¿Cómo medir el rendimiento de GEO? Sin una herramienta de ranking, usa pruebas reales periódicas para cuantificar tu visibilidad en las respuestas de la IA

Primero acéptalo: GEO no tiene «ranking», solo «frecuencia de aparición»

La unidad central para medir el rendimiento de GEO no es una posición, sino la frecuencia de aparición: al hacer muchas veces el mismo tipo de pregunta, formulada de muchas maneras distintas, ¿qué porcentaje del tiempo se menciona tu marca en promedio? Es una lógica distinta a la del SEO de «en qué posición rankea esta palabra clave». La respuesta de una IA cambia con el contexto de la conversación, con la versión del modelo e incluso al volver a hacer una vez la misma pregunta, así que mirar una sola respuesta no significa nada; lo que se mira es el porcentaje agregado.

Por eso el primer cambio de mentalidad al medir GEO es renunciar a la expectativa de «una única respuesta fija» y adoptar una mirada estadística: lanza un lote de preguntas, repite cada una varias veces y trata el conjunto como una señal. Cualquier captura de pantalla aislada solo sirve como evidencia de apoyo, nunca como conclusión.

Construye tu «lista de preguntas»: es la base de todo el método

El primer paso para medir GEO es diseñar un conjunto fijo de preguntas de prueba (un prompt set) y luego usar el mismo conjunto en cada periodo, para poder comparar los cambios en el tiempo. No hace falta que sean muchas; lo habitual es quedarse en el orden de las decenas (por ejemplo, de 20 a 50), suficientes para cubrir tus categorías y casos de uso principales sin que sean tantas que cueste mantener la calidad y la consistencia.

La lista debe mezclar distintas formulaciones, porque la gente le pregunta a la IA de maneras muy variadas. Una vez diseñada, «congélala»: no la cambies de un periodo a otro, o los números entre periodos no serán comparables. Si quieres añadir preguntas, abre un grupo aparte y haz su seguimiento por separado.

• Informativas: «¿Qué es XX?», «¿Cómo elijo OO?», «¿Recomiendas algún servicio de XX?»
• Comparativas: «¿Cuál es mejor, A o B?», «¿Qué marcas ofrecen XX?», «¿Cuáles me recomiendas más dentro del presupuesto?»
• De situación: «Estoy en Ciudad de México buscando XX, ¿alguna sugerencia?», «¿A quién debería contratar una pyme para hacer XX?»
• Incorpora el nombre de tu propia marca y de 3 a 5 competidores principales en preguntas que probablemente los activen, para poder calcular la participación después

Prueba en cada IA con una cadencia regular: mismo conjunto de preguntas, en varios motores, repetido

Una vez que tienes una lista fija, el acto de medir consiste en pegar periódicamente este lote de preguntas en cada motor —ChatGPT, Gemini, Perplexity, Claude, etc.—, ejecutarlas y registrar los resultados. La clave está en tres «mismos»: el mismo conjunto de preguntas, el mismo ritmo de medición y el mismo conjunto de reglas de puntuación. Si las variables se mantienen consistentes, los números se vuelven comparables.

Como las respuestas de la IA fluctúan, conviene preguntar cada ítem varias veces dentro del mismo periodo (por ejemplo, 3 veces) y tomar el resultado agregado en lugar de una sola ejecución. Registra también cada motor por separado, porque la tasa de menciones de una misma marca suele diferir mucho entre ChatGPT y Perplexity, y promediarlos juntos enmascara el problema real.

• Usa una ventana de chat limpia o el modo incógnito para evitar que conversaciones previas contaminen los resultados
• Repite cada pregunta en cada motor varias veces, registrando «mencionada X de N veces» en lugar de «sí o no»
• Que juzgue siempre la misma persona, o el mismo conjunto de reglas, para evitar la deriva de criterios subjetivos
• Registra juntos la fecha, el motor y la versión del modelo; así, tras una actualización del modelo, sabrás si fue ella la que causó el cambio

Qué métricas seguir: de «¿la mencionaron?» a «¿cómo la describieron?»

Medir GEO no puede limitarse a «¿apareció?»: necesitas seguir varias métricas por capas para ver dónde está el problema. Las más básicas son la tasa de menciones (la proporción de veces que te mencionan) y la tasa de citaciones (la proporción de veces que tu URL aparece listada como fuente). La primera indica si la marca entró en la «mente» de la IA; la segunda, si la IA está dispuesta a derivar tráfico de vuelta a tu sitio. Significan cosas distintas y deben contarse por separado.

