Identifique las oportunidades de crecimiento que merecen ser priorizadas en función de la demanda del mercado, el panorama competitivo, las propuestas de valor de la marca y las fuentes de citación.
La visibilidad en IA a nivel de marca se pondera por volumen de respuestas, así que un producto débil puede esconderse dentro de una cifra que sube. Descubre cuándo mirar por marca, por producto o por escenario.
Explora más de 12,000 nichos de mercado.
Actualizado por
Actualizado el Nov 05, 2026
Que la visibilidad en IA de la marca en su conjunto suba no significa que suban todos los productos. La visibilidad en IA a nivel de marca se calcula juntando las respuestas a las preguntas de todos los productos. El producto con más preguntas tiene el mayor peso. Un producto con pocas preguntas puede perder visibilidad, o apenas ser mencionado por la IA, y la cifra global no lo mostrará. Además, cuando cambia el número de preguntas por producto, o el número de veces que se muestrea cada pregunta, la cifra global se mueve por sí sola. Para saber si la subida de un producto está ocultando la ausencia de otro, usa las mismas preguntas y el mismo periodo, y divide el cambio global en dos partes: el cambio en la visibilidad propia de cada producto y el cambio en la cuota de respuestas de cada producto.
La razón directa: la visibilidad en IA a nivel de marca es una media ponderada. Junta las respuestas a todas las preguntas que monitorizas y calcula «respuestas que mencionan la marca ÷ todas las respuestas». El peso de cada producto depende de cuántas preguntas tiene en el conjunto de preguntas y de cuántas respuestas reúnen esas preguntas. Cuando un producto con mucho peso sube un poco, la cifra global sube con él. Cuando un producto con poco peso baja, o no se menciona nunca, la cifra global apenas se mueve.
Toma a Apple en una muestra histórica que Dageno recogió en tres mercados de ejemplo: smartphones, portátiles y smartwatches. Apple y Samsung aparecen aquí como ejemplos públicos, no como clientes de Dageno. Del 3 al 19 de agosto de 2026, Apple se mencionó en el 53,4 % de las respuestas sobre smartphones (12.807 respuestas), el 43,5 % de las respuestas sobre portátiles (9.578) y el 61,6 % de las respuestas sobre smartwatches (3.301). En conjunto, eso da un 50,8 %. Las respuestas sobre smartwatches eran solo el 13 % del total. Así que, aunque la visibilidad de Apple en smartwatches bajara 10 puntos porcentuales, la cifra global solo bajaría unos 1,3 puntos, algo que en un informe es fácil descartar como fluctuación normal.
La segunda razón es más difícil de ver: cuando cambia la proporción de respuestas que vienen de cada producto, la cifra global también cambia, aunque ningún producto haya mejorado de verdad. El número de respuestas depende de dos cosas: cuántas preguntas se hacen y cuántas respuestas reúne cada pregunta. Veamos a Samsung en la misma muestra. Juntamos las respuestas de los tres mercados, lo que equivale a usar un único conjunto de preguntas que mezcla preguntas sobre tres productos, y calculamos la visibilidad de Samsung a nivel de marca. El Periodo 1 va del 3 al 10 de agosto; el Periodo 2, del 11 al 19 de agosto. Empieza por los recuentos brutos:
| Producto | Respuestas en el Periodo 1 | Respuestas que mencionan a Samsung en el Periodo 1 | Respuestas en el Periodo 2 | Respuestas que mencionan a Samsung en el Periodo 2 |
|---|---|---|---|---|
| Smartphones | 7.215 | 5.788 | 5.592 | 4.130 |
| Portátiles | 6.066 | 198 | 3.512 | 162 |
| Smartwatches | 1.360 | 634 | 1.941 | 907 |
| Total | 14.641 | 6.620 | 11.045 | 5.199 |
Las proporciones salen directamente de estos recuentos:
| Métrica | Periodo 1 | Periodo 2 | Cambio (puntos porcentuales) |
|---|---|---|---|
| Nivel de marca (los tres juntos) | 45,2 % (6.620 ÷ 14.641) | 47,1 % (5.199 ÷ 11.045) | +1,9 |
| Visibilidad en respuestas sobre smartphones | 80,2 % (5.788 ÷ 7.215) | 73,9 % (4.130 ÷ 5.592) | −6,4 |
| Visibilidad en respuestas sobre portátiles | 3,3 % (198 ÷ 6.066) | 4,6 % (162 ÷ 3.512) | +1,3 |
| Visibilidad en respuestas sobre smartwatches | 46,6 % (634 ÷ 1.360) | 46,7 % (907 ÷ 1.941) | +0,1 |
| Cuota de smartphones en el total de respuestas | 49,3 % | 50,6 % | +1,3 |
| Cuota de portátiles en el total de respuestas | 41,4 % | 31,8 % | −9,6 |
| Cuota de smartwatches en el total de respuestas | 9,3 % | 17,6 % | +8,3 |
Nota: los cambios se calculan a partir de valores sin redondear.
