El problema no es el GEO: es no saber si funciona
Hace unos meses que trabajas la visibilidad de tu marca en ChatGPT, Gemini, Perplexity o los AI Overviews de Google. Has revisado contenido, has añadido schema, has trabajado la estructura de las páginas para que se puedan trocear bien... y llega el momento en que alguien te pregunta: "¿pero esto funciona?" Y aquí te quedas en blanco, porque no tienes una respuesta con números detrás, sólo una sensación.
Con el SEO clásico esta pregunta es incómoda pero se responde: posiciones, clics, impresiones, Search console. Con la búsqueda con IA, muchos equipos, agencias incluidas, caen en dos actitudes igual de peligrosas. La primera es trabajar a ciegas: hacer cambios de optimización sin ningún mecanismo para comprobar si tienen efecto, y esperar que con el tiempo ya se sabrá. La segunda es el exceso de fe: abrir ChatGPT dos veces, verte citado una vez y dar por hecho que el GEO funciona, sin repetir nada ni documentarlo.
Ninguna de las dos es una estrategia. Son apuestas. Y la diferencia entre una estrategia y un acto de fe es sencilla: la estrategia puede medirse, aunque la medida sea imperfecta. Este artículo no vende ninguna herramienta mágica ni promete resultados crecientes cada semana. Explica un método concreto para diseñar pruebas reproducibles, registrar lo que ocurre cuando preguntas a un motor generativo, y separar el ruido —las respuestas de la IA cambian constantemente— de la señal real: si te entienden y te citan de forma consistente en el tiempo.
Lo que encontrarás aquí no es teoría sobre cómo funciona la IA generativa por dentro, sino un procedimiento práctico: cómo elegir las consultas de prueba, qué motores vale la pena testear, cómo registrar cada respuesta sin que se convierta en un trabajo eterno, cómo repetir el test para que la variabilidad no te engañe, y cómo cruzarlo con los datos que Google ya te da a . Si quieres entender primero cómo Google expone estos datos, tienes un artículo dedicado sobre cómo medir la visibilidad en AI Search con datos de Google. Aquí nos centramos en la parte que Google no te da hecha: los test que debes diseñar tú mismo.
Por qué la búsqueda con IA parece una caja negra (y qué no lo es)
La sensación de opacidad viene de tres cosas reales, no imaginadas. Primero: no existe una posición número 3 fija como en el Google clásico; cada respuesta se genera en el momento, pudiendo variar entre usuarios, sesiones e incluso minutos. Segundo: la mayoría de motores generativos no explican con detalle qué fuentes han pesado más ni por qué, más allá de mostrar algunas referencias después de su respuesta. Tercero: no tienes acceso a impresiones ni clics dentro de ChatGPT, Perplexity o Gemini de la misma forma que tienes Search Console para el buscador clásico.
Lo que Google sí te da
Aquí viene la parte que a menudo se olvida: los AI Overviews de Google —que son, con diferencia, la superficie generativa con mayor volumen de exposición real para la mayoría de negocios— dejan rastro dentro de Search Console. Puedes filtrar por tipos de apariencia de búsqueda y ver impresiones y clics cuando tu página ha sido fuente de un AI Overview. No es perfecto: Google agrupa y limita información, y no te dice literalmente que saliste citado a la pregunta X el día Y. Pero es una fuente real, con datos propios de Google, no una estimación. La documentación oficial de Google sobre las funciones de IA y tu sitio web explica qué se puede y qué no se puede ver desde ese lado. Ya explicamos el detalle de este cruce en el artículo sobre SEO y AI Overviews de Google, y vale la pena tenerlo como base antes de construir nada más.
Lo que nadie te da hecho
Lo que no tienes de serie es ningún dato sobre ChatGPT, Gemini fuera de contexto de búsqueda, Perplexity o Copilot. Estos motores no exponen un equivalente de Search console para marcas. Aquí es donde la única salida razonable es construir tú el mecanismo de observación: preguntarles tú mismo, de manera sistemática, y anotar qué responden. Suena artesanal porque lo es. Pero artesanal no significa inútil: es el mismo principio que usar un usuario de prueba para testear una conversión, o llamar a tu propia centralita para comprobar que el desvío de llamadas funciona. Antes de diseñar el test vale la pena saber cómo decide la IA qué marcas cita, porque esto te dirá qué variables vale la pena controlar.
