Los dueños de tiendas repiten dos preguntas. La primera: «Ya usamos Search Console y las herramientas de análisis de la tienda, pero ninguna nos dice qué ocurre cuando alguien pide a ChatGPT o Gemini una recomendación de producto». La segunda, de un vendedor que estuvo a punto de pagar a una agencia $3,000 por una auditoría más $400 al mes por seguir supervisando: ¿vale la pena?
La mejor respuesta a la segunda la dio otro vendedor en el mismo hilo: si lo que te entregan es un informe, puedes prescindir de él, cueste £450 o $3,000; y pagar por observar una cifra antes de haber cambiado nada es hacer las cosas al revés. Así que aquí está la comprobación en sí. La hicimos sobre nosotros mismos en tres plataformas, y dos de los hallazgos cambiaron nuestra forma de actuar.
Paso 1 — escribe las preguntas que tus compradores realmente hacen
No «¿mi marca es visible?». Entre veinte y cuarenta preguntas formuladas como las escribiría alguien antes de comprar: mejor <tipo de producto> para <caso de uso>, <tipo de producto> que <requisito que le importa>, alternativas a <el producto más conocido>. Conserva también algunas preguntas con nombres de marca: se comportan de forma totalmente distinta, y esa diferencia resulta ser importante.
Guarda la lista en un archivo. La lista es el activo valioso, porque volverás a usarla.
Paso 2 — registra lo que obtuviste, no solo si apareciste
Haz cada pregunta en ChatGPT y Gemini y, para cada respuesta, registra cuatro cosas: si te mencionaron; si te citaron con un enlace real entre las fuentes; qué competidores aparecieron y en qué orden; y qué URL se citaron, independientemente de a quién pertenecieran.
Que te mencionen y que te citen no es lo mismo, y la diferencia es lo que permite actuar. En nuestras propias pruebas encontramos respuestas que reproducían nuestro posicionamiento casi palabra por palabra, pero nos describían de forma genérica: sin nombre de marca ni enlace. Es un problema del texto de origen, no del posicionamiento en los resultados, y ningún panel de visibilidad nos habría dicho cuál de los dos era.
Paso 3 — la columna que cambia lo que haces
La cuarta columna es la que tiene valor. Cuando hicimos preguntas sobre la categoría sin mencionar marcas en tres plataformas, todas las citas apuntaron a repositorios de GitHub y artículos de listas de terceros, no a nuestro propio sitio web. Las preguntas con nombres de marca se comportaron de forma distinta y sí citaron nuestras páginas.
Esto tiene dos consecuencias para una tienda. Si las respuestas sin marca de tu categoría citan recopilaciones de comercios, fichas de mercados en línea y sitios de reseñas, reescribir tu página de inicio no las cambiará; la unidad de distribución es aquello que el modelo realmente cita. Además, prueba los dos tipos de pregunta por separado: si los promedias en una sola puntuación de visibilidad, obtendrás una cifra que cambia por motivos sobre los que no puedes actuar.
Paso 4 — corrige la fuente, no el panel
Los vendedores señalan dos tipos de fallos, ambos corregibles en la fuente.
Datos desactualizados. Un vendedor recibió a un cliente que citaba un precio que no cobraba desde la apertura de la tienda, más de un año antes. Otro descubrió que ChatGPT recomendaba un producto que había dejado de vender meses atrás; luego comprobó que otros dos modelos mostraban el mismo artículo retirado. Si un precio antiguo o un producto que ya no se vende sigue en una página en caché, una publicación antigua o una ficha de terceros, eso es lo que se repite a tus clientes.
Falta de contenido comparativo. Un modelo que responde «X frente a Y» necesita algo que citar. Si nadie en tu categoría ha escrito una comparación honesta, la respuesta se construye a partir de quien sí lo haya hecho.
Por tanto, la lista de acciones es esta: corrige los datos desactualizados allí donde estén, incluidas las páginas que no te pertenecen; después, crea el contenido comparativo o sobre casos de uso que falta en el lugar al que realmente apuntan las citas. Los mecanismos que hacen que se cite un pasaje y otro no se explican en nuestro artículo sobre cómo conseguir que ChatGPT te cite.
Paso 5 — vuelve a medir, pero no la semana que viene
Los metadatos visibles para los modelos llevan mucho retraso. En nuestras propias comprobaciones, las plataformas indicaban una cantidad de estrellas y una fecha de lanzamiento que llevaban meses desactualizadas. No evalúes una corrección durante la primera semana después de hacerla. Vuelve a ejecutar la misma lista de preguntas al cabo de unas semanas y compara la tasa de menciones, la tasa de citas y el orden de los competidores con la primera prueba; por eso el paso 1 indicaba que guardaras la lista en un archivo.
Una precaución más: esto es muestreo, no medición. Las respuestas varían entre pruebas, así que repite cada pregunta al menos tres veces en días distintos antes de dar por válido un cambio. Una sola prueba no te dice casi nada.
Cómo hacerlo en Orkas
Orkas incluye un SeoGeoAgent integrado, y la lista de preguntas, los registros de cada prueba y la lista de correcciones se guardan en una sola carpeta de proyecto, de modo que la segunda prueba puede compararse con la primera en lugar de empezar de nuevo. El flujo de trabajo más amplio —seguir en qué preguntas apareces y convertir las carencias en páginas— se explica en el caso de uso de visibilidad en búsquedas y respuestas de IA.
Lo que esto no te proporciona
- No proporciona cifras de tráfico. El informe de IA generativa de Google Search Console no tiene API y, por su estructura, solo informa de impresiones: no puedes calcular una tasa de clics de IA a partir de él.
- No proporciona la cuota real de ningún competidor. Estás tomando muestras de respuestas, no midiendo una población.
- No garantiza que una corrección se propague. Algunas de las fuentes citadas están totalmente fuera de tu control.