Metodología de WorkspaceCRM · Paneles semanales de prompts · Más de 10 motores
Monitoreo de la participación en citas
Cómo el WorkspaceCRM de 1Digital® rastrea la cuota de citas (el equivalente en AEO de la posición en el ranking) en ChatGPT, Perplexity, Gemini, Claude, Copilot, Grok, Google AI Overviews y las variantes de motor bajo monitoreo. El ciclo de medición que se cierra dentro de cada proyecto.
La cuota de citas es al AEO lo que el seguimiento de posiciones es al SEO clásico: la medición recurrente que prueba que el trabajo mueve la superficie. La mecánica difiere del scraping de SERP, y la disciplina del conjunto de prompts importa más que la herramienta. Esta página es la metodología: qué ejecutamos, qué medimos y cómo los datos vuelven a los briefs de contenido dentro de la misma iguala.
Con la confianza de más de 400 marcas · Socios certificados
Años en eCommerce
De resultados, escala y calidad a nivel empresarial.
Equipo experto
Especialistas en SEO, SEO con IA, PPC, diseño, desarrollo y estrategia.
Equipo central en EE. UU. + talento global
Equipo central en EE. UU. para una comunicación clara; especialistas globales verificados para proyectos internacionales de clientes.
Puntuación de reputación
Calificación de 4.9/5 en más de 100 reseñas verificadas de clientes.
TL;DR: Paneles semanales de prompts (100–500 prompts relevantes para la categoría) ejecutados en más de 10 motores de IA, con la aparición de citas, la posición y la exactitud registradas por prompt × motor × semana. El agregado, la cuota de citas, es el KPI rezagado; la participación de voz dentro de un conjunto definido de competidores es el movimiento de cuota que gestionamos. Las caídas generan briefs de contenido dentro de la misma iguala; el ciclo se cierra con una nueva medición. Entregable estándar en cada Proyecto de SEO con IA; no se vende por separado.
Monitoreo de citas, paso a paso
MiracómoIArespuestascréditotúla llamadahora
Ejecutamos el mismo conjunto de preguntas de compradores en los principales asistentes con un calendario y registramos quién recibe las citas. Observar la tendencia muestra el efecto de cada cambio de contenido y detecta el momento en que un competidor empieza a ocupar tu lugar.
- ›Las mismas preguntas, hechas con un calendario
- ›Citado, mencionado o ausente en cada asistente
- ›Cambios marcados junto con las páginas que los explican
Dónde se ejecuta el panel de prompts
Motores cubiertos
ChatGPT (con navegación)
ChatGPT Search + recuperación con OAI-SearchBot. La superficie de citas con fundamento en vivo.
ChatGPT (sin navegación)
Modo predeterminado de ChatGPT con memoria de datos de entrenamiento. Mide la exposición en la ventana de entrenamiento de GPTBot.
Perplexity
Perplexity predeterminado + Pro en prompts de compras. Patrón de citas transparente; el más fácil de registrar.
Google Gemini
Chat de Gemini (gemini.google.com) más AI Mode cuando la clase de prompt lo activa.
Vistas generales de IA de Google
Se ejecutan los mismos prompts como búsquedas de Google; la cita en AI Overviews se registra cuando la consulta activa un Overview.
Anthropic Claude
Chat de Claude.ai con búsqueda web activada y desactivada; ambos modos se registran por separado.
Microsoft Copilot
copilot.microsoft.com más Copilot en el contexto de la barra lateral de Edge cuando aplica.
xAI Grok
grok.x.ai. Distribución menor pero patrón de citas distinto (sesgo de datos de la plataforma X); vale la pena rastrearlo dentro del alcance.
Bing Generative Search
Distinto de Copilot: mismo índice de Bing, pero otra superficie de interfaz y otro comportamiento de citas.
Variantes de motor bajo monitoreo
Pruebas de ingesta de Claude Projects, pruebas de base de fuentes de NotebookLM, pruebas de contexto de tenant de M365 Copilot cuando el acceso al entorno del cliente lo permite.
Lo que se mide por prompt × motor
Cuatro dimensiones de medición
Aparición de citas
Binario por (prompt, motor): citado, parafraseado sin crédito o ausente por completo. Es la medición base que se agrega en la cuota de citas: el porcentaje de prompts en los que un motor cita a la marca por su nombre o enlaza a una de sus URL.
