Hasta hace muy poco, medir el rendimiento del SEO era relativamente “sencillo”.
Analizábamos la evolución de las palabras clave posicionadas, el tráfico orgánico, el CTR en Google Search Console o las ventas atribuidas al canal orgánico.
Todas estas métricas tenían sentido porque el recorrido del usuario era muy claro: realizaba una búsqueda en Google, hacía clic en un resultado y llegaba a nuestra tienda online.
Sin embargo, la irrupción de los grandes modelos de lenguaje (LLMs) como ChatGPT, Gemini, Perplexity o Claude está cambiando este comportamiento.
Cada vez es más habitual que un usuario descubra una marca, compare productos o tome una decisión de compra sin realizar una búsqueda tradicional en Google.
En muchos casos, la primera interacción con una tienda online ya no se produce desde un buscador, sino desde un asistente de inteligencia artificial.
Este cambio plantea un nuevo reto para los responsables de eCommerce 👇
Porque medir únicamente el tráfico procedente de ChatGPT o Perplexity es quedarse muy corto.
Una estrategia de GEO para eCommerce (Generative Engine Optimization) puede estar aumentando la presencia de una marca en las respuestas de los modelos, mejorando su notoriedad, influyendo en decisiones de compra y generando ventas, aunque parte de ese impacto no aparezca reflejado de forma directa en las métricas tradicionales.
Por eso, igual que hace años aprendimos a medir el SEO con indicadores específicos, ahora necesitamos incorporar nuevas métricas que nos permitan evaluar el rendimiento de este nuevo canal de adquisición.
En este artículo veremos cuáles son las métricas que realmente deberías monitorizar para entender si tu eCommerce está ganando visibilidad en ChatGPT y otros LLMs, y cómo interpretarlas para tomar mejores decisiones de negocio.
Para ello utilizaré el caso práctico del cliente Olistic, dónde llevamos varios meses trabajando en la optimización de su visibilidad en los LLMs.
Al igual que sería imposible gestionar una estrategia SEO sin Google Search Console o Google Analytics, también resulta muy complicado optimizar una estrategia GEO sin una herramienta que permita monitorizar cómo responden los modelos de inteligencia artificial.
El principal motivo es que, a diferencia de Google, plataformas como ChatGPT, Gemini o Perplexity no ofrecen una consola donde consultar para qué preguntas aparece nuestra marca, con qué frecuencia somos citados o frente a qué competidores estamos ganando o perdiendo visibilidad.
Por ello, el primer paso consiste en utilizar una herramienta especializada que simule cientos o miles de prompts relacionados con nuestro negocio y registre de forma periódica las respuestas generadas por los diferentes LLMs.
En nuestro caso utilizaremos LLM Pulse, una plataforma que nos permite monitorizar la evolución de la visibilidad de una marca en modelos como ChatGPT, Gemini, Claude o Perplexity.
Gracias a este tipo de herramientas podemos responder preguntas como 👇
Sin este tipo de información sería muy difícil saber si las acciones de GEO están teniendo impacto real.
A partir de este punto ya podemos empezar a analizar las métricas que realmente nos ayudarán a entender si un eCommerce está ganando visibilidad en los modelos de inteligencia artificial o no.
Antes de analizar cualquier métrica, hay un aspecto fundamental que suele pasarse por alto: el GEO es un canal competitivo.
Los modelos de inteligencia artificial no responden únicamente con información de tu marca. En la mayoría de las consultas comparan varias alternativas y seleccionan aquellas que consideran más relevantes para responder al usuario. Por este motivo, analizar únicamente la evolución de tu eCommerce puede llevar a conclusiones erróneas.
Imagina que tu visibilidad en ChatGPT aumenta un 15% durante los últimos 3 meses.
A priori parece una buena noticia.
Sin embargo, si tus 3 principales competidores han aumentado su presencia un 40%, un 60% y un 80% en ese mismo periodo, la realidad es que estás perdiendo cuota de visibilidad dentro de las respuestas generadas por los LLMs.
