Visibilidad en respuestas de IA: cómo medirla con Semalt AI Analytics

Durante quince años el trabajo de una agencia SEO en Sevilla consistió en responder a una sola pregunta: ¿en qué posición aparecemos cuando alguien busca esto en Google? Esa pregunta sigue siendo valida, pero ha dejado de ser suficiente. Una parte creciente de las decisiones de compra empieza y termina dentro de una respuesta generada por un modelo de lenguaje: el usuario pregunta, recibe un párrafo con tres o cuatro marcas recomendadas y actúa. Nunca ve una página de resultados. Nunca hace clic en un enlace azul. Y si tu negocio no está citado en ese párrafo, para ese usuario sencillamente no existe.

El problema practico es que esa capa de visibilidad ha sido, hasta hace muy poco, invisible para quien la sufre. Puedes ver tus impresiones en Search Console y tus posiciones en cualquier rank tracker, pero no puedes ver cuantas veces ChatGPT, Gemini o Perplexity han nombrado a tu competencia y no a ti. Esto es exactamente el hueco que cubre AI Analytics de Semalt, uno de los módulos gratuitos de la nueva plataforma, y es la razón por la que llevamos meses incorporándolo a nuestras auditorías.

por qué la visibilidad en IA es una métrica distinta, no una versión nueva del ranking

Es tentador tratar la visibilidad en respuestas de IA como si fuera un ranking más: una lista donde quieres estar arriba. No funciona asi, y confundir ambas cosas lleva a decisiones caras.

Un ranking clásico es determinista y reproducible dentro de un margen: si buscas «dentista Nervion» desde Sevilla, hoy y mañana, veras casi el mismo listado. Una respuesta generativa es probabilistica. La misma pregunta formulada dos veces puede producir dos respuestas distintas, con marcas distintas, apoyadas en fuentes distintas. No hay «posición 3». Hay una frecuencia: de cien formulaciones parecidas de la misma intención, ¿en cuántas apareces?

La segunda diferencia es la unidad de análisis. En SEO clásico compites por una keyword. En búsqueda generativa compites por una pregunta, y las preguntas son largas, conversacionales y llevan condiciones dentro: «que gestoria en Sevilla lleva autónomos con facturación intracomunitaria», «clínica dental abierta sábados cerca de Los Remedios que acepte financiación». Cada una de esas condiciones es un filtro que tu contenido cumple o no cumple. Si tu web no dice en ninguna parte que abres los sábados, ningún modelo va a deducirlo.

La tercera diferencia, y la más incomoda, es que puedes ser visible y salir perjudicado. Un modelo puede citarte y describirte mal: «es una opción económica pero con poca especialización». Eso es visibilidad negativa, y no existe en el mundo del ranking, donde la posición 1 siempre es mejor que la 4. Por eso una herramienta de medición seria no puede limitarse a contar menciones: tiene que leer el contexto.

Que mide exactamente el modulo AI Analytics

El planteamiento de Semalt es directo. En lugar de venderte un número opaco de «puntuación IA», descompone la visibilidad en cuatro dimensiones que se pueden trabajar por separado.

1. Consultas: el mapa de preguntas donde te juegas algo

El punto de partida no es tu marca, son las preguntas. La herramienta permite investigar que consultas conversacionales existen alrededor de tu categoría y tu mercado, y cuales de ellas generan respuestas donde aparecen empresas como la tuya. Esté listado es lo más parecido que hay hoy a un keyword research de la era generativa, y suele producir la primera sorpresa: el 60-70% de las preguntas relevantes no coinciden con las keywords que llevas años trabajando. Son más largas, más especificas y están cargadas de restricciones prácticas (precio, horario, zona, requisitos legales, tipo de cliente).

2. Menciones y citas: dos cosas que no son lo mismo

Una mención es que el modelo nombre tu marca dentro de la respuesta. Una cita es que enlace o atribuya explícitamente una página tuya como fuente. La distancia entre ambas cifras es diagnostica. Si te mencionan mucho y te citan poco, tu marca tiene notoriedad pero tu contenido no está siendo tratado como fuente fiable: el modelo sabe que existes por lo que otros dicen de ti, no por lo que tu publicas. Si te citan mucho y te mencionan poco, ocurre lo contrario: tu contenido alimenta respuestas sobre tu sector, pero no te posiciona como proveedor.

3. Sentimiento: como te describe, no solo si te nombra

El análisis de sentimiento sobre las respuestas es, en nuestra experiencia, el dato que más rápido cambia conversaciones en una reunión de cliente. Ver escrito que un modelo describe tu negocio como «una alternativa más barata» cuando llevas tres años posicionandote como premium es un golpe de realidad útil. Y es accionable: ese encuadre viene de algún sitio, normalmente de reseñas, comparativas de terceros o de tu propio copy antiguo.

