Cómo medir la visibilidad de tu marca en la IA: el dashboard GEO en 6 capas
Las 6 capas de la visibilidad en IA, las métricas de cada una y cómo montar un dashboard GEO con datos reales: Search Console, Citation Share de Bing y logs.
Resumen ejecutivo
- Medir la visibilidad en IA por el tráfico que llega es medir el último eslabón de una cadena de seis: cuando el tráfico se mueve, el problema tiene meses.
- Las seis capas son recuperación, inclusión, citación, prominencia, representación e impacto. Cada una falla por motivos distintos y se arregla con acciones distintas.
- En junio de 2026 apareció por primera vez dato de primera parte: impresiones de IA en Search Console y Citation Share más grounding queries en Bing Webmaster Tools.
- Ninguna herramienta te da certeza: todo es muestreo. La medición seria triangula datos de primera parte, muestreo de terceros y tu propia batería de prompts.
- El diagnóstico está en la capa donde se rompe la cadena, no en el número final. Un índice compuesto sirve para comunicar, no para decidir.
La pregunta que llega a todas las reuniones de GEO —si aún no tienes claro qué es, empieza por la guía completa de Generative Engine Optimization— es siempre la misma: «¿cómo sabemos si esto funciona?». Y la respuesta que se da casi siempre es la peor posible: mirar el tráfico de referencia desde ChatGPT o Perplexity en Analytics. Es la peor porque el tráfico es la última consecuencia de una cadena larga, y cuando se mueve —hacia arriba o hacia abajo— ya no puedes saber cuál de los seis eslabones anteriores lo movió.
Este artículo propone un modelo de medición por capas, las métricas concretas de cada una con sus fórmulas, la estructura de datos mínima para sostenerlo y —lo más importante— cómo leer los resultados para saber qué hacer. También dice con claridad qué no se puede medir hoy, porque un marco de medición que no declara sus límites es marketing, no metodología.
Por qué el tráfico es la métrica final, no la primera
Para que un usuario llegue a tu web desde una respuesta generada tienen que pasar seis cosas seguidas, y todas pueden fallar por separado:
- Un crawler de IA tiene que recuperar tu contenido y tenerlo disponible en el corpus.
- El modelo tiene que incluir tu información en la respuesta que sintetiza.
- Tiene que citarte de forma atribuible, con enlace.
- Esa cita tiene que ocupar una posición visible dentro de la respuesta.
- Lo que diga de ti tiene que ser exacto y favorable.
- El usuario tiene que hacer clic.
Si mides solo el paso 6, un desplome no te dice nada accionable. ¿Dejaron de rastrearte? ¿Te siguen citando pero al final de una respuesta larga? ¿Te describen mal? ¿O te citan igual que siempre y simplemente la gente hace menos clic porque la respuesta ya resolvió su duda? Son cuatro problemas con cuatro soluciones opuestas, y el dato de tráfico los mezcla.
Hay además una razón estructural: la propia Google diseñó su nuevo informe sin clics. El informe de rendimiento de IA generativa de Search Console, lanzado el 3 de junio de 2026, separa por primera vez las impresiones en AI Overviews y AI Mode de los datos orgánicos estándar, pero solo muestra impresiones —por página, país, dispositivo y fecha—, sin clics, sin CTR y sin datos de consultas. Google ha dicho que añadirá más métricas «con el tiempo», sin fecha. Y hay un matiz que casi nadie menciona en español: salió a un subconjunto de propietarios del Reino Unido, con expansión global sin calendario. Es decir, es probable que tú todavía no lo tengas.
En el mismo movimiento, Google añadió un control para que los editores decidan si su contenido aparece y fundamenta las respuestas de sus funciones generativas —AI Overviews, AI Mode y Discover AI—. Quien lo desactive deja de recibir impresiones y tráfico de esas funciones sin que eso afecte a su posicionamiento orgánico clásico. Merece una decisión consciente, no un descubrimiento accidental dentro de seis meses.
