Cuánto se mueve solo un número de visibilidad en IA
Antes de celebrar una subida o entrar en pánico por una caída, conviene saber cuánto se mueve el número sin que nadie haya tocado nada.
Un número de visibilidad en IA no está quieto
Se mueve por tres motivos distintos, y solo uno de ellos tiene que ver contigo.
- El modelo es estocástico. La misma pregunta, el mismo día, al mismo motor, da respuestas distintas. Lo medimos: de 269 preguntas lanzadas tres veces seguidas, en 12 de los 27 casos en que la marca aparecía no apareció las tres veces.
- El motor cambia sin avisar. Entre el 24 y el 31 de agosto de 2026, Google AI Mode pasó de citar 12,22 fuentes por respuesta a 4,08 y once marcas perdieron un tercio de su visibilidad la misma semana, sin haber tocado nada.
- Los motores no se parecen entre sí. Dos buscadores respondiendo a la misma pregunta comparten entre el 4 % y el 13 % de sus fuentes.
Una serie temporal mezcla las tres cosas. Separarlas es la mitad del trabajo de medir.
Qué margen de error tiene la cifra
Depende solo del tamaño de la muestra, y es mucho mayor de lo que casi nadie publica.
Cada porcentaje se publica con su intervalo de confianza de Wilson al 95 % y con el número de observaciones que lo sostiene. El ejemplo canónico: sobre 90 preguntas, un 10 % de presencia significa en realidad algo entre el 5 % y el 18 %. No es un matiz de letra pequeña. Es que el número que te enseñan podría ser casi el doble o casi la mitad.
Hay además una trampa concreta: las repeticiones de una misma pregunta no son independientes entre sí. Si repites 90 preguntas tres veces, no tienes 270 observaciones a efectos de margen, tienes algo más cerca de 90. Por eso el intervalo se calcula sobre la muestra efectiva y no sobre el total de tiradas, que es la forma barata de que el intervalo salga más estrecho de lo que le corresponde. El detalle está en la metodología.
Un cero no siempre significa que seas invisible
Con cero apariciones en n intentos, la tasa real todavía puede llegar a 3/n.
| Tiradas | La tasa real podría llegar a | ¿Puedes decir «no aparezco»? |
|---|---|---|
| 3 | ~63 % | No. No has medido nada. |
| 10 | ~30 % | No. |
| 30 | ~10 % | Empieza a ser defendible. |
| 60 | ~5 % | Sí. |
Esto corta en las dos direcciones. Un cero sobre tres tiradas no vale como diagnóstico de invisibilidad, y tampoco vale como prueba de que una herramienta «no detecta nada». Un cero honesto viene siempre con su cota superior y con cuántas tiradas más harían falta.
Cómo se sabe si una subida es real o es ruido
Comparando la variación contra el margen de la propia muestra: si es más pequeña que el margen, no ha pasado nada.
La regla práctica es que cualquier movimiento menor que el intervalo de tu muestra es ruido. Para contrastar dos periodos se usa un test de dos proporciones y el veredicto se dice en voz alta: caída real, subida real, ruido o datos insuficientes. Dos ejemplos del mismo corpus, para ver la diferencia:
- Esto sí es real: el Share of Answer del panel cayó del 23,4 % al 15,9 % sobre 990 preguntas semanales, y a la semana siguiente seguía en 16,7 %. Muestra grande, movimiento grande, y no rebotó. El hallazgo completo.
- Esto no lo es: pasar del 10 % al 13 % sobre 90 preguntas. El intervalo de ese 10 % ya iba del 5 % al 18 %, así que el 13 % cabe entero dentro del margen anterior.
Un informe que te enseña una flecha verde sin decirte el tamaño de la muestra te está pidiendo que celebres ruido.
Por qué dos herramientas te dan cifras distintas de la misma marca
Porque hay al menos cuatro formas legítimas de contar, y dan números muy distintos sobre exactamente los mismos datos.
| Regla de conteo | Qué exige | Efecto sobre la cifra |
|---|---|---|
| Mención en cualquier tirada | Que te nombren alguna vez | El número más alto y el menos útil |
| Selección en cualquier tirada | Que te recomienden al menos una vez | Sensible al ruido: una tirada afortunada cuenta igual que un patrón |
| Selección por mayoría | Que te recomienden en 2 de 3 tiradas de la misma pregunta | El más exigente |
| Proporción de tiradas | El porcentaje de tiradas individuales con selección | El que publicamos, con su intervalo y su n |
Y eso es solo la aritmética. Encima se suman cuatro decisiones que cambian el resultado igual de fuerte: qué preguntas se lanzan, en qué idioma y desde qué país, qué motores entran en la media, y si se han excluido o no las preguntas que ya nombran la marca. Una pregunta que dice tu nombre da presencia casi del 100 % por construcción; meterla en el titular es medirte en un espejo.
Consecuencia práctica: comparar la cifra de dos herramientas no significa nada si no sabes qué regla usa cada una. Si vas a elegir una, los criterios están en cómo elegir una herramienta de visibilidad en IA.