Los smartphones bajaron 6,4 puntos, pero la cifra a nivel de marca subió 1,9 puntos. Las tres últimas filas explican por qué. En el Periodo 2, las respuestas sobre portátiles, donde Samsung apenas se menciona, bajaron de 6.066 a 3.512, y su cuota cayó del 41,4 % al 31,8 %. Las respuestas sobre smartwatches, donde a Samsung le va moderadamente bien, subieron de 1.360 a 1.941, y su cuota pasó del 9,3 % al 17,6 %. La subida global vino de un cambio en qué se preguntó y con qué frecuencia, no de que algún producto fuera más mencionado por la IA. La fila de portátiles dice aún más: Samsung vende portátiles, pero solo entre el 3 % y el 5 % de las respuestas sobre portátiles la mencionaron en cualquiera de los dos periodos, mientras que la cifra a nivel de marca se mantuvo por encima del 45 % todo el tiempo.
Entonces, ¿bajó el número de preguntas sobre portátiles? No. Si se eliminan duplicados por ID de prompt, se ve cuántas preguntas distintas tuvo cada producto en cada periodo y cuántas respuestas produjo cada pregunta de media. Las respuestas a la misma pregunta desde distintas plataformas, regiones o fechas cuentan todas.
| Producto | Preguntas en el Periodo 1 | Preguntas en el Periodo 2 | Respuestas por pregunta en el Periodo 1 | Respuestas por pregunta en el Periodo 2 |
|---|---|---|---|---|
| Smartphones | 3.249 | 3.748 | 1,65 | 1,22 |
| Portátiles | 1.885 | 2.049 | 2,25 | 1,41 |
| Smartwatches | 649 | 1.155 | 1,59 | 1,19 |
Nota: solo se cuentan las respuestas que pueden vincularse a un ID de prompt, que cubren entre el 70 % y el 82 % de las respuestas según el producto y el periodo. Usa esta tabla solo para ver la dirección; no la multipliques por los recuentos de respuestas de arriba.
En realidad, los portátiles tuvieron algunas preguntas más (de 1.885 a 2.049), pero menos respuestas, porque cada pregunta sobre portátiles produjo de media 1,41 respuestas en lugar de 2,25. Las preguntas sobre smartwatches casi se duplicaron (de 649 a 1.155). Es decir, la cuota de respuestas de un producto puede cambiar por cuántas preguntas tiene o por cuántas veces se ejecutó cada pregunta. Por eso la Sección 7 te pide fijar tanto el conjunto de preguntas como el número de muestreos.
Los estadísticos llaman paradoja de Simpson a cuando una tendencia en toda la población aparece, desaparece o se invierte al dividir la población en subgrupos (la definición de la Stanford Encyclopedia of Philosophy). La visibilidad a nivel de marca tiene el mismo tipo de problema: cuando cambian las proporciones de los subgrupos, la cifra agregada puede moverse en una dirección distinta a la de las cifras divididas.
Que una pregunta contenga o no el nombre de la marca también cambia la cifra global. En Better Metrics for AI Search Visibility, Ann Smarty, de Practical Ecommerce, señala que la puntuación de visibilidad de una herramienta depende por completo de qué preguntas se hacen. Las preguntas con el nombre de la marca probablemente puntúen cerca del 100 %, así que deben ir en un grupo aparte. Si un producto gana más preguntas con el nombre de la marca, la cifra a nivel de marca también se infla.
Una cosa más antes de seguir: la caída de 6,4 puntos de los smartphones en la tabla hay que dividirla otra vez. Como muestra la Sección 7, la mayor parte también vino de que se preguntó un conjunto distinto de preguntas.
