Cómo medir la visibilidad en buscadores de inteligencia artificial y conectarla con el pipeline B2B

10 sep

Durante años, buena parte de la medición orgánica se apoyó en posiciones, impresiones, clics, sesiones y conversiones. Esos indicadores siguen siendo útiles. El problema es que ya no describen por completo cómo una persona descubre y evalúa a una empresa.

Una búsqueda puede comenzar en Google, ChatGPT, Copilot o Gemini. El usuario recibe una síntesis, conoce varias alternativas y quizá no visita ninguna página en ese momento. Días después puede buscar una marca por su nombre, entrar de forma directa al sitio o responder un correo comercial. Cuando eso sucede, la analítica suele registrar la última interacción, pero pierde parte de la investigación que ocurrió antes.

Esto complica la medición, aunque no la vuelve imposible. Las plataformas ya muestran más señales sobre impresiones generativas, citas y tráfico proveniente de asistentes de inteligencia artificial. Aun así, ninguna herramienta puede demostrar por sí sola que una mención produjo una venta. Para una empresa B2B, la respuesta razonable es combinar datos de visibilidad, comportamiento, demanda y CRM.

La meta no es encontrar una métrica universal de AEO o GEO. Es construir suficiente evidencia para decidir qué contenido merece inversión, qué consultas acercan a la empresa a una oportunidad y qué actividad solamente genera números vistosos.

La visibilidad generativa no siempre produce una visita

Pensemos en una directora de Operaciones que busca opciones para automatizar la facturación de su empresa. Una respuesta generativa puede mostrarle criterios de selección, riesgos de implementación y nombres de proveedores. Si una marca aparece ahí, ya obtuvo exposición. Sin embargo, la directora puede anotar el nombre y visitar el sitio una semana después desde un marcador o mediante una búsqueda de marca.

En ese caso, la influencia inicial existió, pero no quedó registrada como una sesión proveniente de inteligencia artificial. También puede ocurrir lo contrario: una persona llega desde ChatGPT, lee treinta segundos y se retira porque la empresa no atiende su mercado. Hay tráfico identificable, pero no valor comercial.

Por eso conviene separar cuatro niveles. El primero confirma que la empresa apareció. El segundo observa qué hicieron las personas que llegaron al sitio. El tercero identifica si surgió una señal de demanda. El cuarto revisa si esa demanda se convirtió en una oportunidad o en ingresos. Mezclar los cuatro conduce a conclusiones débiles.

Cuatro niveles para medir el impacto

Nivel 1 Presencia en respuestas generativas

Este nivel responde una pregunta básica: ¿el contenido de la empresa está siendo mostrado o utilizado? Aquí entran las impresiones en funciones generativas de Google, las citas reportadas por Bing, las páginas utilizadas como fuente y la tendencia de esa presencia a lo largo del tiempo.

La presencia sirve como indicador temprano. Ayuda a detectar qué temas y páginas ya tienen posibilidad de entrar en una respuesta. No demuestra preferencia, autoridad ni intención de compra. Microsoft lo aclara en su propio reporte: una cita indica que una URL fue mostrada como fuente, pero no revela su posición ni el papel que tuvo dentro de la respuesta.

Nivel 2 Tráfico e interacción con el sitio

El segundo nivel comienza cuando existe un clic. Google Analytics puede identificar sesiones provenientes de asistentes como ChatGPT, Gemini, DeepSeek, Copilot o Grok mediante el canal AI Assistant. OpenAI también añade automáticamente el parámetro utm_source=chatgpt.com a los enlaces de referencia desde los resultados de búsqueda de ChatGPT.

Aquí conviene revisar sesiones, páginas de entrada, interacción, eventos clave y rutas posteriores. El volumen aislado dice poco. Diez visitas que terminan en una solicitud de diagnóstico pueden ser más valiosas que mil visitas a una definición general.

Nivel 3 Conversión a demanda

La siguiente pregunta es si la interacción produjo una señal que Marketing o Ventas puedan trabajar. Puede ser un formulario, una solicitud de demostración, una descarga vinculada con una decisión, una suscripción pertinente o una conversación iniciada con el equipo comercial.

En B2B también resulta útil preguntar en los formularios o durante la llamada cómo conoció la persona a la empresa. Esa respuesta no debe sustituir los datos digitales. Debe guardarse en un campo separado, porque permite recuperar parte de la influencia que no dejó referencia técnica.

Nivel 4 Oportunidades e ingresos

El último nivel ocurre dentro del CRM. Un contacto debe relacionarse con su cuenta, la oportunidad correspondiente y el contenido que consumió cuando esa información esté disponible. Así se puede revisar pipeline originado, pipeline influenciado, tasa de avance, duración del ciclo y ventas cerradas.

