AI Visibility – vocabulario compartido en la Era de la Visibilidad IA

 

Vocabulario Compartido para Medir la Visibilidad en la Era de la IA

 

El IAB Interactive Advertising Bureau publicó en agosto de 2026 el marco «Measuring Visibility in the AI Era» Medir la visibilidad en la era de la IA.

Su objetivo central es resolver un problema urgente: ya había más de 20 proveedores vendiendo herramientas de medición de visibilidad en IA, cada uno con metodologías distintas, lo que provocaba que la misma marca obtuviera resultados radicalmente diferentes según la herramienta.

El sector carecía de un estándar común para juzgar si un dato era una «señal fiable» o simplemente «ruido».

El marco no prescribe herramientas concretas ni clasifica proveedores, sino que ofrece un vocabulario compartido, estándares de calidad y requisitos de divulgación para que el mercado opere con un lenguaje común.

 

 

Marco central: la jerarquía «4P» de la visibilidad en IA

 

El marco 4P del IAB Presence, Prominence, Portrayal, Persuasion ofrece a marcas y publishers un lenguaje compartido y jerárquico para medir la visibilidad en IA.

Presence responde «¿me ven?»

Prominence, «¿con qué relieve me ven?»

Portrayal, «¿me describen bien y en qué contexto?»

Persuasion, «¿esa visibilidad genera acción?».

Nivel con casos de uso prácticos, métricas operativas y los problemas reales que aparecen al medir.

El IAB organiza las métricas en una jerarquía causal que refleja cómo la visibilidad se traduce en valor comercial. Cuatro niveles progresivos:

 

 

① Presence Presencia – ¿Aparece la marca en las respuestas de IA?

 

Métricas clave: tasa de mención Mention Rate, tasa de citación Citation Rate, cuota de voz Share of Voice, impulso de visibilidad Visibility Momentum.

Es el nivel más básico: responde a «¿me ven o no me ven?».

Pregunta central: cuando un usuario pregunta a ChatGPT, Gemini, Perplexity o Google AI Overview sobre tu categoría, ¿aparece el nombre de tu marca en el texto de la respuesta?

Mention Rate tasa de mención: porcentaje de consultas muestreadas en las que se menciona la marca.

Citation Rate tasa de citación: si la respuesta de IA enlaza o cita tu sitio como fuente. Atención: ser mencionado ≠ ser citado.

Las pruebas de SerpApi muestran que, en consultas del tipo «mejores plataformas de email marketing», marcas como MailerLite o Klaviyo son nombradas en el cuerpo del texto con enlaces internos a su web, pero el panel de fuentes inferior cita sitios de terceros Saltbox, PCMag, Zapier.

Una herramienta que solo lea el panel de fuentes registrará cero para las marcas que sí aparecen.

Share of Voice cuota de voz: proporción de menciones de tu marca sobre el total de menciones de marcas de la categoría.

Visibility Momentum impulso de visibilidad: evolución de la tasa de mención en el tiempo, para detectar si sube o baja.

 

Caso de uso práctico:

Una marca mediana de auriculares inalámbricos no del nivel de Sony/Bose que audite su Presence en una sola plataforma de IA obtendrá conclusiones engañosas.

Un test real con 8 marcas de audio de gama media en cuatro plataformas ChatGPT, Claude, Gemini, Perplexity mostró que, ante la consulta amplia «best wireless headphones under $300», solo 3 marcas fueron mencionadas y cada una apareció en un único modelo, sin solapamiento; solo Sony, Bose y Sennheiser aparecieron en las cuatro plataformas.

Es decir, auditar una sola plataforma mide apenas una cuarta parte de la señal.

 

Puntos operativos:

Segmentar los tipos de consulta: sin marca «mejores zapatillas para correr», de categoría «mejores bailarinas sostenibles para mujer», comparativas «X vs Y» y de marca explícita «¿X es fiable?».

La dificultad de mención es muy distinta en cada tipo.

Recomendación del IAB: los proyectos con menos de 50 consultas solo pueden clasificarse como «exploratorios» y no sirven para caracterizar una categoría.

 

 

② Prominence Prominencia – ¿Dónde aparece y con qué relieve?

 

Las métricas se centran en la posición, el orden de aparición y si el contenido del publisher se cita de forma sustantiva o solo se menciona superficialmente.

Este nivel distingue entre «ser mencionado» y «ser presentado de forma destacada».

Pregunta central: la marca fue mencionada, ¿pero es el primer nombre recomendado o está enterrada al final de una lista? ¿La IA la presenta como opción principal o simplemente yuxtapuesta a otras quince?

Métricas clave:

Posición/orden: secuencia en que aparece la marca dentro de la respuesta.

Citación sustantiva vs. mención superficial: para publishers, si la IA cita de forma sustancial tu contenido usa tus datos, argumentos, análisis o solo incluye tu dominio en una lista de fuentes.

Señal previa de Recommendation Strength fuerza de recomendación: si la IA usa fórmulas como «la mejor», «primera opción» o «recomendada» para situar la marca en lugar destacado.

