La respuesta orgánica es la parte que no puedes comprar
OpenAI empezó a probar anuncios en ChatGPT el 9 de febrero de 2026, y en su actualización del 11 de agosto el piloto había llegado a Reino Unido, México, Brasil, Japón y Corea del Sur. Los anuncios llevan la etiqueta de patrocinado, van separados de la respuesta orgánica y, en palabras de la propia OpenAI, no influyen en las respuestas que te da.
Así que la recomendación no está en venta. Lo que deja la pregunta que ya se hace cualquier aspirante: si el modelo ha oído hablar de tu competidor y no de ti, ¿hay alguna forma de entrar?
Con especificaciones idénticas, se eligió la marca reconocida en el 100 % de 670 pruebas
Xi Chu, de la Universidad de Trine, y YuPeng Hou, de Texas A&M, lo midieron en un artículo enviado en junio de 2026 y revisado en agosto. Montaron conjuntos de diez productos de cuidado de la piel: una marca real, CeraVe, Paula's Choice o EltaMD, y nueve nombres ficticios comprobados para confirmar que los modelos nunca habían oído hablar de ellos.
En la primera condición, todos los productos tenían la misma valoración, el mismo precio, el mismo número de reseñas y la misma descripción de ingredientes. Solo cambiaba el nombre, así que un modelo justo elegiría cada uno alrededor del 10 % de las veces. En 670 pruebas válidas, la marca real ganó todas, en los tres modelos y las cuatro subcategorías. No se eligió ni una sola vez una marca ficticia.
Es la lectura más desoladora posible para un aspirante, y la menos útil, porque la condición que describe es una que probablemente estás reproduciendo sin querer.
Una ventaja de 0,075 estrellas le da la vuelta, y la marca pasa a explicar el 1,2 % de la clasificación
Dale mejores especificaciones al producto desconocido y peores al real, y en 2.769 pruebas los modelos se mantuvieron fieles entre el 1,7 % y el 4,6 % de las veces. Reduce la ventaja y la transición resulta ser un escalón y no una pendiente. Con especificaciones idénticas, la marca desconocida ganó entre el 3,6 % y el 6,0 %. Con la ventaja más pequeña probada, ganó entre el 64 % y el 80 %, y acumular más apenas aportó. Interpolado a cara o cruz, en 9.220 pruebas, el umbral es lo bastante pequeño como para escribirlo:
- Una ventaja de 0,075 estrellas en la valoración, menos que la diferencia entre 4,3 y 4,4 estrellas
- Un número de reseñas 1,6 veces mayor
- Un precio un 7,3 % más bajo
El reconocimiento es a lo que recurre el modelo cuando no dices nada
Una descomposición de la varianza sobre 14.395 pruebas aclara qué movió la clasificación. Los parámetros del producto explicaron el 82,4 %, la posición en la lista el 6,5 % y la identidad de la marca el 1,2 %. La marca no tuvo ningún efecto medible cuando la calidad era claramente alta o claramente baja. Su influencia llegaba al máximo en el medio, donde la información era ambigua. Pregúntalo por motor y no en conjunto: con la ventaja de valoración más pequeña, Claude cambió de elección el 11 % de las veces, frente al 94 % de GPT-4o-mini y el 88 % de Gemini.
La palanca más fuerte que encontraron fue un aval clínico que no existía
Con todas las especificaciones idénticas y cambiando solo el texto, el lenguaje de autoridad rompió el dominio de la marca establecida el 73,3 % de las veces y la prueba social el 50,7 %, frente a una base cercana al 4 %. El anclaje, la escasez y la aversión a la pérdida apenas se notaron, entre el 9,6 % y el 12,9 %. Los modelos ignoraron la urgencia y trataron una frase con forma de cita como una prueba que valía unos 0,17 puntos de valoración, o un descuento del 15,3 %.
Esta es la parte que se perderá en un resumen. Esos estímulos eran ensayos clínicos inventados y avales falsos de dermatólogos. Los autores lo llaman posible publicidad engañosa y limitan sus propias recomendaciones a certificaciones reales y ensayos publicados. La palanca medida es la invención, lo que es un hallazgo sobre cómo comprueban las pruebas los modelos y no una táctica.