Respuesta corta: para el mismo periodo y el mismo conjunto de preguntas, divide las respuestas por producto y calcula dos cifras para cada uno: su propia visibilidad y su cuota del total de respuestas. Después compara con el periodo anterior y divide el cambio global en dos partes: «cambio dentro de cada producto» y «cambio en la composición de las preguntas». Si ves cualquiera de estas señales, hay un producto oculto:
El método tiene tres pasos:
Si sumas ambas partes de todos los productos, obtienes exactamente el cambio global.
Esta es la división para Samsung de la Sección 1:
| Producto | Cambio en la visibilidad propia | Efecto en la cifra global | Cambio en la cuota de respuestas | Efecto de la composición de las preguntas |
|---|---|---|---|---|
| Smartphones | −6,4 | −3,2 | +1,3 | +1,0 |
| Portátiles | +1,3 | +0,5 | −9,6 | −0,4 |
| Smartwatches | +0,1 | 0,0 | +8,3 | +3,9 |
| Total | — | −2,7 | — | +4,5 |
Nota: todos los valores están en puntos porcentuales; los dos totales suman +1,9 (calculado a partir de valores sin redondear).
En conjunto, los cambios dentro de los tres productos bajaron la cifra global 2,7 puntos, mientras que el cambio en la composición de las preguntas la subió 4,5 puntos. Si solo miraras el nivel de marca, pensarías que a Samsung le fue mejor en las respuestas de IA en ese periodo. Al dividirlo, ves que los smartphones estaban bajando, los portátiles casi no aparecían y la cifra global se sostenía gracias a más respuestas sobre smartwatches y menos sobre portátiles.
Si usas Dageno, puedes empezar el primer paso, mirar cada producto por separado, en la página AI Market Segments. Muestra la posición y la visibilidad de la misma marca en cada mercado, junto con las marcas líderes de cada mercado (ver la Figura 1). La división del tercer paso, por ahora, hay que hacerla en una hoja de cálculo después de exportar los datos; no encontramos en el producto una función que genere esta división directamente.
Figura 1: El espacio de trabajo de Apple en la página AI Market Segments de Dageno. La misma marca ocupa el 2.º puesto en Smart Phones (50,5 %), el 3.º en Laptops (36,7 %), el 1.º en Smart Watches (52,2 %) y solo el 10.º en Cloud File Storage Software (6,2 %), y cada mercado tiene marcas líderes distintas. Apple es un ejemplo de marca pública, no un cliente de Dageno. La imagen no muestra el periodo de referencia; la visibilidad no son ventas ni cuota de mercado, y una posición baja no demuestra que haya una oportunidad en la que merezca la pena entrar.
Respuesta corta: confirma tres cosas antes de sacar una conclusión.
Solo cuando se cumplen las tres es una ausencia real. Una pregunta hecha una o dos veces, o un puñado de respuestas, no basta.
No. Como mucho, cuenta como inestable. Las respuestas de IA pueden ser distintas cada vez. SparkToro y Gumshoe.ai pidieron a 600 voluntarios que ejecutaran 12 prompts de recomendación de marcas en ChatGPT, Claude y las respuestas de IA de Google un total de 2.961 veces entre noviembre y diciembre de 2025. La probabilidad de que el mismo prompt devolviera la misma lista de marcas dos veces fue inferior al 1 % (publicación original de SparkToro). Schulte, Bleeker y Kaufmann, de la Universidad de St. Gallen, también defienden que la visibilidad debe leerse como una distribución de mediciones repetidas, no como el resultado de una sola observación (Don't Measure Once). Según el artículo, ejecutar un prompt una vez da un error estándar de 0,370 para la tasa de detección de una marca; tras 7 ejecuciones baja por debajo de 0,10. Un profesional también dijo en una discusión en Reddit que la visibilidad en los mismos prompts osciló entre un 15 % y un 20 % de una semana a otra sin ningún cambio por su parte. Es una observación personal, no un resultado estadístico.
Así que mira los resultados tras muestreos repetidos. En la muestra de los tres mercados, 26 grupos de preguntas sobre portátiles se hicieron al menos tres veces en la misma plataforma y la misma región.
La muestra es pequeña, pero basta para mostrar que la ausencia de Samsung no fue cuestión de uno o dos muestreos con mala suerte. Su visibilidad también fue baja en todos los tipos de preguntas sobre portátiles:
Esto significa que falta el producto entero, no solo un escenario. Marcas como Dell (63,0 %), Lenovo (49,2 %) y Apple (43,5 %) ocuparon esos huecos.