 

Caso de uso práctico:

El caso de consultas comparativas de SerpApi ilustra la separación entre Presence y Prominence.

En el AI Overview de Google para «mejores plataformas de email marketing para pequeñas empresas», MailerLite aparece descrita como «Best for simplicity and affordability», con el primer enlace interno a su web.

Es alta Presence + alta Prominence.

En cambio, Saltbox, PCMag y Zapier, presentes en el panel de fuentes, no son nombrados en el cuerpo del texto, por lo que su influencia sobre el usuario es mucho menor que la de las marcas nombradas.

A la inversa, en consultas definicionales como «qué es el dwell time en SEO», Semrush, Shopify o SpyFu son citados masivamente, pero ninguno es nombrado en el texto.

Es «alta citación, cero mención»: para una marca que busca ser recordada, la Prominence es mínima.

 

Puntos operativos:

Prominence no es «ser mencionado», sino «ser presentado de forma influyente».

En consultas comparativas «alternativas a X», una marca puede aparecer en contexto negativo como «el objeto a sustituir»; la lectura de Prominence debe combinarse con Portrayal.

 

 

③ Portrayal Representación – ¿En qué contexto y con qué precisión?

 

Incluye tono emocional, encuadre framing, tasa de alucinaciones y tasa de imprecisiones factuales.

Este nivel introduce una dimensión de brand safety exclusiva de la IA: una marca puede ser mencionada pero descrita erróneamente o situada en un contexto negativo.

Pregunta central: cuando la IA habla de tu marca, ¿dice la verdad o alucina? ¿El tono es positivo, neutro o negativo? ¿Equivoca características, precios o posicionamiento?

Métricas clave:

Sentiment sentimiento: positivo/neutro/negativo.

Framing encuadre: en qué narrativa sitúa la IA a tu marca: «opción calidad-precio», «gama alta profesional» o «marca antigua y desfasada».

Hallucination Rate tasa de alucinaciones: la IA inventa hechos inexistentes (productos que no existen, fundadores equivocados.

Factual Inaccuracy Rate tasa de imprecisiones factuales: información desactualizada o incorrecta precios antiguos, productos descatalogados que siguen recomendándose.

 

Caso de uso práctico:

Es la nueva dimensión de brand safety en la era de la IA.

Una marca puede ir bien en Presence y Prominence aparece con frecuencia, en primeras posiciones pero la IA la describe como «adquirida por otra empresa», «con calidad en declive» o «a punto de cerrar», cuando esa información es falsa o está desactualizada.

El análisis de Meltwater señala que las alucinaciones o afirmaciones erróneas de los LLM dañan directamente a la marca, y que el seguimiento de menciones permite a los equipos detectar esas inexactitudes y localizar su origen.

El IAB distingue expresamente entre alucinación el modelo inventa información y imprecisión factual el modelo usa datos obsoletos o poco representativos.

Para la marca, la segunda tiene una ruta de corrección más clara actualizar la web, datos estructurados, contenido en fuentes autorizadas), pero igualmente debe medirse para detectarla.

 

Puntos operativos:

Portrayal no puede medirse solo con la tasa de mención.

Una marca puede tener una presencia altísima y aparecer siempre acompañada de información errónea.

Esta métrica conecta directamente con brand safety, que el IAB sitúa como dimensión exclusiva de la medición en IA.

 

 

④ Persuasion Persuasión – ¿Impulsa la visibilidad una acción?

 

Métricas: fuerza de recomendación Recommendation Strength y CTR posterior a la citación Post-Citation CTR.

Este nivel intenta conectar la visibilidad en IA con la conversión real y se articula con el marco de atribución que el IAB lanzará próximamente.

Pregunta central: después de ver una recomendación de tu marca en una respuesta de IA, ¿el usuario hace clic en tu web, compra o realiza otra acción?

Métricas clave:

Post-Citation CTR CTR posterior a la citación: proporción de usuarios que hacen clic en la cita de tu sitio tras verla en una respuesta de IA.

Recommendation Strength fuerza de recomendación: intensidad con que la IA recomienda tu marca fuerza del lenguaje, si la sitúa como primera opción, si hay recomendación explícita.

Articulación con el marco de atribución que el IAB lanzará próximamente.

 

Caso de uso práctico:

Este nivel es especialmente crítico para los publishers.

A medida que la búsqueda con IA ofrece respuestas directas sin obligar al usuario a hacer clic en la fuente, el tráfico de los publishers sufre una caída estructural.

La Citation Rate por sí sola no explica nada: una página puede ser citada miles de veces sin generar ni un clic.

El Post-Citation CTR es el único indicador directo de si «ser citado» se traduce en «ser visitado».

Para las marcas, el reto de Persuasion es la atribución. Un usuario puede ver la recomendación en ChatGPT y luego escribir directamente el nombre de la marca en el navegador, en lugar de hacer clic en el enlace de la respuesta.