El modelo de seis capas
Cada capa responde a una pregunta distinta, y cada una tiene su propia forma de fallar.
| Capa | Pregunta que responde | Falla cuando… |
|---|---|---|
| 1. Recuperación | ¿La IA puede acceder a tu contenido? | Bloqueas bots, tu contenido depende de JS, o no te rastrean |
| 2. Inclusión | ¿Tu información entra en la respuesta? | Tu contenido no es extraíble o no responde a la intención |
| 3. Citación | ¿Te atribuye la información con enlace? | Te usan como fuente sin citarte (grounding implícito) |
| 4. Prominencia | ¿En qué lugar de la respuesta apareces? | Te citan al final, entre ocho fuentes más |
| 5. Representación | ¿Qué dice exactamente de ti? | Te describe mal, desactualizado o peor que a la competencia |
| 6. Impacto | ¿Se convierte en negocio? | Hay visibilidad pero no hay clic ni conversión |
Capa 1 — Recuperación
Es la capa que casi ningún dashboard mide, y es la primera que falla. Si GPTBot no entra, todo lo demás es irrelevante. Se mide con dos fuentes:
Logs de servidor. Segmenta por user-agent y cuenta visitas, URLs únicas y códigos de respuesta para GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended y Bingbot. Las métricas útiles son la cobertura (qué porcentaje de tus URLs prioritarias ha visitado cada bot en los últimos 30 días) y la latencia entre publicación y primer rastreo. Un artículo pilar que tarda tres semanas en ser rastreado por OAI-SearchBot tiene un problema de descubrimiento, no de calidad.
Grounding queries de Bing. Es el dato más valioso que se publicó en 2026 y sigue infrautilizado. Bing Webmaster Tools expone las grounding queries: las consultas de recuperación que el sistema genera internamente para buscar el material con el que fundamentar su respuesta. No son lo que escribe el usuario; son las reformulaciones que el sistema fabrica por detrás. Es evidencia de primera parte, directa y gratuita, del query fan-out que en el resto de motores solo podemos inferir.
Aquí conviene ser preciso con algo que se repite mucho sin matices: existe una brecha real entre que un motor use tu contenido para fundamentar una respuesta y que te cite de forma visible. El sector lo llama grounding implícito —tu información aparece, tu nombre no—. Es un fenómeno documentado y cualitativamente evidente, pero nadie ha publicado una cuantificación fiable de su tamaño, así que desconfía de cualquiera que te dé un porcentaje exacto. Lo que sí puedes hacer es medir tu propia brecha: comparar eventos de grounding en Bing con citas visibles en tu batería de prompts.
Capa 2 — Inclusión
Aquí empieza el muestreo. Defines una batería estable de prompts representativos de tu embudo y cuentas en cuántas respuestas aparece tu marca, con o sin enlace.
Tasa de aparición = respuestas donde apareces ÷ total de prompts
Con una batería de 300 prompts en la que sales en 72:
72 ÷ 300 = 24 % de tasa de aparición
La clave metodológica no es el tamaño de la batería sino su estabilidad. Si cambias los prompts cada mes, no tienes serie histórica: tienes fotos sueltas de sitios distintos. Congela la batería, versiónala y anota cualquier cambio como si fuera un despliegue.
Capa 3 — Citación
Aparecer mencionado y ser citado con enlace no son lo mismo, y la diferencia es exactamente el negocio.
Tasa de citación = respuestas con enlace a tu dominio ÷ respuestas donde apareces
Si de esas 72 apariciones 41 llevan enlace:
41 ÷ 72 = 57 % de tasa de citación
Esta capa tiene desde junio de 2026 una fuente de primera parte extraordinaria. El 16 de junio, Microsoft amplió el informe de IA de Bing Webmaster Tools con cuatro funciones: Intents (clasifica las grounding queries en categorías: informacional, comercial, navegacional, investigación, local…), Topics (las agrupa en clusters temáticos), Compare (superpone periodos) y sobre todo Citation Share: el porcentaje de citas atribuidas a tu sitio sobre todas las citas mostradas para esa misma grounding query.
Conviene entender lo que eso significa. Citation Share es una cuota de voz de IA, nativa, de primera parte y gratuita. Hasta junio de 2026, la única forma de estimar tu cuota competitiva de citas era muestrear con una batería de prompts y contar a mano. Ahora, al menos en el ecosistema Microsoft, es un dato reportado. No cubre ChatGPT ni Perplexity ni Gemini, pero es el mejor proxy disponible y debería ser el primer panel que conectes.
Capa 4 — Prominencia
No es lo mismo ser la primera fuente citada de una respuesta que la séptima de una lista. La prominencia se mide con dos indicadores sobre las respuestas donde te citan: la posición media de tu primera cita y el porcentaje de citas que caen en el primer tercio de la respuesta.
