Cómo medir visibilidad en búsqueda con IA en 2026: qué se puede saber, qué se puede estimar y qué es inventarse un número
En 2026 ya existen datos de primera parte sobre superficies generativas: Bing cuenta citas desde febrero y Search Console publica impresiones en AI Overviews y AI Mode desde junio. Ese mismo 3 de junio, la CMA británica impuso obligaciones sobre controles y métricas para editores. Ninguno de los dos te da una posición, una cuota de voz ni un CTR. Esta guía separa lo que se puede saber, lo que solo se puede estimar y lo que hoy es fabricar un número con aspecto de dato.
Hoy se puede medir tres cosas con datos de primera parte y ninguna de ellas es «cuánta visibilidad tengo en IA». Bing Webmaster Tools publica desde febrero de 2026 un informe de AI Performance con citas contadas y grounding queries, muestreadas y agregadas entre superficies. Search Console publica desde el 3 de junio de 2026 un informe de impresiones en funciones generativas —AI Overviews, AI Mode y Discover— desglosado por página, país, dispositivo y fecha, sin clics, sin CTR y sin consultas. Y la analítica web identifica parte del tráfico que llega desde ChatGPT, Perplexity o Copilot, aunque otra parte llega sin referrer y se cuenta como directo. Lo que no existe es una posición, una cuota de voz medible ni una forma de saber qué fracción de las respuestas sobre tu categoría te mencionan: cualquier herramienta que te dé ese porcentaje lo está calculando sobre una muestra de prompts que alguien eligió, y el número describe esa muestra, no el mundo. Mi criterio operativo es medir dirección y no nivel: comparar el mismo indicador consigo mismo a lo largo del tiempo, declarar la fuente y el muestreo junto a cada cifra, y no convertir en KPI nada que no puedas reproducir dentro de seis meses. Vale la pena señalar por qué existen estos datos: el informe de Search Console no salió de una decisión de producto, salió de una obligación impuesta por la autoridad de competencia británica. Eso dice bastante sobre cuánta transparencia adicional conviene dar por supuesta.
SI ESTE TEMA ES NUEVO PARA TISi vienes de medir SEO con posiciones y clics
El instinto natural es buscar el equivalente de «posición media» y «CTR» para las respuestas generativas. Ese equivalente no existe, y no porque las herramientas vayan con retraso: es que la cosa que medirías no está definida. En una lista de diez resultados hay un orden. En un párrafo con tres enlaces al final no hay un primer puesto, ni una segunda página, ni una impresión que signifique lo mismo para todo el mundo.
EN SIMPLEPiensa en dos respuestas que te mencionan. En la primera eres la fuente de la afirmación central y apareces enlazado en la primera frase. En la segunda apareces en una lista de siete enlaces al pie, ilustrando un matiz secundario. Las dos son «una cita». Ningún informe disponible hoy distingue entre ellas.
TÉRMINOS QUE VAS A VER- Impresión (en funciones generativas)
- Que tu página aparezca referenciada dentro de una respuesta generada. Search Console las cuenta, pero no publica ni clics ni CTR asociados a ellas.
- Cita (citation)
- Que un sistema use tu página como fuente de una afirmación y lo señale. Bing la cuenta como evento; no informa de qué lugar ocupas dentro de la respuesta.
- Grounding query
- La consulta que el sistema se formula a sí mismo para ir a buscar material antes de redactar. No es lo que escribió el usuario: es lo que el sistema decidió buscar.
- Referral identificable
- Visita que llega con una marca de origen legible, como el parámetro que añade ChatGPT. La que no la trae acaba contada como tráfico directo.
- Muestreo
- Medir una parte y extrapolar al total. Legítimo si declaras la muestra; engañoso si presentas el resultado como un censo.
- Cuota de voz en IA
- Porcentaje de respuestas de una categoría en las que aparece una marca. Es una métrica de producto de terceros, no un dato de plataforma.