- Abrir ChatGPT una vez y mirar si sales
- Confiar en capturas sueltas sin fecha ni contexto
- Un único pronto que suena bien
- Dar por bueno un resultado positivo puntual
- Ignorar que la respuesta cambia entre sesiones
- Batería de prompts fija y repetida en el tiempo
- Registro sistemático con fecha, motor y respuesta completa
- Varias variantes de la misma intención de búsqueda
- Múltiples repeticiones antes de sacar conclusiones
- Cruce con datos reales de Search Console
Cómo diseñar un test real, paso a paso
Un test de visibilidad en la búsqueda con IA no necesita software caro ni acceso a APIs privadas. Necesita disciplina y un protocolo que sigas igual cada vez. Estos son los pasos que utilizamos cuando queremos saber, en serio, si una marca aparece citada y cómo.
1. Define las consultas objetivo, no tus consultas preferidas
El primer error es elegir prompts que te convienen porque sabes que apareces. El test debe partir de las preguntas que hace realmente un cliente potencial, no de las que te hacen quedar bien. Coge las consultas que ya sabes que generan intención comercial o informativa relevante en tu sector, las mismas que usarías para 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 palabra clave exacta, sino por intención.
2. Fija una batería de prontos y no la cambies a medio test
Necesitas entre 8 y 20 prontos fijos, agrupados por intención -informacional, comparativa, transaccional, local- según tu negocio. Esta batería es tu panel de control: si cambias cada semana no podrás comparar nada en el tiempo. Documenta en una hoja de cálculo antes de empezar a preguntar nada.
3. Elige los motores según dónde hay volumen real, no todos por sistema
No es necesario testear diez herramientas distintas. Prioriza según dónde es probable que tu cliente utilice la IA: en la mayoría de negocios locales y B2B en nuestro país, esto significa AI Overviews de Google, ChatGPT y, cada vez más, Gemini integrado en la búsqueda. Perplexity tiene mayor peso en perfiles técnicos. Si tu público no la utiliza, no le dediques horas de test.
4. Registra la respuesta completa, no sólo si sales o no
Aquí es donde falla la mayoría de los seguimientos. No es suficiente con apuntar un sí o un no. Por cada pronto y cada motor, registra: la fecha y hora, la respuesta entera —copiada, no resumida—, si tu marca aparece citada explícitamente o sólo como fuente implícita, la posición dentro de la respuesta (primera mención, segunda, al final), y si la información que dicen sobre ti es correcta. Este último punto es crítico y con frecuencia se olvida: puedes salir citado y que la información sea incorrecta o desactualizada, y eso no es un éxito.
5. Repite el mismo test varias veces antes de sacar ninguna conclusión
Las respuestas de los motores generativos varían entre sesiones, aunque preguntes exactamente lo mismo, porque existe un componente de generación no determinista. Un test hecho una sola vez no dice nada fiable: dice qué ha pasado esa vez concreta. Hay que repetir cada pronto al menos tres veces en días diferentes antes de considerar el resultado representativo, y volver a realizar toda la batería con una cadencia regular —mensual suele funcionar bien para la mayoría de negocios— para ver tendencia, no fotografías sueltas.
6. Documenta el contexto de cada ronda
Anota también qué has cambiado en el sitio web entre rondas: contenido nuevo, schema añadido, cambios de estructura. Sin ese registro, si un mes cambia el resultado no sabrás si es por tu trabajo o por un cambio externo del motor. Esta correlación —cambio al sitio, cambio en el resultado unas semanas después— es la evidencia más cercana a una prueba que tendrás nunca en este terreno.
- Batería fija de 8-20 prompts, agrupados por intención
- Mismos motores cada vez (AI Overviews, ChatGPT, Gemini y Perplexity si aplica)
- Registro de fecha, hora y respuesta completa, no resumida
- Marcaje de si hay cita explícita, implícita o ninguna
- Comprobación de exactitud de la información citada sobre la marca
- Mínimo tres repeticiones por prompt antes de concluir
- Nota de los cambios realizados en el sitio web desde la última ronda
- Cadencia regular, idealmente mensual, sin saltarse rondas
Las métricas que realmente dicen algo
Una vez tienes rondas de test acumuladas, el siguiente problema es no ahogarte en datos sueltos. Hay cuatro métricas que aportan señal real; el resto es ruido o, a lo sumo, contexto.
Tasa de citación
De todos los prontos de tu batería, en cuantos aparece tu marca citada, al menos una vez, en las repeticiones hechas ese mes. Es la métrica más sencilla y la que primero deberías mirar. No hace falta que sea alta desde el principio: el valor es ver si sube, baja o se mantiene ronda tras ronda.
Consistencia de citación
No es lo mismo salir citado una vez de tres que las tres veces. Esta métrica dice si el motor te ha entendido de forma estable o si tu presencia depende del azar de la generación. Una marca con alta consistencia en pocas consultas vale más, para la mayoría de negocios, que una marca que aparece de forma esporádica en muchas.
