Si vuestro informe de «visibilidad IA» cabe en una celda de Excel, descartadlo. En la corrida Geoboard del 2026-06-11, wppoland.com salió primero en cinco de seis modelos para «Polish agency for foreign WordPress clients» y, el mismo día, no apareció en ninguna consulta transaccional de WooCommerce ni de implantación de IA. Mezclar ambos resultados en un único score habría sonado a «vamos bien». Separarlos obliga a admitir dos problemas distintos: mantener una identidad ya resuelta cuesta poco; entrar en prompts de contratación exige autoridad off-page que el score no mide. Esta guía convierte esa lección en un manual: familias de consulta, métricas ligadas a ingresos, la stack que usamos en wppoland.com y una cadencia que podéis exigir a un proveedor o a compras.
El material en bruto en el que se apoya esta guía ya lo publicamos: el lanzamiento de seguimiento de 90 días que fijó la baseline, y el ciclo de medición Q2 2026 que mostró cuánto puede mover el propio instrumento de medición el número reportado. Este artículo convierte ambos en un manual operativo: qué rastrear, con qué frecuencia, y qué exigir a cualquiera que os venda un informe de «visibilidad IA».
Por qué un único score de visibilidad IA falla al procurement
Un score compuesto existe para que una diapositiva se vea limpia, no para que una decisión sea defendible. Comprime al menos cuatro señales distintas - reconocimiento de identidad, presencia en consultas informativas, tasa de citación transaccional y share of voice de la competencia - en un solo número, y promediarlas destruye exactamente la información que un comprador necesita.
Aquí está el problema mecánico. Nuestro resultado de prompt de identidad (primero en cinco de seis modelos) y nuestro resultado transaccional (cero presencia) viven en la misma corrida de baseline Geoboard, la misma fecha, para el mismo dominio. Promediadlos y obtenéis un score medio que parece «hay margen de mejora». Reportadlos como división y obtenéis la historia exacta: una posición defendible que cuesta poco mantener, junto a una brecha real que cuesta trabajo off-page real cerrar. Un proveedor que os entrega un solo número o no ha separado las familias de consultas o no quiere que veáis la división.
En el procurement español el mismo error aparece cuando las agencias ponen un «score de visibilidad IA» junto a exports de Sistrix o Ahrefs y lo tratan como un KPI más en la tabla del concurso. El procurement debería tratar un único score de visibilidad IA como trataría un único «SEO score» de una extensión de navegador: un artefacto de marketing, no un input de auditoría. Pedid la tabla en lugar del número, siempre.
Familias de consultas a monitorizar
Separad prompts por intención antes de contar nada. Cuatro familias cubren la mayor parte del comportamiento de compra B2B en torno a WordPress y WooCommerce, y cada una responde a una pregunta de negocio distinta.
Prompts de identidad y posicionamiento son las preguntas de marca que llegan cuando el comprador ya baraja nearshore en la UE: «Polish agency for foreign WordPress clients», estudio en Polonia con solape horario, entrega sin salto a LATAM. Aquí medís si el modelo sabe quiénes sois. Salir primero es barato de defender y casi no mueve RFPs.
Prompts informativos y de practitioner son la shortlist técnica previa al concurso: headless frente a monolito, puentes WooCommerce-ERP, Core Web Vitals en catálogos grandes. Si no salís citados, no estáis en la mesa aunque el prompt de identidad os premie. En tiendas ES lo vemos con Redsys, Bizum y Holded: los modelos prefieren tutoriales genéricos a quien ha peinado un Black Friday con pasarela española y stock sincronizado.
Prompts transaccionales WooCommerce son donde se sientan los presupuestos de verdad: contratar un developer WooCommerce, partner de integración WooCommerce y ERP, arreglar un checkout lento en una tienda grande, agencia para Woo más automatización IA. Nuestra propia baseline mostró cero presencia aquí.