Empecemos por lo que no existe: no hay una posición que medir
La primera pregunta que hace cualquiera con experiencia en SEO es la más razonable posible: «vale, ¿y en qué posición salgo?». La respuesta honesta es que la pregunta no tiene referente. No es que la métrica esté pendiente de lanzamiento: es que la cosa que mediría no está definida.
Un resultado clásico ocupa un lugar en una lista ordenada. Puedes discutir sobre personalización, sobre variación geográfica o sobre qué cuenta como posición uno cuando hay tres bloques encima, pero existe un orden y todo el mundo entiende lo mismo por «tercero».
Una respuesta generativa es un párrafo con enlaces. Puedes ser la fuente de la afirmación principal, aparecer enlazado a mitad de una frase secundaria o figurar en una lista al pie que nadie despliega. Los tres casos se registran igual allí donde se registran, y ningún informe público distingue entre ellos.
A eso se suma que dos personas con la misma pregunta pueden recibir respuestas distintas, que la misma persona repitiendo la pregunta puede recibir otra, y que el sistema reformula internamente antes de buscar. No hay un objeto estable del que tomar una foto.
Esto no significa que no se pueda medir nada. Significa que hay que cambiar la pregunta. En lugar de «¿en qué posición salgo?», las preguntas que sí tienen respuesta son cuatro, y cada una tiene su fuente y su límite.
Las cuatro preguntas que sí tienen respuesta
Cuando separo lo medible de lo no medible, lo que queda son cuatro preguntas distintas. La confusión habitual viene de tratarlas como si fueran la misma, porque entonces cualquier fuente parece insuficiente y cualquier herramienta parece prometedora.
La primera es de exposición: ¿aparece mi contenido dentro de respuestas generativas, y esa cantidad sube o baja? Search Console responde a esto para las superficies de Google, y Bing responde a algo parecido para las suyas.
La segunda es de uso como fuente: ¿me están citando, y con qué preguntas por detrás? Aquí Bing es hoy la única fuente de primera parte que cuenta eventos de cita y muestra las consultas internas que llevaron hasta la página.
La tercera es de resultado: ¿llega gente desde esas superficies y hace algo? Esto lo responde tu analítica, con la limitación importante de que una parte llega sin identificar.
Y la cuarta es cualitativa: cuando el sistema habla de mi categoría, ¿qué dice y a quién nombra? A esto solo se responde mirando, y la calidad de la respuesta depende por completo del protocolo con que se mire.
- Exposición
¿Aparezco dentro de respuestas generativas? — Search Console y Bing. Sin clics ni CTR asociados.
- Uso como fuente
¿Me citan, y buscando qué? — Bing AI Performance. Muestreado y agregado entre superficies.
- Resultado
¿Llega gente y convierte? — Tu analítica. Solo la parte que llega identificada.
- Contenido de la respuesta
¿Qué se dice de mi categoría y a quién se nombra? — Observación manual con protocolo.
El informe generativo de Search Console: qué trae, qué no y por qué existe
El 3 de junio de 2026 Google anunció informes de rendimiento específicos para funciones generativas en Search Console, con vistas para AI Overviews, AI Mode y funciones generativas en Discover. Lo que ofrecen es impresiones desglosadas por página, país, dispositivo y fecha.
Lo que no ofrecen conviene decirlo con la misma claridad: no hay clics, no hay CTR y no hay datos de consulta. Google señaló que añadiría más métricas con el tiempo, sin comprometerse a un calendario.
Esa ausencia no es un detalle menor. Sin clics no puedes calcular conversión desde el informe, no puedes comparar rendimiento con el de Search y no puedes responder a la pregunta que de verdad interesa a quien paga, que es si eso trae negocio. Lo que tienes es una serie de exposición.
El contexto de por qué existe importa más de lo que parece. El mismo día, la Competition and Markets Authority británica impuso a Google su primer requisito de conducta vinculante para publishers bajo la Digital Markets, Competition and Consumers Act 2024, después de designarlo con estatus de mercado estratégico en búsqueda general. Entre las obligaciones: atribuir el contenido con enlaces claros en resultados generados con IA, proporcionar métricas claras y detalladas sobre la interacción con ese contenido, y permitir a los publishers excluirse de las funciones generativas.