Exactitud de la información
Cuando sales citado, ¿qué dicen exactamente de ti? ¿Servicios correctos, ubicación correcta, datos desactualizados? Esta métrica no es binaria: puedes tener una cita parcialmente correcta, por ejemplo cuando te ponen como referencia del sector pero con un detalle erróneo. Es la métrica que menos se mira y la que mayor riesgo de reputación tiene, porque un motor generativo puede estar recomendándote con información incorrecta sin que lo sepas.
Share of voice por consulta clave
Para las consultas más relevantes de tu negocio, cuántas veces apareces tú frente a la competencia directa que hayas incluido en el test. No hace falta hacerlo con todas las consultas, pero sí con las 3-5 que más importan comercialmente. Esta métrica es la que mejor traduce el trabajo de GEO a un lenguaje que un cliente o un socio de empresa entiende: de cada diez veces que se hace esta pregunta, salimos citados en siete, y la competencia en tres. Para trabajar esta parte con mayor profundidad técnica, vale la pena revisar la optimización avanzada para motores de IA, que entra en el detalle de por qué unos contenidos se priorizan sobre otros.
Estas cuatro métricas, seguidas ronda tras ronda, te dan algo que antes no tenías: una línea de tendencia. No te dicen que el GEO funciona en abstracto —eso no puede decirlo nadie de buena fe—, te dicen si tu trabajo concreto está moviendo la aguja en las consultas concretas que te importan.
Medir la búsqueda con IA no es tener todas las respuestas: es dejar de depender de la sensación y empezar a depender de datos propios, repetidos y documentados.
Errores habituales cuando se mide (mal) la búsqueda con IA
Algunos de los errores que vemos con más frecuencia, también en equipos que hacen bien otras partes del GEO:
Sacar conclusiones de un solo pronto en un solo día
Es el error más común y el más comprensible: ves un resultado bueno y quieres celebrarlo, o ves un resultado malo y quieres reaccionar. Ninguno de los dos impulsos es fiable sin repetición. Una sola respuesta es una anécdota, no un dato.
Confundir aparecer con ser citado correctamente
Ya lo hemos comentado, pero merece la pena repetirlo porque es donde más engaña la percepción: que te mencionen no quiere decir que te recomienden bien. Hemos visto casos de marcas que salían citadas con servicios que ya no ofrecían, o con datos de contacto antiguos. Aparecer sin revisar la exactitud es medir a medias.
No documentar los cambios realizados en el sitio web
Sin este registro es imposible saber si un cambio en los resultados del test es debido a tu trabajo oa un cambio externo —actualización del motor, cambio de contexto de temporada. Es la diferencia entre tener una hipótesis razonable y no tener explicación alguna.
Ignorar los datos que Google ya da
Algunos equipos construyen todo su seguimiento con prompts manuales y se olvidan de cruzarlo con Search Console, que aporta datos reales de impresiones y clics en AI Overviews. Los dos mundos -el test manual y los datos nativos de Google- se complementan; utilizar sólo uno de los dos deja agujeros grandes.
Comparar motores como si fueran el mismo producto
ChatGPT, Gemini, Perplexity y los AI Overviews de Google no funcionan igual ni priorizan las mismas fuentes. Sumar resultados de todos en una única cifra sin distinguirlos esconde información útil: puedes ir muy bien en un motor y prácticamente invisible en otro, y eso te dice cosas distintas sobre dónde trabajar.
Hacerlo una vez y no repetir nunca más
Un test puntual, por muy bien que esté, sólo te da una fotografía. El valor real aparece cuando tienes varias rondas seguidas y puedes hablar de tendencia, no de un momento concreto.
Cómo montar un seguimiento que se pueda sostener en el tiempo
No es necesaria ninguna herramienta sofisticada para empezar. Una hoja de cálculo compartida, con una pestaña por ronda de test, es suficiente durante los primeros meses. Las columnas mínimas: fecha, motor, prompt, respuesta resumida, citación (sí/no/implícita), exactitud (correcta/parcial/incorrecta), posición dentro de la respuesta, y notas de cambios en el sitio web desde la última ronda.
A partir de aquí, un sencillo panel de seguimiento debe responder cuatro preguntas cada mes: ha subido o bajado la tasa de citación respecto al mes anterior; se ha mantenido la consistencia en las consultas en las que ya salíamos bien; hemos detectado ningún error de información que sea necesario corregir; y cómo estamos respecto a la competencia directa en las consultas que más importan. Si el panel no responde a estas cuatro preguntas con un vistazo, es demasiado complicado y no se sostendrá.