Posición de la cita
En qué parte de la respuesta aparece la marca: primera fuente citada, mención a mitad de la respuesta o cita estilo nota al pie al final. La posición se correlaciona con la tasa de clics y con el recuerdo de marca posterior. La misma marca citada primero por Perplexity y última por Gemini se comporta distinto en la atribución.
Exactitud de las afirmaciones
Si la afirmación del motor sobre la marca o el producto es factualmente correcta: cantidad de reseñas, rangos de precios, descripciones de características, notas de ajuste. Las afirmaciones alucinadas u obsoletas son en sí mismas una señal: nos dicen que la visión de los datos de entrenamiento del motor está desactualizada y qué actualizaciones de contenido corregirían la inexactitud.
Cita de la competencia
Qué marcas competidoras aparecen en el conjunto de citas de los mismos prompts. Permite que el panel muestre la participación de voz dentro de un conjunto competitivo definido, y no solo la tasa de citas absoluta. A menudo es la vista más accionable: pasar del n.º 4 al n.º 2 en cuota de citas en los prompts que definen la categoría es lo que gana terreno competitivo.
Cómo los datos vuelven al trabajo
El ciclo de retroalimentación de cinco pasos
1. Ejecución del panel de prompts (semanal)
Entre 100 y 500 prompts relevantes para la categoría se ejecutan en cada motor del alcance, el mismo día de cada semana, y los resultados se almacenan en la matriz prompt × motor × semana. Los mismos prompts semana tras semana; la comparación es la señal.
2. Extracción y etiquetado de citas
Se analiza la respuesta de cada motor: se extrae la mención de marca y la URL citada, y se califica la exactitud de las afirmaciones contra una referencia mantenida (los datos propios de la marca). Los casos ambiguos se revisan manualmente.
3. Variación en el panel
Cuota de citas por motor, por categoría de prompt y por semana. El movimiento se marca cuando la cuota cruza umbrales definidos: una marca que cae por debajo del 10% de cuota de citas en una categoría de prompts que define el sector activa una revisión de contenido.
4. Brief de contenido del estratega
Las caídas de cuota de citas generan un brief que identifica las páginas que necesitan reescrituras, las brechas de schema o el trabajo de citas editoriales que hay que encargar. Los briefs pasan al equipo de producción dentro de la misma iguala.
5. Nueva medición (siguiente ciclo)
Después de que el contenido se publica y los rastreadores recogen el cambio, los mismos prompts se vuelven a ejecutar y la cuota de citas se registra de nuevo. La variación de antes y después es lo que reportamos, y lo que prueba que el trabajo movió la superficie.
El ciclo se cierra dentro de una sola iguala. La medición es la señal de retroalimentación del proyecto, no un producto aparte, y tampoco un panel de vanidad para el portal del cliente. Las caídas generan briefs; los briefs publican contenido; el contenido mueve la cuota de citas; el panel lo demuestra.
Dentro del sistema
El panel de producción: cinco proveedores, un solo esquema
El AI Visibility Monitor de WorkspaceCRM de 1Digital® ejecuta cinco motores de IA en vivo con un solo analizador y un solo rollup compartidos. Las particularidades de cada motor se abstraen en la capa del ejecutor; el esquema de respuesta analizada es idéntico entre proveedores, y eso es lo que hace que las cifras por motor sean directamente comparables.
OpenAI ChatGPT
Modelo: gpt-4o
Chat con navegación habilitada. La superficie de mayor distribución del panel; produce menciones de marca en forma narrativa con más frecuencia que citas discretas.
Anthropic Claude
Modelo: claude-sonnet-4-6
Claude con búsqueda web habilitada. La mayor latencia del panel y la confiabilidad más variable: los tiempos de espera de la búsqueda web son una variable operativa conocida y WorkspaceCRM los registra por separado de los errores de finalización.
Perplexity Sonar
Modelo: sonar-pro
El comportamiento de citas más transparente de todos los motores: notas al pie numeradas explícitas, dominios de fuente con nombre y patrones de citas reproducibles. La superficie más fácil de analizar del panel y la de mayor tasa de menciones de marca en los datos de producción.