Depende de las reglas de detección de la herramienta, y lo mejor es leer las respuestas originales y revisar una muestra. La muestra contiene 8.713 respuestas sobre portátiles con texto completo legible. La revisión encontró:
La atribución que falta puede deberse a una regla de detección que solo cuenta las marcas presentadas como recomendación, o a fallos de detección; compruébalo con las reglas de la herramienta. En el caso de Samsung, aunque se cuenten todas, las respuestas que mencionan Galaxy Book son solo alrededor del 3 % de las respuestas sobre portátiles, así que la conclusión de que el producto está ausente se mantiene.
No es un hueco. Regístralo como «no vamos a por ello». Samsung tiene una línea de portátiles Galaxy Book, pero la muestra abarca muchos países y regiones. No comprobamos qué modelos se venden dónde ni a qué precio; solo el equipo de producto de la propia marca puede confirmarlo. Del mismo modo, si una marca no tiene producto en un rango de precio o para un uso concreto, es normal que la IA no la mencione, y no debe tratarse como un hueco de contenido.
En Dageno, las cifras de las páginas de segmentos de mercado y de intenciones de búsqueda se pueden pulsar para llegar a las respuestas de IA originales, con la plataforma, la región y el texto completo de la respuesta (según los registros de la base de conocimiento de producto de Dageno del 8 y 9 de septiembre de 2026). Puedes hacer allí las dos primeras comprobaciones; la tercera necesita tus propios datos de producto.
Respuesta corta: la cifra a nivel de marca basta cuando se cumplen estas tres condiciones:
Si cualquiera de ellas falla, la cifra a nivel de marca es solo una referencia de tendencia; no te dice si un producto concreto va bien.
La primera condición suele cumplirse en marcas de una sola categoría. Piensa en una marca que solo fabrica smartwatches: sus distintos modelos se enfrentan al mismo tipo de preguntas y a los mismos rivales. Dividir por modelo deja muy pocas respuestas en cada parte y hace que sea más difícil de leer, no más fácil. Dividir también tiene un coste. Con una prueba estadística estándar, ThriveStack estima que distinguir una tasa real de mención del 10 % de una del 15 % con un 95 % de confianza requiere unas 686 ejecuciones por condición (resumen de ThriveStack). Si divides en cinco productos, cada uno necesita suficientes respuestas propias, así que el volumen de muestreo se multiplica.
La segunda condición tiene que ver con los informes para la dirección. La dirección normalmente solo necesita la tendencia general y saber si algún producto tiene un problema, no el detalle de cada escenario.
La tercera condición es la que más se pasa por alto. La Samsung de la Sección 1 muestra que, cuando cambia la cuota de respuestas de cada producto, la cifra global se mueve por sí sola. La solución es calcular la cifra a nivel de marca con pesos fijos: calcula primero la visibilidad de cada producto y luego combínalas con pesos definidos de antemano que se mantienen iguales en cada periodo. Puedes congelar los pesos en las proporciones actuales de preguntas o fijarlos según la importancia de negocio de cada producto. Así, ningún cambio en el número de preguntas ni en la frecuencia de muestreo puede mover la cifra global.
Aunque la dirección solo vea una cifra, añade debajo una línea con la visibilidad y el cambio de cada producto, como comprobación de que ningún producto está cayendo. Mantén las preguntas que contienen el nombre de la marca en una línea propia y fuera de la cifra global. Las preguntas con y sin el nombre de la marca miden cosas distintas; consulta la diferencia entre menciones con y sin el nombre de la marca.
Respuesta corta: si se cumple cualquiera de estas situaciones, da a cada producto su propia línea base, es decir, sus propias preguntas, su propia lista de competidores y su propia cifra de partida:
Los competidores distintos son evidentes en la muestra de los tres mercados. Las cinco marcas con más visibilidad son completamente distintas en cada mercado:
La misma Apple compite con Samsung y Google en las respuestas sobre smartphones, pero con Dell y Lenovo en las respuestas sobre portátiles. Si las combinas en un único ranking de marca, ya no estás comparando con los mismos rivales.
Una gran diferencia se ve así: la visibilidad de Samsung es del 77,4 % en smartphones, del 46,7 % en smartwatches y solo del 3,8 % en portátiles. La Apple de la Figura 1 cuenta la misma historia: 1.ª en smartwatches, 3.ª en portátiles y solo 10.ª en almacenamiento en la nube.
