Una mención es casi una propiedad fija de la marca, el Prompt y el motor
La mayoría de los paneles de visibilidad en IA abren con una cifra, la proporción de respuestas que te mencionan. Termina en capturas de pantalla para las presentaciones al consejo y es sobre lo 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 reporta sus propios datos de producción, lo cual importa para el peso que le des. La cohorte 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 monitoreada durante al menos tres ejecuciones con Prompts de categoría sin marca, el patrón de menciones quedó 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% quedó en la zona volátil del 30% al 70%, lo que deja el 77.5% de las celdas estrictamente siempre o nunca.
Que un motor te mencione en una pregunta de categoría se parece más a un hecho sobre ti que a lanzar una moneda. Para la mayoría de las marcas de esa cohorte, el hecho era que no.
El 45.5% de las celdas con menciones 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%
- Mezcla de positivo y neutral: 21.8%
- Siempre neutral: 2.3%
- Mezcla de negativo y neutral: 0.5%
- Siempre negativo: 0.0%
- Cambiando entre positivo y negativo: 45.5%
La señal estable es la que todos reportan
45.5% frente a 6.8% es de donde salen las 6.7 veces. Mismas celdas, mismas ejecuciones. La cifra del panel es la estable, y la cifra que nadie reporta oscila en casi la mitad de las celdas que tienen algo que reportar.
Hay un hallazgo más discreto en esa tabla que nos gusta más que el titular. Ni una celda fue negativa de forma constante. Cero. Aquí los motores nunca se asentaron en una lectura negativa de una marca monitoreada, y la negatividad, donde apareció, pasó. Si alguien te vende gestión de reputación en IA con la teoría de que los modelos se pusieron en tu contra, vale la pena guardar esa fila.
Mencionado y no recomendado ya es un modo de falla con nombre
Otro grupo llegó a la misma brecha desde el otro lado. Will Jack, Noah Lehman, Keller Maloney y Sarah Xu, de Unusual, auditaron unas 37,000 ejecuciones en producción sobre 215 Prompts de enfoque comercial en 19 sectores, contra un catálogo de 533 marcas ordenado en cinco niveles de prominencia. Unusual también vende en este mercado.
Dividieron el problema en tres etapas. El modelo tiene que recuperar una página que te mencione, 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 aparecieron en casi todas las recuperaciones relevantes y ganaron entre el 25% y el 41% de los lugares a los que llegaron. Estar en la sala ya lo tenían resuelto. Ser elegidos, no. Más abajo en la escala se invierte, y entre el 48% y el 52% de las marcas más pequeñas nunca 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 una de esas tres fallas: nunca llegó al modelo, llegó y no fue mencionada, fue mencionada y no fue recomendada. Los dos proveedores dieron el mismo diagnóstico el 95.1% de las veces, con un intervalo del 95% por clústeres de 94.3% a 95.7%. La coincidencia subió 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. La razón por la que perdiste, en general, no.
Una cifra de sentimiento necesita un denominador mucho mayor que una de menciones
La consecuencia práctica es aritmética. La regla operativa del propio Kumar es que las tasas de menciones necesitan al menos tres ejecuciones, y las puntuaciones ponderadas por sentimiento necesitan al menos diez Prompts por plataforma y por marca antes de estabilizarse. Un sentimiento reportado a partir de un puñado de revisiones reporta la suerte del muestreador.
Por eso cada porcentaje de visibilidad que publicamos lleva un intervalo de Wilson, y por eso nuestras alertas se disparan con el intervalo y no con la estimación puntual. Corre una serie de sentimiento con la misma profundidad que una de menciones y disparará una alerta unas siete veces más seguido, y casi todas serán ruido.
- Mantén menciones y enfoque como series separadas con tamaños de muestra separados. Una sola cifra principal promedia algo estable con algo volátil.
- Cuando pierdas, pregunta cuál de las tres fallas fue. La corrección para no ser recuperado nunca no tiene nada en común con la corrección para quedar en segundo lugar.
- Por motor. En los datos de Unusual, las elecciones de los distintos proveedores discreparon cerca de dos tercios de las veces.
- Define el umbral de alerta a partir del intervalo, para que una oscilación con nueve muestras no despierte a nadie.
Lo que hacemos al respecto
Proofsource monitorea el sentimiento y el posicionamiento junto al monitoreo de Prompts y el share of voice de los competidores, puntúa cada cifra de visibilidad con un intervalo de Wilson y condiciona las alertas a ese intervalo. Cuando te mencionan y te descartan, el trabajo del reporte es decir por qué ganaron ellos, con la evidencia adjunta.
Nuestro propio muestreo es más chico y apunta a un lugar un poco distinto. En la única categoría que probamos, medimos entre un 9% y un 27% de rotación diaria por motor en qué nombres aparecen, más movimiento del que sugiere una tasa de cambio del 6.8%. Otra cohorte, otra definición de ejecución, y no vamos a fingir que encajan sin más.
Lo que defenderíamos en cualquier caso es la instrucción que se desprende. Deja de leer un conteo de menciones como un resultado. Es la condición de entrada.
Dónde podríamos estar equivocados
Los dos grupos venden herramientas en este mercado y ambos publican sus propios datos de producción. Eso 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 límite más grande. El sentimiento lo clasifica un modelo sobre los fragmentos que mencionan a la marca, así que el 45.5% mezcla varianza real de las respuestas con ruido del clasificador, y el artículo no los separa. Toma las 6.7 veces como un techo de qué tan inestable es el enfoque, no como una medición.
Esa cohorte es una muestra de conveniencia y se inclina hacia SaaS, ejecución minorista, fintech y marcas directas al consumidor. El grupo de nivel 1 son 11 marcas, y el artículo señala sus propias celdas pequeñas.
Las etiquetas de modos de falla de Unusual también las asigna un modelo, y su escala de prominencia está codificada a mano a partir de señales públicas. Aproxima qué tan conocida es una marca, no qué tan grande es.
Los periodos son de marzo a mayo de 2026 y mayo de 2026. Los motores cambian todo el tiempo, así que quédate con la forma y no te aferres a los decimales.
Cero celdas negativas de forma constante es una afirmación sobre marcas monitoreadas en Prompts de categoría en una cohorte. No dice que los modelos nunca digan nada malo de nadie.
