Share of voice en IA: cómo medirlo y comparar

La métrica, definida con precisión

La mayoría de los equipos mezcla dos cosas distintas bajo la misma etiqueta. Sepáralas y el diagnóstico resulta mucho más sencillo.

La tasa de mención responde a una pregunta binaria: ¿apareces o no? La cuota de respuesta responde a una pregunta competitiva: de todas las marcas que nombró el asistente, ¿cuánto espacio era tuyo? Una herramienta B2B puede tener una tasa de mención del 90 % y aun así perder, porque aparece novena en una lista de diez y las tres primeras se quedan con la atención del comprador.

Ambas se calculan por asistente y por clúster de prompts. Un clúster es un grupo de preguntas con intención de compra que pertenecen a la misma decisión: comparativa de precios, alternativas a un competidor concreto, mejor herramienta para X, dudas de integración. Promediar entre clústeres produce un número que se mueve por razones que no puedes rastrear.

• Tasa de mención (%) = ejecuciones en las que aparece tu marca ÷ ejecuciones totales de prompts, para un asistente y un clúster, × 100.
• Cuota de respuesta en IA (%) = tus menciones de marca ÷ todas las menciones de marca en esas mismas respuestas, × 100. Es la verdadera métrica de cuota porque es de suma cero frente a un conjunto de competidores definido.
• Cuota ponderada (opcional) = el mismo ratio con cada mención ponderada por posición, de modo que aparecer primero en una lista cuente más que ser una nota al pie. Usa una ponderación sencilla (primero = 1,0; intermedio = 0,6; último = 0,3) y documéntala.
• Tasa de recomendación = ejecuciones en las que te nombran como recomendación, no solo como ejemplo de referencia. Merece la pena desglosarla en prompts de alta intención.

Los tres inputs que deciden si tu número significa algo

Una métrica de visibilidad en IA es tan estable como su instrumentación. Tres decisiones causan casi todo el daño cuando se toman a la ligera.

Primero, el conjunto de prompts. Fíjalo por escrito —las formulaciones exactas, el mercado, el idioma, el encuadre del perfil de comprador— y versiónalo. Cada vez que añades prompts rompes la serie histórica, así que añádelos como un clúster nuevo en lugar de editar el antiguo. Busca suficientes prompts para cubrir la decisión, no para parecer exhaustivo: entre veinte y cuarenta preguntas de compra bien elegidas por mercado valen más que varios cientos genéricas.

Segundo, el número de ejecuciones. Las respuestas de los asistentes no son deterministas: el mismo prompt lanzado dos veces puede nombrar marcas distintas, sobre todo cuando hay recuperación en vivo. Eso significa que una sola ejecución es una anécdota. Lanza cada prompt varias veces por asistente y periodo —cinco es un mínimo razonable, más si tu categoría tiene una larga cola de competidores— y trata las diferencias pequeñas en muestras pequeñas como ruido y no como movimiento.

Tercero, la regla de mención. Decide de antemano si cuenta una URL suelta, si una cita en una lista de fuentes cuenta como mención, cómo tratas las erratas y los nombres de la marca matriz, y si cuenta una mención negativa. Deja la regla escrita: la inconsistencia en este punto genera la mayoría de las discusiones sobre si la visibilidad ha mejorado o no.

Por qué los benchmarks por asistente divergen (y por qué es correcto)

Una marca con un 55 % de cuota de respuesta en Perplexity y un 12 % en ChatGPT con prompts idénticos no es un error de medición. Los sistemas difieren en la capa que decide qué marcas son elegibles para ser nombradas.

La mayor brecha está entre recuperación y conocimiento paramétrico. Los asistentes que se apoyan en búsqueda web en vivo muestran lo que favorecen el índice actual y su capa de ranking; las respuestas que salen sobre todo de los pesos del modelo reflejan la prominencia que tenía la marca en los datos de entrenamiento. OpenAI describe la búsqueda de ChatGPT como una combinación del modelo con información de la web y de proveedores externos (OpenAI), Anthropic ofrece la búsqueda web como una herramienta que Claude decide cuándo invocar (Anthropic), Perplexity está construido en torno a la recuperación y la citación por defecto (Perplexity) y Google documenta sus funciones de IA como una capa sobre la Búsqueda con su propio comportamiento de enlazado (Google Search Central). Distinta elegibilidad, distintas listas de marcas.

La preferencia de fuentes es el segundo factor. Un asistente puede apoyarse en recopilatorios editoriales y plataformas de reseñas, y otro en documentación, foros y sitios oficiales. Si la cobertura de terceros de tu categoría se concentra en un puñado de listículos, los asistentes que confían en esas páginas sobrerrepresentarán a quien posicione bien en ellas.

La actualidad y las reglas de fundamentación son el tercero. Un competidor recién lanzado puede aparecer de inmediato en los asistentes muy orientados a recuperación y ser invisible durante meses en los que dependen más de los pesos. La región, el idioma y el hecho de que la herramienta decida si necesita buscar o no añaden más varianza legítima.

La consecuencia práctica: no reportes nunca una media agregada entre asistentes como cifra principal. Reporta una matriz. La dispersión entre asistentes es, en sí misma, el insight, porque te dice si tu problema es la cobertura de fuentes, el posicionamiento en páginas de otros o la ausencia lisa y llana del corpus. Ese desglose por asistente es el núcleo de lo que construimos en Growli, y es la razón por la que una única puntuación global es el número menos útil del informe.