4. Páginas y fuentes que influyen en la respuesta

Aquí esta la parte operativa. La herramienta identifica que URLs (tuyas y ajenas) están detrás de las respuestas. Con eso dejas de adivinar. Si descubres que las respuestas sobre tu categoría en Sevilla se apoyan sistemáticamente en tres directorios sectoriales y en dos blogs, ya sabes donde tienes que estar presente y correctamente descrito. Es un mapa de influencia, y se trabaja como se ha trabajado siempre el link building serio: con criterio y con relaciones.

El benchmark competitivo: donde aparece el dato que duele

Ninguna de estas métricas significa gran cosa en aislado. Que aparezcas en el 18% de las respuestas de tu categoría puede ser excelente o catastrófico según quien haya al lado. Por eso la función de comparación con competidores es la que convierte el modulo en una herramienta de decisión y no en un panel bonito.

El patrón que más vemos en negocios locales de Sevilla es este: una empresa con web técnicamente correcta, buenas posiciones en Google para sus keywords principales, y una presencia en respuestas de IA muy por debajo de competidores que rankean peor que ella. La explicación casi siempre es la misma. Su contenido esta escrito para ganar una keyword, no para responder una pregunta. Páginas de servicio de 400 palabras, sin precios, sin condiciones, sin zonas de cobertura explicitas, sin nada que un modelo pueda extraer y reutilizar con seguridad. Rankean por autoridad acumulada, pero no aportan material citable.

El diagnóstico contrario también existe y es igual de instructivo: negocios pequeños, con poca autoridad de dominio, que aparecen constantemente en respuestas generativas porque publicaron guías honestas, con datos concretos y estructura clara. La búsqueda generativa premia la especificidad de una forma que el algoritmo clásico nunca premio tanto.

Como incorporamos AI Analytics a un ciclo de trabajo real

Una herramienta solo vale lo que vale el proceso donde se inserta. Este es el flujo que utilizamos, resumido, y que puedes replicar entrando en tu panel de Semalt y conectando tu dominio.

1. Semana 1 — Linea baseAntes de tocar nada, se mide. Se define el conjunto de preguntas relevantes (40-60 para un negocio local, más para un ecommerce), se registran menciones, citas y sentimiento, y se anotan los tres o cuatro competidores contra los que tiene sentido compararse. Esta foto inicial es innegociable: sin ella, cualquier mejora posterior sera una anécdota en lugar de un resultado.
2. Semana 2 — Análisis de huecosSe cruzan dos listas: preguntas donde el competidor aparece y tu no, y preguntas donde nadie del sector aparece con solvencia. La segunda lista suele ser más valiosa y casi nadie la mira: son huecos sin ocupar, normalmente en la franja de preguntas muy especificas donde la competencia se aburrió de escribir.
3. Semanas 3 a 8 — Producción de material citableAquí es donde se gana o se pierde. Material citable responde a la pregunta en el primer párrafo sin rodeos, incluye cifras y plazos verificables, declara condiciones explicitas (zonas, horarios, requisitos), se estructura en bloques cortos con encabezados que replican la pregunta real y lleva fecha de revisión. Un modelo no puede citar lo que no puede extraer con confianza.
4. Semana 9 en adelante — Medición y corrección de encuadreSe vuelve a medir contra la línea base. Lo habitual es que las citas se muevan antes que las menciones —el contenido nuevo entra como fuente antes de que la marca gane notoriedad— y que el sentimiento sea lo último en corregirse, porque depende de material de terceros que no controlas.

Cinco errores que vemos repetidamente

Medir solo la marca. Consultar «que sabes de mi empresa» y darse por satisfecho. Eso mide notoriedad, no visibilidad comercial. El cliente no pregunta por ti; pregunta por su problema.

Confundir volumen de menciones con calidad. Cincuenta menciones en respuestas a preguntas irrelevantes valen menos que tres en la pregunta que precede a una contratación.

Escribir para el modelo en lugar de para el lector. Los textos que mejor rinden en respuestas generativas son, sin excepción, textos útiles para una persona. El relleno con sinónimos y preguntas frecuentes artificiales no solo no ayuda: introduce ruido que el modelo puede citar mal.

Ignorar las fuentes de terceros. Si el 70% de las respuestas de tu categoría se apoyan en un comparador sectorial donde tu ficha esta incompleta o desactualizada, ninguna cantidad de contenido propio lo va a compensar.