Los controles y los datos se desplegaron primero sobre un subconjunto de sitios del Reino Unido. Google se comprometió a un despliegue global posterior. Es decir: la disponibilidad de estos datos depende de dónde estés y de un calendario que no controla ningún equipo de producto.
Hay una consecuencia práctica de todo esto que no se comenta lo suficiente. Si tu plan de medición asume que la transparencia va a ir creciendo mes a mes porque «Google acabará abriendo los datos», estás asumiendo algo que la historia de este año contradice: Google anunció sus informes el mismo día que la CMA impuso requisitos sobre controles y métricas, sin que la coincidencia pruebe una causa única.
- Disponible: impresiones en AI Overviews, AI Mode y funciones generativas en Discover.
- Desglosable por: página, país, dispositivo y fecha.
- No disponible: clics, CTR y datos de consulta.
- Contexto: anuncio de Google y obligación británica del 3 de junio; despliegue mundial de los informes completado el 31 de agosto.
- Junto a los informes llegó también un control para excluirse de las funciones generativas sin perder posiciones en Search clásico.
Bing: hoy es el único sitio donde ves citas contadas
Microsoft publicó el informe de AI Performance dentro de Bing Webmaster Tools el 11 de febrero de 2026. Fue la primera vez que un proveedor grande de búsqueda con IA daba datos de rendimiento directamente a los dueños de sitios.
El informe muestra dos cosas interesantes. La primera es un recuento de citas: cuántas veces se ha usado una página tuya como fuente para construir una respuesta. La segunda son las grounding queries, que son las consultas que el propio sistema se formula internamente cuando necesita ir a buscar material.
Las grounding queries son, para mi gusto, el dato más útil que hay hoy en toda esta conversación, y no por su volumen. Son una ventana a cómo un sistema traduce una pregunta humana en una búsqueda. Si tu página aparece citada bajo grounding queries que no se parecen a las palabras clave que trabajas, eso te está diciendo algo sobre cómo te entiende el sistema.
Ahora los límites, que son igual de importantes. Las grounding queries están muestreadas, no son un censo. El informe agrega varias superficies —Copilot, resúmenes de Bing, integraciones de socios— y no permite aislarlas. Y cuenta frecuencia de cita, no prominencia: veinte citas al pie de veinte respuestas y veinte citas como fuente principal se ven exactamente igual.
Sobre la objeción evidente —«es que a mí Bing no me trae tráfico»—: es probablemente cierta y sigue siendo irrelevante para lo que se está usando aquí. No estás mirando Bing por su cuota; estás mirándolo porque es la única superficie que hoy te enseña, con datos propios y no estimados, cómo un sistema generativo decide ir a buscarte.
| SEARCH CONSOLEExposición en las superficies de Google | BING WEBMASTER TOOLSUso como fuente en las superficies de Microsoft |
|---|---|
| Impresiones en AI Overviews, AI Mode y Discover | Recuento de citas por página |
| Desglose por página, país, dispositivo y fecha | Grounding queries: qué buscó el sistema |
| Sin clics, sin CTR, sin consultas | Muestreado, no exhaustivo |
| Disponibilidad mundial de los informes desde el 31 de agosto | Agregado entre Copilot, resúmenes e integraciones |
| Control para excluirse de las funciones generativas | Frecuencia de cita, no prominencia en la respuesta |
Tráfico identificable: lo que llega con nombre y lo que llega como directo
La tercera fuente es la tuya. Cuando alguien hace clic en un enlace dentro de una respuesta generativa y aterriza en tu web, esa visita entra en tu analítica como cualquier otra, y en algunos casos llega marcada.
ChatGPT añade un parámetro de origen a los enlaces que sirve en su producto de búsqueda, lo que hace que esas visitas se puedan aislar. Perplexity y Copilot llegan habitualmente como referral desde sus dominios. Hasta ahí, bien.