Google Gemini
Modelo: gemini-2.5-pro
Chat de Gemini 2.5 Pro. Estilo de respuesta de mucha generalidad de categoría; la posición del primer carácter de mención promedia 4,380 caracteres dentro del texto de la respuesta, es decir, cuando las marcas aparecen, aparecen tarde.
Vistas generales de IA de Google
Modelo: serpapi-google
Google AI Overviews obtenidos mediante SerpAPI. La única superficie sin chat del panel; los estados incluyen no_ai_overview cuando un prompt no activó un Overview. Es un problema de optimización distinto al de los motores basados en chat.
Los cinco motores anteriores son el panel de producción activo. Las variantes de motor bajo monitoreo continuo (Microsoft Copilot, xAI Grok, Bing Generative Search, Claude Projects, NotebookLM, contexto de tenant de M365 Copilot) se prueban en el analizador y quedan en cola para pasar al cron semanal a medida que sus APIs se estabilicen.
Taxonomía de prompts
Categorías de intención y fuentes de prompts
Cada prompt del panel se clasifica por intención y se etiqueta con una fuente. La intención determina cómo leemos el comportamiento del motor; la fuente determina cuánto confiamos en el prompt en sí.
Categorías de intención
informativa
“What is X?” “How does Y work?” - category-explainer prompts. The WorkspaceCRM classifies these as informational because they test the engine's training-data understanding rather than recommendation behavior. Engines lean toward generic explanation here; brands win these prompts by owning the category-defining answer block in their own content.
comercial
“Best X for Y,” “Is X worth it,” “Top X under $N” - buyer-intent recommendation prompts. The WorkspaceCRM's commercial bucket is where mention rate actually diverges across engines: Perplexity names brands aggressively, AI Overviews stays category-level, OpenAI uses narrative paraphrase.
comparación
“X vs Y,” “X or Y for Z,” “How does X compare to Y” - head-to-head prompts. The structured-data prompt class: engines visibly reach for clean comparison tables and schema-marked feature lists. Brands with structured comparison content punch above their domain-authority weight in this bucket.
Fuentes de prompts (columna del esquema: source)
manual
Prompts redactados por estrategas e ingresados en la pestaña Prompts de WorkspaceCRM. El conjunto totalmente curado; se usa para prompts de síntesis que definen la categoría y que ninguna automatización generaría.
ai_seeded
Candidatos de prompts generados por IA al enviar las URL de servicios seleccionadas a Claude, que devuelve unas 80 variaciones de prompts con intención de compra. El estratega depura la lista antes de la inserción masiva. Cada prompt se revisa; nada entra al panel de forma automática.
keyword_derived
Prompts derivados del conjunto de palabras clave rastreadas de la marca, envueltos por Claude en variaciones de intención de compra en lenguaje natural. La fuente de prompts con la mejor relación señal-ruido en paneles de intención comercial; el conjunto de palabras clave ya está validado como relevante para los ingresos antes de convertirse en un prompt.
Frecuencia de ejecución
Cron semanal + ejecuciones bajo demanda
kind = weekly
Cron de los lunes
Una tarea cron programada inicia la ejecución semanal cada lunes a la misma hora UTC. Enumera todos los prompts activos, los envía a través de cada proveedor habilitado, analiza las respuestas, escribe los resultados analizados en ai_visibility_responses y luego activa recomputeWeekRollup para materializar los agregados de la semana. Los mismos prompts, los mismos motores, la misma hora: la diferencia semana tras semana es la señal.
kind = on_demand
Ejecutar ahora
Un estratega activa una ejecución bajo demanda desde la interfaz de WorkspaceCRM, normalmente limitada a un subconjunto de prompts después de publicar un cambio de contenido, para probar si la nueva página cambió el comportamiento de citas del motor antes del siguiente cron semanal. La ejecución se registra igual que la semanal (los mismos campos de estado, la misma invocación de rollup) para que los datos sean comparables.
Ambos tipos escriben en ai_visibility_runs con un estado que avanza de pending → running → success / partial / error. El ejecutor es idempotente: volver a ejecutar una corrida parcial continúa desde processed_prompt_ids en lugar de empezar de nuevo, de modo que las caídas temporales de un proveedor no consumen todo el presupuesto de inferencia del panel de prompts.
