En SEO estamos acostumbrados a hablar de posiciones. Una keyword, una SERP y una web que aparece en una determinada posición. Podemos monitorizarla a lo largo del tiempo, compararla con los competidores y analizar si sube o baja.
Cuando intentamos trasladar esta misma lógica a ChatGPT y otros sistemas de búsqueda basados en inteligencia artificial, nos encontramos con un problema: una respuesta generada por IA no funciona como una SERP tradicional.
Esto afecta directamente a la manera en que deberíamos medir la visibilidad de una marca en GEO (Generative Engine Optimization).
Quizá la pregunta ya no debería ser «¿en qué posición aparece mi empresa?», sino otra:
¿con qué frecuencia aparece mi marca cuando un usuario hace preguntas relevantes para mi negocio?
Por qué la visibilidad en ChatGPT es diferente al posicionamiento SEO
Los resultados de Google no son completamente inmutables. Pueden variar según la ubicación, el dispositivo, el momento de la consulta y otros factores. Aun así, el SEO tradicional nos ofrece un entorno relativamente observable: podemos monitorizar keywords, URLs y posiciones y analizar su evolución.
Con los sistemas generativos, esta estabilidad es menor.
Repetir exactamente el mismo prompt no garantiza obtener siempre la misma respuesta. Pueden cambiar las marcas mencionadas, las recomendaciones, la estructura de la respuesta y también las fuentes utilizadas.
Factores que influyen en las respuestas generadas por IA
Además, en el resultado pueden intervenir factores como:
- la formulación exacta del prompt;
- el contexto de la conversación;
- el idioma;
- la ubicación;
- el modelo utilizado;
- y el contexto adicional que el sistema tenga disponible en esa interacción.
Por tanto, dos ejecuciones aparentemente iguales no tienen por qué producir el mismo resultado.
Esta variabilidad es una de las principales diferencias que debemos tener en cuenta cuando pasamos de medir SEO a medir GEO.
Citation drift y volatilidad de las fuentes citadas en IA
La variabilidad no afecta solo al contenido de las respuestas. También afecta a las fuentes que los sistemas de IA deciden citar.
Este fenómeno se conoce habitualmente como citation drift, o volatilidad de las citaciones.
SISTRIX publicó en mayo de este año una investigación basada en 82.619 prompts, más de 1,5 millones de observaciones y 17 semanas de seguimiento en distintas plataformas y países.
Los resultados muestran una elevada rotación de las fuentes citadas.
En el caso de ChatGPT Search, SISTRIX observó niveles de renovación semanal de dominios que llegaban hasta el 74%, aunque la propia investigación muestra diferencias importantes según el país analizado.
Dicho de otro modo: que un dominio sea citado hoy no implica necesariamente que siga siendo una de las fuentes utilizadas la semana siguiente.
A nivel de URL, según la misma investigación, la variabilidad es todavía mayor.
Esto introduce una diferencia importante respecto al SEO: conseguir una citación puntual no equivale necesariamente a conseguir una visibilidad estable.
Por qué una única consulta a ChatGPT no demuestra visibilidad GEO
Aquí aparece uno de los problemas habituales a la hora de analizar la presencia de una marca en IA.
Hacemos una pregunta a ChatGPT.
La marca aparece.
Hacemos una captura.
Y concluimos que tenemos visibilidad.
Pero esa respuesta es solo una observación de un sistema variable.
También puede ocurrir lo contrario: ejecutamos un prompt una vez, nuestra empresa no aparece y concluimos que no tenemos visibilidad GEO.
Ambas conclusiones pueden ser precipitadas.
Cómo medir la visibilidad GEO de una empresa en ChatGPT
Si sabemos que el resultado puede variar entre ejecuciones, una única consulta no es suficiente para extraer conclusiones sólidas. Para obtener una imagen más representativa, es necesario trabajar con múltiples observaciones y analizar los resultados de forma agregada.
Una posible aproximación consiste en repetir un mismo prompt un número suficiente de veces para poder identificar patrones de aparición, menciones y citaciones. El tamaño de la muestra dependerá del objetivo del análisis, de los recursos disponibles y del nivel de variabilidad que queramos observar.
Métricas de menciones y citaciones para medir la visibilidad GEO
Por ejemplo, en un test con un volumen amplio de ejecuciones podríamos analizar:
- en qué porcentaje de respuestas aparece nuestra marca;
- con qué frecuencia aparecen los principales competidores;
- cuántas veces se cita nuestro dominio;
- qué dominios aparecen con mayor frecuencia como fuente;
- qué URLs concretas son citadas;
- y hasta qué punto esas apariciones se mantienen entre distintas ejecuciones.
El objetivo no es revisar cada respuesta de manera aislada, sino transformar un conjunto de ejecuciones en datos que permitan detectar tendencias.