Una plantilla de tabla comparativa lista para copiar

Crea una fila por asistente, clúster de prompts y periodo. Columnas, en este orden:

Léela en dos direcciones. En horizontal, ves si un clúster está sano en un asistente y roto en otro. En vertical, ves si un competidor gana en todas partes (problema de corpus y autoridad) o solo en una superficie (un problema de fuentes que puedes atacar).

Añade una segunda hoja con el conjunto de competidores —de cinco a ocho rivales concretos, fijos durante el periodo— más la lista exacta de prompts y la regla de mención. Sin eso, el número del próximo trimestre no será comparable con el de este.

• Periodo — semana o mes, con las fechas de ejecución.
• Asistente — ChatGPT, Gemini, Claude, Perplexity, Copilot, Grok. Una fila para cada uno; sin mezclas.
• Clúster de prompts — p. ej. mejor-herramienta-para-X, alternativas-a-competidor, precios.
• Ejecuciones — total de ejecuciones de prompts detrás de la fila. Cualquier cifra por debajo de cinco por prompt debe marcarse como baja confianza.
• Tus menciones — ejecuciones que contienen tu marca según la regla documentada.
• Tasa de mención % — tus menciones ÷ ejecuciones.
• Menciones de marca totales — todas las menciones tuyas y del conjunto de competidores monitorizados en esas mismas respuestas.
• Cuota de respuesta % — tus menciones ÷ menciones de marca totales.
• Posición media — rango medio cuando apareces nombrado en una lista.
• Principal competidor + su cuota % — quién se está quedando realmente con el hueco.
• Dominios más citados — las tres fuentes en las que más se apoyó el asistente; ahí está tu lista de acciones.
• Variación vs. periodo anterior — en puntos porcentuales, no en variación porcentual, para que las bases pequeñas no exageren el movimiento.

Convertir las brechas de SoV en acciones

Un informe de share of voice que acaba en un porcentaje es un cuadro de mando. El valor está en la traducción de cada tipo de brecha a una intervención, y solo hay unos pocos tipos que merezca la pena nombrar.

Ausente en todos los asistentes para un clúster significa que no estás en el material de origen con el que se construyen las respuestas. El trabajo es de cobertura: conseguir que te nombren, describan y comparen en las páginas que los asistentes ya citan para ese clúster —plataformas de reseñas, recopilatorios de categoría, hilos de comunidad, publicaciones sectoriales— y asegurarte de que tus propias páginas dicen con claridad qué haces, para quién y a qué precio.

Presente en los asistentes muy orientados a recuperación y ausente en los que dependen de los pesos apunta a un problema de novedad. Existes en la web viva, pero no en el corpus profundo. Cuenta con un desfase y, mientras tanto, concéntrate en las superficies donde la recuperación decide la elegibilidad.

Nombrado pero en último lugar es un problema de evidencia comparativa. Los asistentes ordenan las listas usando el encuadre que encuentran en las fuentes. Si tus competidores tienen páginas de comparación explícitas, tablas de precios y descripciones de casos de uso y tú no, te asignan el papel de secundario. Publica los detalles concretos: para quién no eres es tan útil como para quién sí.

Nombrado con atributos incorrectos es lo más dañino y lo más fácil de pasar por alto si solo cuentas menciones. Registra las afirmaciones que se hacen sobre ti, no solo el hecho de la mención: un modelo de precios erróneo, una integración que falta, un posicionamiento desfasado. Corrígelo en la fuente que se está citando.

Un competidor dominante en un solo asistente suele deberse a una única página. Encuéntrala en la columna de dominios citados y decide después si la jugada es entrar en esa página, publicar una alternativa más sólida en un dominio comparable o pedir una corrección factual.

Prioriza por peso comercial, no por tamaño de la brecha. Una brecha de diez puntos en prompts de alta intención del tipo «alternativas a» vale más que una de cuarenta puntos en preguntas definicionales. Si quieres el marco más amplio de cómo encajan la tasa de mención, el sentimiento y las fuentes de citación, consulta nuestra guía sobre visibilidad en IA.

Frecuencia, confianza y qué cuenta como movimiento real

La medición mensual encaja con la mayoría de categorías; la semanal se justifica durante un lanzamiento, un cambio de marca o una campaña activa de corrección. Elijas lo que elijas, lanza el conjunto completo de prompts en una ventana estrecha para que las actualizaciones de modelo no partan tu muestra en dos.

Fija un umbral de movimiento antes de reportar. Con cinco ejecuciones por prompt, un cambio de unos pocos puntos porcentuales en un solo clúster está de lleno dentro de la varianza de muestreo: habla de movimiento solo cuando se mantenga dos periodos consecutivos o aparezca en varios clústeres del mismo asistente. Anota en cada informe los eventos que podrían explicar un salto: una actualización de modelo, el lanzamiento de un nuevo competidor, la publicación de un artículo relevante de un tercero, un cambio en tu propia web.

Una última disciplina: guarda las respuestas en bruto, no solo los recuentos. Dentro de seis meses, los recuentos te dirán que la cuota bajó y las respuestas guardadas te dirán por qué, que es la diferencia entre una métrica de visibilidad en IA que puedes defender y un número que empieza una discusión.

FAQ