criteri en lloc d'intuïció.
Vols saber si la IA entén i cita el teu negoci?
A Daimatics revisem la teva presència a la cerca amb IA i connectem els senyals — fitxa de Google, web i dades estructurades — perquè els motors t'entenguin. No prometem posicions ni citacions: ho treballem amb criteri i ho mesurem.
Parlem del teu GEO →
