En SEO estem acostumats a parlar de posicions. Una keyword, una SERP i un web que apareix en una posició determinada. La podem monitoritzar al llarg del temps, comparar-la amb els competidors i analitzar si puja o baixa.
Quan intentem traslladar aquesta mateixa lògica a ChatGPT i altres sistemes de cerca basats en intel·ligència artificial, ens trobem amb un problema: una resposta generada per IA no funciona com una SERP tradicional.
Això afecta directament la manera com hauríem de mesurar la visibilitat d’una marca en GEO (Generative Engine Optimization).
Potser la pregunta ja no hauria de ser «en quina posició apareix la meva empresa?», sinó una altra:
amb quina freqüència apareix la meva marca quan un usuari fa preguntes rellevants per al meu negoci?
Per què la visibilitat a ChatGPT és diferent del posicionament SEO
Els resultats de Google no són completament immutables. Poden variar segons la ubicació, el dispositiu, el moment de la consulta i altres factors. Tot i així, el SEO tradicional ens ofereix un entorn relativament observable: podem monitoritzar keywords, URL i posicions i analitzar-ne l’evolució.
Amb els sistemes generatius, aquesta estabilitat és menor.
Repetir exactament el mateix prompt no garanteix obtenir sempre la mateixa resposta. Poden canviar les marques esmentades, les recomanacions, l’estructura de la resposta i també les fonts utilitzades.
Factors que influeixen en les respostes generades per IA
A més, en el resultat poden intervenir factors com:
- la formulació exacta del prompt;
- el context de la conversa;
- l’idioma;
- la ubicació;
- el model utilitzat;
- i el context addicional que el sistema tingui disponible en aquella interacció.
Per tant, dues execucions aparentment iguals no han de produir necessàriament el mateix resultat.
Aquesta variabilitat és una de les principals diferències que hem de tenir en compte quan passem de mesurar SEO a mesurar GEO.
Citation drift i volatilitat de les fonts citades a la IA
La variabilitat no afecta només el contingut de les respostes. També afecta les fonts que els sistemes d’IA decideixen citar.
Aquest fenomen es coneix habitualment com a citation drift, o volatilitat de les citacions.
SISTRIX va publicar el maig d’aquest any una investigació basada en 82.619 prompts, més d’1,5 milions d’observacions i 17 setmanes de seguiment en diferents plataformes i països.
Els resultats mostren una elevada rotació de les fonts citades.
En el cas de ChatGPT Search, SISTRIX va observar nivells de renovació setmanal de dominis que arribaven fins al 74%, tot i que la mateixa investigació mostra diferències importants segons el país analitzat.
Dit d’una altra manera: que un domini sigui citat avui no implica necessàriament que continuï sent una de les fonts utilitzades la setmana següent.
A nivell d’URL, segons la mateixa investigació, la variabilitat és encara més gran.
Això introdueix una diferència important respecte al SEO: aconseguir una citació puntual no equival necessàriament a aconseguir una visibilitat estable.
Per què una única consulta a ChatGPT no demostra visibilitat GEO
Aquí apareix un dels problemes habituals a l’hora d’analitzar la presència d’una marca a la IA.
Fem una pregunta a ChatGPT.
La marca apareix.
Fem una captura.
I concloem que tenim visibilitat.
Però aquesta resposta és només una observació d’un sistema variable.
També pot passar el contrari: executem un prompt una vegada, la nostra empresa no apareix i concloem que no tenim visibilitat GEO.
Totes dues conclusions poden ser precipitades.
Com mesurar la visibilitat GEO d’una empresa a ChatGPT
Si sabem que el resultat pot variar entre execucions, una única consulta no és suficient per extreure conclusions sòlides. Per obtenir una imatge més representativa, cal treballar amb múltiples observacions i analitzar els resultats de manera agregada.
Una possible aproximació consisteix a repetir un mateix prompt un nombre suficient de vegades per poder identificar patrons d’aparició, mencions i citacions. La mida de la mostra dependrà de l’objectiu de l’anàlisi, dels recursos disponibles i del nivell de variabilitat que vulguem observar.
Mètriques de mencions i citacions per mesurar la visibilitat GEO
Per exemple, en un test amb un volum ampli d’execucions podríem analitzar:
- en quin percentatge de respostes apareix la nostra marca;
- amb quina freqüència apareixen els principals competidors;
- quantes vegades es cita el nostre domini;
- quins dominis apareixen amb més freqüència com a font;
- quines URL concretes són citades;
- i fins a quin punt aquestes aparicions es mantenen entre diferents execucions.
L’objectiu no és revisar cada resposta de manera aïllada, sinó transformar un conjunt d’execucions en dades que permetin detectar tendències.
