Una medición que puedes defender.
La mayoría de las herramientas de visibilidad en IA informan un número a partir de una sola ejecución. Los motores de respuesta devuelven una distribución, no una posición, así que una sola muestra no te dice casi nada. Este es el protocolo completo: cómo muestreamos, qué contamos por separado, cómo comprobamos si tu trabajo movió algo y qué nos negamos a afirmar.

- Muestreo
- Ejecuciones repetidas × formulaciones
- Evidencia
- Intervalos, no puntos
- Veredictos de impacto
- Probabilidad, con su rango
- Grupo de control
- Prompts sin intervención
Haz la misma pregunta dos veces. Espera dos respuestas.
Las respuestas generativas cambian de una ejecución a otra y de un día a otro. Una herramienta que consulta una sola vez y muestra una posición está informando ruido con decimales.
Repetir la ejecución.
Cada prompt medido se ejecuta varias veces por formulación. La tasa de citas sale de una muestra real por plataforma, no de una respuesta afortunada un martes cualquiera.
Fijar las formulaciones.
Las formulaciones alternativas de cada pregunta medida se generan una sola vez y quedan fijas mientras exista el prompt. Reescribir la pregunta entre una medición y la siguiente dejaría sin sentido cualquier comparación entre semanas.
Informar la dispersión.
Cada prompt muestra una lectura de estabilidad junto a su tasa, y la evidencia escasa se presenta como un intervalo y no como un punto. Un treinta por ciento obtenido con un puñado de verificaciones no afirma lo mismo que un treinta por ciento obtenido con novecientas.
Declarar el denominador. La tasa de visibilidad principal cuenta solo las preguntas que no mencionan la marca. Una pregunta que ya incluye tu nombre te lo va a devolver, así que sumar esas respuestas a la tasa mide reconocimiento y lo presenta como descubrimiento. Las preguntas que nombran la marca y las que nombran a un competidor se siguen midiendo: se informan como lecturas propias y nunca se promedian en la tasa principal.
No es una preferencia de estilo. Una comparación sistemática de cinco sistemas de búsqueda generativa frente a la búsqueda orgánica de Google encontró que los motores difieren de forma sustancial en cuánto recuperan de la web y cuánto responden de memoria, y que sus resultados varían con el tiempo y entre ejecuciones repetidas de la misma consulta (Kirsten et al.). Un protocolo que muestrea una sola vez está midiendo el objeto equivocado.
“No citado” son dos problemas con una sola etiqueta.
Para que un motor pueda citarte, primero tiene que buscar. En cada ejecución registramos si de verdad hubo recuperación de fuentes y separamos el número según eso.
Pr(citado) = Pr(la IA buscó) × Pr(citado | buscó)
Dos términos, dos correcciones distintas. Cuando se juntan en una sola puntuación, un problema de contenido termina diagnosticado como un problema de autoridad, y al revés.
La IA no buscó.
El modelo respondió con lo que ya sabía. No consultó nada de tu sitio, así que no pudo leer nada de lo que publicaste esa semana.
Es un problema de entidad, no de contenido. Tu marca tiene que existir en lo que el modelo ya sabe, en las fuentes de las que aprendió.
La IA buscó y no te eligió.
Hubo recuperación, tus páginas estaban accesibles y el motor eligió a otro como la fuente que iba a citar.
Este es el caso que tu próximo artículo sí puede corregir: estructura, cobertura y autoridad frente a las páginas concretas que ganaron.
Una mención no es una cita.
Cada ejecución registra dos hechos por separado: si tu marca fue nombrada en el texto de la respuesta y si tu sitio apareció enlazado como fuente debajo. Son niveles de visibilidad distintos, con causas distintas, y por eso nunca los fusionamos en un solo número. Que te nombren sin enlazarte suele significar que el modelo ya te conoce y no necesitó tu página. Que te enlacen sin nombrarte significa que tu página ganó como fuente, pero tu marca no entró en el texto de la respuesta.
Que te citen después de un cambio no prueba que fue por el cambio.
El tráfico que llega desde la IA crece por sí solo. Una herramienta que te muestra una línea ascendente después de publicar te está mostrando esa tendencia general. Seis pasos separan una cosa de la otra.
- 01
Registrar el cambio
Cada edición publicada se registra con su fecha y hora y con los prompts que buscaba mover. Sin registro no hay veredicto: no vamos a deducir una causa a partir de un gráfico después de los hechos.
- 02
Fijar las ventanas
Las ventanas de antes y después se definen alrededor de la fecha del cambio antes de leer cualquier resultado, de modo que la comparación no se pueda ajustar hasta que favorezca al trabajo.
- 03
Ajustar tu propia distribución a priori
Se ajusta una línea base estadística al historial de citas de tu propio sitio. El ruido de tu línea base es el umbral que un cambio tiene que superar, no un promedio del sector ni una referencia publicada por un proveedor.
- 04
Leer la distribución a posteriori
El veredicto es una probabilidad con un intervalo de credibilidad: el informe dice “8 de cada 10 probabilidades de que sea una mejora real” y muestra el rango donde más probablemente se ubica la mejora. No una flecha verde.
- 05
Reservar un grupo de control
Los prompts a los que no apuntaste forman un grupo de control. Si se movieron en la misma magnitud, lo que se movió fue la plataforma, no tu contenido.