Es exactamente la misma lógica que llevamos años aplicando en SEO: no basta con crecer, hay que crecer más rápido que el resto de competidores.
Por ello, antes de empezar a interpretar las métricas, es imprescindible configurar correctamente el proyecto dentro de la herramienta de monitorización.
En el caso de Olistic, hemos seleccionado por los cuales estamos compitiendo en Google y negocio.
De esta forma todas las métricas que veremos a continuación pueden analizarse desde una perspectiva mucho más útil para la toma de decisiones.
El objetivo no es saber únicamente si nuestra presencia aumenta, sino entender qué cuota de visibilidad estamos ganando o perdiendo respecto al resto de marcas que compiten por aparecer en las recomendaciones de los modelos de inteligencia artificial.
Ahora así vamos a bajar a tierra las métricas que más seguimos de cerca para ver el impacto de las tareas que implementamos.
La primera métrica que deberíamos analizar en cualquier estrategia GEO es el número de menciones que recibe nuestra marca.
Una mención se produce cada vez que un modelo de inteligencia artificial, como ChatGPT, Gemini, Perplexity o Google AI Mode, incluye nuestra marca dentro de la respuesta a un prompt monitorizado.
En otras palabras, responde a una pregunta muy sencilla: ¿Los LLMs consideran que mi marca merece ser recomendada cuando un usuario realiza una consulta relacionada con mi negocio?
Veámoslo con un ejemplo real del proyecto de Olistic.
Supongamos que monitorizamos el siguiente prompt: “Pastillas para la caída del pelo en la menopausia”
LLM Pulse ejecuta periódicamente esta consulta en diferentes modelos de inteligencia artificial y almacena sus respuestas. En la siguiente imagen podemos observar el resultado.
Como puede verse, cada modelo responde de forma diferente.
En este caso:
Esto demuestra una de las principales diferencias entre el SEO tradicional y el GEO: no todos los modelos generan exactamente la misma respuesta.
Por ello, no basta con comprobar si aparecemos o no en ChatGPT. Es necesario monitorizar distintos LLMs para obtener una visión mucho más representativa de nuestra visibilidad. Cuando repetimos este proceso para cientos o miles de prompts relacionados con nuestro negocio, podemos calcular cuántas veces aparece nuestra marca y cómo evoluciona ese dato con el paso del tiempo.
En el caso de Olistic, el panel de LLM Pulse nos permite comparar este indicador con sus principales competidores.
Podemos observar que Olistic mantiene un número de menciones significativamente superior al resto de marcas monitorizadas durante el periodo analizado.
Sin embargo, el objetivo no consiste simplemente en acumular menciones.
Lo realmente importante es conseguir que nuestra marca aparezca en los prompts con mayor intención de compra, ya que son los que tienen una mayor capacidad para influir en la decisión final del usuario.
En definitiva, las Mentions constituyen el primer indicador para saber si una estrategia GEO está funcionando: si los modelos de inteligencia artificial empiezan a recomendar nuestra marca con mayor frecuencia, significa que estamos aumentando nuestra presencia en este nuevo canal de descubrimiento.
Una vez sabemos cuántas veces aparece nuestra marca en las respuestas de los LLMs, el siguiente paso consiste en responder una pregunta todavía más importante: ¿Qué cuota de las recomendaciones realizadas por la inteligencia artificial pertenece a nuestra marca?
Para ello utilizamos el Share of Voice (SOV).
Esta métrica mide el porcentaje de visibilidad que tiene una marca dentro del conjunto de respuestas generadas por los modelos de inteligencia artificial para los prompts que estamos monitorizando.
Mientras que las Mentions nos indican el número de veces que aparecemos, el Share of Voice nos permite entender qué peso tiene nuestra marca frente al resto de competidores.
Es, probablemente, la métrica más importante para evaluar una estrategia GEO.
En el proyecto de Olistic monitorizamos cientos de prompts relacionados con la salud capilar, la caída del cabello y los suplementos nutricionales.