De la respuesta en bruto al resultado analizado
La canalización de análisis de cinco etapas
1. Llamada al proveedor
El ejecutor envía el prompt a la API de cada proveedor habilitado (o, en el caso de AI Overviews, al endpoint de Google de SerpAPI). Latency_ms, el nombre del modelo, la respuesta en bruto y cost_estimate_usd se capturan por llamada en la fila de ai_visibility_responses. El estado es uno de success / error / no_ai_overview.
2. Resolución de entidades
Cada fila de sujeto y de competidor lleva un nombre, una lista de alias y una lista de dominios. Los alias cubren los casos de errores ortográficos comunes, abreviaturas y nombres de líneas de producto (una marca suele tener tres formas legítimas de aparecer en una respuesta). El analizador busca en el texto de la respuesta cualquier coincidencia de alias y en la lista de citas cualquier coincidencia de dominio; cada coincidencia se registra con el arreglo matched_via para que un revisor humano pueda auditar qué alias o qué dominio produjo la coincidencia.
3. Extracción de menciones
Para cada entidad coincidente, el analizador registra entity_id, entity_kind (sujeto vs competidor), count, first_position (desplazamiento de caracteres de la primera aparición) y matched_via. First_position es la base del análisis de “profundidad promedio de la respuesta”: una marca mencionada en el carácter 200 se comporta distinto en la atención del lector que la misma marca mencionada en el carácter 4,000.
4. Extracción de citas
Se recorre la lista de citas del motor (cuando existe: Perplexity siempre tiene una; el modo de navegación de OpenAI a veces; el modo de búsqueda web de Claude a veces; Google AI Overviews siempre; la de Gemini varía). Para cada cita, el analizador extrae citation_index, la URL y el dominio analizado. Si el dominio coincide con el arreglo de dominios de un sujeto o competidor monitoreado, se agrega una entrada a parsed.citations conservando citation_index para poder calcular la posición promedio de las citas.
5. Marcado de entidades descubiertas
Los nombres de marca y dominios que aparecen en la respuesta o en la lista de citas pero no coinciden con ninguna entidad monitoreada se registran en parsed.discovered_brands y parsed.discovered_domains con conteos de frecuencia. Son los motores diciéndote quiénes creen que son tu conjunto competitivo, una lista distinta y a menudo más honesta que la que una marca declara sobre sí misma. Los términos de la lista de exclusión (a nivel de sistema: “SEO”, “Amazon”, “reddit.com”, etc.) se filtran antes de escribir, de modo que el panel de descubiertos muestre solo competidores candidatos y no ruido de plataforma.
El resultado analizado se ajusta a una forma tipada: { mentions[], citations[], discovered_brands[], discovered_domains[] }. Cada vista posterior (la tabla de posiciones, el visor de respuestas, la tabla de rollup) lee contra este esquema, por eso un solo cambio en el analizador se propaga de forma consistente a todo el panel.
Agregación
Lógica del rollup semanal
La función recomputeWeekRollup es el paso de materialización: las respuestas analizadas se agregan en filas de ai_visibility_weekly_rollup para que las lecturas del panel sigan siendo rápidas.
Granularidad semanal, anclada al lunes UTC
La función de rollup (recomputeWeekRollup) toma un week_start (lunes, UTC), obtiene cada respuesta con estado success de la semana y las agrupa por entidad × proveedor. El límite de la semana es determinista sin importar la zona horaria del operador (lunes a las 00:00 UTC), así que las comparaciones semana tras semana son estables.
Por entidad × por proveedor más el agregado de todos los proveedores
Cada entidad (sujeto o competidor) recibe una fila por proveedor más una fila de “todos los proveedores” (provider_id = NULL). La fila “todos” permite que el panel muestre la cuota de citas general de todo el panel sin recalcular en cada lectura; las filas por proveedor permiten profundizar en “qué motor se movió esta semana”. Ambas se insertan o actualizan en un solo lote con una restricción única sobre (week_start, entity_id, entity_kind, provider_id) NULLS NOT DISTINCT, de modo que la fila agregada puede actualizarse en la misma pasada de resolución de conflictos que las filas por proveedor.
