Ser mencionado por la IA no es ser recomendado. Aquí está la brecha.21
·
Quint-IA Vantage Team
Una nueva investigación rastreó una sola marca a lo largo de 33 prompts en un motor de respuesta de IA y encontró que apareció en las respuestas 42 veces, pero en realidad solo fue recomendada al usuario 4 veces.[1] El mismo conjunto de datos encontró que el 76% de las URLs citadas aparecieron durante una sola semana y nunca volvieron a ser citadas.[1] La mayoría de los reportes de AEO cuenta apariciones. Ninguna de las dos cifras por sí sola le dice a una marca si ganó el momento que realmente importa: el punto en el que el motor nombra a un negocio como la respuesta, en lugar de listarlo como una opción entre varias.
¿Qué midió realmente el estudio de Brainlabs?
Brainlabs rastreó una marca a lo largo de 33 prompts en un motor de respuesta de IA, reportado en el resumen de marketing de búsqueda de agosto de 2026 de Saurce, y separó dos resultados: si el contenido de la marca aparecía en algún lugar de la respuesta (una aparición), y si el motor realmente nombraba a la marca como la elección para el usuario (una recomendación).[1] La marca apareció 42 veces y fue recomendada 4 veces, una brecha de aproximadamente 10 veces entre ambos conteos.
Una aparición es un nombre de página o de marca que aparece en algún lugar dentro de una respuesta generada, a menudo enterrado en una lista de opciones o en una mención de paso. Una recomendación es el motor nombrando a esa marca como la respuesta, lo que realmente le está diciendo al usuario que elija. Un reporte que trata ambas métricas como si fueran la misma está reportando el número equivocado.
¿Por qué “apareció 42 veces” es una métrica de vanidad?
Un conteo de apariciones trata a una marca enterrada en la posición nueve de una lista comparativa de diez elementos igual que a una marca nombrada directamente como la respuesta, aunque solo uno de esos resultados mueve a un comprador. Los conteos de apariciones premian el volumen de mención sobre la calidad de la mención, y un reporte de AEO construido únicamente sobre conteos de citación puede verse sólido mientras produce casi ninguna recomendación real.
Las menciones enterradas no cierran tratos.
¿Qué significa la cifra del 76% de rotación de citas, y cómo varía según la plataforma?
El 76% de las URLs citadas en el conjunto de datos de Brainlabs aparecieron durante una sola semana y nunca volvieron a ser citadas.[1] Ese número describe la rotación a nivel de citación: incluso las apariciones que sí ocurren son en su mayoría eventos de una sola vez, no una posición estable a la que un motor siga regresando.
La estabilidad de la citación también depende de qué motor genera la respuesta. Un estudio separado de 2026 sobre 34,234 respuestas de IA encontró que solo el 11% de los dominios son citados tanto por ChatGPT como por Perplexity, lo que significa que las dos plataformas toman fuentes de grupos ampliamente distintos para la misma categoría de consulta.[2] Optimizar para la lógica de citación de una plataforma no se transfiere limpiamente a la otra.
¿Qué tan rápido está cambiando el tráfico de referencia de IA entre plataformas?
La participación de ChatGPT en el tráfico de referencia de IA cayó del 89% al 63% en ocho meses, mientras que la participación de Claude creció del 1.4% al 18.5% en el mismo período.[2] Es un cambio lo suficientemente grande como para cambiar qué plataforma merece el primer pase de optimización este trimestre, no solo durante el próximo año.
Plataforma | Participación de referencia, hace 8 meses | Participación de referencia, ahora |
|---|---|---|
ChatGPT | 89% | 63% |
Claude | 1.4% | 18.5% |
¿Por qué el mismo contenido puede aparecer en una respuesta sin convertirse en la respuesta?
Tres factores determinan si una citación se convierte en una recomendación: cómo está estructurado el contenido para la extracción, qué tan específicas son sus afirmaciones, y cómo se posiciona frente a las alternativas que el motor está comparando.
Estructura. El contenido construido como una respuesta directa y extraíble a una pregunta específica es más fácil para un motor de elegir como la opción principal que una página que menciona el tema de pasada.
Especificidad. Números concretos, casos de uso nombrados y limitaciones declaradas le dan a un motor algo a lo que señalar cuando está eligiendo una sola recomendación sobre una lista de opciones similares.
Encuadre. El contenido que se posiciona explícitamente frente a alternativas nombradas, en lugar de describirse a sí mismo de forma aislada, le da al motor la lógica de comparación que necesita para elegir una respuesta.
Qué medir este mes: tasa de aparición vs. tasa de recomendación
La tasa de aparición es la proporción de prompts relevantes donde una marca aparece en algún lugar de la respuesta. La tasa de recomendación es la proporción de prompts relevantes donde el motor nombra a esa marca como la elección real, no como una opción listada entre otras.
Ejecuta un conjunto fijo de 15 a 30 prompts relevantes para tu categoría en ChatGPT, Perplexity y Claude.
Codifica cada respuesta de dos formas: si la marca apareció en algún lugar, y si el motor la nombró como la elección recomendada.
Calcula ambas tasas por separado. Si la tasa de recomendación está muy por debajo de la tasa de aparición, esa brecha es el verdadero objetivo de optimización.
Vuelve a ejecutar el mismo conjunto de prompts semanalmente durante un mes para ver si las citas que sí se logran son eventos únicos o se repiten.
Qué priorizar primero
La tasa de recomendación es el número más difícil de mover, y es el que realmente se correlaciona con nuevos negocios. Si el monitoreo actual solo cuenta apariciones, la brecha de Brainlabs sugiere que el número real es menor, en este caso en aproximadamente 10 veces. Empieza por separar ambas métricas en cualquier reporte que ya exista, y luego prueba cambios de estructura, especificidad y encuadre específicamente contra la tasa de recomendación, no contra el conteo de apariciones.
Preguntas frecuentes
¿Cuál es la diferencia entre una cita de IA y una recomendación de IA? Una cita significa que el contenido de una marca es referenciado o enlazado en algún lugar dentro de una respuesta generada. Una recomendación significa que el motor nombra a esa marca como la respuesta que realmente le está diciendo al usuario que elija. La investigación de Brainlabs encontró que una marca citada 42 veces fue recomendada solo 4 veces, una brecha de aproximadamente 10 veces entre ambas.
¿Cómo se mide la tasa de recomendación? La tasa de recomendación se mide típicamente ejecutando un conjunto fijo de prompts relevantes para la categoría de una marca, y luego codificando cada respuesta según si la marca fue nombrada como la elección principal frente a simplemente mencionada o listada. Requiere revisar el texto real de la respuesta, no solo contar citaciones.
¿Esto varía según la plataforma? Sí. Solo el 11% de los dominios son citados tanto por ChatGPT como por Perplexity para el mismo conjunto de consultas, y la participación del tráfico de referencia está cambiando rápidamente: la participación de ChatGPT cayó del 89% al 63% en ocho meses mientras que Claude creció del 1.4% al 18.5%, lo que cambia dónde es más fácil ganar una recomendación en este momento.
Mira cómo puntúa tu marca en 4 motores de respuesta.
Fuentes
Investigación de Brainlabs, cubierta en el resumen de marketing de búsqueda de agosto de 2026 de Saurce — Saurce (agosto de 2026)
Reporte de tráfico de búsqueda con IA 2026 de Goodie — higoodie.com (2026)