Una herramienta de visibilidad en LLM sigue lo que dicen de tu marca los grandes modelos de lenguaje, modelo a modelo.
La visibilidad en LLM es la frecuencia con la que los grandes modelos de lenguaje que hay detrás de asistentes como ChatGPT, Claude y Perplexity mencionan tu marca cuando la gente pregunta por tu categoría. Una herramienta de visibilidad en LLM, también llamada LLM tracker, hace las preguntas de tus compradores a esos asistentes una y otra vez y registra a quién mencionan, qué fuentes usó la respuesta y qué versión del modelo la escribió. Proofsource es una de ellas.
¿El modelo es lo mismo que el asistente que usa tu comprador?
No, y la diferencia determina qué mide realmente una herramienta. Un comprador escribe en ChatGPT o Claude, un producto que envuelve un modelo con instrucciones, búsqueda web y a veces memoria de chats anteriores. El modelo sin más, llamado directamente sin búsqueda, solo puede responder con lo que aprendió en su entrenamiento.
Las dos pueden mencionar marcas distintas para la misma pregunta. Por eso, lo primero que hay que preguntar a una herramienta de seguimiento de LLM es qué superficie consulta: el producto tal como lo ve un comprador, o el modelo sin sus herramientas. Ninguna está mal, pero solo la primera coincide con lo que leen tus compradores.
Respuestas de memoria y respuestas de búsqueda: ¿por qué un tracker de LLM tiene que distinguirlas?
Toda respuesta es en parte memoria y en parte consulta. La mitad de memoria es lo que el modelo aprendió en el entrenamiento, y solo cambia cuando sale un modelo nuevo. La mitad de consulta es lo que el asistente buscó mientras respondía, y puede cambiar a los pocos días de publicar o editar una página.
Una respuesta que cita fuentes usó la parte de consulta; una que no cita nada salió de la memoria. En el ejemplo público de Tesla, Claude respondió «What is Tesla?» e «Is Tesla legit?» con lo que el modelo ya sabía, sin citar fuentes. El trabajo en tus páginas puede llegar rápido al primer tipo de respuesta y al segundo solo después del siguiente entrenamiento del modelo, así que un seguimiento que muestra las fuentes de cada respuesta te dice qué palanca tienes.
¿Por qué importa la versión del modelo al hacer seguimiento de la visibilidad en LLM?
Los asistentes cambian de vez en cuando los modelos que usan por debajo. Cuando lo hacen, las marcas que mencionan pueden cambiar de la noche a la mañana sin que hayas tocado nada. Si un monitor no registra qué modelo escribió cada respuesta, una actualización del modelo parece exactamente una victoria o una derrota que causaste tú.
Proofsource registra la versión del modelo detrás de cada respuesta y la muestra bajo cada gráfico. Si un modelo cambió a mitad del periodo que ves en pantalla, aparecen las dos versiones, así que un salto que coincide con un modelo nuevo se ve como lo que es.
¿La visibilidad en LLM es lo mismo que la visibilidad en IA?
Casi. Visibilidad en IA es el término más amplio y también abarca Google AI Overviews, una función de búsqueda sin una versión pública del modelo que seguir. La visibilidad en LLM pone el modelo en primer plano: qué sabe el modelo de cada asistente, qué busca y cómo cambia eso entre versiones. La medición es la misma, y por eso Proofsource hace las mismas preguntas en los 4 motores. La visión general está en la página de la herramienta de visibilidad en IA.
Tres cosas que registrar por respuesta
A quién menciona el modelo
Tu marca y todos los competidores de la respuesta, para cada pregunta y asistente.
Fuentes, o ninguna
Las páginas que citó la respuesta, o el hecho de que respondió solo con su entrenamiento.
Qué modelo lo escribió
Para que una actualización del modelo nunca se confunda con algo que hiciste tú.
¿Cómo hace Proofsource el seguimiento de la visibilidad en los LLM?
Proofsource es una plataforma de inteligencia de IA que muestra qué preguntas de compra mencionan tu marca en ChatGPT, Perplexity, Claude y Google AI Overviews, a quién mencionan en tu lugar y qué corregir exactamente.
- Sesiones limpias. Las preguntas se hacen sin historial de cuenta personal, para que la memoria de ningún usuario condicione la respuesta.
- Se guarda la respuesta completa. Cada cifra se abre en las respuestas que la sostienen, con las marcas nombradas y las páginas citadas.
- El modelo detrás de cada respuesta, indicado bajo cada gráfico.
- Un intervalo de Wilson del 95 % en cada tasa. 16 respuestas con mención de 25 son un 64 %, pero el rango honesto va del 45 % al 80 % aproximadamente; 60 de 200 lo estrecha a entre el 24 % y el 37 %.