Eliminación de duplicados por conjuntos dentro de cada categoría
El rollup usa Set<prompt_id> para prompts_total, prompts_with_mention y prompts_with_citation. Un prompt que se ejecutó dos veces en la misma semana (reejecuciones, rellenos bajo demanda) cuenta una vez. position_sum lleva la suma total de posiciones de caracteres de las menciones; position_count es el divisor de avg_position. La densidad de citas no se materializa (todavía) en la tabla de rollup: se calcula al vuelo a partir de la tabla de respuestas cuando hace falta para el informe.
Campos calculados
mention_share = prompts_with_mention / prompts_total; citation_share = prompts_with_citation / prompts_total; avg_position = position_sum / position_count (NULL si no hay menciones en el grupo). Se calculan una sola vez al momento del rollup y se guardan en caché en la tabla, por lo que las lecturas del panel son O(1) por tupla entidad-semana-proveedor.
Lo que cuesta cada llamada a la API
Modelo de costos
cost_estimate_usd por respuesta
Cada respuesta de un proveedor escribe un valor cost_estimate_usd basado en los precios de API publicados por el proveedor aplicados a los conteos de tokens registrados (o, en el caso de AI Overviews por SerpAPI, el costo por búsqueda). La estimación es conservadora: no incluye la sobrecarga de la capa de recuperación, solo el cargo de inferencia + API de búsqueda, por lo que el costo publicado en el panel es un piso, no un techo.
monthly_cost_estimate_usd en la tabla de proveedores
Cada fila de proveedor lleva un monthly_cost_estimate_usd acumulado que suma los costos a nivel de respuesta. La página de configuración de WorkspaceCRM expone un tope mensual de costo por proveedor; si el costo acumulado de un proveedor cruza el tope, el cron semanal pausa a ese proveedor hasta el mes siguiente o hasta un aumento manual del tope. Así escala el panel sin un gasto de inferencia descontrolado.
Costo por cita como métrica derivada de eficiencia
Dividir el cost_estimate_usd agregado entre los prompts_with_citation agregados de un motor da el costo por cita captada: la vista de eficiencia. En la ventana del piloto del 2.º trimestre de 2026, Perplexity lideró esta métrica por un amplio margen; AI Overviews fue segundo en costo bruto por respuesta pero produjo 0 citas de marca, por lo que su costo por cita queda indefinido (división entre cero en el sentido más literal).
Costo por ejecución en la tabla de runs
ai_visibility_runs.stats.total_cost_usd es el rollup por ejecución de cada respuesta de la corrida. Se ve en la interfaz de estado de las ejecuciones; es útil para preguntas como “¿cuánto costó este relleno bajo demanda?” que surgen cuando un estratega ejecuta un conjunto nuevo de prompts para probar un cambio de contenido.
La transparencia de costos a nivel de respuesta es lo que hace viable escalar el panel. Cada cifra por motor en Informe del 2.º trimestre de 2026 se agrega a partir de los valores cost_estimate_usd de cada respuesta, por eso los costos publicados por respuesta y por cita son precisos a cuatro decimales y no estimaciones del proveedor.
Lo que ve un estratega
Vistas de ejemplo del panel
La interfaz de administración de WorkspaceCRM muestra los datos de respuestas analizadas en cinco vistas principales, cada una ajustada a un flujo de diagnóstico distinto.
Tabla de posiciones
Cuota de citas y cuota de menciones semanales de cada entidad monitoreada (sujeto y competidor), ordenadas en todo el panel. Variaciones semana a semana con código de color. La vista predeterminada con el lunes primero; el punto de entrada a todos los flujos de diagnóstico.
Panel de descubiertos
Marcas y dominios que los motores mostraron y que no están en la lista monitoreada, con conteos de frecuencia. Cada fila tiene las acciones Promover (convertir en un competidor rastreado con un clic) y Descartar (agregar a la lista de exclusión de descubrimiento). Así crece de forma orgánica con el tiempo el conjunto competitivo del panel.
Visor de respuestas
Profundiza en cualquier prompt × motor × semana para leer el texto real de la respuesta del motor con las menciones resaltadas: verde para el sujeto, ámbar para el competidor, gris para los descubiertos. La lista de citas se muestra como un pie numerado con insignias de dominio. Es útil para preguntas como “¿por qué cayó nuestra cuota de citas en este prompt?”: lees la respuesta y ves si el motor parafraseó a la marca sin darle crédito, nombró a un competidor donde antes nombraba a la marca, o se equivocó en un dato de la marca.
