Metodología
y límites

Cómo medimos

Le hacemos a cada motor de IA (ChatGPT, Perplexity, Gemini, Google AI Overviews / AI Mode) preguntas reales de la categoría del cliente, conversacionales y sin nombrar marcas (una pregunta que ya menciona una marca sesga el resultado, por eso se filtran). De cada respuesta extraemos las marcas mencionadas, su posición de aparición, el tipo de mención (recomendación, comparación, mención al paso) y el sentimiento. El Share of Model (SoM) es la proporción de consultas en las que aparece la marca.

Junto al SoM mostramos un SoM ajustado por posición: en vez de contar cada aparición igual, pondera cada mención por su prominencia (aparecer primero pesa más que aparecer último, con decaimiento exponencial). Es una adaptación del Position-Adjusted Word Count de GEO (Aggarwal et al., KDD 2024, validado en Perplexity). Si el ajustado queda bastante por debajo del SoM, la marca aparece seguido pero tarde en la respuesta: visible, pero no protagonista.

Por qué medimos varias veces y mostramos un rango

Los modelos de lenguaje son no deterministas: la misma pregunta puede dar respuestas distintas. Una sola medición no dice cuál es la visibilidad real, dice qué pasó esa vez. Por eso corremos cada consulta varias veces y promediamos.

Y por eso cada SoM viene con un rango de confianza (intervalo de Wilson al 95%). El rango se ensancha cuando hay pocas mediciones: si ves una banda ancha, la cifra todavía no es confiable, y eso es información, no un defecto. Publicar el error conocido es deliberado.

Lo que asumimos y sus límites

• Sesgo de posición. La "posición promedio" es el orden de aparición en la respuesta. Los LLM tienen sesgo de primacía: lo que generan primero no siempre refleja preferencia real (Order Effect, 2025). Lo mitigamos promediando sobre varias corridas, no leyendo una sola respuesta.
• Sensibilidad al fraseo. Reformular una pregunta cambia qué marcas menciona el modelo, a veces de forma drástica (LLM Whisperer, CMU/CHI 2025: hasta 78.3% de diferencia por reemplazo de sinónimos). Por eso una sola formulación es frágil y trabajamos con preguntas representativas, no con una única redacción.
• API vs producto de consumo. Medimos a través de las APIs de cada modelo. El producto que usa una persona (ChatGPT.com, por ejemplo) tiene memoria, personalización y otro contexto. Medimos un primo cercano, no el gemelo exacto.
• Es un proxy, no el comportamiento real del usuario. Las preguntas las construimos nosotros para representar la categoría; no son los prompts literales de cada usuario real. Capturan el panorama competitivo, no la sesión individual.
• Nombres de marca ambiguos. Si el nombre de una marca es también una palabra común (ej. "Gourmet"), la IA lo usa como adjetivo ("receta gourmet") y eso podría contarse como mención falsa, inflando su visibilidad. Para esas marcas le pedimos al parser que descarte los usos genéricos, y en el panel marcamos que la señal confiable es la citación de dominio, no la mención de nombre. Marcas con nombre único (L'Oréal, CeraVe) no tienen este problema.

Qué canales medimos y cuáles no

• MediblePerplexity, ChatGPT, Gemini, Google AI Overviews y AI Mode: tienen API o vía de consulta para capturar su respuesta.
• AproximadoMicrosoft Copilot: se puede reproducir el stack (GPT + grounding Bing), pero no las respuestas literales del Copilot de consumidor. Canal de bajo valor en belleza/LATAM.
• No medibleMeta AI (WhatsApp, Instagram, Facebook): un solo asistente embebido sin API pública de consulta. No existe forma de preguntarle programáticamente sin violar términos de servicio. Lo decimos abierto: hoy nadie lo mide de verdad, y prometer lo contrario es humo.

Synthetic y first-party: dos lentes, no rivales

Esta herramienta mide por synthetic prompting: le preguntamos a los modelos y leemos la respuesta completa. Eso ve el campo competitivo (contra quién apareces o no) y, sobre todo, dónde no apareces, que es donde está el trabajo de optimización.

Los datos first-party (analytics del propio sitio, como Microsoft Clarity) ven el comportamiento real, pero solo de tu dominio, solo cuando ya te citaron, y solo en su ecosistema (Copilot/Bing). No ven a tu competidor ni las consultas donde perdiste. Las dos fuentes se triangulan: una dice qué funcionó, la otra dónde no estás y por qué. Ninguna ve "la verdad" completa, porque qué responde de verdad un modelo a cada usuario es cerrado para todos.