--- title: "¿Cómo se mide si una IA conoce tu web?" description: "Con los buscadores hay cifras. Con los modelos de lenguaje apenas. Construimos una herramienta que hace la pregunta en vez de afirmar la respuesta." author: "Matthias Meyer" published: 2026-07-06 updated: 2026-09-30 updates: - date: 2026-09-30 note: "Aclaradas la cobertura de Bing y las pruebas complementarias con condiciones documentadas; conservada la prosa continua sin enlaces ni lista de fuentes." language: es tags: ["maschinenraum", "geo", "ki-sichtbarkeit", "messung", "eigenprojekte"] canonical: "https://studiomeyer.io/es/blog/geo-werkzeug-sichtbarkeit-messen" markdown_versions: ["https://studiomeyer.io/de/blog/geo-werkzeug-sichtbarkeit-messen.md", "https://studiomeyer.io/en/blog/geo-werkzeug-sichtbarkeit-messen.md", "https://studiomeyer.io/es/blog/geo-werkzeug-sichtbarkeit-messen.md"] publisher: "StudioMeyer, https://studiomeyer.io (llms.txt: https://studiomeyer.io/llms.txt)" --- # ¿Cómo se mide si una IA conoce tu web? Con los buscadores la situación es cómoda. Hay herramientas que muestran para qué términos aparece una web, en qué posición, cuántos clics recibe. Se puede discutir la exactitud, pero hay cifras. Una respuesta basada en conocimiento del modelo puede no generar una nueva petición a tu web. Las búsquedas o los accesos iniciados por el usuario sí pueden dejar registros. Un enlace visible puede no recibir clics. Registros, visitas de referencia y pruebas abiertas responden por tanto a preguntas distintas. Es un problema real, porque justo hacia ahí se está desplazando una parte de la búsqueda. ## Preguntas abiertas como muestra cualitativa Para revisar la respuesta a una pregunta concreta de un cliente, probamos esa pregunta. Bing Webmaster Tools también ofrece datos cuantitativos de citas para Copilot, respuestas de IA en Bing y socios seleccionados. Miden algo distinto de una prueba individual y una cita no es una visita. La herramienta les plantea a los modelos exactamente las preguntas que haría un cliente. No "¿conoces esta empresa?", porque a eso un modelo casi siempre responde con amabilidad. Sino la pregunta abierta que alguien escribiría de verdad: qué proveedor para esta cosa en esta zona. Después se evalúa lo que dice la respuesta. Si la web aparece. En qué lugar. Quién está al lado. Y con qué descripción, porque ser nombrado con una descripción equivocada es peor que no ser nombrado. Eso es una muestra, no un censo, y así se declara exactamente. Quien afirme otra cosa vende una precisión que no existe. ## La segunda mitad: ¿Se puede leer la web siquiera? La segunda parte de la herramienta no mira hacia fuera sino a la web misma. Si una máquina puede asimilar el contenido. Si los horarios, precios y ofertas están marcados como datos estructurados o están puestos como texto corrido. Si hay una versión en texto plano para modelos de lenguaje. Si las versiones de idioma están bien separadas. Si la web bloquea sin querer los rastreadores de los proveedores de IA. Esta parte es la más ingrata y la más importante. Una web puede tener contenidos excelentes: si un modelo no la puede leer limpiamente, en ese mundo no existe. Y es la parte en la que sí se puede influir. Que un modelo nombre a alguien lo decide el modelo. Que las condiciones estén bien lo decides tú. ## Lo que expresamente no prometemos Ya hay un mercado de promesas en esta dirección. Mención garantizada en respuestas de IA, primer puesto en ChatGPT, optimización para un modelo concreto. Eso no es serio, por una razón sencilla: nadie fuera de esas empresas sabe cómo se produce la selección, y cambia con cada versión de modelo. Quien garantiza una mención garantiza algo que no controla. Lo que se puede decir con honestidad es: nos aseguramos de que todo lo legible sea fácil de leer, medimos con regularidad y enseñamos la curva. Así mostramos la evolución que realmente observamos. ## Por qué esto tiene que ser una herramienta Hecha a mano, una medición así tiene dos inconvenientes, ambos caros. Cuesta tiempo cada vez, así que se hace demasiado poco. Y no es comparable, porque las preguntas están formuladas algo distinto en cada ronda. Una comparación a lo largo del tiempo necesita preguntas idénticas, si no estás midiendo tu propia formulación. Así que una herramienta: mismas preguntas, rejilla fija, histórico. Corre para nuestra web, para webs de clientes y se puede contratar. ## El caso que nadie espera La posibilidad más incómoda no es "no aparece" sino "aparece, pero mal": el modelo nombra un negocio pero lo clasifica en el sector equivocado, cita un servicio que ya no existe o lo confunde con otro de nombre parecido. Esa es la buena noticia con mal envoltorio. Que te nombren mal es más fácil de reparar que no aparecer. En ambos casos el camino es el mismo: conseguir que la respuesta inequívoca y estructurada sea más fácil de encontrar que la suposición mala. Para comparar en el tiempo, registra pregunta, idioma, región, fecha, sistema y modo de búsqueda. Repetir permite ver la variación. Preguntas idénticas no hacen las respuestas deterministas; cambios de modelo o producto pueden afectar la comparación. ## Seguir leyendo, Sala de máquinas - [Cada empresa tiene su propio agente de IA](https://studiomeyer.io/es/blog/meetmyagent-jeder-hat-einen-agenten.md) - [Una plataforma de aprendizaje llevada por agentes](https://studiomeyer.io/es/blog/academy-von-agenten-betrieben.md) - [Con qué trabajamos realmente](https://studiomeyer.io/es/blog/arbeitssystem-editor-modelle-werkzeuge.md)