Una mención es casi una propiedad fija de la marca, el Prompt y el motor
Casi todos los paneles de visibilidad en IA abren con una cifra, la proporción de respuestas que te mencionan. Es la que acaba en capturas en las presentaciones al consejo y sobre la que la gente pone alertas. También es la parte de la respuesta que menos se mueve.
Un artículo publicado en junio de 2026 por Pratyush Kumar, de Ranqo, le pone tamaño. Ranqo vende herramientas de GEO y presenta sus propios datos de producción, lo que importa para el peso que le des. El grupo son 102 marcas en cinco motores, de marzo a mayo de 2026, más de 100.000 respuestas a Prompts.
Para cada celda de marca, Prompt y plataforma seguida durante al menos tres ejecuciones en Prompts de categoría sin marca, el patrón de menciones se repartió así: nunca mencionada, 63,2 %; siempre mencionada, 14,3 %; mencionada en al menos el 70 % de las ejecuciones, 7,0 %; mencionada en menos del 30 %, 8,7 %. Solo el 6,8 % estaba en la franja volátil del 30 % al 70 %, lo que deja el 77,5 % de las celdas en siempre o nunca, sin excepción.
Que un motor te mencione en una pregunta de categoría se parece más a un hecho sobre ti que a una moneda al aire. Para la mayoría de las marcas de ese grupo, el hecho era que no.
El 45,5 % de las celdas mencionadas cambió entre positivo y negativo
Ahora deja quietas las celdas y cambia la pregunta. En lugar de si la respuesta te mencionó, pregunta qué dijo. Kumar filtró las celdas con al menos tres menciones y clasificó el sentimiento de cada ejecución.
- Siempre positivo: 29,9 %
- Una mezcla de positivo y neutro: 21,8 %
- Siempre neutro: 2,3 %
- Una mezcla de negativo y neutro: 0,5 %
- Siempre negativo: 0,0 %
- Cambiando entre positivo y negativo: 45,5 %
La señal estable es la que da todo el mundo
45,5 % frente a 6,8 % es de donde salen las 6,7 veces. Las mismas celdas, las mismas ejecuciones. La cifra del panel es la estable, y la cifra de la que nadie informa oscila en casi la mitad de las celdas que tienen algo que decir.
En esa tabla hay un hallazgo más discreto que nos gusta más que el titular. Ni una sola celda fue negativa de forma constante. Cero. Aquí, los motores nunca se asentaron en una lectura negativa de una marca seguida, y la negatividad, donde apareció, pasó. Si alguien te vende gestión de reputación en IA con la teoría de que los modelos se han vuelto contra ti, merece la pena quedarse con esa fila.
Mencionada y no recomendada ya es un modo de fallo con nombre
Otro grupo ha atacado la misma brecha desde el otro lado. Will Jack, Noah Lehman, Keller Maloney y Sarah Xu, de Unusual, auditaron unas 37.000 ejecuciones de producción sobre 215 Prompts de enfoque comercial en 19 sectores, frente a un catálogo de 533 marcas ordenadas en cinco niveles de notoriedad. Unusual también vende en este mercado.
Dividieron el problema en tres etapas. El modelo tiene que recuperar una página que hable de ti, sacarte del conjunto recuperado y llevarte al texto de la respuesta, y luego respaldarte en el conjunto de recomendaciones en lugar de listarte como la opción que descartó.
Los líderes de categoría aparecían en casi todas las recuperaciones relevantes y ganaban entre el 25 % y el 41 % de los huecos a los que llegaban. Estar en la sala lo tenían resuelto. Que los eligieran, no. Más abajo en la escala se invierte, y entre el 48 % y el 52 % de las marcas más pequeñas no apareció en ninguna de las 37.000 ejecuciones.