Prompts de implementación IA van en paralelo a WooCommerce: integración IA con WordPress, feeds de producto listos para agentes, governance de plugins IA, exposición MCP para datos de la tienda. El mismo resultado de baseline, cero el 2026-06-11, y cada vez más empaquetados en paquetes de procurement enterprise que emparejan trabajo de plataforma con «AI readiness».
| Familia de consultas | Qué prueba | Nuestra señal de baseline (2026-06-11) | Qué exigir del informe del proveedor |
|---|---|---|---|
| Identidad / posicionamiento | Resolución de entidad para vuestro nicho | #1 en 5/6 modelos en el prompt ancla | Confirmad la formulación exacta del prompt, no una paráfrasis |
| Informativa / practitioner | Shortlist técnica antes de un RFP | Mixta, no la métrica de titular | Preguntad qué preguntas de practitioner se probaron |
| Transaccional (p. ej. WooCommerce) | Intención de contratación cercana a ingresos | Cero presencia | Pedid dominios de competidores citados en vuestro lugar |
| Implementación IA | Procurement de agentes y automatización | Cero presencia | Preguntad si esta familia se probó en absoluto |
Si un informe no desglosa estas cuatro filas por separado, no es un informe de monitorización - es un resumen diseñado para creerlo en lugar de auditarlo.
Métricas que importan
Cuando las familias de consultas están separadas, cuatro métricas cargan la señal real. Todo lo demás es un agregado de vanidad vestido de datos.
Mención de marca. El asistente nombró vuestra marca en algún sitio de la respuesta, con independencia de un enlace. Es la señal más laxa y la más fácil de acertar, así que tratad una tasa de menciones al alza sola como evidencia débil.
Citación de URL. El asistente enlazó vuestra página concreta. Esto está más cerca de un referral real y es mucho más difícil de ganar que una mención desnuda, sobre todo en familias transaccionales donde los modelos tienden a citar directorios en lugar de especialistas.
Dominios de competidores citados. Qué otros dominios aparecieron en vuestro lugar, registrados por nombre, no resumidos como «competidores». En nuestras propias comprobaciones transaccionales, los dominios que surgieron fueron tiendas SEO o SEM generales anunciando «AI SEO», no especialistas WooCommerce - eso es en sí un hallazgo: la brecha es asociación y autoridad, no calidad de contenido. En el mercado español vemos a menudo directorios de agencias y landings genéricas de «visibilidad IA» sin profundidad Woo o ERP. INCIBE y la AEPD no miden citas, pero sí empujan a equipos a endurecer consentimientos que a veces esconden hechos detrás de JS - un efecto colateral que confundimos con «cero de autoridad» si no se aísla.
Share of voice. Vuestra cuenta de citas dividida por el total de citas en el conjunto de prompts rastreado, calculada por familia de consultas, por motor. Es la única de las cuatro que se comporta como un KPI real en el tiempo, porque es relativa y comparable entre reejecuciones, siempre que la lista de prompts se mantenga fija.
Lo que está deliberadamente ausente: un único «porcentaje de visibilidad IA», un «score AI SEO» de 0 a 100, o cualquier métrica que no se pueda rastrear hasta un prompt, motor y fecha concretos. Si un dashboard no puede mostrar el prompt detrás de un número, el número no es evidencia.
El stack de monitorización que realmente usamos
Ejecutamos cuatro capas en nuestro propio sitio, y cada una cubre un modo de fallo que las otras no captan.
Reejecuciones batch Geoboard dan cobertura multimodelo repetible contra un conjunto de prompts declarado. Nuestra baseline congelada del 2026-06-11 produjo la división identidad-versus-transaccional descrita arriba, junto con el skew de motores entre ChatGPT y Perplexity. Las herramientas batch son la capa correcta para comparar tendencias, no para monitorización diaria, porque el polling multimodelo diario mide sobre todo ruido de interfaz.
Comprobaciones manuales semanales en interfaces de consumidor - ChatGPT, Perplexity, Copilot y Claude donde aplique - captan cambios de producto rápido. Registramos cuatro campos cada vez: fecha, motor, familia de prompt y resultado (mención de marca, URL citada, dominios de competidores o ninguno). Esta capa es el sistema de alerta temprana cuando un modelo añade o quita browsing en vivo. En clientes españoles con Microsoft 365, las mismas comprobaciones captan a menudo deriva de Copilot antes que las corridas batch, porque la UI de consumidor y el contexto del tenant pueden divergir.
