La expansión de ChatGPT, Perplexity, Google AI Mode y otros asistentes está introduciendo un nuevo problema para los departamentos de marketing y SEO: una parte importante de su influencia sobre las decisiones de compra no aparece reflejada directamente en las herramientas de analítica web.
Medir únicamente cuántas visitas llegan desde plataformas de inteligencia artificial puede, por tanto, ofrecer una visión incompleta del rendimiento de las estrategias de Answer Engine Optimization o AEO, destinadas a conseguir que empresas, productos o contenidos aparezcan dentro de las respuestas generadas por estos sistemas.
Un nuevo marco de atribución publicado por Search Engine Land propone analizar el impacto del AEO en tres niveles: atribución directa, atribución influenciada y construcción de visibilidad futura. El planteamiento busca conectar la presencia dentro de los asistentes de IA con tráfico, demanda, oportunidades comerciales e ingresos, en lugar de limitar la evaluación a las visitas procedentes directamente de estas plataformas.
El tráfico desde ChatGPT solo muestra una parte del recorrido
Uno de los principales problemas se encuentra en que muchas interacciones con los asistentes no producen ningún clic.
Un usuario puede preguntar a ChatGPT qué herramientas utilizar para resolver un determinado problema, solicitar una comparación entre diferentes proveedores y terminar recordando uno de los nombres recomendados sin visitar ninguna página en ese momento.
Días después puede buscar directamente esa empresa en Google, escribir su dominio en el navegador o contactar con el equipo comercial.
Desde el punto de vista de la analítica, esa visita podría registrarse como tráfico directo o búsqueda de marca, aunque la primera influencia se hubiera producido dentro de un asistente de inteligencia artificial.
Search Engine Land señala además que determinados recorridos pueden perder información sobre la procedencia cuando los usuarios utilizan aplicaciones móviles o de escritorio, cambian de dispositivo o copian directamente una dirección web en lugar de pulsar sobre un enlace.
Semrush describe un fenómeno similar como la brecha de atribución de la búsqueda agéntica: la diferencia entre aquello que realmente influye en una decisión y lo que posteriormente puede registrar una plataforma de analítica.
La primera capa sigue siendo la atribución directa
El primer nivel del modelo propuesto utiliza las métricas más sencillas de comprobar.
Incluye el tráfico que llega directamente desde asistentes de IA y los leads o conversiones que pueden relacionarse con esas visitas mediante herramientas de analítica o CRM.
Es la parte más comparable con la atribución tradicional.
Si un usuario pulsa un enlace dentro de una respuesta de Perplexity, ChatGPT u otro sistema y posteriormente completa un formulario, la empresa dispone de una señal relativamente clara sobre el origen de esa interacción.
Sin embargo, el marco considera estos datos como un punto de partida y no como la medición completa del AEO, precisamente porque una gran parte de la actividad se produce dentro del propio entorno generativo.
La búsqueda basada en IA está modificando en este sentido la definición tradicional de visibilidad. En SEO, aparecer en primeras posiciones podía vincularse con impresiones, clics y sesiones. En los motores generativos, una organización puede aparecer citada, recomendada o incluida en una lista sin obtener necesariamente una visita inmediata.
Las búsquedas de marca pueden revelar influencia de la IA
La segunda capa intenta identificar señales indirectas.
Una de ellas es el crecimiento de las búsquedas de marca.
Un consumidor puede utilizar un asistente para realizar la fase inicial de investigación y posteriormente acudir a Google buscando directamente el nombre de una empresa que apareció en la respuesta.
En ese caso, Search Console registrará una consulta de marca, pero no mostrará que ChatGPT o Perplexity participaron anteriormente en el proceso.
El marco propone estudiar si la mejora de la visibilidad en respuestas generativas coincide con incrementos en tráfico directo, búsquedas de marca, demos solicitadas o nuevos contactos comerciales.
El análisis adquiere especial relevancia en entornos B2B, donde las decisiones pueden prolongarse durante semanas o meses.
La búsqueda generativa puede utilizarse para comparar precios, integraciones, funcionalidades o alternativas antes de que el comprador visite las páginas de los proveedores considerados.
Ciclos de venta más cortos como nueva señal
El impacto tampoco tendría que observarse exclusivamente dentro del tráfico.
El marco plantea analizar cambios en indicadores comerciales como duración del ciclo de venta o tasa de éxito frente a competidores.
Si un potencial cliente obtiene mediante un asistente respuestas sobre precios, características o integraciones antes de contactar con la empresa, podría llegar a la conversación comercial con una parte importante de su investigación completada.
Esto puede generar contactos más informados y reducir algunas fases del proceso de venta.
Para demostrar esta relación, sin embargo, es necesario conectar datos de marketing con CRM y analizar la evolución durante periodos suficientemente amplios.
El propio marco advierte de que el AEO continúa siendo un área en desarrollo y recomienda tratar este tipo de medición como un experimento, acumulando datos durante varios meses antes de atribuir cambios a una sola causa.
Share of voice y citas anticipan la visibilidad futura
La tercera capa no busca atribuir directamente ingresos actuales, sino medir la posición que una organización está construyendo dentro de los motores generativos.
Entre las métricas propuestas aparecen el AI share of voice, la frecuencia de citas, la visibilidad de la empresa en respuestas y el sentimiento o contexto con el que aparece mencionada.
Estas métricas permiten responder a preguntas diferentes a las utilizadas tradicionalmente en SEO: qué empresas recomienda un asistente cuando un usuario pregunta por una categoría, qué fuentes utiliza para elaborar su respuesta o qué atributos relaciona con cada competidor.
El objetivo del GEO y el AEO pasa así de conseguir únicamente una posición dentro de un buscador a intentar aparecer como una de las opciones que un sistema generativo considera relevantes. Search Engine Land resume esta evolución diferenciando entre ser citado, ser recomendado y ser seleccionado por los sistemas de IA.
SEO y AEO necesitan analizarse conjuntamente
El nuevo modelo tampoco plantea el AEO como sustituto del SEO.
La estrategia parte de que ambos ámbitos están conectados. Una buena arquitectura web, contenidos accesibles, autoridad temática y presencia en fuentes externas continúan siendo importantes para que los sistemas generativos puedan comprender y utilizar información sobre una empresa.
Lo que cambia es la forma de medir el resultado.
Los dashboards de SEO deberán incorporar progresivamente indicadores que antes pertenecían a otras áreas: búsquedas de marca, tráfico directo, datos de CRM, ciclos comerciales, menciones en LLM y cuota de visibilidad dentro de respuestas generativas.
El reto para los equipos de marketing será evitar dos extremos: atribuir cualquier crecimiento a la inteligencia artificial o ignorar su influencia porque no aparece reflejada como una sesión identificable en Google Analytics.
La evolución de la búsqueda obliga así a ampliar la atribución. En un entorno donde cada vez más investigación puede producirse sin visitar una página web, el clic deja de ser suficiente para explicar qué contenido o qué plataforma influyó realmente en una decisión.