Si de tus 41 citas 12 aparecen en el primer tercio:
12 ÷ 41 = 29 % de citas prominentes
Es la métrica que más correlaciona con clic real y la que casi nadie registra, porque exige guardar la respuesta completa, no solo un booleano de «sí me citó».
Capa 5 — Representación
La capa que separa la medición GEO seria del recuento de menciones. Ser citado con una descripción errónea, desactualizada o desfavorable es peor que no ser citado. Se evalúa manualmente sobre una muestra de las respuestas, con tres ejes:
- Exactitud factual: ¿los datos sobre ti son correctos? (servicios, precios, ubicación, especialidad)
- Actualidad: ¿la información corresponde a lo que eres hoy o a lo que eras hace dos años?
- Encuadre competitivo: cuando te menciona junto a competidores, ¿en qué términos?
Esta capa conecta directamente con el trabajo de entidad y de datos estructurados: los errores de representación casi siempre nacen de una entidad mal definida o de fuentes terceras desactualizadas, no del contenido de tu web.
Capa 6 — Impacto
Ahora sí, el tráfico y lo que viene detrás: sesiones desde referencias de IA, conversiones atribuidas, leads. Con dos advertencias. La primera, que la atribución es parcial por diseño: mucho tráfico de IA llega sin referrer limpio o directo. La segunda, que el objetivo del GEO no siempre es el clic —en marcas de consideración alta, aparecer citado en la respuesta influye en la decisión aunque el usuario nunca visite tu web—.
Resumen de métricas
| Capa | Métrica principal | Fórmula | Fuente | Cadencia |
|---|---|---|---|---|
| Recuperación | Cobertura de crawlers IA | URLs rastreadas ÷ URLs prioritarias | Logs de servidor + Bing WMT | Semanal |
| Inclusión | Tasa de aparición | Respuestas con mención ÷ total prompts | Batería propia | Mensual |
| Citación | Tasa de citación | Respuestas con enlace ÷ respuestas con mención | Batería propia + Citation Share | Mensual |
| Prominencia | Citas prominentes | Citas en primer tercio ÷ total de citas | Batería propia | Mensual |
| Representación | Exactitud factual | Respuestas correctas ÷ respuestas revisadas | Revisión manual | Trimestral |
| Impacto | Conversión asistida por IA | Conversiones con toque de IA ÷ total | Analytics + CRM | Mensual |
Cuota de voz: la métrica competitiva
La tasa de aparición te dice si eres visible. La cuota de voz te dice si lo eres más que tus competidores, que es la pregunta real. Se calcula sobre el total de menciones de marca en el conjunto de respuestas, no sobre el número de prompts.
Siguiendo el ejemplo: en esas 300 respuestas hay 400 menciones de marca en total, de las cuales 72 son tuyas.
| Marca | Menciones | Cuota de voz |
|---|---|---|
| Tu marca | 72 | 18 % |
| Competidor A | 120 | 30 % |
| Competidor B | 88 | 22 % |
| Competidor C | 64 | 16 % |
| Otras marcas | 56 | 14 % |
| Total | 400 | 100 % |
Fíjate en la diferencia, porque es donde se confunde casi todo el mundo: tu tasa de aparición es del 24 % y tu cuota de voz del 18 %. No son la misma métrica ni miden lo mismo. Apareces en una de cada cuatro respuestas, pero cuando apareces sueles hacerlo acompañado, y el competidor A se lleva casi el doble de espacio que tú. Un dashboard que solo publique el 24 % está ocultando que estás tercero.
El Índice de Visibilidad Generativa (y su letra pequeña)
Si necesitas un número único para dirección, se puede componer. Normaliza cada capa a una escala de 0 a 100 y aplica pesos:
| Capa | Peso | Valor del ejemplo | Aportación |
|---|---|---|---|
| Recuperación | 10 | 80 | 8,0 |
| Inclusión | 20 | 24 | 4,8 |
| Citación | 25 | 57 | 14,25 |
| Prominencia | 15 | 29 | 4,35 |
| Representación | 20 | 70 | 14,0 |
| Impacto | 10 | 15 | 1,5 |
| Total | 100 | — | 46,9 |
El índice del ejemplo es 47 sobre 100. Y ahora la letra pequeña, que importa más que el índice: ese 47 no te dice qué hacer. Las dos capas que hunden el resultado son inclusión y prominencia, pero eso solo se ve mirando la tabla, no el total. Usa el índice para comunicar tendencia a quien no va a leer seis paneles; usa las capas para decidir.