Qué exigirle a un informe de visibilidad en IA
Seis cosas, y las seis se piden antes de firmar, no después.
| Qué pedir | Por qué importa |
|---|---|
| El n de cada porcentaje | Sin muestra, un porcentaje no se puede leer ni comparar |
| El intervalo de cada cifra | Es lo que distingue una subida de una casualidad |
| Las respuestas en bruto | Sin ellas no puedes comprobar cómo se ha clasificado nada |
| La regla de conteo, por escrito | Cuatro reglas distintas dan cuatro cifras distintas |
| Las preguntas, con su idioma y su país | Cambia las preguntas y cambias el resultado |
| Qué NO demuestra el dato | Un informe que solo afirma no se ha mirado a sí mismo |
Aplícalo también a lo nuestro. Si algún informe de vilnux no pasa esta tabla, descártalo.
Dos cifras nuestras que salieron mal
Las publicamos porque un método que nunca se ha equivocado delante de nadie no es un método, es un folleto.
La primera: nuestra medición de precisión dio un 99,5 %. Era falsa. De las 107 comprobaciones que producían esa cifra, 106 no podían salir mal por construcción. Al exigir que cada dato pudiera ser contradicho por la respuesta, la cifra real quedó en un 64,2 % sobre 53 comprobaciones. Está entero en este hallazgo.
La segunda: hasta julio de 2026 nuestro detector marcaba una marca como recomendada si aparecía en el texto y había alguna palabra de recomendación en cualquier parte, sin comprobar a quién se refería. Al reanalizar 2.031 respuestas reales con atribución por proximidad, las «recomendaciones» pasaron de 79 a 31. El 62 % eran falsos positivos, y en catorce de ellas la recomendación se la llevaba explícitamente un competidor. La corrección bajó nuestra propia tasa reportada del 3,9 % al 1,5 %.
Ese es el sesgo que cabe esperar de una métrica que nadie audita: infla en la dirección que le gusta al cliente.
Lo que esta página no resuelve El margen de error se calcula; la representatividad no. La muestra de preguntas es una elección humana, no un censo de la demanda real de tu mercado: cambia las preguntas y cambias el resultado, y ningún intervalo de confianza te protege de eso. Tampoco convierte correlación en causa. Salvo en experimentos con grupo de control, todo lo que se mide aquí es observacional.
Preguntas frecuentes
¿Qué margen de error tiene medir la visibilidad de una marca en IA?
Depende del tamaño de la muestra, y es mayor de lo que suele publicarse. Sobre 90 preguntas, un 10 % de presencia significa en realidad algo entre el 5 % y el 18 %, con un intervalo de Wilson al 95 %. Además, las repeticiones de una misma pregunta no son independientes, así que el intervalo se calcula sobre la muestra efectiva y no sobre el total de tiradas.
¿Cómo se sabe si una subida de visibilidad en IA es real o es ruido?
Comparando la variación con el margen de la propia muestra: si el movimiento cabe dentro del intervalo anterior, es ruido. Pasar del 10 % al 13 % sobre 90 preguntas no es una subida, porque el intervalo de ese 10 % ya iba del 5 % al 18 %. Una caída como la del panel de agosto de 2026, del 23,4 % al 15,9 % sobre 990 preguntas semanales y sostenida la semana siguiente, sí lo es.
¿Qué tamaño de muestra hace falta para medir visibilidad en buscadores de IA?
Para afirmar que no apareces, unas 60 tiradas. Con cero apariciones en n intentos la tasa real todavía puede llegar a 3/n: con 3 tiradas eso es un 63 %, con 30 un 10 % y con 60 un 5 %. Por debajo de 30 tiradas, un cero solo dice que no se ha medido bastante.
¿Por qué dos herramientas de GEO me dan cifras distintas para la misma marca?
Porque hay al menos cuatro formas legítimas de contar y dan números muy distintos sobre los mismos datos: mención en cualquier tirada, selección en cualquier tirada, selección por mayoría de tres, y proporción de tiradas. A eso se le suman las preguntas elegidas, el idioma y el país, qué motores entran en la media y si se excluyen las preguntas que ya nombran la marca.
¿Son fiables las herramientas que dicen medir la visibilidad en ChatGPT?
Son fiables las que publican cómo cuentan y con qué muestra, y solo en la medida en que lo publiquen. El riesgo no es teórico: nuestro propio detector daba un 3,9 % de recomendación y al reanalizar 2.031 respuestas con atribución por proximidad quedó en un 1,5 %, con un 62 % de falsos positivos. Una métrica que nadie audita infla en la dirección que le gusta al cliente.
¿Qué hay que exigirle a un informe de visibilidad en inteligencia artificial?
Seis cosas: el n de cada porcentaje, su intervalo de confianza, las respuestas en bruto, la regla de conteo por escrito, las preguntas con su idioma y su país, y qué no demuestra el dato. Si falta cualquiera de las seis, la cifra no se puede comprobar ni comparar con ninguna otra.
Mira tu cifra con su intervalo
La auditoría gratuita devuelve cada porcentaje con su muestra y su intervalo de confianza, y te enseña las respuestas enteras de las que sale. Sin registro y sin tarjeta.
Hacer mi auditoría gratis →Inicio · Planes y precios · Metodología · Investigación · Perplexity · Métricas · Cómo elegir · Casos de uso · Novedades · Agencias · Alternativas · Diagnóstico · Comprobar si la IA te cita · Método en cuatro pasos · Optimización para agentes · X · Product Hunt