Cuando todas las marcas optimizan, la respuesta vuelve a la establecida
El tercer experimento debería cambiar cómo repartes el presupuesto. Aumentando de ninguno a los nueve los aspirantes que escribían textos de autoridad, en 4.800 llamadas: sin nadie optimizando, la marca establecida sobrevivió el 100 % de las veces; con un aspirante, el 19,8 %; con los nueve, el 93,8 %. La señal dejó de ser una señal en cuanto la llevaban todos, y el modelo volvió al nombre que conocía.
La recompensa por marca cayó de 0,802 para el primero en moverse a 0,007 con la adopción universal, una vida media de unos 1,4 competidores. En 4.745 pruebas, los aspirantes que no optimizaron recibieron cero recomendaciones. Los autores lo llaman un dilema del prisionero, y tienen razón. Una táctica que un competidor puede copiar en una tarde tiene una recompensa con una vida media de más o menos un competidor. Una diferencia real que puedes demostrar, no.
En la realidad, el modelo tiene que encontrar el dato primero
Todas las condiciones de arriba le dan al modelo una tabla de especificaciones limpia dentro del Prompt. Los motores reales tienen que montarla, y en esa diferencia está el trabajo práctico. En la categoría que muestreamos, las listas fueron el 44 % de lo que citó ChatGPT para una pregunta de «los mejores», las webs de reseñas el 24 % y las páginas de proveedores el 18 %. Son cifras nuestras, limitadas a nuestras muestras, no una ley general.
La forma es lo que importa. Si las recopilaciones que responden a la pregunta de tu categoría te incluyen sin valoración, sin número de reseñas y sin la única especificación en la que ganas, entonces, para el modelo, estás en la condición de especificaciones idénticas. No estás perdiendo la comparación. No estás en ninguna.
- Encuentra la única dimensión en la que superas de verdad al líder de la categoría, y comprueba que aparece como cifra en las páginas de terceros que citan los motores, no solo en tu propia web.
- Saca las respuestas en las que un competidor se llevó la recomendación y lee qué dijo el modelo que era la diferencia.
Qué hacemos al respecto
Proofsource muestrea los motores varias veces y no una sola, puntúa cada cifra de visibilidad con un intervalo de Wilson, condiciona las alertas a ese intervalo, mapea qué páginas se citan junto a ti y comprueba si los rastreadores pueden leer tus páginas.
El límite, dicho claramente: medimos si los motores te mencionan, qué citan cuando lo hacen y si los rastreadores de IA y el tráfico de referencia de IA llegan a tu web. No medimos si se cerró la venta.
Dónde podría fallar esto
Una categoría, el cuidado de la piel, elegida porque los compradores no pueden juzgar la calidad antes de comprar. La réplica con bienes de búsqueda solo cubre el primer experimento, y los autores dicen que no han probado fuera de ella los resultados de lenguaje ni los de varias marcas. Tres modelos cerrados, un perfil de comprador, temperatura 0,7, con un bootstrap por clústeres sobre 24 bloques que los efectos principales superan.
Nueve de los diez productos de cada conjunto eran ficticios. Eso aísla limpiamente el reconocimiento de marca y elimina todo lo que tiene un competidor real: reseñas reales, cobertura de terceros, páginas que el modelo puede recuperar. El 100 % no es un mercado real.
Casi todo esto prueba lo que saben los modelos y no lo que recuperan, y los motores que usan los compradores son sistemas de recuperación. La propia prueba de recuperación del artículo es mínima, un modelo de embeddings y sin reordenación, y los autores rechazan generalizar a partir de ella. Apunta en la otra dirección: la capa de recuperación no dio a la marca real ningún mérito por ser conocida, y su tasa de recomendación cayó al 0 %.
Nuestro 44 % es una sola medición sobre nuestra propia muestra, publicada como nuestra y no como una propiedad de la web.