Cómo montar el dashboard
Panel 0 — Recuperación. Rastreos por bot y semana, cobertura de URLs prioritarias, latencia publicación-rastreo, códigos de error por bot. Fuente: logs de servidor y grounding queries de Bing. Es el panel que cierra el modelo y el que casi nadie tiene.
Panel 1 — Inclusión. Tasa de aparición por motor y por intención de prompt, con serie temporal. Fuente: batería propia.
Panel 2 — Citación. Tasa de citación por motor y URLs más citadas. Aquí conectas Citation Share de Bing y, si tienes acceso, las impresiones de IA de Search Console.
Panel 3 — Cuota de voz. La tabla competitiva anterior, por cluster temático. Con Topics de Bing puedes cruzarla contra los clusters que el propio sistema reconoce.
Panel 4 — Representación. Exactitud, actualidad y encuadre competitivo sobre muestra revisada a mano. Es el panel menos automatizable y el más valioso.
Panel 5 — Impacto. Sesiones, conversiones y leads con toque de IA.
La estructura de datos mínima
Todo lo anterior se sostiene sobre una sola tabla bien diseñada. Una fila por observación:
| Campo | Tipo | Ejemplo | Por qué importa |
|---|---|---|---|
fecha | fecha | 2026-08-01 | Serie temporal |
motor | texto | ChatGPT | Comparación entre motores |
prompt_id | texto | P-041 | Estabilidad de la batería |
intencion | texto | comercial | Segmentación por embudo |
aparece | booleano | sí | Capa de inclusión |
citado | booleano | sí | Capa de citación |
url_citada | url | /servicios | Qué contenido tira |
posicion_cita | entero | 2 | Capa de prominencia |
competidores | lista | A, B | Cuota de voz |
exactitud | escala | 4/5 | Capa de representación |
respuesta | texto largo | … | Auditoría posterior |
Guardar la respuesta completa parece caro y es lo que salva el proyecto a los seis meses, cuando quieras responder una pregunta que no se te había ocurrido medir.
Triangulación: tres fuentes, ninguna suficiente
Este es el encuadre que cambia la conversación, y hoy casi nadie lo plantea así. Desde junio de 2026 hay tres tipos de fuente disponibles, con sesgos distintos y complementarios:
Datos de primera parte. Search Console (impresiones de IA, si tienes acceso) y Bing Webmaster Tools (Citation Share, grounding queries, Intents, Topics). Son reales y no muestreados, pero cubren solo el ecosistema Google y el ecosistema Microsoft, y en el caso de Google sin clics ni consultas.
Muestreo de terceros. Las plataformas GEO comerciales. Cubren varios motores a la vez y aportan comparación competitiva, pero son muestreo con la limitación metodológica que explico abajo.
Muestreo propio. Tu batería de prompts. Es la única fuente que controlas por completo: tú decides las preguntas, la periodicidad y qué registrar. Es también la única que puede medir representación.
Ninguna de las tres es suficiente. Las tres juntas se corrigen entre sí: si tu batería propia dice que caes y Citation Share de Bing dice que subes, no tienes una contradicción, tienes una pista de que el problema es específico de un motor.
El caveat metodológico que casi nadie declara
Muchas plataformas de medición GEO muestrean vía API. Y una respuesta de API no es lo que ve un usuario real en la interfaz de ChatGPT o Perplexity. La interfaz de consumo añade búsqueda web integrada, memoria del usuario, personalización, enrutado entre modelos según la carga y funciones que la API no expone. Dos consultas idénticas, una por API y otra por interfaz, pueden devolver respuestas con conjuntos de fuentes distintos.
Esto no invalida las herramientas: las hace útiles para lo que sirven —detectar tendencias y comparar posiciones relativas entre competidores medidos con la misma vara— e inútiles para lo que no —afirmar «aparecemos en el 31 % de las respuestas de ChatGPT» como hecho absoluto—. Si publicas cifras GEO a un cliente o a dirección, declara el método de captura. Es la diferencia entre una medición y una impresión.
A esto se suman los factores de variabilidad ya conocidos: la misma pregunta da respuestas distintas según ubicación, idioma, historial, versión del modelo y momento del día. Por eso la unidad de análisis nunca es una respuesta suelta, sino la agregación de una batería estable a lo largo del tiempo.
