Estructura de tres capas: desmontar el concepto → cartografiar la medición → abrir la frontera.
Sección II – la caja de herramientas
Cuatro P’s, cuatro puntos ciegos: lo que la industria ya sabe medir y lo que aún no ve.
Las 4 P’s del IAB como gramática mínima: Presence, Prominence, Portrayal, Persuasion, con sus métricas y su distinción direccional/grado-decisión.
Lo que las 4 P’s no ven: multi-turno, persistencia conversacional, variabilidad entre ejecuciones, atribución de negocio.
Cómo se mide en la práctica: bibliotecas de prompts, repeticiones, parseo, scores agregados; criterios para evaluar proveedores.
El estado de la evidencia: qué sabemos y qué no sobre los factores que mueven la visibilidad relevancia temática, posición de contexto, estadísticas verificables, estructura comparativa; y la advertencia sobre efectos causales inestables.
Las 4 P’s del IAB como gramática mínima: Presence, Prominence, Portrayal, Persuasion
El IAB publicó en agosto de 2026 Measuring Visibility in the AI Era, el primer intento sistemático de dar a la industria un vocabulario compartido.
El diagnóstico de partida es contundente: más de veinte empresas venden herramientas de medición de visibilidad en IA, cada una con metodologías distintas que producen respuestas diferentes para la misma marca.
Sin una forma compartida de evaluar esos datos, el mercado no puede distinguir señal de ruido.
El documento no es un estándar su propia autora, Caroline Giegerich, VP de IA del IAB, aclara que un estándar requiere estabilidad, y el mercado está en una “transición masiva”, pero sí ofrece una gramática mínima y criterios de calidad que permiten al comprador interrogar a cualquier proveedor.
Las 4 P’s organizan las métricas en una jerarquía causal que refleja cómo la visibilidad se traduce en valor de negocio:
| P | Pregunta que responde | Métricas que incluye |
| Presence | ¿Aparece la marca o el publisher en una respuesta de IA? | Mention Rate, Citation Rate, Share of Voice, Visibility Momentum |
| Prominence | ¿Dónde y con cuánta sustancia aparece? | Posición, orden de ranking, y cuánto del contenido del publisher se utiliza realmente frente a una citación superficial |
| Portrayal | ¿En qué contexto y con qué precisión? | Sentimiento, framing, Hallucination Rate y Factual Inaccuracy Rate |
| Persuasion | ¿Genera acción la visibilidad? | Recommendation Strength y Post-Citation Click-Through Rate |
La distinción entre Hallucination Rate y Factual Inaccuracy Rate merece atención: Giegerich señala que las alucinaciones han disminuido gracias a las mejoras de los modelos, pero las inexactitudes factuales derivadas de datos obsoletos o mal representados deberían ser la principal preocupación de los anunciantes.
Es “lo que me quitaría el sueño”, afirma.
Esta dimensión es exclusiva de la medición en IA: el SEO nunca tuvo que gestionar el riesgo de que un sistema describiera la marca con datos falsos.
La segunda contribución del IAB es la distinción entre medición direccional y medición grado-decisión, que no es una escala de calidad abstracta sino una declaración de aptitud para el uso:
Direccional: identifica patrones y señala tendencias; sirve para detección temprana y conciencia competitiva, pero no es suficiente para asignar presupuesto ni para decisiones de estrategia ejecutiva.
Grado-decisión: exige un estándar superior de rigor en volumen de consultas, tamaño de muestra, cobertura de tipos de prompt, cadencia de pruebas, reproducibilidad y cobertura de plataformas, y es el requisito mínimo antes de cualquier decisión de presupuesto o estrategia.
La formulación más útil para retener es la de Yext: la medición direccional te dice dónde mirar; la medición grado-decisión te da confianza suficiente para decidir qué hacer.
El IAB va más allá y recomienda que las organizaciones declaren por escrito si sus datos son decision-grade, direccionales o exploratorios.
Lo que las 4 P’s no ven: multi-turno, persistencia conversacional, variabilidad y atribución
El marco del IAB es una gramática valiosa, pero también tiene límites arquitectónicos que la propia literatura emergente está documentando con precisión.
Un artículo que se limite a las 4 P’s describirá la superficie del campo, no su profundidad.
El problema del multi-turno y la supervivencia conversacional.
La unidad de análisis del IAB la respuesta única a una consulta única es inadecuada para cómo los usuarios interactúan realmente con los motores generativos.
La investigación de AIVO Meridian lo formula sin ambigüedad: la medición de visibilidad captura la entrada en la conversación, no la supervivencia.
Registra apariciones, no el proceso de razonamiento secuencial que determina si una marca llega a la etapa de recomendación final.