Hay que utilizar estas métricas con cuidado. Una oportunidad influenciada por un artículo no significa que el artículo haya causado el ingreso. Significa que existe una relación observable entre el contenido y una oportunidad. La regla utilizada para considerar esa influencia debe quedar documentada.

Los datos que ya ofrecen las plataformas

Google Search Console

Google lanzó en junio de 2026 un reporte específico sobre el desempeño dentro de funciones generativas y completó su despliegue mundial el 31 de agosto. El reporte muestra impresiones, páginas, países, dispositivos y evolución por fecha para AI Overviews y AI Mode.

Es un avance importante porque antes esa visibilidad estaba integrada en los reportes generales. También tiene límites claros. Una impresión no equivale a un clic ni a una consideración comercial. El reporte debe utilizarse para localizar páginas con presencia generativa y comparar su tendencia, no para asignar ingresos.

Google Analytics

Desde mayo de 2026, Google Analytics incluye el canal AI Assistant dentro de su agrupación predeterminada. Las visitas reconocidas reciben el medio ai-assistant y la campaña ai-assistant. Este canal excluye las experiencias generativas de Google, como AI Overviews y AI Mode, que permanecen dentro del ecosistema de búsqueda.

La distinción importa. Comparar Search Console con Analytics como si ambos midieran el mismo universo produce diferencias inevitables. Search Console observa la exposición dentro de Google antes de la visita. Analytics observa sesiones y eventos después de que una persona entra al sitio.

Bing Webmaster Tools

Microsoft presentó AI Performance en Bing Webmaster Tools en febrero de 2026. El panel incluye citas totales, promedio de páginas citadas, frases utilizadas para recuperar contenido, actividad por URL y tendencias. También cubre experiencias de Microsoft Copilot, resúmenes generados en Bing y algunas integraciones asociadas.

Las frases de recuperación son una muestra y las citas no indican ranking. Aun con esas limitaciones, el reporte puede ayudar a encontrar páginas que ya funcionan como fuente y temas que necesitan más claridad, profundidad o evidencia.

ChatGPT

OpenAI permite identificar el tráfico referido mediante el parámetro utm_source=chatgpt.com. Esto facilita el análisis de quienes hicieron clic, pero no muestra cuántas personas vieron una marca y no visitaron el sitio. También requiere que OAI-SearchBot no esté bloqueado si la empresa quiere que su contenido pueda encontrarse y citarse con claridad en las búsquedas de ChatGPT.

Cómo conectar la analítica con el CRM

La mayor parte de las empresas no tiene un problema de falta de indicadores. Tiene datos separados. Search Console conoce las impresiones, Analytics registra sesiones y eventos, y el CRM guarda contactos y oportunidades. Si esos sistemas no comparten identificadores y reglas, el reporte termina en una suma de capturas de pantalla.

Paso 1 Definir qué cuenta como resultado

Antes de configurar un dashboard, la empresa debe acordar qué acciones representan demanda real. Una visita o una descarga no necesariamente lo son. Para una consultoría B2B, una reunión con una empresa dentro del perfil objetivo puede tener más valor que una lista extensa de contactos sin capacidad de compra.

Paso 2 Conservar la fuente y el contenido de entrada

Los formularios deben enviar al CRM la fuente, el medio, la campaña, la URL de entrada y, cuando sea posible, un identificador del contenido. También conviene conservar el primer contacto y el contacto más reciente. Reemplazar el primero cada vez que una persona regresa elimina parte de la historia.

Paso 3 Separar la fuente detectada de la fuente declarada

Si una persona dice que conoció a la empresa mediante ChatGPT, esa información debe guardarse como fuente declarada. La fuente detectada por Analytics puede ser directa, orgánica o AI Assistant. Ambas son útiles y pueden ser distintas. Forzarlas dentro de un solo campo crea datos falsamente precisos.

Paso 4 Relacionar contactos cuentas y oportunidades

Una compra B2B rara vez depende de una sola persona. El análisis debe considerar la cuenta. Si tres contactos de la misma empresa consumen contenidos diferentes antes de abrir una oportunidad, revisar únicamente el último formulario deja fuera buena parte del proceso.

Paso 5 Documentar la regla de influencia

Una regla práctica puede considerar influenciada una oportunidad cuando un contacto asociado consumió determinado contenido dentro de una ventana definida antes de su creación o avance. La duración de esa ventana debe responder al ciclo comercial de la empresa. Usar treinta días en un proceso que normalmente tarda nueve meses sería arbitrario.

La atribución no demuestra causalidad

La atribución distribuye crédito de acuerdo con una regla. No demuestra qué habría ocurrido si el contenido no existiera. Un modelo de último clic favorece la interacción final. Un modelo basado en datos distribuye crédito entre los puntos que puede observar. Ninguno recupera automáticamente una conversación interna, una recomendación verbal o una respuesta generativa sin clic.

