La respuesta orgánica es la parte que no puedes comprar
OpenAI empezó a probar anuncios en ChatGPT el 9 de febrero de 2026, y para su actualización del 11 de agosto el piloto ya había llegado a Reino Unido, México, Brasil, Japón y Corea del Sur. Los anuncios se etiquetan como patrocinados, 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 a la venta. Lo que deja la pregunta que cualquier retador ya se está haciendo: si el modelo conoce a tu competidor y a ti no, ¿hay forma de entrar?
Con especificaciones idénticas, la marca reconocida fue elegida en el 100% de 670 pruebas
Xi Chu, de Trine University, y YuPeng Hou, de Texas A&M, lo midieron en un artículo enviado en junio de 2026 y revisado en agosto. Armaron conjuntos de diez productos de cuidado de la piel: una marca real, CeraVe, Paula's Choice o EltaMD, y nueve nombres ficticios filtrados para confirmar que los modelos nunca los habían oído.
En la primera condición, todos los productos tenían la misma calificación, precio, cantidad de reseñas y descripción de ingredientes. Solo cambiaba el nombre, así que un modelo justo elegiría cada uno cerca del 10% de las veces. En 670 pruebas válidas, la marca real ganó todas, en los tres modelos y en las cuatro subcategorías. Nunca se eligió ni una marca ficticia.
Es la lectura más desoladora posible para un retador, y la menos útil, porque la condición que describe es una que probablemente estás reproduciendo sin querer.
Una ventaja de 0.075 estrellas lo voltea, y entonces la marca explica el 1.2% del ranking
Dale al producto desconocido mejores especificaciones y peores al real, y en 2,769 pruebas los modelos se mantuvieron leales 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 sumar más ventaja aportó poco. Interpolado al punto en que cada opción gana la mitad de las veces, en 9,220 pruebas, el umbral es lo bastante pequeño para anotarlo.
- Una ventaja de 0.075 estrellas en la calificación, menos que la diferencia entre 4.3 y 4.4 estrellas
- 1.6 veces más reseñas
- Un precio 7.3% más bajo
El reconocimiento es a lo que recurre el modelo cuando no dices nada
Una descomposición de varianza sobre 14,395 pruebas resuelve qué movió el ranking. Los parámetros del producto explicaron el 82.4%, la posición en la lista el 6.5% y la identidad de marca el 1.2%. La marca no tuvo un efecto medible cuando la calidad era claramente alta o claramente baja. Su influencia llegó al máximo en la zona media, donde la información era ambigua. Pregúntalo por motor y no en conjunto: con la ventaja de calificación 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 una afirmación clínica que no existía
Con todas las especificaciones idénticas y cambiando solo el texto, el lenguaje de autoridad rompió el dominio del líder 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 casi no se notaron, entre el 9.6% y el 12.9%. Los modelos ignoraron la urgencia y trataron una frase con forma de cita como evidencia equivalente a unos 0.17 puntos de calificación, o un descuento del 15.3%.
Esta es la parte que un resumen va a omitir. Esos estímulos eran ensayos clínicos inventados y respaldos 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 cual es un hallazgo sobre cómo verifican la evidencia los modelos y no una táctica.
Cuando todas las marcas optimizan, la respuesta vuelve al líder
El tercer experimento debería cambiar cómo asignas tu presupuesto. Escalaron la cantidad de retadores que escribían texto de autoridad de ninguno a los nueve, en 4,800 llamadas: sin nadie optimizando, el líder sobrevivió el 100% de las veces; con un retador, el 19.8%; con los nueve, el 93.8%. La señal dejó de ser señal en cuanto todos la llevaban, y el modelo volvió al nombre que conocía.
El beneficio por marca cayó de 0.802 para el primero en moverse a 0.007 con adopción universal, una vida media de alrededor de 1.4 competidores. En 4,745 pruebas, los retadores 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 un beneficio con una vida media de más o menos un competidor. Una diferencia real que puedes probar, no.
En la vida real, el modelo primero tiene que encontrar el dato
Cada condición de arriba le entrega al modelo una tabla limpia de especificaciones dentro del Prompt. Los motores en vivo arman una, y en esa brecha 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”, los sitios de reseñas el 24% y las páginas de proveedores el 18%. Son cifras nuestras, acotadas a nuestras muestras, no una ley general.
La forma es lo que importa. Si las listas comparativas que responden la pregunta de tu categoría te incluyen sin calificación, sin cantidad de reseñas y sin la 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 de verdad le ganas al líder de la categoría, y revisa que aparezca como número en las páginas de terceros que citan los motores, no solo en tu propio sitio.
- Saca las respuestas en las que un competidor se llevó la recomendación y lee cuál dijo el modelo que era la diferencia.
Lo que 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 revisa si los rastreadores pueden leer tus páginas.
El límite, dicho con claridad: medimos si los motores te mencionan, qué citan cuando lo hacen y si los rastreadores de IA y el tráfico referido por IA llegan a tu sitio. No medimos si se cerró la venta.
Dónde podríamos estar equivocados
Una sola categoría, cuidado de la piel, elegida porque los compradores no pueden juzgar la calidad antes de comprar. La réplica con bienes de búsqueda cubre solo el primer experimento, y los autores dicen que no han probado fuera de ella los resultados de lenguaje ni de múltiples marcas. Tres modelos cerrados, un solo perfil de comprador, temperatura 0.7, con un bootstrap por clústeres sobre 24 bloques que los efectos principales resisten.
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 en la web, cobertura de terceros, páginas que el modelo puede recuperar. El 100% no es un mercado real.
La mayor parte de esto prueba lo que los modelos saben 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 solo modelo de embeddings y sin reordenamiento, y los autores se niegan a generalizar a partir de ella. Apunta en la dirección contraria: la capa de recuperación no le dio a la marca real ningún crédito 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.