Una marca puede aparecer en el primer turno y desaparecer en el tercero cuando el usuario añade restricciones duras precios, disponibilidad regional, límites de integración; el factor que la elimina suele ser un hecho verificable ausente, no un posicionamiento débil.
La evidencia cuantitativa es contundente.
El trabajo sobre Conversational Capture demuestra que el término de retroalimentación conversacional puede exceder al término directo de visibilidad, que la ratio de compounding supera el 2 en diez turnos, y que los rankings de métodos GEO en evaluación de un solo turno y en evaluación de trayectoria apenas coinciden (τ de Kendall = 0,4).
La conclusión es que la evaluación de un solo turno puede seleccionar el método equivocado.
Existen ya instrumentos que intentan cubrir este vacío el Conversational Survival Rate CSR mide si una marca sobrevive a través de turnos consecutivos en una misma conversación, pero no forman parte del vocabulario estándar.
La variabilidad entre ejecuciones y la ilusión del snapshot.
Los motores generativos no son deterministas.
Hacer la misma pregunta tres veces al mismo modelo produce con frecuencia tres listas de marcas diferentes.
La literatura lo formaliza: la visibilidad debe caracterizarse como una distribución, no como un resultado puntual, y la medición única es insuficiente debido a la naturaleza estocástica de los modelos generativos.
Una herramienta que reporta una sola ejecución por prompt “está reportando una tirada de moneda y llamándola métrica”.
El IAB incorpora la reproducibilidad como criterio de grado-decisión, pero el marco de las 4 P’s no tiene una dimensión propia para la estabilidad temporal: una marca puede registrar una visibilidad sólida en la semana uno y sufrir un colapso de representación en la semana cuatro sin que la métrica de snapshot lo anticipe.
La atribución de negocio.
La cuarta P, Persuasion, intenta tender un puente hacia el impacto económico con el Post-Citation Click-Through Rate, pero ese puente es frágil.
El tráfico de referencia de los motores de IA es significativamente menor que el orgánico tradicional ChatGPT genera ~190 veces menos tráfico que Google, con CTR de 0,84–1,3%, y aunque la conversión por visita puede ser hasta 4,4 veces superior, la atribución se complica porque una parte sustancial de los leads de IA se contabiliza erróneamente como orgánico.
El IAB reconoce que Persuasion se conecta con un “futuro marco de atribución” aún no publicado.
Medir la persuasión sin una capa de atribución madura es medir una intención, no un resultado.
Cómo se mide en la práctica: bibliotecas de prompts, repeticiones, parseo y criterios para evaluar proveedores
Todas las herramientas comerciales de AI Visibility, con variaciones de calidad, ejecutan el mismo bucle: construyen una biblioteca de prompts que simulan preguntas de compradores reales, los envían a varias plataformas repetidamente, parsean las respuestas para extraer marcas nombradas, orden, sentimiento y URLs citadas, y convierten esos registros en tasas y scores agregados.
La calidad del instrumento depende enteramente de decisiones que el dashboard no muestra.
La biblioteca de prompts es un modelo, no una observación.
Los principales motores de IA no exponen un flujo completo de consultas comparable al de la búsqueda tradicional.
El proveedor construye la lista a partir de exportaciones de Search Console, bases de palabras clave, People Also Ask, fan-out semántico o generación por IA.
La pregunta decisiva es: ¿de dónde vienen estos prompts y puedes mostrarme la documentación? Un proveedor que responde con precisión vale más que uno cuyo dashboard se ve mejor.
El IAB recomienda que los programas con menos de 50 consultas se etiqueten como Exploratory, no como direccionales.
Las repeticiones y la varianza son el filtro de calidad más discriminante.
Cada prompt debe ejecutarse múltiples veces por plataforma y período, y el proveedor debe divulgar el número de ejecuciones y la varianza observada junto al número titular.
Sin repetición, el dato es un snapshot de una distribución desconocida.
El parseo y el almacenamiento de respuestas crudas.
Los parseadores se equivocan: los nombres de marca colisionan con palabras comunes, los competidores se omiten, una citación se atribuye a la frase equivocada.
Si el proveedor solo almacena la salida parseada, una corrección del parseador no puede aplicarse retroactivamente y el historial queda permanentemente construido sobre el error.
Si almacena la respuesta cruda, puede re-parsear y el historial se corrige. La exportación de respuestas crudas y listas completas de referencias, no solo del score compuesto, es un requisito mínimo de gobernanza.
La distinción entre mención y citación debe estar presente en la herramienta.
Un proveedor serio rastrea por separado las menciones sin citación visible y las menciones citadas o referenciadas.
Sin esta separación, el score agregado oculta la diferencia entre ser nombrado y ser acreditado.
