¿Cómo mide VisibilityDone la visibilidad de tu marca en respuestas de IA?

Por Daniel Espejo, fundador de Omnia. Actualizado el 23 de octubre de 2026.

VisibilityDone mide si tu marca aparece en las respuestas de IA que importan para tu negocio, en qué posición, con qué fuentes y si la información es correcta. Repetimos las mismas preguntas en ChatGPT, Perplexity, Gemini y otros motores, comparamos los resultados con el tiempo y convertimos cada hallazgo en una mejora concreta.

Un ejemplo muestra cómo pasa la medición a la acción

Ejemplo ilustrativo. No es un resultado de cliente ni un dato publicado por VisibilityDone.

Pregunta: «mejor CRM para equipos de ventas pequeños»<br> Motor: ChatGPT<br> Fecha: 6 de octubre

Resultado inicial: aparecen cinco marcas. Tu marca queda en cuarto lugar y no recibe una cita. Las fuentes citadas son dos comparativas de terceros y un hilo de Reddit.

Acción: crear una página comparativa propia que explique los criterios de elección y revisar la información de tu marca en esas dos comparativas de terceros.

Cuatro semanas después: tu marca aparece en segundo lugar y la cita apunta a tu página comparativa.

El cambio del ejemplo no demuestra que una página produzca siempre ese resultado. Muestra qué se registra, qué se puede cambiar y qué se vuelve a comprobar. Si la posición mejora pero la fuente sigue siendo incorrecta, la acción no está terminada.

Así puede verse una fila del informe del lunes:

También es un ejemplo ficticio. Un informe real conserva la respuesta, los dominios, la URL atribuida cuando existe, la configuración de la consulta y la fecha de medición.

Las preguntas representan decisiones reales de compra

Partimos de las preguntas que VisibilityDone identifica en la investigación de demanda: qué buscan y preguntan los clientes y quién gana esas respuestas hoy, como explica el servicio público. El conjunto incluye preguntas informativas, comparativas, de alternativas, de casos de uso, de integración y de precio cuando son relevantes para el negocio.

Priorizamos cada pregunta con cuatro señales: relación con el comprador, importancia del tema para la empresa, presencia de competidores y posibilidad de que una página propia responda con pruebas concretas. También registramos el idioma, el mercado, el motor y la fecha.

Trabajamos con dos tipos de preguntas:

• Preguntas de marca. Mencionan tu marca y sirven para comprobar cómo te describen los motores, qué fuentes usan y si la información es correcta.
• Preguntas sin marca. No mencionan tu marca y muestran cómo aparece frente a otras opciones cuando el comprador todavía está investigando.

Las dos lecturas cumplen funciones distintas. Las preguntas de marca sirven para revisar la representación de la empresa. Las preguntas sin marca muestran si puede entrar en la conversación competitiva sin que el comprador la nombre primero.

Cada respuesta deja más información que una mención

No contamos una mención como si fuera un resultado completo. Registramos varios niveles de presencia para saber qué está funcionando y qué se ha quedado a medias.

Mención y tasa de mención

La marca aparece en la respuesta. La tasa de mención responde a una pregunta concreta: ¿en qué proporción de las respuestas del conjunto aparece tu marca?

Tasa de mención = respuestas en las que aparece tu marca / respuestas totales del conjunto

Conservamos el motor y la fecha para no mezclar resultados distintos. Una marca puede aparecer en una respuesta y no recibir una cita, por eso estas métricas se informan por separado.

Cuota de voz

La cuota de voz compara la presencia de tu marca con la de todas las marcas mencionadas en el mismo conjunto de respuestas.

Cuota de voz = menciones de tu marca / menciones de todas las marcas

No dice quién es mejor en abstracto. Dice qué espacio ocupa cada marca en esas preguntas, en esos motores y durante ese periodo.