El problema es la parte que no llega marcada. Cuando alguien lee la respuesta, no hace clic, y minutos después escribe tu nombre en el navegador o busca tu marca, esa visita no tiene ninguna huella del origen. Se cuenta como directa o como búsqueda de marca. Y ese comportamiento —consultar a un asistente, decidir, y llegar después por tu cuenta— es exactamente el que cabe esperar cuando alguien está eligiendo un proveedor.
La consecuencia es incómoda pero hay que decirla: el referral identificable es un suelo, no una medida. Te dice cuánto llega como mínimo desde esas superficies. No te dice cuánto influyeron.
Con eso en mente, montar la medición es sencillo. Un canal propio que agrupe los dominios y parámetros conocidos, mirado en el informe de adquisición de sesiones y no en el de primera interacción, y revisado con la sospecha sana de que la lista de dominios se queda vieja cada pocos meses.
- Agrupa en un canal propio: chatgpt.com, perplexity.ai, copilot.microsoft.com, gemini.google.com y el parámetro de origen que añade ChatGPT.
- Míralo a nivel de sesión, no de primera interacción: la primera visita de una persona rara vez es la que viene de una respuesta.
- Revisa la lista cada trimestre: aparecen superficies nuevas y cambian los dominios.
- Trata la cifra como suelo declarado, nunca como total: la influencia sin clic no deja rastro.
- Vigila la serie de tráfico directo y de marca: si sube en paralelo, es una pista, no una prueba.
Pruebas manuales: útiles si tienen protocolo, inútiles si son anécdotas
Preguntarle a un asistente por tu categoría y ver qué contesta es la técnica más denostada y, hecha bien, una de las más informativas. El problema no es el método: es que casi siempre se ejecuta como anécdota. Alguien pregunta una vez, no sale, y concluye que no tiene visibilidad en IA.
Una prueba manual dice algo cuando está diseñada como una observación repetible. Eso implica cuatro decisiones antes de empezar y una disciplina durante.
Primero, una lista fija de prompts escrita antes de mirar resultados, que cubra las formas reales en que alguien plantearía el problema: por síntoma, por servicio, por comparación, por presupuesto, por ubicación si aplica. Si la lista se retoca sobre la marcha para incluir aquello donde sí sales, la prueba ya no mide nada.
Segundo, repetición: cada prompt varias veces, en sesiones distintas, sin historial. Una respuesta única no es un resultado, es una muestra de tamaño uno en un sistema con variación conocida.
Tercero, registro de lo negativo. Qué no salió importa tanto como qué salió, y es lo primero que se pierde cuando esto se hace de memoria.
Y cuarto, fecha y modelo apuntados en cada ejecución. Sin eso, dentro de tres meses no vas a poder decir si el cambio lo produjo tu trabajo o una actualización del modelo.
Con ese protocolo, la salida no es un porcentaje. Es un inventario: quién aparece de forma recurrente en tu categoría, qué fuentes se citan, qué afirmaciones se repiten y dónde se está describiendo mal el problema. Ese inventario es material de trabajo. Un porcentaje no lo es.
Si prefieres no escribir la lista desde cero, el test de visibilidad en IA trae ese protocolo en una plantilla gratuita: 24 preguntas en cuatro grupos y el registro de sus 144 respuestas.
- Congela los prompts
Escribe la lista antes de mirar ningún resultado y no la toques durante el ciclo. Cubre síntoma, servicio, comparación y decisión.
- Repite sin historial
Cada prompt varias veces, en sesiones limpias. Una sola ejecución no distingue señal de variación.
- Registra también lo que no salió
Ausencias, competidores que sí aparecen y fuentes citadas. El negativo es la mitad del dato.
- Fecha, modelo y superficie
Sin esas tres cosas apuntadas, una comparación futura no puede atribuir nada a nada.
- Cierra con inventario, no con nota
La salida útil es quién aparece, con qué fuentes y qué afirmaciones. No un número sobre diez.
Herramientas de AI visibility: qué estás comprando exactamente
Hay un mercado creciente de herramientas que prometen medir visibilidad en superficies generativas, y la pregunta útil no es si sirven, sino qué producen exactamente.