- 06
Descartar los días anómalos
Los días marcados por volatilidad en toda la plataforma se excluyen de ambos grupos. Cuando un motor cambia de modelo, comparamos solo los días respondidos por un mismo modelo, y una ventana que ese cambio deja incompleta se informa como “not measured” (no medida). Una actualización de modelo nunca se le atribuye a tu trabajo de contenido.
Después, la diferencia entre el grupo tratado y el grupo de control se contrasta con el azar: calculamos con qué frecuencia una asignación aleatoria produciría por sí sola una brecha de ese tamaño, con una inferencia que no supone nada sobre la forma del ruido. Eso importa con la cantidad de prompts que tienen los sitios reales, donde las pruebas de manual dejan de ser válidas sin que nada lo advierta.
Evalúa el estudio, no el titular.
La solidez de una afirmación depende del diseño que la produjo, no del número que informa. Las disciplinas basadas en evidencia clasifican así los diseños de estudio desde hace décadas. GEO todavía no ha empezado.
| Grado | Diseño del estudio | Qué permite afirmar en realidad |
|---|---|---|
| A | Experimento aleatorizado o cuasiexperimento en motores reales, con cambios registrados, un grupo de control reservado e inferencia antes/después | Si un cambio concreto movió un resultado concreto |
| B | Panel observacional con grupo de control y controles temporales, pero sin aleatorización | Una dirección, una vez descartados los factores de confusión evidentes |
| C | Un solo grupo, solo antes/después, sin control | Que algo cambió. No qué lo cambió |
| D | Correlación transversal o una auditoría puntual | Qué señales suelen aparecer junto con ser citado |
| E | Simulación con contexto fijo: las fuentes se le entregan al modelo, sin recuperación real | Cómo rinde una reescritura cuando ya estás dentro de la respuesta |
La mayor parte de lo que circula como consejo de GEO está en D o E, incluido el porcentaje más citado del sector. No es una crítica a esos trabajos. Los estudios con contexto fijo son baratos, repetibles y realmente útiles para aprender cómo escribir. Lo que no pueden decirte es si un motor te habría recuperado, porque las fuentes se le entregaron al modelo antes de que empezara la prueba.
Los veredictos de impacto de Prominara están diseñados para ubicarse en A o B en tu propio sitio: motores reales, cambios registrados, un grupo de control sin intervención y una inferencia que resiste que la cuestionen. Cuando la evidencia solo alcanza para un grado más débil (muy pocos prompts, un grupo de control que no quedó limpio, una ventana contaminada por la volatilidad de la plataforma), el informe lo dice en lugar de redondear hacia arriba.
Cinco cosas que nunca vamos a poner por escrito.
- Un lugar garantizado en una respuesta de IA, sea cual sea la plataforma o el precio.
- Un plazo. “Resultados en dos a cuatro semanas” es una frase de ventas presentada como si fuera una medición.
- Un truco de SEO para IA. No existe una API de posiciones que se pueda manipular, y quien vende una está vendiendo una suposición.
- Un ranking entre plataformas. Los motores de respuesta no publican posiciones, así que cualquier número del tipo “tu posición en ChatGPT” es inventado.
- Una cifra de ROI sin grupo de control. “¿Comparado con qué?” no es una pregunta opcional.
No controlamos qué fuentes eligen los motores generativos ni en qué orden, y tampoco lo controla nadie que te venda una suscripción. Lo que sí controlamos es la medición: el muestreo, los denominadores, los controles y que cada veredicto se exprese con el nivel de confianza que la evidencia respalda. Si un número no resiste la pregunta ¿comparado con qué?, no se publica.
Las fuentes originales. Léelas tú mismo.
Cuatro artículos académicos en los que se basa este protocolo, con enlace al original en inglés. Cuando una cifra suele citarse fuera de contexto, la nota aclara qué midió en realidad.
Aggarwal et al. · KDD 2024
GEO: Generative Engine Optimization
El benchmark controlado que dio origen al campo. Su conocido “hasta un 40%” es una ganancia relativa medida sobre fuentes que ya habían sido recuperadas al contexto de la respuesta: un resultado sobre cómo escribir, no una promesa de que un motor te va a encontrar.
Martinez · arXiv:2607.14035
Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization
Una revisión crítica de cómo se producen y se informan los resultados de GEO. El rigor que propone (repeticiones, paráfrasis, denominadores explícitos, controles) es lo que el protocolo de esta página aplica en producción.
Liu, Zhang & Liang · arXiv:2304.09848
Evaluating Verifiability in Generative Search Engines
La fidelidad de las citas, auditada a mano en cuatro motores generativos: en promedio, solo el 51,5% de las frases generadas estaba totalmente respaldado por las fuentes citadas junto a ellas. Que te citen y que te representen correctamente son mediciones distintas.
Kirsten et al. · arXiv:2510.11560
Characterizing Web Search in The Age of Generative AI
Una comparación sistemática de cinco sistemas de búsqueda generativa frente a la búsqueda orgánica de Google. Documenta justo aquello para lo que está diseñado nuestro muestreo: los motores varían de forma sustancial en cuánto recuperan y cuánto responden de memoria, y sus resultados cambian con el tiempo y entre ejecuciones repetidas.
Ahora aplícalo a tus prompts.
Todas las mediciones de esta página se ejecutan sobre tus propias preguntas, con un calendario fijo y con la evidencia a la vista debajo de cada número. 14 días gratis, sin tarjeta de crédito.