En ese caso, las herramientas de analítica pueden clasificar la visita como «tráfico directo de marca» y no como «tráfico recomendado por IA».

Que el IAB sitúe Persuasion como nivel articulado con un marco de atribución posterior indica que este problema aún no está resuelto.

 

Puntos operativos:

No asumir que «ser recomendado = conversión».

Entre la recomendación y la acción hay una pérdida significativa.

Para publishers, Citation Rate y Post-Citation CTR deben medirse juntos: el primero indica que la IA usa tu contenido; el segundo, si ese uso aporta valor.

 

 

Control de calidad transversal: Directional vs. Decision-Grade

 

Una de las aportaciones clave del marco del IAB es recordar que no todos los datos sirven para decidir.

 

Nivel Usos adecuados Usos inadecuados
Directional (direccional) Detectar tendencias, monitorizar competidores, señales tempranas Asignación de presupuesto, decisiones estratégicas de dirección
Decision-Grade (nivel decisional) Cumple estándares altos de volumen de consultas, tamaño de muestra, cobertura de tipos de prompt, frecuencia de testeo, reproducibilidad y cobertura de plataformas Es condición necesaria para cualquier decisión presupuestaria o estratégica

 

 

Implicación práctica: si un proveedor solo ejecutó 20 consultas, en una plataforma y una sola vez, ofrece datos direccionales.

Si el proveedor no divulga el volumen de consultas, el origen de la batería de prompts, la frecuencia de actualización o la cobertura de plataformas, esa opacidad es en sí misma una señal para juzgar la calidad del dato.

Además, la no determinación de las respuestas de IA implica que el resultado de una sola ejecución no es fiable.

El IAB recomienda reportar resultados como intervalos por ejemplo, «22% ± 4 puntos porcentuales» y marcar como exploratorios los proyectos con menos de 50 consultas.

Un mismo prompt puede devolver listas de marcas distintas en ejecuciones sucesivas, por lo que múltiples ejecuciones, múltiples plataformas y muestras amplias son el mínimo para obtener resultados reproducibles.

 

 

Innovación clave: datos direccionales vs. datos de nivel decisional

 

El marco introduce una clasificación de calidad en dos niveles para ayudar al comprador a determinar si los datos que adquiere bastan para su uso previsto:

 

Nivel Uso Limitación
Direccional (Directional) Identificar patrones, detectar tendencias, señales tempranas, percepción competitiva No basta para asignar presupuesto ni para decisiones estratégicas de dirección
Nivel decisional (Decision-Grade) Cumple estándares más rigurosos en volumen de consultas, tamaño de muestra, cobertura de tipos de prompt, frecuencia de testeo, reproducibilidad y cobertura de plataformas Es condición necesaria antes de tomar cualquier decisión presupuestaria o estratégica

 

 

La implicación práctica: un proveedor puede ofrecer datos direccionales como herramienta de monitorización, pero no puede presentarlos como base para decisiones.

Si el proveedor no divulga información suficiente para que el comprador determine a qué nivel pertenecen sus datos, esa falta de transparencia es en sí misma una señal.

 

 

Valor para cada actor

 

Marcas: obtienen un «guion» para evaluar proveedores de visibilidad en IA y determinar si entregan datos fiables o ruido direccional.

Agencias: disponen de una base común para fijar expectativas con clientes y reportar resultados con claridad.

Publishers: cuentan con métricas estandarizadas de visibilidad y divulgación para cuantificar cómo las plataformas de IA ingieren y presentan su contenido, y pueden llevar esos datos a negociaciones de licencias de contenido.

Proveedores de medición: pueden diferenciarse por el rigor metodológico en lugar de solo por retórica comercial.

 

 

Limitaciones y controversias a tener en cuenta

 

Tras su publicación, algunos análisis señalaron una limitación de fondo: la jerarquía 4P está diseñada íntegramente en torno a interacciones de un solo turno, mientras que el comportamiento real del consumidor nativo de IA es conversacional y multi-turno: añade restricciones, descarta opciones, pide matices.

Una marca puede aparecer con fuerza en el primer turno con métricas de Presence y Persuasion excelentes pero quedar «filtrada» en el tercer turno por restricciones de precio o funcionalidad, y ninguna métrica del marco captura esa «tasa de supervivencia conversacional».

Las respuestas de IA son inherentemente no deterministas: el mismo prompt puede devolver listas de marcas distintas en ejecuciones sucesivas.

El marco del IAB lo reconoce y recomienda reportar resultados como rangos por ejemplo, 22% ± 4 puntos porcentuales en lugar de valores únicos, y clasificar como «exploratorios» los proyectos con menos de 50 consultas.

Pero para la medición en escenarios de conversación multi-turno, el marco aún no ofrece solución.

 

 

 

Referencias;

IAB Releases “Measuring Visibility in the AI Era”

 

 

Manu Duque
Resumen de privacidad

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.

Nunca almacenamos información personal.

Puedes revisar nuestra política en la página de Política de Privacidad, Condiciones de Uso y Cookies.