Explicar con IA
Cuando una variación semanal en rojo cruza el umbral del panel, el botón Explicar con IA resume el cambio con base en los datos de respuesta subyacentes: “La cuota de citas en Perplexity cayó 14 puntos esta semana; los prompts que perdieron cuota fueron todos de intención de comparación y el motor citó a [tipo de competidor descubierto] en su lugar”. La IA no genera los datos subyacentes, solo el resumen narrativo de lo que muestran.
Ejecutar ahora
Nueva ejecución del panel bajo demanda, limitada a un subconjunto de prompts o al conjunto completo. Se usa después de publicar contenido para probar si la nueva página cambió el comportamiento de citas del motor en los prompts relevantes antes del siguiente cron semanal.
Los paneles de los clientes muestran un subconjunto curado de estas vistas, normalmente la tabla de posiciones, el visor de respuestas y el panel de descubiertos limitados al conjunto de prompts del cliente. La superficie de administración completa es solo interna; el analizador, el esquema y la lógica de rollup son idénticos en ambos contextos.
La metodología, aplicada
Mira las cifras que produce esta metodología
El esquema y la canalización documentados arriba generaron el informe público del 2.º trimestre de 2026: cinco motores, cadencia semanal, hallazgos solo agregados. Cada métrica del informe (tasa de menciones, tasa de citas, posición promedio de la primera mención, costo por respuesta, traslape por pares entre motores) se calcula directamente a partir de las columnas descritas aquí. La metodología es el rastro de auditoría del informe.
Lee el informe del 2.º trimestre de 2026Monitoreo de cuota de citas - Preguntas frecuentes
¿Qué es el monitoreo de cuota de citas?
Monitoreo de cuota de citas es la metodología de medición de AEO que ejecuta un panel definido de prompts en cada motor de IA importante de forma recurrente y registra, para cada combinación de prompt × motor, si la marca fue citada, parafraseada sin crédito o estuvo ausente por completo. El resultado agregado, “el porcentaje de prompts relevantes para la categoría en los que el motor X cita a la marca”, es la cuota de citas, y es lo más parecido que tiene el AEO a la “posición promedio” del SEO clásico.
¿Con qué frecuencia ejecutan los paneles de prompts?
Cada semana, en un día fijo. La cadencia importa porque los motores cambian su comportamiento de forma continua (actualizaciones de modelo, ajustes de la pila de recuperación, cambios de afinación de prompts), y una tendencia de cuota de citas registrada de mes a mes en lugar de semana a semana pierde los puntos de inflexión que explican por qué se movió la cuota de una marca. Los mismos prompts, los mismos motores, el mismo día cada semana; la consistencia es lo que hace legible la diferencia. Las cadencias más frecuentes (diarias) aportan poca señal adicional y cuestan bastante más presupuesto de inferencia.
¿Cuántos motores cubren realmente?
- ChatGPT (con navegación y sin navegación: dos modos distintos contados por separado)
- Perplexity (predeterminado y Pro en prompts de compras)
- Google Gemini (chat más AI Mode cuando se activa)
- Vistas generales de IA de Google (los mismos prompts que las búsquedas clásicas de Google)
- Anthropic Claude (con búsqueda web activada y desactivada)
- Microsoft Copilot (copilot.microsoft.com más la barra lateral de Edge cuando aplica)
- xAI Grok
- Bing Generative Search
- Variantes de motor bajo monitoreo: pruebas de ingesta de Claude Projects, base de fuentes de NotebookLM, contexto de tenant de M365 Copilot cuando el acceso al entorno del cliente lo permite.
¿Qué contiene realmente el panel de prompts?
Una lista curada de 100–500 prompts por proyecto, tomados de tres fuentes: (1) el conjunto de palabras clave rastreadas de la marca traducido a prompts de compradores en lenguaje natural, (2) prompts de síntesis que definen la categoría y generan intención de compra o de investigación (“el mejor X para Y”, “X vs Y”, “cómo funciona Z”, “vale la pena X para Y”) y (3) prompts de recuerdo de marca y de competidores que prueban si el motor sabe qué es la marca y contra quién compite. La lista se revisa cada trimestre y se rota cuando cambian los patrones de consulta en la categoría. La disciplina del conjunto de prompts es la diferencia entre una señal útil de cuota de citas y ruido: los prompts aleatorios y aislados, ejecutados sin constancia, no producen nada accionable.
