Auditoría de visibilidad en IA: checklist de 20 puntos

Qué está puntuando realmente la auditoría

Lo que está en juego es primero un problema de clics y después uno de marca. Pew Research Center analizó a usuarios reales de Google y descubrió que, cuando aparecía un resumen de IA, hacían clic en un resultado de búsqueda tradicional en el 8 % de las visitas, frente al 15 % de las visitas sin resumen, y solo un 1 % hizo clic en un enlace dentro del propio resumen. Ser la fuente con la que se construye el resumen importa más que posicionar por debajo de él.

Así que la auditoría puntúa cinco cosas en estricto orden de dependencia. El rastreo determina si los agentes de recuperación pueden leerte siquiera. La coherencia de entidad determina si un modelo puede resolver tu nombre en una única organización inequívoca. Las señales ganadas determinan si algo fuera de tu propio dominio corrobora lo que dices. La citabilidad determina si tus frases sobreviven a la extracción. La medición determina si puedes saber que algo de esto ha cambiado.

Puntúa cada punto como apto o no apto, sin medias tintas. La puntuación parcial es lo que convierte las auditorías en documentos de 40 páginas que nadie ejecuta. Veinte comprobaciones, veinte respuestas binarias y luego a trabajar los fallos de arriba abajo. Para entender por qué existe esta disciplina, consulta nuestra guía sobre visibilidad en IA.

Parte 1 — Rastreo para IA (puntos 1–4)

Los agentes de recuperación no son lo mismo que los rastreadores de entrenamiento, y esa distinción es donde se equivocan la mayoría de los robots.txt. OpenAI documenta tres user agents distintos —GPTBot para entrenamiento, OAI-SearchBot para indexación de búsqueda y ChatGPT-User para peticiones en vivo iniciadas por el usuario— en su documentación de bots. Anthropic documenta ClaudeBot y sus instrucciones de bloqueo en su propio artículo de soporte, y Perplexity publica PerplexityBot y Perplexity-User. Bloquear el rastreador de entrenamiento es una decisión de negocio legítima; bloquear el agente de recuperación por accidente es pegarte un tiro en el pie.

Las respuestas de Copilot se apoyan en el índice de Bing, así que si no estás verificado en Bing Webmaster Tools vas a ciegas en uno de los seis grandes asistentes.

• 1. El robots.txt permite los agentes de recuperación. Comprobación: descarga tu /robots.txt y busca GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, PerplexityBot, Perplexity-User, Google-Extended y Bingbot. Apto: todos los agentes de recuperación tienen acceso a las rutas comercialmente relevantes, y cualquier bloqueo del rastreador de entrenamiento es una decisión documentada y no una plantilla copiada.
• 2. Sin bloqueos en el edge. Comprobación: haz un curl a tus cinco URL más importantes con la cadena de user-agent de cada agente desde una IP de centro de datos, no desde tu oficina. Apto: HTTP 200 y HTML completo, no un 403, un 429 ni una pantalla intermedia de desafío antibot de tu WAF o CDN.
• 3. El contenido está en el HTML inicial. Comprobación: mira el código fuente en bruto o carga la página con JavaScript desactivado. Apto: titular, texto, precios, especificaciones y datos clave están presentes antes de la hidratación. Si tu página de producto es un div vacío, eres invisible por mucho que el robots.txt lo permita.
• 4. Sitemap, canónicas y velocidad razonables. Comprobación: cada URL relevante para el negocio aparece en el sitemap XML, devuelve 200 y lleva una canónica autorreferencial. Apto: sin páginas huérfanas, sin canónicas apuntando a cadenas de redirecciones y con un HTML servido lo bastante rápido como para que una petición con límite de tiempo se complete.

Parte 2 — Coherencia de entidad (puntos 5–8)

Un modelo que responde a «quién es X» está haciendo resolución de entidades sobre un montón de texto contradictorio. Si eres «Acme», «Acme Inc.», «Acme Software» y «ACME» en cuatro propiedades distintas, y existe otra Acme en un mercado adyacente, el asistente o se cubrirá las espaldas o mezclará las dos. Mezclar es peor que no aparecer: heredas los precios de otro y las quejas de otro.

Los datos estructurados son la palanca de desambiguación más barata que tienes. La documentación de datos estructurados de Google explica la mecánica, y la propiedad sameAs es la que hace el trabajo de identidad: enlaza tu web con los perfiles externos que describen a la misma entidad.

