Si aparece
La proporción de respuestas en las que el modelo nombra su marca, por pregunta y por motor.
Visibilidad en IA
Compruebe si los modelos de IA recomiendan su empresa
Cada vez más clientes preguntan a un modelo en lugar de revisar resultados de búsqueda. Hacemos esas preguntas por usted, con regularidad, y mostramos si aparece en la respuesta, quién aparece a su lado y qué páginas cita el modelo.
Producto en construcción. Los paquetes y los límites describen lo que se está construyendo; no es una oferta que pueda contratar hoy.
Cuatro cosas que se pueden contar
No vendemos una única puntuación, porque una cifra sola no dice qué corregir. Cada número conserva su numerador y su denominador para que pueda descomponerlo.
En qué lugar
El orden en que el modelo le nombra a usted y a los competidores que sigue. No es un ranking del modelo, sino el orden dentro del texto, y así lo llamamos.
Quién aparece a su lado
Exactamente los competidores que usted señale, contados igual que usted. Sin ellos no se distingue su propia caída de un movimiento de toda la categoría.
Qué cita
Los dominios en los que el modelo se apoya. Ser nombrado construye reconocimiento, ser citado trae visitas, y son dos cosas distintas.
Cómo medimos
El método forma parte del producto y no de la letra pequeña: de él depende qué significan las cifras del gráfico.
- Preguntamos por las interfaces oficiales de los proveedores
- No nos hacemos pasar por un usuario en la aplicación de otro ni recogemos respuestas de la pantalla. Una respuesta obtenida por la interfaz puede diferir de la que esa misma persona verá en la aplicación, y lo decimos con claridad.
- Cada pregunta en una sesión nueva
- Sin historial, sin personalización y con el país fijado de forma explícita. Eso es lo que hace comparables dos mediciones en lugar de depender de lo que alguien preguntó antes.
- Una tendencia, no un disparo suelto
- La misma pregunta da respuestas distintas según el día. Mostramos la evolución en el tiempo junto al número de respuestas de las que sale el resultado, para separar un movimiento del mercado de una simple oscilación.
- No haber preguntado no es no haber aparecido
- Las respuestas que no pudimos obtener no entran en el resultado. En el denominador bajarían su visibilidad justo cuando falló nuestra propia infraestructura.
Auditoría de preparación del sitio
Antes de que un modelo pueda citarle, tiene que poder leer su sitio. Eso lo comprobamos aparte y sin preguntar a ningún modelo.
A quién deja entrar
Sus reglas de robots.txt, por separado para los robots que recogen datos de entrenamiento y para los que descargan páginas en el momento de responder. Bloquear a los segundos le deja fuera de las citas.
Si el contenido se ve
Si su página lleva el contenido en el HTML en bruto o lo dibuja solo después un script. Algunos robots no ejecutan scripts y ven una página vacía.
Si se le puede entender
Datos estructurados, encabezados, secciones de preguntas y respuestas, mapa del sitio, archivo llms.txt. Cada hallazgo con su motivo y una corrección concreta.
La auditoría lee únicamente dominios que usted indique, con el mismo robot que se identifica en la cabecera y respeta robots.txt. No descargamos páginas ajenas: a los competidores los reconocemos por el nombre y por el dominio en las citas, nunca visitándolos.
En curso
Qué se está construyendo todavía
El núcleo de la medición está escrito y probado. Las partes siguientes están en construcción y no prometemos fechas mientras no funcionen.
Panel con gráficos
Resumen del proyecto, tendencia semanal, lista de preguntas y de dominios citados.
Avísenme cuando salgaMás motores
Empezamos por los modelos de OpenAI con búsqueda web. Cada proveedor adicional es un nuevo subencargado y llega por separado, tras el contrato de encargo.
Ver la listaTono de la mención
Si el modelo recomienda, menciona sin valorar o desaconseja. Esa valoración cuesta una segunda llamada al modelo, así que se activará por separado.
Pedir detallesContenidos para la visibilidad
Artículos, secciones de preguntas y respuestas, datos estructurados y un archivo llms.txt compuesto desde su base de conocimiento. Todo como borrador, para que lo apruebe una persona.
Pedir detalles¿Quiere saber cómo está hoy?
Cuéntenos qué preguntan sus clientes. Le mostraremos qué responden los modelos y qué se puede mejorar.