Casi todas hacen la misma operación: construyen una lista de prompts para tu categoría, la ejecutan con cierta periodicidad contra uno o varios modelos, registran menciones y calculan un porcentaje. Es una operación legítima y automatiza algo que a mano cuesta mucho tiempo.
Lo que hay que entender es qué describe ese porcentaje. Describe la lista de prompts. Si la lista tiene doscientos prompts y sales en setenta, el 35 % es real respecto a esos doscientos. Lo que nadie sabe —ni tú, ni la herramienta— es qué proporción de las preguntas que hace la gente real se parece a esa lista.
Eso no invalida el dato. Lo convierte en un índice interno, que es una cosa perfectamente útil: comparado consigo mismo a lo largo del tiempo, con la lista congelada, detecta cambios. Comparado con el índice de otra herramienta, o presentado a un cliente como cuota de mercado, deja de significar nada.
Antes de comprar cualquiera de estas herramientas hay cinco preguntas que valen más que la demo: qué prompts ejecuta y si puedes verlos, con qué frecuencia, contra qué modelos y versiones, si repite cada prompt o se queda con una ejecución, y qué hace cuando el modelo cambia por debajo. Si alguna respuesta es vaga, ya sabes qué tipo de número estás comprando.
El negocio con local: por qué aquí se mide todavía peor
Todo lo anterior aplica a cualquier sitio. Para un negocio con presencia física hay tres agravantes que conviene tener sobre la mesa antes de prometer nada a nadie.
El primero es el volumen. Un negocio local trabaja con cifras pequeñas en superficies nuevas: decenas de impresiones, no decenas de miles. En ese rango, una variación del 50 % entre dos meses puede ser puro ruido. La regla que aplico es fijar un umbral mínimo antes de leer la serie y, por debajo de él, registrar sin interpretar.
El segundo es que la respuesta puede no llevarte a ninguna web. Si alguien pregunta por un restaurante y el asistente contesta con nombre, horario y teléfono, la decisión puede completarse sin una sola visita a tu dominio. El resultado ocurrió y tu analítica no lo vio. Esto no es un fallo de medición: es la forma de la superficie.
El tercero es que la ubicación puede no estar en la conversación. Como desarrollé en el artículo sobre proximidad, cuando la consulta no lleva ubicación el sistema no tiene una distancia que aplicar. Eso también afecta a la medición: las mismas dos preguntas pueden producir resultados incomparables según lo que el sistema supiera de dónde estaba quien preguntaba.
La consecuencia práctica es que para un negocio local hay que medir el efecto donde sí se manifiesta, aunque sea con menos precisión: interacciones en el perfil de negocio, llamadas, peticiones de indicaciones, reservas, y la pregunta directa a los clientes nuevos sobre cómo llegaron. Es medición más pobre y más honesta que un porcentaje elegante calculado sobre una muestra que nadie ha visto.
- Fija un umbral de volumen mínimo antes de leer cualquier serie generativa. Por debajo, registra y espera.
- Asume resultados sin visita: la respuesta puede resolver la decisión sin pasar por tu web.
- Mide donde sí se manifiesta: interacciones del perfil, llamadas, indicaciones, reservas.
- Pregunta a los clientes nuevos cómo te encontraron. Sigue siendo la fuente peor valorada y más informativa que existe.
- No compares meses con estacionalidad distinta y luego atribuyas la diferencia a la IA.
Cómo contarlo a quien paga sin fabricar causalidad
Todo esto se juega, al final, en una reunión donde alguien pregunta si esto está funcionando. Y la tentación de dar un número limpio es enorme, porque un número limpio termina la reunión y una explicación matizada la alarga.
El formato que uso tiene tres partes y ninguna de ellas es un número solo. Primero, qué se hizo y cuándo, con fechas concretas. Segundo, qué se movió después, con la fuente y el muestreo escritos al lado de cada cifra. Tercero, qué explicaciones alternativas existen para ese movimiento y por qué las descarto o no.