Para acercarse a una conclusión causal se necesitan comparaciones más exigentes: periodos equivalentes, grupos de páginas, segmentos de cuentas o pruebas controladas cuando sean viables. En muchas empresas B2B el volumen de oportunidades es demasiado pequeño para sostener afirmaciones estadísticas fuertes. En esos casos es preferible presentar evidencia acumulada y reconocer el límite.

Decir que un canal influyó en veinte oportunidades puede ser correcto si la regla está definida. Decir que generó todo el ingreso asociado sería una exageración. Esa diferencia protege la calidad de la decisión y evita que Marketing prometa más de lo que sus datos permiten afirmar.

El dashboard mínimo para una empresa B2B

Visibilidad

El primer bloque debe mostrar impresiones generativas en Google, citas y páginas citadas en Bing, evolución por periodo y páginas con mayor presencia. Cuando la plataforma lo permita, se pueden añadir frases de recuperación y distribución por país o dispositivo.

Tráfico

El segundo bloque debe incluir sesiones del canal AI Assistant, fuentes específicas, páginas de entrada, interacción y eventos clave. Conviene separar el tráfico desde asistentes del tráfico orgánico tradicional y mantener una definición estable durante el periodo comparado.

Demanda

El tercer bloque debe concentrarse en contactos válidos, reuniones, solicitudes de demostración y cuentas dentro del perfil objetivo. La calidad importa más que el volumen. También debe mostrar la fuente declarada cuando se recopile de manera consistente.

Negocio

El último bloque debe presentar oportunidades creadas, pipeline originado, pipeline influenciado, avance de etapa e ingresos cerrados. Cada métrica necesita una definición accesible. Si dos equipos interpretan de manera distinta qué significa pipeline influenciado, el tablero no está terminado.

Errores que debilitan la medición

Celebrar citas sin revisar oportunidades

Las citas son útiles como señal de presencia. Convertirlas en el objetivo final empuja al equipo a optimizar lo visible, aunque no acerque a la empresa a una compra.

Comparar periodos que no son equivalentes

La estacionalidad, una campaña pagada, un cambio de sitio o una actualización del producto pueden modificar el resultado. Comparar meses distintos sin registrar estos hechos puede atribuir al contenido un efecto que provino de otra actividad.

Cambiar la clasificación sin conservar el histórico

Las fuentes reconocidas por Analytics evolucionan. Si una empresa modifica sus canales personalizados, debe documentar la fecha y evitar mezclar periodos con reglas distintas como si fueran comparables.

Inventar una precisión que la plataforma no ofrece

No todas las herramientas muestran consultas completas, posición dentro de una respuesta o impresiones sin clic. Rellenar esos huecos con estimaciones no explicadas produce un reporte atractivo y poco confiable.

Un plan de implementación de noventa días

Días 1 a 30 Crear la línea base

Durante el primer mes se deben verificar Search Console, Analytics y Bing Webmaster Tools, revisar el etiquetado disponible y seleccionar las páginas relacionadas con preguntas comerciales prioritarias. También hay que definir los eventos que representan una señal de demanda y auditar los campos de fuente dentro del CRM.

Días 31 a 60 Conectar los datos

El segundo mes sirve para enviar fuente, medio, campaña y página de entrada desde los formularios, crear el campo de fuente declarada y relacionar contactos con cuentas. En esta etapa conviene establecer la regla de pipeline influenciado y la ventana de tiempo que utilizará.

Días 61 a 90 Revisar decisiones y límites

El tercer mes debe producir un primer análisis conjunto. El equipo revisa qué páginas aparecen, cuáles atraen visitas pertinentes, qué contenidos participan en oportunidades y dónde faltan datos. El resultado esperado no es probar un retorno definitivo en noventa días. Es contar con una base confiable para mejorar el contenido y evaluar su contribución conforme avance el ciclo comercial.

La medición debe terminar en una decisión comercial

Medir AEO y GEO no consiste en añadir otro tablero a Marketing. Consiste en entender si la empresa participa en las nuevas formas de búsqueda y si esa presencia se relaciona con demanda real.

Las impresiones y citas ayudan a saber dónde existe visibilidad. Analytics muestra quién llegó y qué hizo. El CRM permite revisar si esa interacción terminó dentro de una cuenta y una oportunidad. Ninguna capa basta por sí sola.

En AVAZ conectamos contenido, analítica y operación comercial para que una empresa pueda decidir con mejores datos. Si el reporte termina en sesiones y menciones, la medición quedó incompleta. La pregunta final siempre debe ser qué cambió en la calidad de la demanda, el pipeline o los ingresos.

Siguiente paso: evaluar la medición actual y definir qué datos faltan para relacionar visibilidad, contenido y oportunidades B2B.