💡Importante: El Share of Voice se calcula únicamente sobre los prompts que has configurado y monitorizado. Un 75,86 % significa que Olistic domina las recomendaciones dentro de ese conjunto de consultas, no en todas las respuestas sobre salud capilar generadas por los LLMs.
A partir de todas esas respuestas, LLM Pulse calcula automáticamente el Share of Voice de cada marca.
En este ejemplo podemos observar que:
Es decir, tres de cada cuatro recomendaciones realizadas por los modelos de inteligencia artificial corresponden a Olistic dentro del conjunto de prompts analizados.
Pero este gráfico también nos aporta otra información muy valiosa. No basta con ver una fotografía; hay que analizar la evolución. El gráfico de evolución temporal permite comprobar cómo cambia el Share of Voice de cada marca semana tras semana.
Esta tendencia es mucho más útil que el dato puntual. Si nuestra cuota de visibilidad aumenta de forma sostenida, significa que los modelos de inteligencia artificial están confiando cada vez más en nuestro contenido para responder a los usuarios. En cambio, si nuestro Share of Voice permanece estable mientras el de nuestros competidores crece, estaremos perdiendo presencia en este nuevo canal, aunque el número absoluto de menciones siga aumentando.
Por este motivo, en VisibilidadOn utilizamos el Share of Voice como uno de los principales indicadores para medir el rendimiento de una estrategia GEO.
No buscamos únicamente aparecer más veces en ChatGPT, Gemini o Perplexity. Nuestro objetivo es aumentar la cuota de recomendaciones de nuestros clientes frente a sus competidores y convertir esa mayor visibilidad en una ventaja competitiva real.
Una de las métricas más interesantes dentro de una estrategia GEO son las citaciones.
Cuando un modelo de inteligencia artificial recomienda una marca, en muchas ocasiones también muestra las fuentes que ha utilizado para construir su respuesta.
Estas fuentes pueden ser páginas de nuestra propia web, artículos de medios especializados, estudios, organismos oficiales o incluso contenido publicado por terceros. Analizar estas citaciones nos permite responder preguntas muy relevantes para cualquier eCommerce:
En el proyecto de Olistic, LLM Pulse registra las fuentes utilizadas por cada modelo de inteligencia artificial para responder a los diferentes prompts monitorizados.
En la siguiente imagen podemos observar las fuentes más utilizadas por los distintos modelos de inteligencia artificial para responder a los prompts relacionados con Olistic y la salud capilar.
Lo primero que llama la atención es que olisticscience.com es la fuente más citada del estudio, acumulando 322 citaciones y una Citation Rate del 26 %.
Este dato es especialmente positivo, ya que indica que los propios contenidos de la marca son una de las principales referencias utilizadas por los LLMs para construir sus respuestas.
Sin embargo, también podemos observar que los modelos recurren con frecuencia a otras fuentes externas como YouTube, Ducray, Instagram, Instituto Trasplante Capilar, Farmacia Ferro Mauri, L’Oréal Paris o diferentes medios especializados.
Esto demuestra que los modelos de inteligencia artificial no construyen sus respuestas utilizando una única fuente, sino que combinan información procedente de diferentes dominios para ofrecer respuestas más completas y contrastadas.
Además, la tabla también permite analizar el comportamiento de cada modelo por separado.
Por ejemplo, Google AI Mode utiliza con mucha frecuencia el contenido publicado en la propia web de Olistic, mientras que otros modelos muestran patrones diferentes y apoyan sus respuestas en una combinación más amplia de fuentes.
Este tipo de información resulta especialmente útil para definir una estrategia GEO.
Si detectamos que determinados medios especializados aparecen constantemente como fuentes de referencia, puede ser una buena oportunidad para aumentar nuestra presencia en ellos mediante contenidos, colaboraciones o relaciones públicas digitales.
Del mismo modo, si observamos que determinadas páginas de nuestra propia web son citadas con frecuencia, sabremos qué tipo de contenido está generando mayor confianza en los modelos y podremos replicar ese enfoque en nuevas categorías o artículos.
