Cuando dos prompts de marca distorsionan toda la métrica de visibilidad en IA
En un proyecto que llevo de cerca, solo 2 de los 35 prompts de seguimiento incluyen el nombre de la marca. Dos únicos prompts que hacen que la visibilidad global en IA salte del 8,8 % al 14,1 %. Los datos corresponden a los últimos 30 días medidos en ChatGPT, Gemini, Perplexity, AI Overviews y AI Mode.
El desglose es el siguiente:
→ 33 prompts genéricos: la marca aparece en el 8,8 % de las respuestas.
→ 2 prompts con la marca: aparece en el 100 %.
→ Conjunto total: 14,1 %.
No hay ningún misterio aquí. Si alguien pregunta «¿cómo es el seguro de [marca]?», la IA va a mencionar a esa marca. Eso no mide presencia real, mide que el modelo entiende la pregunta.
El verdadero problema aparece cuando el informe solo muestra un número agregado. Ese número dice que la marca está presente en 1 de cada 7 respuestas, cuando en las consultas donde realmente compite con otras opciones, aparece en menos de 1 de cada 11. Casi un 60 % de visibilidad que no existe, fabricada por el propio diseño del panel de seguimiento.
En Google esto está resuelto desde hace años: nadie presenta resultados orgánicos sin separar la marca. Search Console lleva tiempo con filtro de consultas de marca y, esta misma semana, esa función llegó también a la API. En el mundo de la IA, muchos informes todavía lo mezclan todo sin distinción.
Y la marca se cuela en los paneles de seguimiento por más vías de las que parece a primera vista:
Primera vía: los prompts que redacta el propio equipo. Suelen incluir el nombre del producto —«¿vale la pena [Producto Plus]?»— porque así habla internamente la empresa, que no es como pregunta un cliente real.
Segunda vía: los prompts con competidores. «Alternativas a [competidor]» no menciona tu marca, pero tampoco es un prompt neutro. Si participas en esa categoría, lo habitual es que la IA te nombre. En otro proyecto que sigo, 1 de 57 prompts menciona a un competidor directo: en ese prompt la marca aparece en el 95 % de las respuestas, y eso eleva el total del 9,7 % al 11,2 %. Un solo prompt moviendo el marcador.
Tercera vía: los prompts que se incorporan a mitad de periodo. Si añades prompts de marca en mitad del mes, la curva sube y parece que algo ha funcionado cuando lo único que ha cambiado es la muestra.
Lo que hago en la práctica:
→ Trabajo con tres grupos diferenciados: prompts de marca, de competencia y genéricos. Cada grupo tiene su propia métrica. Si la herramienta no los separa de forma automática, los etiqueto manualmente.
→ El número que llevo a dirección y el que uso para comparar con la competencia es exclusivamente el de prompts genéricos. Ahí es donde la IA decide entre tu marca y el resto.
→ Los prompts de marca no los descarto. Sirven para otra cosa: ver qué información ofrece la IA sobre ti, si los precios son correctos, si hay confusión entre productos, de qué fuentes tira. Eso es reputación, no visibilidad.
→ Cualquier cambio en la lista de prompts queda registrado con fecha, igual que se registra una migración web.
Buena parte de los «hemos mejorado en IA» que aparecen en informes se explican con una de dos cosas: o ha cambiado la lista de prompts, o la marca va mezclada con los genéricos. Antes de dar por buena la subida, separa los datos.
¿Qué peso tiene la marca en tus prompts de seguimiento? ¿Por debajo del 10 %, entre el 10 y el 30 %, o directamente nunca lo has desglosado?
Contaminación de marca en prompts de seguimiento AEO: cómo un 5,7 % de prompts infla la visibilidad en IA un 60 %
Resumen técnico
En un conjunto de 35 prompts monitorizados durante 30 días en ChatGPT, Gemini, Perplexity, AI Overviews y AI Mode, solo 2 prompts con nombre de marca elevan la visibilidad agregada del 8,8 % al 14,1 %. Los 33 prompts genéricos registran aparición en el 8,8 % de respuestas. Los 2 prompts de marca generan aparición en el 100 %. El número combinado reportado (14,1 %) sobreestima la visibilidad competitiva real en aproximadamente un 60 %. El mismo efecto se replica con prompts de competidor: 1 de 57 prompts que nombra un competidor eleva el total del 9,7 % al 11,2 %.
Análisis de implicaciones
Mezclar prompts de marca con prompts genéricos en un único KPI rompe la comparabilidad entre periodos y entre competidores. Si el conjunto de prompts varía entre mediciones, cualquier delta positivo puede ser un artefacto de composición, no una mejora real. Las herramientas de AI tracking que reportan un único porcentaje de visibilidad no permiten distinguir entre brand recall y competitive share of voice. Esto invalida decisiones de optimización de contenido y de prompt engineering basadas en ese número agregado.
Aplicación práctica
Segmentar el conjunto de prompts en tres grupos etiquetados: genéricos, marca propia y competencia. El número que se reporta a dirección y el que se usa para benchmarking competitivo debe ser exclusivamente el de prompts genéricos. Los prompts de marca se analizan en un flujo separado para auditoría reputacional: precio, atributos, confusión de productos y fuentes que cita la IA. Cualquier cambio en el conjunto de prompts se registra con fecha exacta, tratándolo como una migración de seguimiento, equivalente al filtro de marca en Search Console y en su API.
Contexto del sector
En SEO, la separación de tráfico de marca lleva años siendo estándar de medición. Search Console incorporó filtro de marca en la interfaz y recientemente en su API. En AEO y GEO, la mayoría de plataformas de seguimiento aún reportan visibilidad agregada sin segmentación. Con la expansión de AI Overviews y AI Mode de Google, el volumen de prompts monitorizados crece y el riesgo de contaminación por marca escala proporcionalmente.
