Resultados medidos en Pipeline

Reto

Ausencia total en las consultas de selección

Cuando el comprador preguntaba a ChatGPT «¿qué sistema de RR.HH. recomiendas para una empresa mediana?», en la lista de respuestas solo aparecía la competencia. El punto de partida de la auditoría era brutal: en las consultas objetivo de selección, la tasa de citas de la marca rozaba el cero — el producto existía, pero la IA ni lo leía ni confiaba todavía en él.

Método

Auditoría → motor de contenido → grafo de conocimiento

No empezamos escribiendo contenido, sino cuantificando los huecos y ordenando el ataque por impacto en Pipeline.

• Auditoría GEO de 30 días: localizar los huecos de citas en los seis grandes motores y desglosar las razones estructurales por las que se cita a la competencia
• Motor de contenido GEO: reconstruir contenido citable para el escenario de «selección de sistema de RR.HH.» — párrafos de definición, tablas comparativas, datos originales
• Construcción del grafo de conocimiento: con entidades y datos estructurados, lograr que los motores de IA vinculen sólidamente la marca con la categoría «sistema de RR.HH.»

Resultado

Más de 40 demos inbound al mes

En 6 meses las citas en motores de IA crecieron un 312% y la marca pasó a ser respuesta fija de ChatGPT y Perplexity en las consultas de «recomendación de sistema de RR.HH.». En el campo de origen del formulario de demo empezó a aparecer «me lo recomendó ChatGPT» — por primera vez el Pipeline se podía atribuir directamente a la búsqueda con IA.

«En el campo de origen del formulario de demo apareció por primera vez: ‘me lo recomendó ChatGPT’.»

Reto

La competencia monopolizaba las consultas comparativas

En consultas de alta intención de compra como «A vs B» o «la mejor herramienta de automatización de marketing», las respuestas de la IA estaban prácticamente copadas por dos competidores. Al arrancar, la cuota de respuesta era de apenas el 11% — justo en el momento en que el comprador decidía, la marca ni siquiera estaba en la conversación.

Método

320 consultas fijadas + ciclo de reescritura de 3 semanas

Las consultas comparativas son una guerra de trincheras, consulta a consulta; con un ritmo fijo recuperamos cada posición.

• Fijar 320 consultas de alta intención de compra, ordenadas por impacto en Pipeline y no por volumen de búsqueda
• El seguimiento semanal de citas cuantifica el cambio de cuota de cada consulta, y los huecos entran solos en la cola de reescritura
• Ciclo de reescritura de 3 semanas: diagnóstico → reescritura → validación, iterando cada pieza de contenido hasta que la citan

Resultado

El coste por SQL se redujo a la mitad

En 6 meses la cuota de respuesta subió del 11% al 58% y se recuperó, una a una, la posición de recomendación principal en las consultas de alta intención. El comprador que llega por tráfico IA ya ha hecho gran parte de su investigación, así que el coste por SQL se redujo a la mitad — el mismo presupuesto de marketing, el doble de pipeline cualificado.

«Por primera vez tengo un informe que le dice al CEO: estos SQL los trajo la búsqueda con IA.»

Reto

Ansiedad por el tráfico

El tráfico orgánico tradicional caía trimestre a trimestre y el primer instinto del equipo era «recuperar el tráfico». Pero la auditoría reveló que el verdadero problema no era el volumen — era que la marca no aparecía en absoluto en las conversaciones de recomendación de compra de la IA.

Insight

El tráfico de la recomendación IA es pequeño, pero la confianza ya está construida

Cuando el comprador pide a la IA que le recomiende productos, no recibe diez enlaces azules, sino una lista corta ya filtrada y ya comparada. La marca que entra en esa lista recibe una confianza de nivel «recomendación de un amigo» — por eso desplazamos el foco de optimización de «recuperar clics» a «ocupar la posición de recomendación».

Resultado

Una visión GEO del tráfico: calidad > cantidad

En el periodo de 90 días, el volumen de visitantes que trajo el tráfico IA fue solo una fracción del Organic, pero su conversión fue 4,7 veces mayor. Este caso cambió la forma en que el equipo mide el tráfico: en lugar de perseguir clics en caída, mejor ocupar la posición de recomendación en las respuestas de la IA — porque en cada visitante que llega, la confianza ya está construida.

«El cliente que llega por IA no pregunta ‘quiénes sois’, pregunta directamente ‘cómo compro’.»