Mide tu visibilidad en IA sin engañarte.

Más que volver a hacerla. En 13,994 respuestas de 96 marcas, una marca mencionada en una formulación de una decisión de compra fue mencionada en una formulación hermana el mismo día el 55% de las veces. La misma redacción, preguntada otra vez más tarde, mantuvo la marca el 78% de las veces (el estudio de formulaciones).

El ejemplo público de Tesla muestra la dispersión (escaneos del 4, 8 y 15 de oct. de 2026). De cinco formulaciones de una misma decisión sobre almacenamiento en red, dos mencionaron a Tesla en 12 de 12 respuestas y dos no la mencionaron en ninguna. Esas dos preguntaban por el costo por MWh y los criterios de compra, y los motores respondieron con precios y listas de verificación, sin mencionar a ninguno de los proveedores que mencionaron las otras formulaciones. Reporta cada formulación por separado antes de promediarlas; una puntuación por tema que mezcla 12 de 12 con 0 de 12 no describe a ninguna.

Hazle la misma pregunta dos veces al mismo motor y puedes obtener dos respuestas distintas. Una respuesta es una muestra, no un hecho, y unas pocas muestras pueden engañar. Una sola respuesta que te menciona tiene un intervalo de 95% de 20.7% a 100%; una sola ausencia, de 0% a 79.3% (por qué una respuesta dice tan poco).

La forma honesta de reportar una tasa a partir de una muestra pequeña es con un intervalo. En el ejemplo de Tesla, ChatGPT mencionó a Tesla en 16 de 25 respuestas, es decir 64%, pero el intervalo de Wilson de 95% va de alrededor de 45% a 80%. El 10 de 25 de Perplexity va de alrededor de 23% a 59%. Los dos rangos se superponen, así que ni siquiera esa diferencia prueba todavía que un motor favorece a Tesla. Más respuestas acotan el rango: 60 de 200 va de alrededor de 24.1% a 36.7%. Un cambio solo significa algo cuando es más grande que el ruido; el capítulo 6 explica cómo probarlo, y qué significa el intervalo de 95% explica el rango en sí.

El método completo está en la página de metodología, y los términos, en el glosario.

Las respuestas individuales cambian todos los días; un conjunto fijo de preguntas se mueve mucho menos. En 40 preguntas de compra hechas a diario en cuatro motores, alrededor de uno de cada cinco nombres que estaba en una respuesta había desaparecido al día siguiente, y el 47% de esos cambios se revirtió un día después. Aun así, la tasa de un solo día quedó a una mediana de 3.6 puntos del promedio de esa semana (el estudio de frecuencia).

• Para reportar una tendencia sobre un conjunto grande y fijo de preguntas, una vez por semana suele bastar.
• Si monitoreas 20 preguntas o menos, las ejecuciones diarias promediadas en la semana dan un intervalo mucho más estrecho.
• Para probar un cambio que acabas de publicar, la medición diaria muestra qué día se movieron las respuestas y si el movimiento se sostuvo.

Más sobre esa disyuntiva en monitoreo diario de visibilidad en IA.