Setenta Prompts trajeron 1,702 citas, unas ocho por respuesta
La mayoría de las conversaciones sobre visibilidad en IA tratan una respuesta como un veredicto sobre una página. La tuya. Desde adentro se lee así, porque lo único que revisas es si estás o no.
Una auditoría publicada en septiembre de 2025 por Arlen Kumar y Leanid Palkhouski, de UC Berkeley y Wrodium Research, le puso cifras a la forma de la cosa. Pasaron 70 Prompts con intención de producto de 16 verticales de SaaS B2B por Brave Summary, Google AI Overviews y sonar-pro de Perplexity, y juntaron 1,702 citas que apuntaban a 1,100 URL únicas.
Setenta Prompts en tres motores son 210 respuestas. Reparte 1,702 citas entre ellas y te da unas ocho URL citadas por respuesta. Esa es la unidad real. Ocho lugares, y siete son de alguien más incluso en un buen día.
En preguntas de software, el 72.7% de los dominios citados no era de los proveedores
Un segundo estudio del mismo mes llega a quiénes son esos vecinos. Mahe Chen, Xiaoxuan Wang, Kaiwen Chen y Nick Koudas, de la Universidad de Toronto, corrieron 1,000 Prompts de rankings de consumo, diez categorías con cien cada una, en Estados Unidos y Canadá, contra Google y contra un GPT con acceso web. Tomaron las diez primeras URL por consulta y clasificaron cada dominio como Brand, Social o Earned, es decir, medios independientes, reseñas y sitios de comparación.
En Software Products en Estados Unidos, la búsqueda con IA devolvió 72.7% Earned, 26.7% Brand y casi nada de Social. Google, con las mismas intenciones, devolvió 43.7% Brand, 45.4% Earned y 10.9% Social. Canadá fue más amplio: la búsqueda con IA dio 74.2% Earned y nada de Social, mientras Google se inclinó a 53.8% Brand. La electrónica de consumo en Estados Unidos fue todavía más lejos, hasta 92.1% Earned.
Leído desde una marca, eso duele un poco. En una pregunta de categoría, la mayor parte de lo que usa el modelo lo escribió gente que no trabaja para ti, en páginas que no puedes editar.
La co-cita se definió en 1973 y la definición es todo el punto
Hay una idea más antigua que encaja exactamente. En 1973, Henry Small definió la co-cita en el Journal of the American Society for Information Science como la frecuencia con la que dos documentos se citan juntos, medida comparando las listas de documentos que los citan y contando las entradas idénticas. Mostró que los grupos de artículos co-citados mapean la estructura de una especialidad científica.
La propiedad que vale la pena trasladar es aquella sobre la que Small construyó la medida. La co-cita la crea quien cita. Dos artículos se vuelven vecinos porque un tercero siguió recurriendo a ambos. Ninguno puede declarar la relación, y ninguno puede salirse.
Llévalo a un motor de respuestas y la consecuencia es incómoda. Tú no eliges las páginas junto a las que apareces. El motor arma el conjunto, de nuevo en cada solicitud, y el comprador lee las ocho fuentes como una sola cosa. Dos proveedores con páginas casi idénticas pueden caer en vecindarios distintos y ser leídos distinto por eso.
Solo 134 de 1,100 páginas citadas aparecieron en más de un motor
Los vecindarios tampoco se trasladan. En el corpus de Kumar y Palkhouski, 134 URL contaron como citas en varios motores. Frente a 1,100 URL auditadas, es más o menos una de cada ocho, así que cerca de siete octavos de las páginas citadas lo fueron por un solo motor. Las 134 que sí viajaron obtuvieron un 71% más en el índice de calidad de página del artículo que las de un solo motor, lo que es un buen argumento a favor del aburrido trabajo estructural.
La lectura práctica es que un lugar en el conjunto de fuentes de Perplexity te dice muy poco sobre Google AI Overviews. Si tu panel junta los motores en una sola cifra de visibilidad, está promediando tres poblaciones de páginas casi separadas.
Citar a otros subió un 115% al sitio en quinto lugar
Esta es la parte que cambia lo que haces el lunes. El artículo que le puso nombre a la generative engine optimization, de Pranjal Aggarwal y sus colegas de Princeton, probó nueve reescrituras de contenido contra un benchmark de 10,000 consultas en 25 dominios.