Tracking estilo brand-radar para dominios de citación de competidores. Geoboard y las comprobaciones manuales dicen si aparecisteis. Esta capa dice quién apareció en vuestro lugar - es el input que el plan de autoridad off-page realmente necesita. Saber que tiendas SEO generalistas, no especialistas Woo, ganan la familia transaccional cambia hacia dónde debe ir el presupuesto de remediación.
La puerta de renderizado. Nada de lo anterior importa si los hechos de carga no están en la respuesta HTML en bruto desde el principio. El experimento de Andre Alpar de junio de 2026, publicado vía CitationOne, encontró que seis de siete asistentes IA occidentales solo leen HTML en bruto, no JavaScript ejecutado. Antes de confiar en un resultado de cero citas como problema de contenido o autoridad, confirmad que el contenido era realmente visible para el fetch del asistente. Un cero causado por renderizado del lado del cliente es una corrección completamente distinta de un cero causado por corroboración off-page ausente.
Cadencia: con qué frecuencia ejecutar cada capa
La cadencia es donde la mayoría de los programas de monitorización o queman presupuesto en ruido o pierden deriva real. Tres intervalos, mapeados a aquello en lo que cada uno es bueno:
| Cadencia | Qué se ejecuta | Por qué este intervalo |
|---|---|---|
| Semanal | Comprobaciones manuales, lista fija de prompts, UIs de consumidor | Captura cambios de modelo o UI rápido; barato lo bastante como para sostenerlo indefinidamente |
| Cada 6-8 semanas | Reejecución batch multimodelo estilo Geoboard | Lo bastante largo para que cambios off-page y on-page se hayan crawleado y asociado; lo bastante corto para captar regresiones antes del cierre del trimestre |
| Trimestral | Lectura a nivel de programa para stakeholders, ligada a presupuesto o revisión de proveedor | Encaja con ciclos de reporting de procurement y marketing; evita overclaim de tendencia a partir de ruido |
El polling diario o incluso cada pocos días a través de muchos modelos mide sobre todo varianza de interfaz, no cambio real en cómo los modelos asocian vuestra marca con una consulta. Lo aprendimos directamente: nuestro ciclo de medición Q2 2026 mostró que un snapshot de proxy y un snapshot de UI de consumidor discrepaban lo bastante en las mismas semanas como para que el instrumento, no la realidad subyacente, explicara la mayor parte de la diferencia. La disciplina de cadencia existe para impedir que ese tipo de ruido se confunda con una tendencia. En equipos de procurement españoles, la lectura trimestral suele encajar en los mismos ciclos de revisión de proveedores IT y aprobaciones de presupuesto tras el ejercicio fiscal - no en los stand-ups semanales de SEO.
Perplexity versus ChatGPT: por qué la división de motores es obligatoria
Tratar la «visibilidad IA» como un solo número a través de motores oculta un modo de fallo concreto y medible. En nuestra propia corrida de baseline, ChatGPT mostró cero presencia en ocho prompts rastreados en el corte blind-spot del conjunto de consultas, mientras Perplexity fue el motor más fuerte en la misma corrida. No es coincidencia de una semana mala. Perplexity se fundamenta mucho en búsqueda web en vivo, así que tiende a sacar matches más frescos y más estrechos. El comportamiento por defecto de ChatGPT en el mismo periodo se inclinaba de otra forma, y la brecha entre ambos fue lo bastante grande como para cambiar toda la lectura de la salud de citas de la marca según el motor que os tocara comprobar.
La consecuencia práctica para el alcance de monitorización: nunca reportéis ChatGPT solo como «visibilidad IA», y nunca promediéis resultados de ChatGPT y Perplexity en una sola figura. Un alcance que se detiene en ChatGPT subreportará una marca que Perplexity ya cita, y un alcance que se detiene en Perplexity exagerará lo visibles que sois para la audiencia que aún hace default a ChatGPT. Rastread ambos, reportad ambos, y si el presupuesto fuerza a elegir entre añadir un tercer motor o corregir esta división, corregid la división primero. El desglose informativo completo de por qué ocurre la división está en por qué Perplexity cita vuestra marca y ChatGPT no.