Cómo calcular la frecuencia de aparición de una marca
Si, por ejemplo, una empresa aparece en 68 de 100 ejecuciones realizadas bajo unas mismas condiciones de prueba, podríamos hablar de una frecuencia de aparición del 68% dentro de esa muestra.
No tendría demasiado sentido interpretar ese resultado como una «posición GEO». Lo que estamos midiendo es algo distinto: la recurrencia con la que una marca aparece dentro de un conjunto de respuestas.
Por eso, en este contexto puede resultar más útil hablar de frecuencia de visibilidad que de posición.
Cómo elegir prompts para monitorizar la visibilidad GEO
Existe una segunda dimensión del problema.
Los usuarios reales no formulan todos exactamente la misma pregunta.
Ejemplos de prompts con una intención de búsqueda similar
Una persona puede preguntar:
¿Cuál es la mejor empresa de X?
Otra:
¿Qué empresas de X me recomiendas?
Y una tercera:
Estoy buscando X para una empresa pequeña con un presupuesto de Y. ¿Qué opciones tengo?
La intención puede ser muy similar, pero los prompts son distintos.
Por eso, una estrategia de monitorización GEO no debería basarse únicamente en repetir una pregunta muchas veces. También debería trabajar con clústeres de prompts representativos de las distintas intenciones del usuario.
Monitorización de prompts en distintos modelos a lo largo del tiempo
SE Ranking, por ejemplo, propone empezar monitorizando entre 20 y 40 prompts, seguirlos en dos o tres modelos y acumular al menos 30 días de datos antes de extraer conclusiones.
Las dos aproximaciones responden, en realidad, a preguntas distintas.
Repetir un prompt nos ayuda a entender la variabilidad de una misma consulta.
Monitorizar distintos prompts a lo largo del tiempo nos ayuda a entender la visibilidad de la marca dentro de un tema o de una intención de búsqueda.
Combinar ambas dimensiones puede darnos una imagen mucho más representativa.
La visibilidad GEO se mide con patrones de aparición a lo largo del tiempo
A medida que crece el interés por la visibilidad en ChatGPT y otros sistemas de IA, es tentador buscar un equivalente directo de las posiciones SEO.
El SEO tradicional nos ha acostumbrado a pensar en rankings. En GEO puede ser más útil pensar en probabilidades, recurrencia y distribución de la visibilidad.
Por eso, ante la pregunta:
«¿Aparece mi empresa en ChatGPT?»
quizá deberíamos empezar a responder:
«¿Con qué frecuencia aparece, para qué tipos de preguntas, frente a qué competidores, en qué modelos y con qué fuentes?»
Porque, en un entorno variable, una única respuesta no basta: la visibilidad se entiende mejor observando patrones de aparición a lo largo del tiempo.
Preguntas frecuentes sobre visibilidad en ChatGPT y GEO
GEO significa Generative Engine Optimization y se refiere a la optimización de la presencia de una marca en las respuestas de sistemas de IA generativa. Medir su visibilidad implica analizar con qué frecuencia aparece, ante qué preguntas, frente a qué competidores y con qué fuentes.
Selecciona preguntas relevantes que podrían hacer tus potenciales clientes y observa las respuestas en varias ejecuciones y momentos. Registra las menciones de tu marca, las citas de tu dominio y la presencia de competidores. Una consulta aislada no permite valorar una visibilidad estable.
Las respuestas pueden variar entre ejecuciones. También pueden influir la formulación del prompt, el contexto de la conversación, el idioma, la ubicación y el modelo utilizado. Por eso conviene registrar las condiciones de cada prueba y comparar resultados obtenidos bajo condiciones similares.
Se divide el número de respuestas en las que aparece la marca entre el total de respuestas analizadas y se multiplica por 100. Si aparece en 68 de 100 ejecuciones, su frecuencia de aparición es del 68% en esa muestra y bajo esas condiciones de prueba.
No. Una mención ocurre cuando la respuesta nombra a la empresa. Una citación ocurre cuando utiliza su dominio o una URL concreta como fuente. Conviene medir ambas por separado, ya que la marca puede aparecer sin que se cite su web.
No existe un número universal para todos los negocios. Como punto de partida, SE Ranking propone entre 20 y 40 prompts, en dos o tres modelos, durante al menos 30 días. El tamaño de la muestra y las repeticiones deben adaptarse al objetivo, los recursos y la variabilidad observada.
El citation drift es la variación de las fuentes citadas por los sistemas de IA a lo largo del tiempo. Un dominio o una URL puede ser citado en una respuesta y desaparecer en otra. Por eso una citación puntual debe interpretarse dentro de un seguimiento continuado.
Fuentes y lecturas recomendadas
SISTRIX (2026). AI Citation Drift: How stable are sources in AI search results?
SE Ranking (2026). Cómo elegir los prompts que merece la pena rastrear en las búsquedas con IA.