¿Qué debería registrar una herramienta de seguimiento de LLM?
- Qué superficie consulta. El asistente con su búsqueda, o el modelo a secas.
- La versión del modelo de cada respuesta, no la predeterminada de hoy.
- Con o sin fuentes, para que distingas las respuestas de búsqueda de las de memoria.
- Si eres tú. Un modelo puede describir otra empresa con un nombre parecido. Lee la respuesta, no solo la coincidencia con tu nombre.
- Suficientes repeticiones para un intervalo. Una respuesta por pregunta es una muestra de uno.
¿Cómo se comparan las herramientas líderes?
3 criterios, los mismos para cada herramienta. Cada dato de un competidor enlaza a la propia página del proveedor.
| Herramienta | Qué es | Con qué frecuencia pregunta | Intervalos y estadística |
|---|---|---|---|
| Proofsource | Plataforma de inteligencia de IA que muestra qué preguntas de compra mencionan tu marca, a quién mencionan en tu lugar, y redacta la corrección para cada brecha. | Cada día o cada semana, a elegir en cada plan; la prueba gratuita hace 2 análisis con cerca de un día de diferencia | Un intervalo de Wilson del 95 % en cada porcentaje; los cambios solo se marcan cuando lo superan |
| Profoundfuente | Plataforma enterprise de búsqueda con IA con answer engine insights, agent analytics y un agente AI Marketer. | Diaria | No publicado |
| Peec AIfuente | Analítica de la búsqueda con IA para equipos de marketing y agencias: visibilidad, posición, sentimiento y fuentes. | Diaria (diaria o semanal en Enterprise) | No publicado |
| Scrunchfuente | Seguimiento de la búsqueda con IA más una Agent Experience Platform que sirve a los agentes de IA una versión optimizada de tu web. | No publicada (5.000 respuestas al mes en Core) | No publicado |
| Otterly.AIfuente | Seguimiento en autoservicio de la búsqueda con IA para ChatGPT, Google AI Overviews, Perplexity y Copilot, con auditorías de GEO. | Diaria | No publicado |
| Ahrefs Brand Radarfuente | Seguimiento de menciones en IA dentro de Ahrefs, sobre una base de datos de cientos de millones de prompts más los tuyos. | Prompts propios actualizados cada día | No publicado |
La comparativa completa de ocho herramientas, con lo que mejor hace cada una, está en las mejores herramientas de visibilidad en IA.
- Precios de Profound www.tryprofound.com/pricing
- Precios de Peec AI peec.ai/pricing
- Precios de Scrunch scrunch.com/pricing
- Precios de Otterly.AI otterly.ai/pricing
- Precios de Ahrefs ahrefs.com/pricing
- Ahrefs Brand Radar ahrefs.com/brand-radar
Fuentes leídas el .
Lo que la gente pregunta sobre herramientas de visibilidad y de seguimiento de LLM
¿Qué es un rastreador de LLM?
Otro nombre para una herramienta de visibilidad en LLM: software que hace una y otra vez a los asistentes de IA basados en grandes modelos de lenguaje las preguntas de tus compradores y registra qué marcas mencionan y qué fuentes citan.
¿De qué LLM debería hacer seguimiento?
Los asistentes que usan tus compradores. Proofsource sigue ChatGPT, Perplexity, Claude y Google AI Overviews en la prueba gratuita, y Google AI Mode, Gemini, Microsoft Copilot, Grok, DeepSeek y Meta AI se activan en una llamada. La tabla lista los motores de cada herramienta con su fuente.
¿Puedo cambiar lo que un LLM dice de mi marca?
En parte, y a dos velocidades. Las respuestas que buscan en la web pueden recoger una página más clara a los pocos días de que se descargue. Las respuestas que salen del entrenamiento del modelo solo cambian cuando se entrena un modelo nuevo con textos más recientes. Haz seguimiento de las fuentes de cada respuesta para saber con cuál de las dos estás tratando.
¿Cuántas respuestas necesita una cifra fiable de visibilidad en LLM?
Más de lo que la mayoría espera. Con 25 respuestas, una tasa del 64 % tiene un intervalo de aproximadamente el 45 % al 80 %; con 200 respuestas, el intervalo es de unos pocos puntos a cada lado. Proofsource muestra el intervalo en cada cifra para que el tamaño de la muestra nunca quede oculto.
Ve lo que dicen los modelos de tu marca.
Ve qué preguntas de compra mencionan tu marca, a quién mencionan en tu lugar y qué corregir. 200 respuestas. 25 Prompts/pregunta. Los principales motores de IA. 2 días. Gratis. Sin tarjeta.
Google AI OverviewsGoogle AI Mode
