Las métricas de visibilidad en IA, explicadas
Cinco métricas, qué mide cada una y —lo que casi nunca se cuenta— cómo se leen mal.
Share of Answer (SOA)
El porcentaje de preguntas de tu sector en cuya respuesta aparece tu marca.
Es la métrica principal y la más fácil de malinterpretar. Un SOA del 10 % sobre 90 preguntas no significa «uno de cada diez clientes me ve»: significa que, en el conjunto de preguntas que estamos midiendo, tu marca salió en nueve. Por eso se publica siempre con su intervalo y con el número de observaciones detrás.
Cómo se lee mal: comparando el SOA de dos sectores. Un 5 % en un mercado con cuatro competidores no es lo mismo que un 5 % en uno con cuarenta. La comparación útil es contigo mismo a lo largo del tiempo, y con quien compite por tus mismas preguntas.
LLM Visibility Index (LVI)
Un índice de 0 a 100 según la posición de tu marca dentro de la respuesta: 100 es ser la primera nombrada.
Aparecer no es lo mismo que aparecer primero. Cuando un modelo enumera cinco opciones, la primera se lleva la atención y la quinta casi ninguna. El SOA no distingue esos dos casos; el LVI sí.
Sirve sobre todo para detectar un patrón concreto: SOA que sube y LVI que no. Significa que apareces más veces pero siempre al final — estás entrando en la conversación, no ganándola.
Share of Mentions (SoM)
Tu cuota sobre el total de menciones del nicho: de todas las veces que la IA nombra a alguien de tu sector, cuántas te nombra a ti.
El SOA te dice cómo estás; el SoM te dice cómo estás respecto a los demás. Es la métrica que hace visible algo incómodo: la atención de un modelo es un juego de suma cero. Si un competidor sube, alguien baja.
Grounding Source Prominence (GSP)
Los dominios que la IA cita al responder sobre tu sector, con cuántas veces aparece cada uno y en qué preguntas.
Es la métrica más accionable de todas, porque no habla de ti: habla de dónde hay que estar. Si los mismos cuatro dominios aparecen citados en la mitad de las respuestas de tu mercado, esa es tu lista de trabajo, y normalmente no coincide con la lista de sitios donde tu sector cree que hay que estar.
Efecto Biblioteca
La distancia entre que te conozcan y que te recomienden.
Un modelo puede describirte perfectamente cuando le preguntan por tu nombre y no proponerte nunca cuando le piden una recomendación abierta. Eso es el Efecto Biblioteca: estás en el catálogo, pero no en la respuesta.
Se mide clasificando cada respuesta en cuatro estados, no en dos:
| Estado | Qué significa |
|---|---|
| Ausente | No apareces. |
| Mencionado | Apareces, pero como dato: no se te propone. |
| Con reservas | Se te propone acompañado de una advertencia o una condición. |
| Elegido | Se te recomienda sin peros. |
La diferencia importa porque el trabajo para pasar de ausente a mencionado no se parece en nada al de pasar de mencionado a elegido. El primero es de presencia; el segundo, de reputación.
El cero honesto
Un 0 % sin decir sobre cuántas preguntas se midió no significa nada.
Hay una regla estadística sencilla para esto: con cero apariciones en n intentos, la tasa real podría ser de hasta aproximadamente 3/n. Con tres preguntas, ese límite es del 100 % — literalmente no sabes nada. Con diez, el 30 %. Hacen falta unas treinta antes de poder decir con cara seria que alguien es invisible.
Por eso, cuando el resultado es cero, se acompaña del número de intentos y del techo real de esa afirmación en lugar de titular «no apareces nunca».
Mira tus métricas con tu propio dominio
La auditoría gratuita calcula tu presencia y quién aparece en tu lugar. Sin registro y sin tarjeta.
Hacer mi auditoría gratis →Inicio · Planes y precios · Metodología · Cómo elegir · Casos de uso · Novedades