Cobertura de motores y fidelidad de la medición.
La mayoría de las herramientas cubren ChatGPT, Gemini y Perplexity mediante APIs, pero los compradores usan las aplicaciones de consumo, que tienen comportamiento de recuperación, system prompts y versiones de modelo diferentes; la brecha es real y no siempre pequeña.
La cobertura de Google AI Overviews suele ser el punto ciego, porque requiere un proveedor de resultados de búsqueda en lugar de una API de modelo.
Un marco práctico de evaluación de proveedores puede sintetizarse en las siguientes preguntas, que cualquier comprador debería exigir por escrito:
¿puedo bloquear mi propio panel de prompts construido con lenguaje de comprador de primera mano?
¿Cuántas veces se ejecuta cada prompt por motor y se reporta la varianza?
¿Se almacenan las respuestas crudas o solo el resultado parseado?
¿Se separan menciones y citaciones?
¿Se documenta públicamente la metodología y se notifican los cambios que alteran la línea base?
¿Puedo llevarme los datos crudos históricos en formato legible por máquina si termino el contrato?.
Un proveedor que no responde estas preguntas no está vendiendo un instrumento; está vendiendo una suscripción mensual a una captura de pantalla.
El estado de la evidencia: qué sabemos y qué no sobre los factores que mueven la visibilidad
La literatura empírica sobre qué mueve la visibilidad en motores generativos ha crecido rápido, pero su conclusión más robusta es una advertencia metodológica.
La encuesta crítica de 45 estudios publicados entre noviembre de 2023 y julio de 2026 concluye que el contenido ya recuperado puede alterar causalmente su citación o uso, pero ninguna técnica revisada muestra un efecto causal estable, longitudinal y cross-platform sobre la descubribilidad orgánica o el comportamiento posterior.
Esto es: sabemos que ciertas intervenciones funcionan dentro de un contexto experimental donde el documento ya está en la ventana de contexto del modelo, pero no sabemos si esas intervenciones hacen que el documento llegue a ser recuperado en una plataforma en vivo, ni si el efecto persiste en el tiempo o se replica en otro motor.
Lo que la evidencia sí sugiere como reproducible.
La misma encuesta identifica dos palancas con mayor reproducibilidad: la relevancia temática y la posición del contexto.
Las heurísticas genéricas transfieren mal, la competencia puede erosionar las ganancias individuales, y las reescrituras orientadas a citación pueden perjudicar la recuperación de hecho, un análisis encontró que pueden reducir la recuperación de una página en un 16%
El estudio de Sistrix sobre 96.418 páginas aporta asociaciones estructurales consistentes: las páginas con índice de contenidos tienen un factor de citación 1,7 veces superior; el marcado Article se asocia con un factor de 1,6; FAQPage con 1,5; las tablas con encabezados, con 1,5; y los subtítulos formulados como preguntas, con 1,4
El efecto es acumulativo: las páginas que reúnen múltiples características favorables presentan un factor de citación 2,1 veces superior.
Lo que no sabemos y conviene declararlo con precisión.
La literatura no respalda las afirmaciones causales universales del tipo “añadir una sección de comparación aumentará la absorción futura”.
Un framework reciente distingue explícitamente entre niveles de afirmación: una cosa es observar una asociación en un corpus, otra es establecer que modificar un rasgo de la página causará un cambio en la citación en una plataforma en vivo.
El nivel 4 – la prescripción causal de optimización no está establecido por la evidencia disponible.
La variabilidad entre plataformas es sustancial: un estudio observacional multi-plataforma encontró consistencia intra-plataforma moderada Jaccard = 0,619 en ChatGPT pero acuerdo entre plataformas cercano al azar.
La implicación es que un score “agnóstico al motor” puede estar promediando realidades que no comparten estructura.
La postura editorial más honesta para un artículo sobre AI Visibility es, por tanto, epistémica antes que prescriptiva: distinguir entre lo que se ha observado como asociación, lo que se ha demostrado como causal en condiciones controladas, y lo que se vende como receta pero carece de respaldo empírico estable.
Esa distinción y no un ranking de tácticas es lo que separa una guía útil de un catálogo de promesas.
Cierre de la Sección II
La caja de herramientas de la AI Visibility ya existe, pero es desigual y parcial.
El IAB ha dado una jerarquía y un estándar de calidad; la literatura ha dado taxonomías observables y una advertencia metodológica; la industria de herramientas ha dado mecanismos de recolección cuya calidad varía enormemente.
Lo que aún no existe es una síntesis que conecte esas tres capas sin confundir el dashboard con la realidad.
La Sección III aborda precisamente esa frontera: cómo pasar del marcador a la intervención, y qué queda por construir.