Responsables distintos significa que evaluar a las personas por la cifra a nivel de marca reparte méritos o culpas que no les corresponden. Quien lleva los portátiles puede ver subir la cifra simplemente porque hubo más preguntas sobre smartwatches, mientras su producto no cambió en absoluto.
Una cuota pequeña significa que, según el cálculo de la Sección 1, el producto puede bajar 10 puntos mientras la cifra global se mueve poco más de 1.
La investigación externa y los profesionales apuntan a lo mismo. El proveedor Odyssiant analizó 5.356 respuestas de IA de febrero a abril de 2026 y concluyó que la visibilidad de marca indica si la IA reconoce a la empresa, mientras que la visibilidad de producto indica si la oferta adecuada se entiende en el contexto de compra adecuado. La diferencia importa sobre todo en empresas con muchas líneas de productos o servicios (Product Visibility vs Brand Visibility). El estudio ajustó su método de puntuación durante este periodo, y los autores señalan que los patrones por fase de compra deben leerse como una línea base emergente, no como una tendencia limpia. Un profesional en Reddit también describió cómo las marcas se «dividen en dos perfiles» en la IA, uno para consultas de producto y otro para información de la empresa (la discusión original). Es una observación personal, pero apunta a lo mismo: ser reconocido como marca no es lo mismo que conseguir que se recomiende tu producto.
Seguir cada producto por separado no es complicado:
La página de solución Product Portfolio Planning de Dageno describe exactamente este tipo de comparación: primero compara la visibilidad y la posición en IA entre líneas de producto, y después elige una línea y profundiza en las preguntas de compradores y los argumentos de venta. La página también deja claros sus límites: la posición y la cobertura en las respuestas de IA no miden la demanda del mercado, la cuota de mercado ni los ingresos, y los resultados de mercados distintos deben mantenerse separados.
Respuesta corta: cuando la visibilidad o la posición del mismo producto varía mucho entre tipos de preguntas de compradores, y necesitas esa diferencia para decidir qué página cambiar o qué contenido añadir, divide un nivel más, por escenario. Si la diferencia viene de un rango de precio o un uso que no cubres, solo anótalo; no es un hueco.
En la muestra de los tres mercados, la visibilidad global de Apple en las respuestas sobre smartphones es del 53,4 %, pero al dividirla por tipo de pregunta del comprador, la imagen cambia mucho:
| Tipo de pregunta del comprador | Visibilidad | Respuestas |
|---|---|---|
| Mejor en general | 73,8 % | 839 |
| Mejor para el presupuesto | 22,9 % | 376 |
| Por qué elegirlo | 18,5 % | 287 |
Los tipos de pregunta son la clasificación de Dageno. Para la división por escenario usamos solo las respuestas que podían vincularse a los metadatos de las preguntas, alrededor del 78 % de las respuestas sobre smartphones.
Si solo miras el 53,4 % a nivel de producto, pensarías que al producto le va bien en las respuestas de IA en general. Al dividir por escenario, ves que las preguntas de «mejor en general» sostienen la media, mientras que el producto rara vez aparece cuando el presupuesto entra en la pregunta.
La página AI Search Intents de Dageno está organizada en torno a esta idea (ver la Figura 2). En el ejemplo de Smart Watches, Apple cubre las 25 subintenciones, una tasa de cobertura del 100 %. Pero dentro de Recommendations:
Una cobertura del 100 % solo significa que la marca aparece en todo tipo de preguntas, no que lidere en todos los tipos.
Figura 2: La vista de intenciones de búsqueda del mercado de Smart Watches en el espacio de trabajo de Apple: 7 intenciones principales y 25 subintenciones, con una tasa de cobertura de subintenciones del 100 %. Dentro de Recommendations, Apple es 1.ª en «Find alternatives» (71,4 %) y 4.ª en «Choose by budget or tier» (32,9 %). La cuota de demanda describe cómo se reparten las preguntas analizadas, no el volumen total de búsqueda ni una demanda de compra demostrada; la imagen no muestra el periodo de referencia.