Tratarlo como un proyecto y no como una medición continua. Los modelos se actualizan, la competencia publica, el corpus cambia. Una medición trimestral es el mínimo razonable; mensual es lo sensato.

Que hace distinto al planteamiento de Semalt

Hay dos motivos por los que este modulo nos parece relevante más allá de la novedad.

El primero es que no vive aislado. En la misma cuenta tienes la analítica de Search Console, el seguimiento de posiciones en Google SERP y la indexacion rápida. Esto importa más de lo que parece: cuando publicas una guía pensada para ser citada, quieres poder empujar su indexacion, verla entrar en posiciones orgánicas y comprobar si empieza a alimentar respuestas generativas, todo con la misma referencia temporal. Tener esos tres datos en tres herramientas distintas, con tres definiciones distintas de «últimos 30 días», es la forma más eficaz de no concluir nada.

El segundo es el modelo comercial. La capa de analítica de Semalt es gratuita, sin límite de tiempo, y la parte de pago son las campañas gestionadas. Esto invierte el planteamiento habitual del sector, donde primero pagas por ver el diagnóstico. Para un negocio que aun no sabe si tiene un problema de visibilidad en IA, poder medirlo antes de comprometer presupuesto es exactamente el orden correcto.

El angulo local: que cambia para un negocio de Sevilla

Casi toda la literatura sobre visibilidad en IA esta escrita pensando en marcas nacionales o en SaaS internacionales. El negocio local juega otra partida, con tres particularidades que conviene tener claras antes de invertir un euro.

La geografía entra en la pregunta, no en el algoritmo. Google conoce tu ubicación y filtra por ella sin que la menciones. Un modelo generativo, salvo integración explicita, trabaja con lo que le escribes: si el usuario no dice «en Sevilla» o «cerca de Triana», la respuesta sera genérica. Esto tiene una consecuencia directa: las preguntas que de verdad te interesan son las que llevan la localidad dentro, y son mucho menos numerosas de lo que sugiere tu volumen de búsquedas habitual. Cuarenta preguntas bien elegidas cubren la práctica totalidad del mercado real de una clínica, una asesoría o un taller en la ciudad.

La densidad competitiva es baja y eso es una oportunidad con fecha de caducidad. En categorías locales sevillanas seguimos encontrando preguntas de intención comercial clara donde ninguna empresa de la ciudad aparece con solvencia: el modelo responde con criterios genéricos o cita directorios nacionales. Quien publique primero material especifico y verificable ocupa ese hueco con una inversión de contenido modesta. Dentro de dos años esa ventana estará cerrada, igual que se cerro la del SEO local en 2012.

Las fuentes que alimentan las respuestas locales son predecibles. Fichas de Google Business Profile, reseñas, prensa local, colegios profesionales, asociaciones sectoriales y unos pocos directorios. Cuando revisas en AI Analytics que URLs sostienen las respuestas de tu categoría, el listado rara vez pasa de quince dominios. Ese listado corto es tu plan de trabajo de reputación y presencia: perfiles completos, datos coherentes en todos ellos y descripciones que digan lo que quieres que se repita de ti.

Traducido a presupuesto: un negocio local no necesita una estrategia de IA. Necesita treinta páginas honestas, bien estructuradas y localizadas, y una revisión seria de una docena de perfiles externos. El trabajo es abordable; lo difícil es saber donde apuntar, y para eso hace falta el dato.

Preguntas frecuentes

Conclusion: medir primero, opinar después

La búsqueda generativa lleva dos años generando más opinión que datos. Se afirma que va a matar al SEO, que no lo va a cambiar, que las citas son lo único que importa, que no importan nada. Casi ninguna de esas afirmaciones viene acompañada de una medición sobre un negocio concreto en un mercado concreto.

Nuestra recomendación para cualquier empresa de Sevilla que se esté haciendo estas preguntas es la menos glamurosa posible: monta una línea base este mes. Define tus cuarenta preguntas, mide donde apareces, mide donde aparece tu competencia y guarda ese dato. Dentro de un trimestre tendrás algo que hoy casi nadie tiene en tu sector: una serie temporal propia, con la que decidir con criterio en lugar de reaccionar a titulares.

Si quieres empezar por la parte gratuita, abre tu panel, conecta el dominio y dedica una tarde a construir tu lista de preguntas. Es, con diferencia, la hora de trabajo con mejor retorno que puedes invertir hoy en la visibilidad de tu negocio. Y si prefieres que lo montemos y lo interpretemos contigo, en sevillaseo.com lo incluimos ya como parte de la auditoría inicial.