Posición y prominencia

Registramos la posición cuando el motor ordena las recomendaciones o presenta una lista. También anotamos la prominencia cuando no hay una clasificación numérica: primera recomendación, mención destacada, aparición secundaria o simple inclusión.

La posición importa porque no es lo mismo ser la primera recomendación que la quinta de una lista. Si la respuesta no tiene un orden interpretable, no inventamos un ranking. Marcamos la posición como no disponible y conservamos la respuesta para revisar la prominencia.

Cita, dominio de origen y URL atribuida

Anotamos si el motor cita una fuente y qué dominio aparece. También registramos la URL concreta cuando el resultado permite identificarla.

Una respuesta puede mencionar una marca sin citarla, citar un dominio sin mencionar la marca o hacer ambas cosas. Clasificamos las fuentes para distinguir entre:

• una página propia de la marca;
• una página de un competidor;
• un medio, directorio u otra publicación de terceros;
• una fuente de comunidad o contenido generado por usuarios; y
• una fuente que necesita revisión.

La URL atribuida importa porque una marca puede aparecer en una respuesta y, aun así, enviar al comprador a una página secundaria, antigua o que no explica el tema. Revisamos si la URL responde a la intención correcta, contiene la información que el motor está usando y sigue siendo accesible.

Exactitud de la descripción

Comprobamos si el motor describe bien tu precio, tus funciones, tus integraciones, tus mercados y para quién es el producto. También revisamos si atribuye esas afirmaciones a una fuente vigente.

Una marca puede tener una buena posición y estar mal descrita. En ese caso la prioridad no es celebrar la visibilidad, sino corregir la información pública que está alimentando la respuesta. Si el dato negativo es cierto, se comunica como un problema del producto o de la oferta, no como un problema de redacción.

Cambio con el tiempo

Guardamos la fecha de cada consulta y comparamos periodos equivalentes. Miramos si cambian la mención, la cuota de voz, la posición, las citas, los dominios de origen, la URL atribuida y la exactitud de la descripción.

Una respuesta aislada no demuestra una tendencia. Si una variación no se puede relacionar con un cambio concreto, la marcamos como no atribuida.

La tabla resume qué mide cada señal

La cobertura se documenta por motor y por pregunta

El servicio trabaja con ChatGPT, Perplexity, Gemini, Claude, Copilot, Google (incluidos los AI Overviews) y Bing. La combinación exacta depende del proyecto y se deja definida junto con las preguntas que se van a seguir.

No presentamos una cifra de visibilidad como si fuera igual en todos los motores. Para cada lectura registramos el motor consultado, la pregunta, la fecha, las marcas detectadas, la posición o prominencia, las fuentes citadas, la URL atribuida cuando está disponible y la exactitud de la descripción.

El protocolo controla la variabilidad de las respuestas

En los proyectos que usan la monitorización de Omnia, el seguimiento de prompts se actualiza cada 24 horas. Cada pregunta activa se ejecuta por motor dentro de esa actualización; las repeticiones de control se registran aparte y no se mezclan con la serie diaria. El informe semanal recoge las ejecuciones de esa semana, no una única consulta elegida a posteriori.

Cada ejecución conserva la pregunta, el motor, el idioma, el país, la fecha y las fuentes observadas. Se lanza en una sesión nueva, sin historial de conversación, para que una respuesta anterior no condicione la siguiente. La monitorización pública de Omnia documenta la actualización cada 24 horas; si un proyecto usa otra cadencia o configuración, queda indicada en el informe.

Cuando detectamos un cambio que puede deberse a la variabilidad del modelo, repetimos la misma pregunta con la misma configuración antes de atribuirlo a una mejora. Una señal gana peso cuando aparece en varias fechas, preguntas o motores. Si no podemos separar el efecto del trabajo de la variabilidad, lo decimos en el informe.

La disponibilidad de respuesta, el formato de cada motor y el tipo de consulta pueden cambiar. Por eso mostramos las repeticiones de control realizadas cuando una decisión depende de ellas, en lugar de ocultar esa diferencia detrás de un promedio.