En Prompt-Level Visibility, Swetha Venkiteswaran, de Pixis, pone un ejemplo: dos marcas con la misma puntuación global de visibilidad. Una aparece de forma constante en todo tipo de preguntas; la otra es fuerte en preguntas amplias, pero desaparece cuando los compradores preguntan por alternativas o usos concretos. Sus medias son idénticas, pero sus posiciones comerciales son completamente distintas. La puntuación global te dice dónde mirar; las preguntas individuales te dicen por qué.
También conviene decir cuándo no dividir por escenario. Si un escenario tiene solo unas decenas de respuestas, sus subidas y bajadas son en su mayoría aleatorias; síguelo junto con el resto hasta que haya datos suficientes para dividir. Y si la marca no tiene producto para ese rango de precio o ese uso, no hace falta fijar una línea base aparte para ese escenario.
La tabla siguiente resume cuándo encaja cada vista:
| Vista | Cuándo usarla | Lo que no puede decirte |
|---|---|---|
| Nivel de marca | Los productos se enfrentan a las mismas preguntas y competidores; la decisión es sobre la marca; la cuota o el peso de cada producto es fijo | Si un producto concreto va bien; si un cambio de página funcionó |
| Por producto | Competidores distintos, grandes diferencias de visibilidad, responsables y páginas web distintos, o un producto con poca cuota | Qué tipo de pregunta del comprador es el problema dentro de un producto |
| Por escenario | Un producto varía mucho entre preguntas de compradores, y necesitas la diferencia para decidir qué página cambiar | Subidas y bajadas en escenarios con muy pocas respuestas; rangos de precio o usos que la marca no cubre |
Respuesta corta: usa solo las preguntas hechas en los dos periodos, en las mismas plataformas y regiones y con el mismo número de muestreos, y comprueba si subió la visibilidad propia del producto. Después divide el cambio a nivel de marca en cambio dentro de cada producto y cambio en la composición de las preguntas. Solo puedes decir que el producto mejoró si subió en las mismas preguntas. Si el cambio de página fue la causa es otra cuestión que todavía no puedes resolver.
Volvamos a la Samsung de la Sección 1: contando todas las respuestas, su visibilidad en smartphones bajó 6,4 puntos. Compara solo las preguntas hechas en los dos periodos (emparejadas por ID de prompt, 1.431 preguntas) y el resultado es completamente distinto:
| Visibilidad en respuestas sobre smartphones | Todas las respuestas | Mismas preguntas hechas en los dos periodos |
|---|---|---|
| Samsung | 81,1 % → 77,6 % | 84,3 % → 84,9 % |
| Apple | 56,3 % → 48,6 % | 58,2 % → 55,1 % |
Aquí solo se usan las respuestas que pueden vincularse a un ID de prompt, alrededor del 78 % de las respuestas sobre smartphones, por lo que la columna «Todas las respuestas» difiere un poco de las cifras de la Sección 1.
La «caída» de Samsung en smartphones vino casi por completo de un conjunto distinto de preguntas; en las mismas preguntas, su visibilidad apenas cambió. Apple bajó 7,7 puntos en total, pero solo unos 3 puntos en las mismas preguntas. La composición de plataformas de las respuestas sobre smartphones también cambió en ese tiempo: la cuota de respuestas de Gemini bajó del 46 % al 27 %, mientras que la de ChatGPT subió del 30 % al 48 %. Si usas las cifras de todas las respuestas para juzgar cualquier cambio hecho entre los dos periodos, llegarás a una conclusión equivocada.
Por eso, una nueva comprobación necesita cuatro cosas:
En Dageno, los prompts, plataformas, regiones y competidores que quieres volver a comprobar a lo largo del tiempo se pueden fijar en la configuración de monitorización. Importar un CSV requiere cuatro columnas: prompt, platforms, regions y language. Ninguna es una etiqueta de producto, así que tu equipo tiene que registrar a qué producto pertenece cada pregunta en su propia hoja de cálculo. Según los registros de la base de conocimiento de Dageno, solo se han verificado la pantalla de configuración y sus reglas de entrada; enviar una importación, guardarla y el muestreo real no se han probado. Para la monitorización continua, consulta Sigue la visibilidad de la marca en las respuestas de IA.