🔎 Una de las cosas que más me ha sorprendido trabajando GEO durante estos meses es comprobar que los LLMs mezclan constantemente fuentes propias con terceros. No basta con tener una buena web; también necesitas aparecer donde los modelos buscan información.
Conseguir que un modelo de inteligencia artificial mencione nuestra marca es un primer paso. Sin embargo, existe una segunda cuestión igual de importante:
¿La está recomendando de forma positiva?
Para responder a esta pregunta analizamos el Brand Sentiment o sentimiento de marca.
Esta métrica clasifica el tono con el que los diferentes modelos de inteligencia artificial hablan sobre nuestra empresa dentro de sus respuestas.
Generalmente, las menciones se agrupan en 5 niveles:
El objetivo de cualquier estrategia GEO no debería ser únicamente aumentar el número de menciones, sino conseguir que estas sean mayoritariamente positivas. Al fin y al cabo, una recomendación tiene mucho más impacto cuando el modelo transmite confianza y destaca los beneficios de la marca.
En el caso de Olistic, se analiza el sentimiento asociado a cada una de las respuestas generadas por ChatGPT, Gemini, Google AI Mode, Perplexity y el resto de modelos monitorizados.
Podemos observar que la gran mayoría de las menciones presentan un sentimiento positivo o muy positivo, mientras que las menciones neutras representan una pequeña parte del total y no existen menciones negativas durante el periodo analizado.
Además, el gráfico temporal permite comprobar que esta percepción positiva se mantiene de forma constante semana tras semana, lo que indica que los modelos siguen asociando la marca con respuestas de calidad y confianza.
Otro dato interesante es el Net Sentiment Score, que compara el sentimiento de nuestra marca con el de los principales competidores.
En este ejemplo, Olistic alcanza una puntuación del 93,46 %, situándose entre las marcas con mejor percepción dentro del conjunto analizado.
Esta información resulta especialmente útil porque nos permite detectar posibles cambios de tendencia.
Si observamos un aumento de menciones neutras o negativas para una categoría de productos o una temática concreta, podremos revisar el contenido, reforzar la evidencia científica, mejorar la reputación online o trabajar nuevas fuentes de autoridad antes de que esa percepción termine afectando a la visibilidad de la marca.
Las métricas que hemos visto hasta ahora
Nos permiten evaluar si nuestra estrategia GEO está consiguiendo que los modelos de inteligencia artificial conozcan, entiendan y recomienden nuestra marca.
Sin embargo, ninguna de ellas es el objetivo final.
Su verdadera importancia radica en que son indicadores adelantados de lo que buscamos conseguir: más oportunidades de negocio.
Cuando un usuario descubre una marca a través de ChatGPT, Gemini o Perplexity, no siempre hace clic inmediatamente sobre el enlace que acompaña la respuesta.
En muchos casos, el proceso de compra continúa por otros canales.
Es habitual que, tras recibir una recomendación, el usuario abra una nueva pestaña y busque directamente la marca en Google para obtener más información, leer opiniones o acceder a la web oficial.
En otras ocasiones, introduce directamente el dominio en el navegador o vuelve días más tarde para realizar la compra.
Por este motivo, el impacto del GEO no debe medirse únicamente a través del tráfico procedente de los LLMs.
También debemos analizar cómo evoluciona el tráfico de marca, las búsquedas de marca en Google, el tráfico directo y, por supuesto, las conversiones y ventas asociadas a estos usuarios.
En definitiva, las métricas que hemos analizado hasta ahora nos indican si estamos ganando visibilidad y autoridad dentro de los modelos de inteligencia artificial.
El siguiente paso consiste en comprobar cómo esa mayor presencia se traduce en tráfico cualificado y, lo más importante, en resultados para el negocio.
Y si quieres auditar el GEO de tu proyecto, aquí te dejo la plantilla de la auditoria GEO que utilizamos para que puedas arrancar hoy o contactarnos para hacerlo nosotros.
Espero que haya sido de utilidad 💙
¡Un abrazote y hasta el próximo artículo!
Your email address will not be published. Required fields are marked *
Δ