No sé a ti, pero a mí me preguntan esto un par de veces a la semana: ¿Por qué ChatGPT recomienda a una empresa y no a otra? ¿Qué hace que Gemini considere relevante una marca mientras ignora a su principal competidor? ¿Y hasta qué punto las empresas saben realmente qué están diciendo los modelos de inteligencia artificial sobre sus productos?
Nosotros empezamos a hacernos la misma pregunta desde la segunda vez que interactuamos con una IA. Lo primero que pensé fue «coño, esto es el nuevo SEO. Un mundo nuevo por explorar. Una nueva gallina de los huevos de oro como fue Google Ads (por aquellos entonces, se llamaba Google Adwords)
Hoy, dos años después de aquello, me doy cuenta de que son preguntas que tienen cada vez más importancia para cualquier compañía. Porque, mientras buena parte de las estrategias digitales siguen concentradas en mejorar posiciones en Google, cada vez más usuarios recurren a la inteligencia artificial para informarse, comparar productos y tomar decisiones.
Piénsalo. Si la planta del balcón esta pocha, le preguntas a ChatGPT. Si quieres saber cómo va el Club Deportivo Guadalajara de Segunda REF, le pides a Gemini que te haga un resumen. Si quieres escribirle un email a tu jefe, le dices a Claude que se base en los últimos correos que le enviaste.
El problema es que la mayoría de las empresas no sabe cómo la IA interpreta todas esas preguntas. Y mucho menos, casi ninguna sabe por qué recomiendan determinados productos mientras ignora otros.
Para intentar responder a estas preguntas, en MacLucan hemos desarrollado nuestro propio LLM Brand Intelligence Framework, un sistema de análisis que nos permite estudiar la visibilidad de una marca en los modelos de inteligencia artificial y, sobre todo, entender qué factores pueden estar condicionando sus recomendaciones.
Es nuestra manera de abordar lo que conocemos como auditoría GEO (Generative Engine Optimization). Pero con una diferencia importante: no queremos limitarnos a contar menciones. Queremos comprender las conversaciones.
Una auditoría GEO no consiste en preguntar a ChatGPT por tu empresa
El punto de partida parece sencillo. Si queremos saber si una marca aparece en las respuestas de ChatGPT, basta con preguntárselo.
El problema es que esa respuesta, por sí sola, sirve de poco.
Un mismo producto puede ser recomendado cuando el usuario plantea una pregunta técnica y desaparecer cuando la consulta tiene un enfoque comercial. Puede aparecer en un idioma y no en otro. O puede competir con empresas que, sobre el papel, ni siquiera comercializan soluciones equivalentes.
Por eso creemos que una auditoría GEO debe empezar bastante antes de lanzar preguntas a los modelos de IA.
Primero hay que entender el negocio. Identificar sus productos, ordenar su competencia y, especialmente, averiguar cómo preguntan los potenciales compradores cuando todavía no saben qué marca necesitan.
Y aquí es donde encontramos una de las partes más interesantes de nuestro trabajo.
29 preguntas estratégicas para entender cómo se toman las decisiones
Estamos aplicando este framework a un proyecto real de un fabricante industrial. En la primera fase hemos construido un mapa competitivo de 12 fabricantes, identificando sus productos y alternativas directas.
Pero el trabajo más relevante no ha sido elaborar ese mapa. Ha sido diseñar 29 preguntas estratégicas, organizadas en seis bloques temáticos y adaptadas a cuatro perfiles de comprador: carpinterías, arquitectos, promotores y clientes finales.
¿Por qué 29 preguntas?
Porque cada perfil se aproxima a un mismo producto desde necesidades muy diferentes.
Un arquitecto puede estar interesado en determinadas prestaciones técnicas. Un promotor puede priorizar otros factores. Una carpintería necesita resolver cuestiones relacionadas con la instalación o la compatibilidad. Y el consumidor final puede desconocer incluso el nombre técnico del producto que está buscando.
Si todos hacen preguntas diferentes, ¿por qué deberíamos medir la visibilidad de una marca utilizando siempre las mismas consultas?
Esta es una de las principales diferencias entre analizar palabras clave y estudiar conversaciones.
En el SEO tradicional intentamos comprender qué escribe el usuario en un buscador. En el GEO tenemos que ir un paso más allá y analizar cómo formula sus necesidades, cómo evoluciona la conversación y qué respuestas considera relevantes el modelo.
No se trata únicamente de saber si una marca aparece. Se trata de averiguar en qué momento de la conversación puede convertirse en una recomendación.