Por encima de eso están las métricas de calidad. La exactitud de la descripción analiza si la IA dice bien los hechos sobre ti —nombre, actividad, ubicación, rasgos distintivos, ¿hay algo mal?—; el tono de la descripción analiza si es positivo, neutral o negativo; y el share of voice, es decir, tu tasa de menciones en relación con la competencia. Que se equivoquen en los hechos tiene más prioridad de corrección que no ser mencionado, porque la información incorrecta daña la confianza directamente.

• Tasa de menciones: en este conjunto de preguntas, la proporción de veces que se menciona la marca
• Tasa de citaciones: la proporción de veces que tu dominio aparece listado explícitamente como fuente, con enlace
• Exactitud de la descripción: si las afirmaciones factuales de la IA sobre ti son correctas (lo primero que hay que corregir)
• Tono de la descripción: positivo / neutral / negativo
• Share of voice: tu tasa de menciones vs. la de tus principales competidores
• Diferencias entre motores: la brecha de rendimiento de una misma marca en cada IA, para encontrar tu campo de batalla más débil

No te pierdas el «impacto de percepción sin clic»: que no veas clics no significa que no haya efecto

El valor más fácilmente subestimado de GEO es el impacto de percepción sin clic: un usuario ve y recuerda tu marca dentro de una respuesta de la IA sin hacer clic en ningún enlace. Varios estudios del sector señalan que, en escenarios de búsqueda activados por resúmenes de IA, la proporción de cero clics puede llegar al orden del 80 %, muy por encima de las consultas sin resumen de IA. Eso significa que una enorme cantidad de exposición y reconocimiento nunca aparece en tus informes de clics, pero sí está influyendo en el comportamiento posterior.

Para incorporar esto, te apoyas en el cruce de señales indirectas, no en un único número. En la práctica se superponen varios ángulos: el tráfico de referencia de IA que puedes rastrear, los cambios en el volumen de búsqueda de marca y la tendencia del tráfico directo. Una lectura habitual es esta: si la búsqueda de marca crece mientras el tráfico orgánico no de marca está plano o cae, esa brecha sugiere con fuerza que la exposición en la IA está creando reconocimiento; solo que vuelve a buscarte por otro camino.

• En GA4, configura una agrupación de canales para las fuentes de IA, filtrando el tráfico de referencia de chatgpt.com, perplexity.ai, gemini.google.com, etc., para medir la parte rastreable
• Revisa los registros del servidor o las métricas de rastreadores de IA de Cloudflare para confirmar si los rastreadores de IA están leyendo tus páginas
• Sigue la tendencia del volumen de búsqueda de marca como métrica indirecta del impacto de percepción
• Pon los cambios del tráfico directo y de la búsqueda de marca junto a la tendencia de tu tasa de menciones, buscando correlación en lugar de una atribución a una sola fuente

Cómo registrarlo y cada cuánto medir: con una sola hoja de cálculo basta para empezar

Este método de medición no requiere comprar primero una herramienta; con una sola hoja de cálculo basta para empezar. La clave es registrar fila por fila los datos estructurados de cada prueba, acumulando una serie temporal comparable; diseña bien los campos y la tendencia aflorará sola. Cada fila registra el resultado de un «pregunta × motor × periodo», lo que facilita el análisis dinámico posterior.

En cuanto a la cadencia, el mínimo indispensable es una vez al mes para que aflore una tendencia con sentido; durante la optimización activa se recomienda medir semanalmente, mientras que en modo mantenimiento basta con mensualmente. Fija de antemano tus criterios de juicio y mantenlos; por ejemplo, «mencionada una vez cuenta como 1». Para saber cuánto has mejorado, usa los números de tu primera ejecución como línea base y compara cada periodo posterior con ella; lo importante no es obsesionarse con algún umbral mágico, sino ver si la tasa de menciones y la de citaciones suben de forma estable y repetible: varios periodos de mejora seguidos suelen significar que vas bien encaminado. Y si todavía no tienes ni línea base, empieza con un chequeo gratuito de GEO para medir tu punto de partida y luego haz el seguimiento hacia adelante con el mismo conjunto de preguntas.

• Campos de la hoja de cálculo: fecha / periodo / motor / versión del modelo / pregunta / mencionada (X de N) / citada / competidores que aparecieron / tono / si hubo error factual / notas
• Cadencia: semanal durante la optimización activa, mensual en mantenimiento, al menos una vez al mes
• Fija primero una línea base: la tasa de menciones y de citaciones de tu primer periodo son tu punto de partida, y todo lo demás se compara con ellas
• Fija las reglas de juicio y mantenlas, para que quien herede la tarea siga el mismo estándar