• 5. Un único nombre canónico. Comprobación: rastrea tu home, el pie de página, LinkedIn, Crunchbase, los perfiles de reseñas y el boilerplate de tus notas de prensa buscando la denominación social y el nombre comercial. Apto: misma grafía, mismas mayúsculas y mismo sufijo en todas partes, con las variantes usadas solo como alias explícitos.
• 6. Schema Organization con sameAs. Comprobación: pasa tu home por un validador de datos estructurados. Apto: un nodo Organization (o LocalBusiness) válido con name, url, logo, description y un array sameAs que apunte a tus perfiles externos verificados.
• 7. Perfiles coherentes entre plataformas. Comprobación: abre en paralelo todos los perfiles que controlas: LinkedIn, Crunchbase, G2, GitHub, tiendas de apps, fichas locales. Apto: el mismo descriptor de una frase, el mismo año de fundación, la misma categoría, la misma dirección y teléfono, el mismo formato de URL.
• 8. Una identidad pública resoluble. Comprobación: busca tu nombre en Wikidata y Wikipedia y mira qué aparece. Apto: o bien un ítem de Wikidata correcto con sector, fecha de fundación y web oficial cumplimentados según la política de notoriedad de Wikidata, o bien, como mínimo, ninguna entidad rival por delante de ti para tu propio nombre.

Parte 3 — Señales ganadas fuera de tu web (puntos 9–12)

Los asistentes construyen sus listas cortas a partir de fuentes de terceros mucho más que de webs de proveedores. Cuando alguien pide la mejor herramienta de una categoría, el modelo suele estar sintetizando listados, plataformas de reseñas, cobertura editorial e hilos de comunidad. Tu propia página de comparativa es un insumo débil en esa mezcla; un artículo recopilatorio en un medio que ya posiciona para esa consulta es un insumo fuerte.

Esta es la categoría más lenta de mover, que es precisamente por lo que hay que auditarla pronto. Descubrir en el sexto mes que no apareces en ningún recopilatorio de tu categoría sale mucho más caro que encontrar un error en el robots.txt.

• 9. Presencia en recopilatorios de categoría. Comprobación: lanza las diez consultas del tipo «mejor [categoría] para [caso de uso]» que usan de verdad tus compradores, lista los diez primeros resultados orgánicos y anota cuáles te incluyen. Apto: presencia en más de la mitad, con un descriptor correcto.
• 10. Profundidad y frescura en plataformas de reseñas. Comprobación: en los dos o tres sitios de reseñas que importan en tu categoría, cuenta el total de reseñas, las del último trimestre y cuántas contienen texto sustancial en lugar de una simple puntuación. Apto: un flujo reciente y constante y suficiente texto para que un modelo pueda citar un punto fuerte concreto.
• 11. Menciones editoriales independientes. Comprobación: busca tu marca excluyendo tu propio dominio y tu distribución de notas de prensa. Apto: al menos un puñado de artículos independientes que describan lo que haces en una frase que un modelo pueda copiar literalmente.
• 12. Presencia en comunidades. Comprobación: busca tu marca en Reddit, Stack Overflow, Hacker News y los foros de nicho que frecuentan tus compradores. Apto: hilos reales donde los clientes describen resultados, no solo publicaciones de tu propio equipo ni un muro de quejas sin responder.

Parte 4 — Citabilidad del contenido (puntos 13–16)

La citabilidad es una restricción de redacción, no un objetivo de volumen. Un modelo que extrae una respuesta quiere una proposición autocontenida que pueda citar sin el párrafo que la rodea. Un texto que se calienta durante tres párrafos antes de definir nada no le da nada que llevarse. Un texto que abre con una frase declarativa y llana con el sujeto, la definición y un matiz sí se cita.

La segunda restricción es la concreción. «Configuración rápida» no se puede citar. «La configuración lleva menos de 30 minutos en una instalación estándar de Shopify» es citable, verificable y repetible al usuario. Cifras, unidades, fechas y condiciones nombradas aumentan las probabilidades de que tu frase sobreviva intacta a la extracción.

La tercera es ser honesto con los límites. A los asistentes se les hacen muchas preguntas comparativas, y las páginas que dicen para quién no es un producto suelen tratarse como más fiables que las que afirman encajar con todo el mundo.