Com calcular la freqüència d’aparició d’una marca
Si, per exemple, una empresa apareix en 68 de 100 execucions fetes sota unes mateixes condicions de prova, podríem parlar d’una freqüència d’aparició del 68% dins d’aquesta mostra.
No tindria gaire sentit interpretar aquest resultat com una «posició GEO». El que estem mesurant és una cosa diferent: la recurrència amb què una marca apareix dins d’un conjunt de respostes.
Per això, en aquest context pot resultar més útil parlar de freqüència de visibilitat que de posició.
Com triar prompts per monitoritzar la visibilitat GEO
Hi ha una segona dimensió del problema.
Els usuaris reals no formulen tots exactament la mateixa pregunta.
Exemples de prompts amb una intenció de cerca similar
Una persona pot preguntar:
Quina és la millor empresa de X?
Una altra:
Quines empreses de X em recomanes?
I una tercera:
Busco X per a una empresa petita amb un pressupost de Y. Quines opcions tinc?
La intenció pot ser molt similar, però els prompts són diferents.
Per això, una estratègia de monitorització GEO no s’hauria de basar únicament a repetir una pregunta moltes vegades. També hauria de treballar amb clústers de prompts representatius de les diferents intencions de l’usuari.
Monitorització de prompts en diferents models al llarg del temps
SE Ranking, per exemple, proposa començar monitoritzant entre 20 i 40 prompts, seguir-los en dos o tres models i acumular almenys 30 dies de dades abans d’extreure conclusions.
Les dues aproximacions responen, en realitat, a preguntes diferents.
Repetir un prompt ens ajuda a entendre la variabilitat d’una mateixa consulta.
Monitoritzar diferents prompts al llarg del temps ens ajuda a entendre la visibilitat de la marca dins d’un tema o d’una intenció de cerca.
Combinar totes dues dimensions ens pot donar una imatge molt més representativa.
La visibilitat GEO es mesura amb patrons d’aparició al llarg del temps
A mesura que creix l’interès per la visibilitat a ChatGPT i altres sistemes d’IA, és temptador buscar un equivalent directe de les posicions SEO.
El SEO tradicional ens ha acostumat a pensar en rànquings. En GEO pot ser més útil pensar en probabilitats, recurrència i distribució de la visibilitat.
Per això, davant la pregunta:
«Apareix la meva empresa a ChatGPT?»
potser hauríem de començar a respondre:
«Amb quina freqüència apareix, per a quins tipus de preguntes, davant de quins competidors, en quins models i amb quines fonts?»
Perquè, en un entorn variable, una única resposta no és suficient: la visibilitat s’entén millor observant patrons d’aparició al llarg del temps.
Preguntes freqüents sobre visibilitat a ChatGPT i GEO
GEO significa Generative Engine Optimization i fa referència a l’optimització de la presència d’una marca en les respostes de sistemes d’IA generativa. Mesurar-ne la visibilitat implica analitzar amb quina freqüència apareix, davant de quines preguntes, davant de quins competidors i amb quines fonts.
Selecciona preguntes rellevants que podrien fer els teus clients potencials i observa les respostes en diverses execucions i moments. Registra les mencions de la teva marca, les cites del teu domini i la presència de competidors. Una consulta aïllada no permet valorar una visibilitat estable.
Les respostes poden variar entre execucions. També hi poden influir la formulació del prompt, el context de la conversa, l’idioma, la ubicació i el model utilitzat. Per això convé registrar les condicions de cada prova i comparar resultats obtinguts en condicions similars.
Es divideix el nombre de respostes en què apareix la marca entre el total de respostes analitzades i es multiplica per 100. Si apareix en 68 de 100 execucions, la seva freqüència d’aparició és del 68% en aquesta mostra i en aquestes condicions de prova.
No. Una menció es produeix quan la resposta anomena l’empresa. Una citació es produeix quan fa servir el seu domini o una URL concreta com a font. Convé mesurar-les per separat, ja que la marca pot aparèixer sense que se’n citi el web.
No hi ha un nombre universal per a tots els negocis. Com a punt de partida, SE Ranking proposa entre 20 i 40 prompts, en dos o tres models, durant almenys 30 dies. La mida de la mostra i les repeticions s’han d’adaptar a l’objectiu, els recursos i la variabilitat observada.
El citation drift és la variació de les fonts citades pels sistemes d’IA al llarg del temps. Un domini o una URL pot ser citat en una resposta i desaparèixer en una altra. Per això una citació puntual s’ha d’interpretar dins d’un seguiment continuat.
Fonts i lectures recomanades
SISTRIX (2026). AI Citation Drift: How stable are sources in AI search results?
SE Ranking (2026). Com triar els prompts que val la pena rastrejar en les cerques amb IA.