Un hallazgo se convierte en una acción concreta

Cada lectura termina en una decisión documentada: crear o mejorar una página, corregir una condición técnica, revisar una fuente externa o volver a preguntar sin cambiar nada cuando la señal no es suficiente. El ciclo de trabajo es:

1. Investigar la demanda. Identificamos qué preguntas hacen los compradores y cómo las formulan.
2. Elegir la prioridad. Cruzamos intención, presencia competitiva, calidad de las fuentes y capacidad de responder con información verificable.
3. Encontrar la causa. Comprobamos si falta una respuesta propia, si la página correcta no se indexa, si el contenido no deja clara una afirmación o si la información externa está incompleta o desactualizada.
4. Hacer el cambio. Creamos o mejoramos una guía, una página comparativa o una herramienta; ajustamos títulos, estructura, enlaces e información; comprobamos indexación; o trabajamos la presencia legítima en fuentes externas.
5. Publicar y revisar. Cada cambio se revisa antes de publicarse. La información sobre precios, funciones y afirmaciones debe seguir siendo exacta.
6. Volver a preguntar. Repetimos las preguntas para comprobar qué cambió, qué fuente aparece y qué acción merece prioridad después.

El trabajo incluye investigación, redacción, mejoras en la web, publicación, seguimiento, comprobaciones técnicas, revisión de precisión y presencia externa cuando corresponde. El cliente no tiene que escribir briefs, aprobar borradores rutinarios ni aprender otra herramienta.

El informe semanal muestra qué cambió y qué haremos después

Cada lunes el cliente recibe un informe de progreso. Resume las preguntas revisadas, la presencia de la marca, las posiciones, las citas y fuentes observadas, los cambios publicados y las prioridades que salen de la nueva lectura.

El equipo hace la investigación, escribe, mejora y publica. El cliente aporta los accesos iniciales y la información real del producto, y avisa cuando cambien precios, funciones, integraciones o mercados. Sin esa información, ninguna medición puede proteger la exactitud de una página.

Este método mejora la probabilidad, no controla la respuesta

Ningún proveedor puede garantizar una mención, una posición, una cita, una URL atribuida, un número de leads o una fecha exacta. Los motores deciden qué recuperan, qué citan y cómo redactan cada respuesta.

VisibilityDone controla la investigación, las páginas, las mejoras técnicas, la publicación, la comprobación de precisión y la forma de medir. Si el método muestra una limitación real del producto, una fuente externa negativa o una información que todavía no existe, la siguiente acción debe corregir el hecho o cubrir la carencia de forma honesta. Añadir más texto no arregla un problema real.

Preguntas frecuentes sobre la metodología

¿Qué mide VisibilityDone en una respuesta de IA?

Mide la mención, la cuota de voz, la posición o prominencia, las citas, los dominios de origen, la URL atribuida, la exactitud de la descripción y la evolución de esas señales por pregunta y motor.

¿Por qué una marca puede aparecer sin ser citada?

El motor puede nombrar una empresa sin enlazar una fuente concreta. Por eso medimos la mención y la citación por separado, y comprobamos qué dominios y URLs aparecen cuando sí existe una referencia.

¿Qué tiene que hacer el cliente?

Al principio facilita el acceso a la web, Search Console y Analytics, además de la información necesaria para comprobar el producto. Después, el equipo se encarga de la investigación, el contenido, las mejoras, la publicación y el informe semanal.

Sobre VisibilityDone

VisibilityDone lo dirige Daniel Espejo, fundador de Omnia. El equipo trabaja en visibilidad en IA desde los inicios de ChatGPT y combina investigación de demanda, contenido, mejoras técnicas, publicación, comprobación de precisión y seguimiento.

Consulta el servicio de VisibilityDone y el precio del servicio. Si quieres hablar sobre tu marca, empieza con una pregunta.