586 respuestas, cinco idiomas y 1.452 menciones
Una vez definidas las preguntas, comenzamos a analizar las respuestas generadas por diferentes modelos de inteligencia artificial.
En esta primera fase hemos estudiado 586 respuestas en cinco idiomas, en las que identificamos 1.452 menciones correspondientes a 28 marcas y productos.
Los resultados nos han permitido empezar a identificar patrones: qué competidores tienen mayor presencia, en qué conversaciones desaparecen determinadas marcas y qué referencias pueden estar distorsionando el análisis.
También hemos encontrado fabricantes que aparecían en las respuestas pese a no competir directamente en determinadas categorías y referencias a empresas que ya habían cesado su actividad.
Esto último plantea una cuestión interesante. Que una inteligencia artificial mencione una empresa no significa necesariamente que esa recomendación sea adecuada o esté actualizada.
Por eso, contar menciones sin interpretar su contexto puede conducir a conclusiones equivocadas.
Una marca podría aparecer cientos de veces en respuestas que no tienen ninguna relación con su mercado. Otra podría ser mencionada con menos frecuencia, pero precisamente en las conversaciones que más le interesan comercialmente.
¿Cuál de las dos está mejor posicionada?
Depende de qué estemos midiendo.
Explora, Conecta, Transforma: nuestra manera de entender el GEO
Este trabajo responde a la metodología que aplicamos en MacLucan desde hace años: Explora, Conecta, Transforma.
Primero exploramos. Intentamos comprender el negocio, identificar a sus competidores y traducir su oferta al lenguaje que utilizan los potenciales compradores cuando consultan a la inteligencia artificial.
Después conectamos. Cruzamos las preguntas con las respuestas de los modelos, analizamos las menciones e intentamos explicar por qué determinadas marcas aparecen y otras no.
Por último, transformamos. Convertimos ese conocimiento en decisiones relacionadas con los contenidos, el posicionamiento SEO, las relaciones públicas y la autoridad digital.
Porque una auditoría GEO no debería terminar con un informe que indica cuántas veces aparece una marca en ChatGPT.
Debería permitir a una empresa entender qué puede hacer para mejorar su visibilidad.
El concepto de Generative Engine Optimization cuenta además con una línea de investigación académica propia, como recoge el estudio GEO: Generative Engine Optimization, que analiza cómo determinadas estrategias de optimización pueden influir en la visibilidad de los contenidos en motores generativos.
La siguiente fase de nuestra auditoría GEO: 3.480 respuestas
Hasta aquí podemos contar lo que hemos hecho. Pero el proyecto no ha terminado.
Ahora estamos trabajando en una segunda fase bastante más ambiciosa, que contempla el análisis de 3.480 respuestas de modelos de inteligencia artificial, el seguimiento de diez indicadores por entidad y la elaboración de una hoja de ruta GEO a 30, 60 y 90 días.
El objetivo es pasar del diagnóstico inicial a un análisis más amplio que nos permita establecer prioridades y definir acciones concretas para mejorar la presencia de la marca en las respuestas generadas por IA.
Todavía no podemos compartir los resultados de esta segunda fase porque estamos trabajando en ella. Las 3.480 respuestas son el alcance previsto, no un análisis que hayamos completado.
Y tampoco queremos anticipar conclusiones antes de disponer de todos los datos.
Pero habrá una segunda parte de este artículo.
En ella contaremos qué hemos descubierto, qué conclusiones hemos extraído y cómo hemos traducido los resultados en decisiones estratégicas.
El verdadero reto no es aparecer en ChatGPT
Durante años hemos trabajado para que las empresas aparecieran en las primeras posiciones de Google. Ahora empezamos a enfrentarnos a un escenario diferente: sistemas de inteligencia artificial que no se limitan a mostrar enlaces, sino que elaboran respuestas y seleccionan qué marcas consideran relevantes para cada consulta.
Esto no significa que el SEO haya dejado de ser importante. Al contrario. La calidad de los contenidos, la estructura de una web y la autoridad de una empresa siguen siendo fundamentales.
Lo que cambia es la manera de acceder a esa información.
Y también nuestra forma de medir la visibilidad.
Quizá dentro de unos años nos parezca extraño haber evaluado durante tanto tiempo la presencia digital de una empresa atendiendo fundamentalmente a posiciones, clics y palabras clave.
De momento, hay algo que empezamos a tener claro: el reto ya no consiste únicamente en conseguir que una empresa aparezca cuando alguien la busca.
También consiste en conseguir que sea tenida en cuenta cuando alguien todavía no sabe que existe.
Y para eso, antes de intentar influir en las respuestas de la inteligencia artificial, necesitamos entender las preguntas.