Dos tipos de conclusiones pueden ir al informe mensual:
Mantén una columna aparte de «aún no demostrado» con al menos tres puntos:
Aquí tienes un registro de ejemplo. La marca, las fechas y las cifras son inventadas y solo muestran cómo rellenarlo:
| Elemento | Ejemplo hipotético (cifras inventadas) |
|---|---|
| Cambio | 10 de septiembre: se actualizó la página del portátil con casos de uso, condiciones de la prueba de batería y una comparación con modelos de precio similar |
| Alcance de la comparación | Las 120 preguntas sobre portátiles hechas en los dos periodos; ChatGPT y Google AI Mode; Estados Unidos y Alemania; 5 ejecuciones por pregunta y periodo; 14 días por periodo |
| Cambio dentro del producto | Visibilidad del portátil en estas 120 preguntas: 8,0 % → 12,5 % |
| Cambio en la cifra a nivel de marca | +1,6 puntos: +0,9 del propio portátil, +0,7 de más preguntas sobre smartwatches |
| Va al informe mensual | En las mismas preguntas, la cuota de respuestas que mencionan el portátil subió 4,5 puntos |
| Aún no demostrado | Que el cambio de página causara la subida; si se mantiene en el siguiente periodo; si trae consultas o ventas |
Para fijar la ventana de nueva prueba y el número de muestreos, consulta cómo fijar el tamaño de muestra y la frecuencia de nuevas pruebas. Para saber si un cambio tras actualizar una página es algo más que casualidad, consulta cómo verificar que las recomendaciones de la IA mejoraron de verdad.
Empieza a entender el rendimiento de tu marca en la búsqueda con IA
Obtén tu informe gratis Prueba DagenoNo. Cuanto más fino divides, menos respuestas tiene cada parte y más saltan las cifras por azar. Como se dijo antes, distinguir una tasa real de mención del 10 % de una del 15 % requiere unas 686 ejecuciones por condición. Empieza dividiendo por producto según competidores y responsables, y desglosa los productos en modelos o escenarios solo cuando tengas datos suficientes.
Ponla en un grupo aparte de «preguntas entre productos», para preguntas como «¿cómo combino un móvil con un smartwatch?». No cuenta para ningún producto individual; sigue su tendencia por separado. De lo contrario, la misma respuesta se cuenta dos veces o se asigna a un producto de forma arbitraria.
Cuéntalas aparte. Las preguntas que contienen el nombre de la marca casi siempre la mencionan, así que mezclarlas infla la cifra global, y cada cambio en su número la mueve. Para saber cómo combinar nombres de marca, nombres de producto y términos de categoría en un conjunto de preguntas, consulta cómo crear un conjunto de prompts de visibilidad en IA.
Usa pesos fijos. Juntar las respuestas directamente hace que el resultado dependa de los cambios en la cuota de respuestas de cada producto, como muestra el ejemplo de Samsung. Puedes congelar los pesos en las proporciones actuales de preguntas o fijarlos según la importancia de negocio de cada producto. Una vez fijados, mantenlos iguales en cada periodo, para que los cambios en la cifra global reflejen solo los cambios dentro de los productos.
Puede pasar. En la muestra, alrededor del 14 % de las respuestas sobre portátiles que mencionaban «MacBook» no se registraron como mención de Apple. Revisa una muestra de las respuestas originales con el método de la Sección 3 y luego comprueba las reglas de detección de la herramienta para decidir si esas respuestas deben contar.
No puedes afirmarlo. La visibilidad es la cuota de respuestas de IA que mencionan el producto; no mide ventas, cuota de mercado ni volumen de búsqueda real. Para juzgar el impacto en el negocio, compara por separado con datos de consultas, tráfico y ventas.
Empieza por la visibilidad a nivel de marca de este periodo y del anterior, con el método de la Sección 2:
Si aparece aunque sea una señal, añade una línea bajo la cifra a nivel de marca en tu informe con las cifras de cada producto y señala el producto que queda oculto. Después decide dos cosas: si necesita su propia línea base (Sección 5) y si hay que dividirlo más por escenario (Sección 6).
La cifra a nivel de marca sigue sirviendo para mostrar a la dirección la tendencia general. Solo que no debe ser la única base para juzgar si un producto va bien.
Actualizado por
Dageno
Dageno is the research and insights team at Dageno AI, publishing industry reports and expert analysis on AI Search Visibility, Generative Engine Optimization (GEO), and AI-powered search discovery.
Ye Faye • Sep 15, 2026
Ye Faye • Oct 15, 2026
Ye Faye • Oct 15, 2026
Tim • Sep 28, 2026
Alexa for Shopping