La tercera parte es la que nadie incluye y la que construye credibilidad. Decir «esto subió, y también hubo una campaña en marcha y una actualización del modelo, así que no puedo atribuirlo limpiamente» hace dos cosas: es verdad, y hace que cuando sí puedas atribuir algo, te crean.
Sobre el vocabulario, tres sustituciones que cambian el registro de toda la conversación. «Impresiones en funciones generativas» en lugar de «visibilidad en IA». «Citas registradas en las superficies de Microsoft» en lugar de «nos cita ChatGPT». «Tráfico identificado desde superficies generativas» en lugar de «tráfico de IA». Son más largas y son las que no se caen si alguien pregunta.
Y una cosa que no debería hacer falta decir: si en este momento la respuesta honesta es «todavía no hay volumen suficiente para saberlo», esa es la respuesta. Un cliente al que le dices eso en agosto te cree en diciembre.
- REPORTADato de primera parte con fuente
- Impresiones de Search Console, citas de Bing, sesiones identificadas. Nombra la fuente y su límite junto al número.
- REPORTA CON ETIQUETAObservación propia con protocolo
- Inventario de pruebas manuales. Útil si declaras prompts, repeticiones y fecha. Inútil si es una anécdota.
- USA INTERNAMENTEÍndice de herramienta congelado
- Comparado solo consigo mismo. Nunca como cuota de mercado ni contra el índice de otra herramienta.
- NO REPORTESCuota de voz presentada como censo
- Un porcentaje sobre una muestra de prompts que nadie ha visto, presentado como presencia real en la categoría.
La regla final
Mide dirección, no nivel. La pregunta «¿cuánta visibilidad tengo en IA?» no tiene respuesta con las fuentes que existen hoy. La pregunta «¿está subiendo o bajando esto que sí puedo observar, y qué hice antes?» sí la tiene, y es suficiente para decidir.
Escribe la fuente y el muestreo al lado de cada cifra, siempre, aunque nadie lo pida. Es lo que separa un informe que aguanta una pregunta incómoda de uno que se cae a la primera.
Y ten presente por qué puedes medir lo poco que puedes medir. Bing abrió sus datos por decisión propia en febrero; Google anunció sus informes el 3 de junio, cuando la CMA también estableció obligaciones para editores. Lo que hoy es visible depende de decisiones que no toma nadie de tu equipo. Construir un sistema de medición sobre la suposición de que eso va a mejorar solo es construir sobre algo que no controlas.
Qué te llevas de este análisis
No existe una «posición» en una respuesta generativa: la unidad que medirías no está definida, así que ninguna herramienta puede dártela.
Search Console publica impresiones en AI Overviews y AI Mode desde junio de 2026, sin clics, sin CTR y sin consultas.
Bing publica citas y grounding queries desde febrero de 2026, muestreadas y agregadas entre superficies.
Parte del tráfico generativo llega identificable y parte llega como directo; la proporción entre ambas no la controlas.
Las pruebas manuales sirven si tienen protocolo: prompts fijos, repeticiones, fecha y registro de lo que no salió.
Una cuota de voz en IA describe la lista de prompts de quien la calcula, no tu presencia en el mercado.
Mide dirección, no nivel: la misma métrica contra sí misma en el tiempo, con la fuente y el muestreo escritos al lado.
Preguntas frecuentes
¿Puedo saber en qué posición aparezco en AI Overviews?
No. No existe una posición definida dentro de una respuesta generativa y ninguna fuente de plataforma publica una. Search Console publica impresiones sin orden ni prominencia. Cualquier producto que te dé una posición ha inventado su propia definición.
¿Search Console me dice cuántos clics me llegan desde AI Overviews?
No. Los informes de funciones generativas anunciados en junio de 2026 incluyen impresiones desglosadas por página, país, dispositivo y fecha, pero no clics, ni CTR, ni datos de consulta. Google indicó que añadiría más métricas sin comprometer fechas.
¿Por qué mi tráfico de ChatGPT parece tan bajo?
Porque solo ves la parte que llega marcada. Quien lee la respuesta, no hace clic y llega después buscando tu marca aparece como tráfico directo o de marca. El referral identificable es un suelo, no un total.
