Cómo auditar si los motores de IA mencionan tu marca

Alguien le pide a ChatGPT "la mejor opción de tu categoría" y nombra tres negocios. Si eres uno de ellos, acabas de ganar un cliente que nunca verás en tu analítica. Si no, perdiste uno, en silencio, sin registro, sin referencia, sin rastro.

Ese es el problema de la visibilidad en IA: por defecto es invisible. No puedes auditarla como auditas el tráfico, porque no hay tráfico que auditar. Tienes que ir a preguntarle a los motores directamente, a propósito, y anotar lo que dicen.

Aquí tienes un método repetible para hacer justo eso, y para convertir un difuso "¿estamos apareciendo?" en un número que puedas mover.

Por qué no ves esto en tu analítica

Tu analítica muestra lo que pasó después de un clic. Las respuestas de IA pasan antes, y a menudo en lugar de uno. Cuando ChatGPT te recomienda en una conversación, no hay visita que atribuir, ni UTM, ni referente. El cliente se forma una opinión y tú nunca apareces en ningún informe.

Y se complica. Las respuestas de IA no son deterministas: haz la misma pregunta dos veces y la lista corta puede cambiar. La redacción, el momento, la región del usuario y la propia aleatoriedad del modelo mueven el resultado. Así que una sola comprobación no dice casi nada: una marca puede aparecer en tres intentos de cinco y faltar en los otros dos.

Eso tiene una consecuencia clara: auditar la visibilidad en IA tiene que ser deliberado y repetido. No una comprobación puntual, sino los mismos prompts, en los mismos motores, de forma periódica, para que leas una tendencia y no el lanzamiento de una moneda.

La auditoría, paso a paso

1. Lista los prompts que tus clientes usan de verdad

Parte de la intención real, no de consultas de vanidad. Nadie escribe tu marca en ChatGPT para descubrirte: describe una necesidad. Anota los prompts que usa un cliente antes de saber que existes:

• Categoría + ubicación: "mejor [categoría] en [ciudad]", "[servicio] cerca que abra hasta tarde"
• Comparación: "[tú] vs [competidor]", "¿merece la pena [competidor]?"
• Alternativa: "alternativas a [gran competidor]", "opción más barata que [X]"
• Trabajo por resolver: "cómo hago [el problema que resuelves]", "quién puede ayudarme con [resultado]"

Apunta a 15–30 prompts que cubran tus situaciones de compra reales. Son tu conjunto de prueba, y los reutilizarás en cada ciclo: la coherencia es lo que hace legible la tendencia.

2. Pásalos por los motores que importan

Pasa cada prompt por cada motor que usan tus clientes: ChatGPT, Perplexity, Gemini y los AI Overviews de Google. Recuperan y se fundamentan de forma distinta, así que el mismo prompt da listas cortas y fuentes diferentes en cada uno: aparecer en uno no garantiza los demás.

Como las respuestas varían, ejecuta cada prompt más de una vez por motor (tres es un mínimo razonable) y trata "nombrado 2 de 3 veces" como una señal real y registrable. Una ejecución es ruido; varias son una medición. Usa sesiones nuevas para que el historial previo no sesgue el resultado.

3. Registra siempre las mismas cuatro cosas

Para cada prompt y motor, captura cuatro datos, nada más y nada complicado:

Qué registrar	La pregunta que responde
¿Mencionado?	¿Te nombraron de algún modo en la respuesta?
¿Citado / enlazado?	¿El motor te enlazó o solo dijo tu nombre?
Competidores	Qué rivales aparecieron, y con qué constancia
Fuentes	En qué páginas se apoyó el motor para construir la respuesta

Esa última columna es el oro. Las fuentes que cita un motor son el mapa de tu lista de arreglos: son las páginas en las que necesitas que te mencionen. Anótalo en una hoja sencilla: una fila por prompt-motor-ejecución, esas cuatro columnas y una fecha.

4. Conviértelo en una puntuación de visibilidad

Resume el registro en un único número para comparar ciclos y motores de un vistazo. Una versión sencilla y honesta:

• Tasa de mención — proporción de ejecuciones en las que te nombran (un 0–100 % por motor).
• Tasa de cita — proporción de ejecuciones en las que te enlazan de verdad, no solo te mencionan.
• Cuota de voz — tus menciones frente a los competidores que siguen apareciendo.

Promedia las tasas de mención de los motores en una única puntuación de visibilidad y mantén el desglose por motor al lado. La fórmula exacta importa menos que usar la misma siempre. El único trabajo de la puntuación es moverse: hacia arriba cuando tu trabajo cuaja, plana cuando no.

5. Construye la lista de huecos y prioriza los arreglos

La auditoría no es el objetivo; la lista de huecos sí. Por cada prompt en el que faltas o te superan en citas, pregunta por qué y actúa sobre el hueco de mayor impacto:

• No estás en las fuentes citadas. El hueco más común con diferencia. El motor se apoyó en recopilaciones, directorios o hilos de comunidad que no te mencionan. Arreglo: gana menciones en esas páginas concretas: propón tu negocio a la recopilación, reclama el directorio, aparece en el hilo.
• Tu contenido no tiene forma de respuesta. Estás en el tema correcto pero enterrado en la narración. Arreglo: empieza por la respuesta, usa la pregunta del cliente como encabezado, mantén los datos limpios y citables.
• Tus datos no son extraíbles por máquinas. Nombre, horario o afirmaciones incoherentes; sin datos estructurados. Arreglo: haz que schema.org y tus datos clave sean coherentes en todas partes para que el motor pueda citarte con confianza.

Trabaja primero los huecos que bloquean más prompts de compra. Una mención que falta en una sola recopilación puede costarte una docena de respuestas a la vez.

6. Vuelve a medir de forma periódica

Ejecuta los mismos prompts, los mismos motores, de la misma forma —mensual es una cadencia sensata— y observa cómo se mueve la puntuación. Los cambios de GEO no aparecen de un día para otro; la corroboración tarda en propagarse por la web y llegar a los modelos. Una repetición programada es la única forma de separar "el arreglo funcionó" de "la lista corta se barajó esta semana".

Qué pinta tiene lo bueno y lo malo

Malo es invisible y sin medir: nunca has ejecutado los prompts, das por hecho que tu buen posicionamiento en Google se traslada, y los motores nombran a competidores que apenas conoces. Bueno es que te nombren de forma constante —no una vez, sino en la mayoría de ejecuciones y de motores—, que te citen con un enlace real, y con tendencia al alza ciclo tras ciclo.

Los huecos más comunes, en orden: no estar mencionado en las fuentes que los motores citan; contenido relevante pero no estructurado como una respuesta limpia; y datos incoherentes y no verificables que el modelo no puede repetir con seguridad. Fíjate en el patrón: casi todos los huecos llevan de vuelta a esa cuarta columna del paso 3.

La verdad sincera es que hacer esto a mano en cuatro motores, decenas de prompts y varias ejecuciones cada uno se vuelve pesado rápido, que es justo el bucle que PromptHawk automatiza. Pero el método funciona lo ejecute una herramienta o lo hagas tú, así que el primer paso real es simple: anota diez prompts que tus clientes usen de verdad y ve a ver a quién nombran los motores.