En un artículo complementario, el mismo equipo tomó 7.763 casos en los que ni ChatGPT ni Claude recomendaron una marca y clasificó cada uno en uno de esos tres fallos: nunca llegó al modelo, llegó y no se mencionó, se mencionó y no se recomendó. Los dos proveedores dieron el mismo diagnóstico el 95,1 % de las veces, con un intervalo del 95 % por clústeres del 94,3 % al 95,7 %. La coincidencia subía a medida que las marcas eran más pequeñas, del 81 % en los líderes de categoría al 99,6 % en las marcas regionales de nicho. Las elecciones difieren entre proveedores. El motivo por el que perdiste, en general, no.
Una cifra de sentimiento necesita un denominador mucho mayor que una cifra de menciones
La consecuencia práctica es aritmética. La regla de trabajo del propio Kumar es que las tasas de menciones necesitan al menos tres ejecuciones, y que las puntuaciones ponderadas por sentimiento necesitan al menos diez Prompts por plataforma y marca antes de estabilizarse. Un sentimiento calculado con un puñado de comprobaciones informa de la suerte del muestreador.
Por eso cada porcentaje de visibilidad que publicamos lleva un intervalo de Wilson, y por eso nuestras alertas saltan con el intervalo y no con la estimación puntual. Ejecuta una serie de sentimiento con la misma profundidad que una de menciones y saltará una alerta algo así como siete veces más a menudo, y casi todas serán ruido.
- Mantén la mención y el enfoque como series separadas con tamaños de muestra separados. Una sola cifra principal promedia algo estable con algo volátil.
- Cuando pierdas, pregunta cuál de los tres fallos fue. La corrección para no ser recuperado nunca no tiene nada en común con la corrección para quedar segundo.
- Por motor. Las elecciones entre proveedores discreparon aproximadamente dos tercios de las veces en los datos de Unusual.
- Fija el umbral de alerta a partir del intervalo, para que una oscilación sobre nueve muestras no despierte a nadie.
Qué hacemos al respecto
Proofsource sigue el sentimiento y el posicionamiento junto al seguimiento de Prompts y la cuota de voz frente a competidores, puntúa cada cifra de visibilidad con un intervalo de Wilson y condiciona las alertas a ese intervalo. Cuando te mencionan y te descartan, la tarea del informe es decir por qué ganaron, con las pruebas adjuntas.
Nuestro propio muestreo es más pequeño y apunta a un sitio algo distinto. En la única categoría que probamos medimos entre un 9 % y un 27 % de cambio diario, según el motor, en qué nombres aparecen, más movimiento del que sugiere una tasa de cambio del 6,8 %. Grupo distinto, definición distinta de ejecución, y no vamos a fingir que encajan sin más.
Lo que defenderíamos en cualquier caso es la instrucción que se deduce. Deja de leer un recuento de menciones como un resultado. Es la condición de entrada.
Dónde podría fallar esto
Los dos grupos venden herramientas en este mercado y los dos publican sus propios datos de producción. No los descalifica, y nosotros estamos en la misma posición cuando publicamos los nuestros. Ninguno es una auditoría independiente, así que no los leas como tal.
Kumar señala él mismo el mayor límite. El sentimiento lo clasifica un modelo sobre los fragmentos que mencionan la marca, así que el 45,5 % mezcla la varianza real de las respuestas con el ruido del clasificador, y el artículo no los separa. Toma las 6,7 veces como un techo de lo inestable que es el enfoque, no como una medición de ello.
Ese grupo es una muestra de conveniencia y se inclina hacia SaaS, ejecución de retail, fintech y marcas de venta directa al consumidor. El grupo del Nivel 1 son 11 marcas, y el artículo señala sus propias celdas pequeñas.
Las etiquetas de modo de fallo de Unusual también las asigna un modelo, y su escala de notoriedad está codificada a mano a partir de señales públicas. Aproxima lo conocida que es una marca, no lo grande que es.
Las ventanas son de marzo a mayo de 2026 y de mayo de 2026. Los motores sacan versiones constantemente, así que quédate con la forma y no te aferres a los decimales.
Cero celdas negativas de forma constante es una afirmación sobre marcas seguidas en Prompts de categoría en un grupo. No dice que los modelos nunca digan nada malo de nadie.