La cadencia razonable para la mayoría de negocios es mensual: lo suficientemente espaciada para que haya tiempo de ver el efecto de los cambios hechos, lo suficientemente frecuente como para que no pierdas el hilo de lo que ha pasado. Rondas trimestrales suelen dejar demasiado tiempo muerto para relacionar causa y efecto; rondas semanales normalmente son más esfuerzo de lo que aportan, a menos que estés en un período de cambios muy intensos en el sitio.
Lo más importante, y lo que suele fallar por prisa, es mantener el mismo protocolo ronda tras ronda. Un test que cambia de prompts, de motores o de criterio de registro cada vez no genera una serie temporal, genera fotografías sueltas que no se pueden comparar entre sí. La disciplina del método es, en ese terreno, más importante que la sofisticación de la herramienta.
Nada de esto sustituye a una estrategia de contenido, estructura y autoridad bien trabajada: el test no crea visibilidad, la medida. Si ya tienes la parte de contenido y estructura encaminada y lo que te falta es precisamente este sistema de pruebas y seguimiento aplicado a tu negocio, en la agencia GEO de Daimatics lo montamos a medida, con las consultas reales de tu sector y un panel que puedas entender sin tener que confiar en nuestra palabra.
Preguntas frecuentes
¿Cuánto tiempo es necesario para ver resultados fiables en un test de GEO?
Con una sola ronda no sacarás nada fiable; necesitas al menos dos o tres rondas mensuales seguidas para empezar a distinguir tendencia de ruido. En negocios con poco volumen de consultas relevantes, cuatro o cinco meses dan una imagen más sólida. La prisa es el principal enemigo de este método: un resultado aislado no es una prueba, es una anécdota.
¿Es necesario acceder a la API de ChatGPT o Gemini para realizar estos tests?
No. El protocolo que describimos funciona preguntando directamente a las interfaces públicas de cada motor, de forma manual y sistemática. Un acceso 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.
¿Por qué la misma pregunta da respuestas distintas cada vez que la hago?
Los modelos generativos no buscan una respuesta fija en un índice, la construyen cada vez a partir de probabilidades, lo que introduce variación aunque el texto de la pregunta sea idéntico. También influyen el contexto previo de la conversación, la versión del modelo en ese momento y, en algunos casos, la ubicación o el historial del usuario. Por eso ningún test es fiable con una sola repetición.
¿Los AI Overviews de Google se pueden medir con Search Console?
Parcialmente, sí. Search Console permite filtrar por la apariencia de búsqueda correspondiente y ver impresiones y clics cuando tu página ha sido fuente de un AI Overview. No te dice exactamente qué pregunta lo ha generado en cada caso ni te permite ver el texto completo de la respuesta, pero es un dato propio de Google que merece la pena cruzar con tus propios test manuales.
¿Cuántas consultas (prompts) necesito para tener un test representativo?
Entre 8 y 20 suele ser un rango práctico para la mayoría de negocios: lo suficiente para que cubra las principales intenciones de búsqueda del sector, lo suficientemente reducido para que se pueda repetir cada mes sin que se convierta en una carga. El número importa menos que la constancia: es preferible tener 10 prompts fijos seguidos durante un año que 40 que cambien cada ronda.
¿Qué hago si salgo citado pero con información incorrecta?
Primero, revisa y corrige la fuente: normalmente viene de un contenido ambiguo, desactualizado o mal estructurado en tu propio sitio web, o de directorios externos con datos antiguos. Actualiza el contenido, revisa el marcado de schema.org si lo utilizas, y vuelve a testear la misma pregunta en la siguiente ronda para comprobar si el cambio se ha reflejado. No hay forma de forzar la corrección inmediata en el motor; el único camino es mejorar la fuente y esperar a la próxima actualización.
¿Se puede comparar el GEO con la competencia de forma fiable?
Con matices, sí, si incluyes a los mismos competidores directos en cada ronda del test y miras el share of voice para las consultas clave, no una impresión general. La comparación es más fiable a más consultas y repeticiones acumules, y menos fiable si se basa en un par de pruebas sueltas. Sirve para ver tendencia relativa, no para realizar una clasificación definitiva.
¿Este método sustituye al trabajo de contenido y schema del GEO?
No, y no lo pretende. El test mide, no crea visibilidad: si el contenido es débil o la estructura no ayuda a los motores a entenderlo, ningún protocolo de medida te hará aparecer citado. El valor de este método es saber si el trabajo de contenido, estructura y autoridad que ya realizas está teniendo efecto real, para poder ajustarlo con criterio en lugar de intuición.
¿Quieres saber si la IA entiende y cita tu negocio?
En Daimatics revisamos tu presencia en la búsqueda con IA y conectamos las señales - ficha de Google, web y datos estructurados - para que los motores te entiendan. No prometemos posiciones ni citas: lo trabajamos con criterio y lo medimos.
Hablemos de tu GEO →