Checklist de procurement: qué exigir a los proveedores
Antes de firmar cualquier proveedor de monitorización de visibilidad IA o GEO, exigid respuestas a todos los puntos siguientes. Si un proveedor no puede responder a uno de ellos por escrito, tratad sus números como material de marketing, no como medición.
- La lista exacta de prompts, no una etiqueta de categoría como «consultas WooCommerce». La formulación cambia resultados.
- Qué motores se probaron, y si los resultados se reportan por motor o mezclados en un solo score.
- Si cada número vino de una interfaz orientada al consumidor o de un proxy API. Nuestro propio ciclo Q2 mostró que discrepaban lo bastante como para que mezclarlos sea engañoso por defecto.
- La fecha en que se produjo cada figura. Un snapshot de citas de hace tres meses no es un estado actual.
- Dominios de competidores citados en vuestro lugar, no solo vuestra propia presencia o ausencia.
- Familias de consultas reportadas por separado: identidad, informativa, transaccional, y cualquier familia de implementación o específica de agentes relevante para vuestro negocio.
- Si la monitorización tuvo en cuenta el renderizado. Si vuestro sitio o el conjunto de competidores usa renderizado pesado del lado del cliente, preguntad si el método del proveedor puede siquiera detectar contenido detrás de JavaScript.
Qué corrige on-page frente a off-page en cada tipo de brecha
La monitorización os dice qué familia está rota. No corrige nada por sí sola, y la corrección depende del tipo de brecha que estéis mirando.
Brechas de identidad e información suelen responder a trabajo on-page: HTML renderizado en servidor con hechos de carga presentes en la respuesta en bruto, datos estructurados, bloques de contenido densos en hechos y señales claras de entidad que resuelven quiénes sois y qué hacéis. Ese es el suelo, y es table stakes precisamente porque la mayoría de los asistentes IA occidentales solo leen HTML en bruto en lugar de ejecutar JavaScript del lado del cliente. Si vuestros hechos clave cargan detrás de un script, ningún pulido on-page cierra la brecha, porque el asistente nunca vio el contenido para empezar.
Brechas transaccionales y de implementación IA rara vez se cierran con otro bloque FAQ o una landing reescrita. Los modelos citan lo que la web abierta corrobora: respuestas técnicas independientes, listados verificables en directorios, menciones de terceros y señales off-page que refuerzan la entidad más allá de vuestro propio dominio. Nuestro cero de baseline en prompts WooCommerce y de implementación IA persistió pese a contenido on-page ya maduro - eso es en sí el diagnóstico: cuando la calidad on-page no es el cuello de botella, la corrección tiene que salir off-page. En tiendas Woo españolas eso suele significar visibilidad en comparativas independientes de integradores ERP y case studies de partners, no otro H2 en la propia página de servicios.
El playbook de visibilidad AI y LLM ordena estas palancas como las implementamos en programas de clientes: primero on-page como suelo, después off-page como la palanca que realmente mueve tasas de citación transaccional.
Nota de cierre
La monitorización no es la meta - es el instrumento que dice dónde gastar. Un único score de visibilidad IA siempre halagará vuestra victoria más fácil y ocultará la brecha más cara, exactamente al revés de lo que el procurement necesita. Separad por familia de consultas, rastread mención de marca, citación de URL, dominios de competidores y share of voice en lugar de un agregado mezclado, ejecutad comprobaciones semanales y reejecuciones batch cada seis a ocho semanas, y nunca citéis un número sin declarar el motor, la fecha y si vino de una interfaz de consumidor o de un proxy API. Una checklist de implementación específica para WordPress está en preparación WordPress para búsqueda IA (GEO/AEO). Si queréis esta instrumentación construida y operada contra vuestra propia propiedad, ligada a las correcciones on-page y off-page que cada tipo de brecha realmente necesita - ese es el programa que entrega nuestro servicio de SEO, GEO y AEO para WordPress.