¿Merece la pena mirar Bing si Bing no me trae tráfico?
Sí, y no por su cuota. Es la única fuente de primera parte que hoy cuenta citas y muestra grounding queries, es decir, qué se buscó internamente el sistema para encontrarte. Eso es información sobre cómo te interpreta, no sobre cuánta gente te visita.
¿Son fiables las herramientas que dan una cuota de voz en IA?
Son fiables respecto a su propia lista de prompts. El porcentaje describe esa lista, no el mercado. Como índice interno congelado y comparado consigo mismo funciona; presentado como cuota de mercado o comparado con otra herramienta, no.
¿Cuántas veces tengo que repetir un prompt para que la prueba valga?
Suficientes como para ver si la variación es del sistema o de tu trabajo, en sesiones limpias y sin historial. Una sola ejecución es una muestra de tamaño uno en un sistema con variación conocida: no distingue señal de ruido.
¿Puedo excluirme de que Google use mi contenido en AI Overviews?
Desde junio de 2026 existe un control en Search Console para no aparecer en funciones generativas, desplegado primero en el Reino Unido tras la exigencia de la CMA, y Google indicó que activarlo no afecta al posicionamiento en Search clásico. Es distinto de bloquear Google-Extended, que controla el uso para entrenamiento y nunca excluyó de AI Overviews.
Mi negocio es local y los números son minúsculos. ¿Qué miro?
Registra las series generativas sin interpretarlas hasta superar un umbral de volumen que fijes tú, y mide el efecto donde sí se manifiesta: interacciones del perfil de negocio, llamadas, peticiones de indicaciones y reservas. Y pregunta a los clientes nuevos cómo te encontraron.
¿Qué le digo a un cliente que quiere un KPI de visibilidad en IA?
Que se puede comprometer una serie observable con su fuente declarada, no una cuota. Y que si hoy no hay volumen para leer la serie, la respuesta profesional es esperar y decirlo, no rellenar la casilla con un número de una herramienta.
¿Esto va a mejorar? ¿Habrá más datos el año que viene?
Probablemente sí, pero no por inercia. Los datos que hay se abrieron por decisión de Microsoft en febrero y en junio, coincidiendo con obligaciones regulatorias británicas para editores. Planificar suponiendo transparencia creciente es apoyarse en algo que no depende de ti.
Qué respalda esta guía.
Separo lo que está documentado de lo que es observación práctica o criterio propio. Cuando explico cómo funciona Google, priorizo fuentes primarias; cuando hablo de pruebas de campo, lo presento como evidencia a validar, no como una ley del algoritmo.
- Google Search Central Blog — Introducing Search Generative AI performance reports
Impresiones en AI Overviews, AI Mode y Discover por página, país, dispositivo y fecha. Sin clics, CTR ni consultas.
- GOV.UK — Google search publisher conduct requirement
Requisito de conducta impuesto a Google el 3 de junio de 2026 bajo la DMCC Act 2024.
- GOV.UK — CMA secures fairer deal for publishers and improves Google search services
Atribución con enlaces claros, métricas detalladas de interacción y derecho a excluirse de las funciones generativas.
- Bing Webmaster Blog — Introducing AI Performance in Bing Webmaster Tools
Recuento de citas y grounding queries para las superficies de Microsoft, desde febrero de 2026.
- Google Search Central — AI features and your website
Cómo se relacionan las funciones de IA con el contenido de un sitio y qué controles existen.
- Google Search Central — Optimizing for generative AI features
Las funciones generativas se apoyan en Search; no requieren marcado ni técnicas especiales.
- Google Business Profile Help — Tips to improve your local ranking on Google
Relevancia, distancia y prominencia como pilares documentados del ranking local.
- OpenAI — ChatGPT Search
Cómo funciona ChatGPT Search y cómo llega identificado su tráfico de referral.
- Google Analytics Help — Default channel groups
Cómo se agrupan las fuentes de tráfico y por qué una visita sin referrer acaba como directa.