Tres métodos salieron arriba: agregar citas a fuentes creíbles, agregar fragmentos textuales y agregar estadísticas. Juntos produjeron una mejora relativa del 30% al 40% en la métrica de conteo de palabras ajustado por posición del artículo y del 15% al 30% en su puntuación de impresión subjetiva.
Separado por posición en la búsqueda, el método de citar fuentes subió la visibilidad un 115.1% para los sitios que ya estaban en quinto lugar, mientras que la visibilidad del sitio en primer lugar cayó en promedio un 30.3%. La palanca ahí no es la autoridad. Es lo citable. Una página que cita fuentes creíbles le da al modelo algo que puede tomar, y pone tu frase en el mismo párrafo que las fuentes que citaste.
Es el argumento de la co-cita funcionando al revés. A quién citas influye en con quién te citan.
Mide el vecindario, no solo tu propia fila
Si el conjunto es la unidad, cuatro preguntas valen más que un conteo de citas.
- Qué dominios aparecen juntos una y otra vez en tu categoría. Si las mismas cuatro páginas se repiten en tus Prompts, ese grupo es la lista real de fuentes de tu categoría, y se puede conocer.
- Si un competidor está en un conjunto del que tú faltas. Eso es una brecha de ubicación, y ninguna reescritura de tu página de inicio la cierra.
- Por motor, por separado. Con las cifras de arriba los conjuntos casi no se traslapan, así que el vecindario de un motor predice mal el de otro.
- Qué páginas co-citadas aceptan propuestas o correcciones. La mayoría de las listas comparativas lo hacen, y pedirlo suele ser la forma más barata de entrar en un conjunto del que estás fuera.
Lo que hacemos al respecto
Por eso Proofsource hace un mapeo de co-citas junto al monitoreo de Prompts y la detección de brechas de citas. El reporte muestra qué fuentes viajan juntas en tu categoría y de cuáles faltas, y el reporte para clientes incluye una vista de la mezcla de fuentes de listas y de su actualidad por la misma razón.
Nuestro propio muestreo apunta en la misma dirección. En una pregunta de “los mejores de la categoría” en la única categoría que probamos, las listas y listas comparativas fueron cerca del 44% de las fuentes que citó ChatGPT, los sitios de reseñas el 24% y las páginas de proveedores el 18%. Eso es nuestro, una categoría y un motor, y no lo defenderíamos como una ley general.
También significa que bastante seguido le decimos a la gente que la corrección más barata está en una página que no es suya y que nosotros no podemos tocar. Preferimos decirlo antes que vender una reescritura que no va a mover nada.
Dónde podríamos estar equivocados
Ambas auditorías se hicieron en septiembre de 2025. Eso fue hace un año, y cada motor que aparece en ellas ha lanzado muchas versiones desde entonces. Toma la dirección como bien respaldada y los porcentajes exactos como fechados.
El estudio de Kumar y Palkhouski es observacional, en inglés, de SaaS B2B, y se recopiló en un solo momento a partir de 70 Prompts. Consultó Perplexity a través de la API sonar-pro, que no tiene por qué comportarse como el producto de consumo. Su cifra de 134 es un conteo en ese corpus, y no publican el traslape por pares, así que no podemos decir qué dos motores comparten más.
El estudio de Toronto clasificó cada dominio con GPT-4o-search-preview. Las etiquetas asignadas por un modelo arrastran los errores del modelo, y la línea entre Brand y Earned de verdad se difumina en un sitio de comparación financiado por un proveedor.
Hay un desacuerdo que no podemos resolver aquí. Varios monitores muy difundidos reportan que las plataformas de comunidad como Reddit se llevan una proporción muy grande de las citas de IA, mientras que este estudio encontró Social cerca de cero. No hemos rastreado esos monitores hasta una fuente primaria, así que no citamos una cifra de ellos. Señalamos el conflicto en lugar de tomar partido.
El benchmark de Aggarwal es de 2023 y 2024 y se evaluó contra motores de dos generaciones atrás. Quédate con el mecanismo y trata el 115% como un producto de esa configuración.
La medida de Small de 1973 describía un registro impreso fijo. El conjunto de fuentes de una respuesta se regenera en cada solicitud, así que con quién te citan es una distribución. Una sola respuesta no establece nada sobre tu vecindario.
