Brand Radar puede resumirse en una frase: trata cada motor de IA como un sistema que puede responder de forma distinta en cada ejecución, plantea repetidamente las mismas preguntas y calcula con qué frecuencia menciona o cita una marca. No comprueba posiciones de palabras clave ni analiza el tráfico web. Mide «hasta qué punto apareces y resultas fiable cuando un cliente potencial pregunta a la IA a quién debería recurrir». El éxito de todo el proceso depende más del diseño de la muestra que de la tecnología utilizada.
Primero hay que entender qué mide exactamente Brand Radar.
Una herramienta SEO tradicional puede decirte que una URL ocupa la primera posición en Google. En un motor de IA no existe una posición fija. Si preguntas a ChatGPT «¿Qué agencias GEO de Taiwán trabajan con empresas B2B SaaS?», hoy podría sugerir tres, mañana cinco y cambiar el orden. Por eso, la visibilidad no puede expresarse con una única posición, sino como «la probabilidad de aparecer al repetir muchas veces una misma consulta». Brand Radar descompone esa probabilidad en indicadores cuantificables: tasa de menciones, tasa de citas, posición media, sentimiento y cuota de voz frente a la competencia.
Paso 1: convertir las preguntas reales de los compradores en un conjunto de consultas
El error más habitual al crear este conjunto es partir de las palabras clave por las que la empresa quiere aparecer. Los compradores no suelen preguntar por un «servicio de auditoría GEO». Plantean dudas como «Nuestra empresa nunca aparece en las búsquedas con IA, ¿quién puede ayudarnos?» o «¿Cómo sé si ChatGPT recomienda mi producto?». Elaboramos la lista a partir de tres fuentes: las preguntas que los clientes han formulado realmente a la empresa, sus propias palabras en conversaciones con ventas y atención al cliente, y las sugerencias y consultas relacionadas que ofrecen distintos motores. La muestra debe ser lo bastante amplia para producir proporciones estables, pero no tanto como para diluir los problemas comerciales reales. En una categoría B2B, entre 40 y 120 consultas principales suele bastar para cubrir las etapas de descubrimiento, comparación y decisión. Lo importante es que cada consulta corresponda a una situación de compra real.
Paso 2: por qué es necesario repetir las consultas
Las respuestas de los motores de IA son variables. Una misma pregunta ejecutada diez veces en el mismo modelo puede producir ocho formulaciones diferentes y alterar el orden de las recomendaciones. Una sola ejecución aporta una observación, no una señal. Brand Radar repite cada consulta en cada motor y analiza la distribución estadística de los resultados. Si una marca aparece en siete de diez ejecuciones, su tasa de menciones es del 70 %: esa es una cifra con la que se puede trabajar. El muestreo también debe abarcar varios motores, porque ChatGPT, Perplexity, Gemini y Google AI Overviews tienen preferencias de fuentes muy distintas. Una misma marca puede ser muy visible en uno y apenas aparecer en otro.
Paso 3: recopilar las respuestas y distinguir entre «mención» y «cita»
Cada respuesta obtenida durante el muestreo debe analizarse desde dos perspectivas. La primera es la mención: ¿el nombre de la empresa, del producto o de una persona clave aparece en el texto? La segunda es la cita: ¿algún enlace, nota al pie o elemento de la lista de fuentes apunta al sitio web de la marca? Ambos conceptos suelen confundirse, pero expresan cosas distintas. Una mención indica que el modelo reconoce la marca; una cita significa que utiliza su contenido como evidencia para elaborar la respuesta. Una marca con buena presencia suele conseguir ambas. Si aparece mencionada pero no citada, es posible que todavía dependa de una reputación anterior y que su contenido actual no tenga suficiente cobertura. La identificación también plantea dificultades: algunos nombres de marca son ambiguos, pueden confundirse con empresas homónimas y los modelos pueden escribirlos mal o utilizar solo una parte. Por eso se necesitan reglas de desambiguación que separen las referencias reales a la marca de las coincidencias irrelevantes. De lo contrario, las puntuaciones posteriores estarán distorsionadas.
Paso 4: cómo se calcula la puntuación de visibilidad
Una vez depuradas las menciones y las citas, los resultados se convierten en puntuaciones comparables. La lógica central combina varios indicadores ponderados; no se limita a un recuento general:
- Tasa de menciones: proporción de todas las muestras en las que la marca aparece en el texto de la respuesta.
- Tasa de citas: proporción de respuestas cuyas fuentes apuntan al sitio web de la marca; refleja hasta qué punto su contenido se utiliza como evidencia.
- Posición: indica si la marca aparece al principio de la respuesta o si recibe un lugar destacado.
- Sentimiento: determina si la IA describe la marca de forma positiva, neutral o negativa, algo que afecta directamente al valor real de la exposición.
- Cuota de voz: compara la marca con sus principales competidores dentro del mismo conjunto de consultas para saber a quién selecciona la IA con mayor frecuencia.
Estos indicadores se ponderan después según el valor comercial de cada consulta. Las preguntas propias de la fase de decisión y con una intención de compra clara reciben más peso que las consultas generales de reconocimiento. El resultado final es una puntuación de visibilidad resumida que facilita la comunicación. Sin embargo, para tomar decisiones suelen ser más útiles los indicadores individuales, porque cada uno apunta a una carencia distinta: una tasa de citas baja exige reforzar el contenido y los datos estructurados; una cuota de voz baja revela temas en los que la competencia aparece con mayor frecuencia.
Paso 5: convertir una medición puntual en una tendencia
Una puntuación aislada solo describe la situación en un momento concreto; no explica sus causas ni sus efectos. Para obtener una señal útil hay que volver a ejecutar las mismas consultas con una periodicidad semanal fija y representar las puntuaciones como una serie temporal. Así es posible relacionar «el mes pasado publicamos tres comparativas» con «dos semanas después empezó a subir nuestra tasa de citas en Perplexity». Las tendencias también permiten detectar riesgos con antelación. Si la cuota de voz de un competidor aumenta durante tres mediciones consecutivas y empieza a desplazar a la marca de las respuestas, la señal puede aparecer antes de que el efecto se refleje en el tráfico del sitio web.
Cómo utilizar estas métricas en la práctica
La puntuación de visibilidad no es un indicador de vanidad para incluir en un informe. Su función es señalar cuál debería ser el tema del próximo artículo, en qué motor se encuentra la brecha más importante y si el trabajo realizado consigue que la IA mencione la marca con mayor frecuencia.
Al recorrer la lógica de Brand Radar, queda claro que se trata de un método de medición aplicado a motores de IA que se comportan como sistemas variables. La dificultad no está en recopilar los datos, sino en seleccionar consultas representativas, depurar correctamente los resultados y vincular cada puntuación con una acción ejecutable. Si no sabes en qué temas apareces en los principales motores de IA, hacia dónde evoluciona tu visibilidad o dónde se concentra la brecha, puedes solicitar un diagnóstico GEO de 30 minutos. Ejecutaremos una ronda de consultas reales para tu categoría e identificaremos los puntos de caída y las mejoras prioritarias.