• 13. Estructura que responde de entrada. Comprobación: lee las primeras 40 palabras de tus diez páginas más importantes de forma aislada. Apto: cada una responde a la pregunta del título como frase independiente, sin pronombres que necesiten el párrafo anterior para entenderse.
• 14. Los datos llevan unidades y fechas. Comprobación: subraya cada afirmación de una página clave y pregúntate si un desconocido podría verificarla. Apto: cantidades, plazos, precios, límites e integraciones enunciados de forma explícita, con la fecha de cualquier cifra que cambie.
• 15. Las páginas de comparativa y precios declaran sus propios límites. Comprobación: ¿hay alguna página que diga para quién encaja mal el producto? Apto: una sección explícita de «no encaja bien si…» y precios publicados en la web en lugar de ocultos tras un formulario.
• 16. La estructura es legible por máquinas. Comprobación: encabezados, tablas, bloques de FAQ y estabilidad de las URL. Apto: H2 redactados como las preguntas que hacen los compradores, especificaciones en tablas en vez de en prosa y URL estables que no cambian cuando se actualiza la página.

Parte 5 — Medición (puntos 17–20)

Las respuestas de los asistentes varían entre ejecuciones incluso con prompts idénticos, así que una consulta suelta es una anécdota. Medir significa un conjunto fijo de prompts, ejecutado repetidamente en varios asistentes y con los resultados almacenados para poder comparar dos fechas y atribuir el movimiento a un cambio que hiciste.

Construye el conjunto de prompts con el lenguaje que usan de verdad los compradores —transcripciones de llamadas de ventas, tickets de soporte y las consultas de tu Search Console—, no con herramientas de palabras clave. Agrúpalos por fase de intención: descubrimiento de categoría, comparativa de lista corta, gestión de objeciones y consultas de marca. Un prompt de lista corta en el que nunca apareces es un problema distinto de un prompt de marca en el que apareces con el descriptor equivocado.

Esta es la parte que automatiza Growli: ejecutamos tu conjunto de prompts en ChatGPT, Gemini, Claude, Perplexity, Copilot y Grok de forma programada, medimos la tasa de menciones, la cuota de voz de la competencia, el sentimiento y las URL que cita cada asistente, y después ordenamos las brechas por esfuerzo e impacto. En cómo funciona explicamos la mecánica.

• 17. Existe un conjunto de prompts documentado. Comprobación: ¿hay un fichero con entre 30 y 100 prompts agrupados por fase de intención? Apto: prompts en el lenguaje del comprador, que cubran intención de marca y sin marca, y con control de versiones para que los cambios sean visibles.
• 18. Ejecuciones repetidas en varios asistentes. Comprobación: ¿cuántos asistentes y cuántas ejecuciones por prompt y periodo? Apto: al menos cuatro asistentes, varias ejecuciones por prompt y un histórico almacenado, no capturas de pantalla en un hilo de chat.
• 19. Seguimiento competitivo y cualitativo. Comprobación: ¿registras qué competidores aparecen junto a ti y cómo te describen? Apto: cuota de voz nominal por grupo de prompts, más una marca para los descriptores factualmente erróneos: son las correcciones más prioritarias de toda la auditoría.
• 20. Fuentes citadas y tráfico de referencia. Comprobación: ¿qué URL citan los asistentes cuando mencionan tu categoría, y tu analítica segmenta las referencias desde dominios de asistentes? Apto: una lista ordenada de las páginas de terceros que alimentan las respuestas de tu categoría y una vista guardada de analítica para las referencias de asistentes de IA.

Puntuarla y convertir los fallos en una cola de trabajo

Suma los aprobados. Con dieciséis o más, tu problema es competitivo y no estructural: dedica el esfuerzo a las señales ganadas y a los prompts concretos donde domina un competidor. Entre 11 y 15 tienes un panorama mixto: arregla los puntos de rastreo y de entidad en la primera semana, porque condicionan todo lo demás. Con diez o menos no deberías encargar contenido nuevo hasta tener limpios el camino de rastreo y el grafo de entidad.

La secuencia importa más que la puntuación. Un fallo de rastreo invalida cada inversión en contenido que se haga mientras persista, y suele resolverse con una línea en el CDN. Los fallos de entidad llevan días. Las reescrituras de citabilidad, semanas. Las señales ganadas, trimestres. Trabajarlos en ese orden hace que cada arreglo se acumule sobre el anterior en lugar de desperdiciarse en páginas que los asistentes nunca llegan a leer.

Repite la auditoría completa cada trimestre y los puntos de medición de forma continua. Los user agents de los rastreadores cambian, alguien de seguridad endurece las reglas del CDN, el volumen de reseñas decae y los recopilatorios de categoría se reescriben sin ti dentro. La auditoría es un control, no un proyecto.

FAQ