Cómo interpretar los resultados
El valor del modelo por capas está aquí: cada patrón tiene un diagnóstico y unas acciones distintas.
Te rastrean poco o nada (capa 1 baja). Revisa robots.txt y el WAF: bloquear bots de IA por defecto sigue siendo el error más común y más silencioso. Comprueba también si tu contenido crítico depende de JavaScript, porque varios crawlers de respuesta no ejecutan JS. Y revisa el nuevo control de Search Console, no sea que alguien lo haya desactivado.
Te rastrean pero no apareces (capa 1 alta, capa 2 baja). Tu contenido es accesible pero no extraíble ni responde a la intención. Trabaja estructura: respuestas autocontenidas en el primer párrafo de cada sección, encabezados que sean preguntas reales, datos concretos en lugar de generalidades. Es donde el estudio de Princeton que dio nombre al GEO —Aggarwal et al., presentado en KDD 2024— midió mejoras reales al añadir citas, estadísticas y fuentes al contenido, sobre un benchmark de unas 10.000 consultas. Conviene leerlo con cuidado: sus mejoras son específicas de una métrica y un benchmark concretos, no una ley universal.
Apareces pero no te citan (capa 2 alta, capa 3 baja). Es grounding implícito: usan tu información sin atribuirla. Refuerza las señales de entidad —schema, coherencia de marca, menciones externas— para que el modelo tenga a quién atribuir. Suele indicar que tu contenido es bueno pero tu entidad, débil.
Te citan al final (capa 4 baja). Estás en el conjunto de fuentes pero como refuerzo, no como fuente principal. Suele significar que otro cubre el tema con más profundidad. Es un problema de autoridad temática, no de formato: se resuelve con cobertura de cluster, que es la fase T del método con el que construimos autoridad digital.
Te citan mal (capa 5 baja). El error casi nunca está en tu web: está en fuentes terceras desactualizadas o en una entidad mal definida. Audita qué dicen de ti directorios, perfiles y agregadores.
Todo bien pero no hay tráfico (capas 1-5 altas, capa 6 baja). Puede que no haya problema. Si tu marca aparece bien descrita en respuestas de alta intención, estás ganando aunque nadie haga clic. Mide entonces búsquedas de marca y menciones en las conversaciones de venta, no sesiones.
Qué no debería dominar tu dashboard
Tres métricas que se publican mucho y aportan poco:
El número de menciones sin contexto competitivo. «Nos mencionaron 340 veces» no significa nada sin saber cuántas veces mencionaron a los otros. Es cuota o no es nada.
El posicionamiento en herramientas de terceros como métrica de contrato. Comprometerte a un número que produce una caja negra ajena, con metodología que puede cambiar sin aviso, es firmar un cheque contra la cuenta de otro.
Cualquier métrica que no puedas reproducir. Si no puedes explicar cómo se calculó y repetir el cálculo el mes que viene con el mismo método, no es una métrica: es una captura de pantalla.
Empieza por lo que ya tienes
Si hoy no mides nada, el orden de menor a mayor esfuerzo es claro: conecta Bing Webmaster Tools (es gratis y desde junio de 2026 es la mejor fuente de primera parte que existe), segmenta tus logs por user-agent de bots de IA, y monta una batería de 150 prompts que no vuelvas a tocar en seis meses. Con eso cubres las capas 1, 2 y 3, que es donde se rompe casi todo.
Lo demás —representación, índice compuesto, atribución— llega después, y llega mejor cuando ya tienes serie histórica de lo básico. La medición GEO no falla por falta de herramientas sofisticadas. Falla porque nadie congela una batería de prompts durante seis meses seguidos.
Si prefieres que el sistema te lo monte alguien y llegue ya con la serie histórica corriendo, eso es parte de cómo trabajamos la visibilidad en IA.
¿Sabes en qué eslabón se rompe tu visibilidad en IA?
Montamos la medición de las seis capas con tu batería de prompts, tus logs de crawlers y tus datos de primera parte. Sin cifras infladas ni promesas de posiciones.
Ver cómo medimos tu visibilidad en IAFOUNDER & SEO LEAD
Founder de Autoridad Digital. Especialista en SEO, Generative Engine Optimization, Topical Authority y Authority Stacking, PR Digital. Todos los artículos del blog están firmados por él.