¿Cómo se ve el panel?
Cuota de citas por motor a lo largo del tiempo (gráfico de líneas, granularidad semanal, todos los motores apilados). Cuota de citas por categoría de prompt (“investigación”, “comparación”, “recomendación”, “recuerdo de marca”) para que el movimiento sea interpretable. Participación de voz dentro de un conjunto competitivo definido (qué marcas competidoras aparecen en el conjunto de citas del mismo prompt y con qué frecuencia). Marcadores de alucinación (prompts donde el motor hizo una afirmación inexacta sobre la marca; son en sí mismos una señal). Y una cola de prompts marcados por el estratega que necesitan briefs de contenido según el movimiento de esta semana.
¿Cómo alimentan los datos de cuota de citas el trabajo de contenido?
Las caídas de cuota de citas en categorías específicas de prompts generan briefs de contenido dentro de la misma iguala. Un ciclo típico: los prompts de la categoría “X vs Y” perdieron 12 puntos de cuota de citas en Perplexity durante cuatro semanas → el estratega identifica que las páginas de comparación del sitio de la marca fueron parafraseadas sin crédito porque la página abre con prosa de marketing en lugar de un bloque de comparación fácil de extraer → el brief pasa al equipo de contenido para una reescritura que empiece por la respuesta → la página se publica, los rastreadores la recogen, los prompts se vuelven a ejecutar en el siguiente ciclo → la cuota de citas se recupera (o no, e iteramos). El ciclo se cierra dentro de una sola iguala; los clientes no compran “datos de cuota de citas” como un producto aparte.
¿Cómo se compara esto con el seguimiento de posiciones?
La cuota de citas es al AEO lo que el seguimiento de posiciones es al SEO clásico: la medición recurrente que prueba que el trabajo mueve la superficie. La mecánica es distinta: el seguimiento de posiciones obtiene las posiciones de los motores de búsqueda; la cuota de citas ejecuta prompts a través de APIs de inferencia e interfaces de los motores y analiza las respuestas. La disciplina es parecida: elegir un conjunto estable de prompts, ejecutarlo con constancia, observar la tendencia, intervenir ante el movimiento y probar que la intervención funcionó con la siguiente medición. Las marcas que intentan manejar el AEO sin medir la cuota de citas hacen SEO clásico sin seguimiento de posiciones: vuelan por intuición y sin puntos de prueba.
¿Esto forma parte de cada proyecto de SEO con IA?
Sí. El monitoreo de cuota de citas es un entregable estándar dentro de nuestra iguala de SEO con IA, nuestros proyectos de AEO y nuestros programas específicos por motor (ChatGPT, Claude, Perplexity, Gemini, Copilot). No es una partida aparte: la medición es el ciclo de retroalimentación del proyecto, no un producto por sí solo.
¿Por qué no usar simplemente una herramienta de seguimiento de citas de terceros?
Las herramientas de terceros (Profound, AthenaHQ, Otterly, Ahrefs Brand Radar y varias más) son útiles y mejoran rápido; las evaluamos y a veces las usamos como parte del stack. El argumento para que sea nuestro propio WorkspaceCRM el que haga la medición es la coherencia con el resto del proyecto: el mismo conjunto de prompts con el que trabajan los estrategas, el mismo panel contra el que trabaja el equipo de contenido, la misma iguala que publica las correcciones. Comprar una herramienta de terceros más una agencia aparte crea dos costuras; hacerlo internamente las elimina. Conversamos sobre la integración de herramientas de terceros en proyectos donde el cliente ya tiene una inversión en licencias que amortizar.
¿Publican cifras de cuota de citas para los clientes?
Por proyecto, sí: cada cliente ve su propio panel. No publicamos cifras agregadas por categoría ni de referencia del sector porque los conjuntos de prompts varían según el proyecto, y una referencia publicada crearía una falsa precisión (comparar tu cuota de citas con un “promedio de la industria” calculado con otros prompts no tiene sentido). La respuesta honesta a “¿qué es una buena cuota de citas?” es “más alta que la semana pasada con los mismos prompts y los mismos competidores, en las categorías que generan tus ingresos”. Eso es lo que medimos y reportamos.