Durante años, medir el SEO local fue relativamente sencillo: posiciones, clics, impresiones, llamadas, solicitudes de cómo llegar y conversiones desde Google Business Profile. Pero cada vez más usuarios dejan de buscar en Google y le preguntan directamente a ChatGPT, Gemini o Copilot. Y ahí las viejas métricas se quedan cortas.
El cambio es de fondo. Antes bastaba con que tu negocio apareciera cuando alguien buscaba «veterinario en Getafe». Ahora una persona puede escribir: «Mi gato mayor está apático y come poco, vivo en Getafe. ¿Qué clínica veterinaria me recomiendas que tenga buen trato con animales nerviosos?». La IA no se limita a recuperar información: construye una respuesta combinando varias fuentes y decide qué negocios menciona, cómo los describe y en qué orden los presenta.
Eso nos obliga a replantear qué medimos. En esta guía te explicamos cómo posicionar tu negocio en chats conversacionales a partir de cinco KPIs (un marco que popularizó Aleyda Solís y que aquí aterrizamos al SEO local), más una capa geográfica que, para un negocio local, lo cambia todo.
El primer cambio no son los prompts: es el contexto
Es tentador pensar que las keywords han sido sustituidas por prompts. En realidad, no es tan simple. Lo que no ha cambiado es la necesidad del usuario: sigue queriendo un buen taller mecánico, una peluquería que entienda su tipo de pelo o una academia donde por fin arrancar con el inglés. Lo que cambia es cómo expresa esa necesidad: pasamos de búsquedas resumidas en dos palabras («taller chapa Sevilla») a conversaciones mucho más ricas y llenas de contexto.
Ese contexto extra hace que dos personas que buscan esencialmente lo mismo reciban respuestas distintas. Y para quienes hacemos SEO local eso tiene una consecuencia clara: ya no basta con medir si aparecemos para una consulta; hay que entender en qué conversaciones aparece nuestro negocio y en cuáles desaparece.
KPI 1 · Prompt Coverage: ¿apareces cuando de verdad importa?
El primer indicador responde a una pregunta sencilla: ¿en cuántas preguntas relevantes aparece mi negocio?
Fórmula: (Prompts en los que aparece la marca / Total de prompts analizados) × 100. Si analizas 100 preguntas y tu peluquería aparece en 62, tu Prompt Coverage es del 62%.
El error más habitual es medir preguntas al azar. Una peluquería especializada en coloración y mechas puede tener buena cobertura en genéricas como «mejor peluquería de Valencia» y, sin embargo, desaparecer justo en las que le dan de comer: «¿dónde hacen balayage en pelo oscuro sin dañarlo?» o «busco una peluquería que trabaje bien el color en canas». El Prompt Coverage no debe medir cantidad de prompts, sino cobertura sobre las conversaciones que realmente generan negocio.
KPI 2 · Recommendation Rate: aparecer ya no es suficiente
Una diferencia enorme entre Google y un LLM es que el modelo no solo recupera información: recomienda. No es lo mismo que la IA responda «en Getafe hay varias clínicas veterinarias como A, B y C» que «para un gato mayor y nervioso, en Getafe empezaría valorando la Clínica A por su experiencia en medicina felina y las opiniones sobre su trato». En ambos casos apareces, pero solo en el segundo hay una recomendación explícita, y la IA está ayudando al usuario a decidir.
Fórmula: (Respuestas donde la IA recomienda explícitamente la marca / Respuestas donde aparece la marca) × 100. Si apareces en 50 prompts y en 30 la IA usa expresiones como «recomendaría», «una buena opción es» o «destaca por», tu Recommendation Rate es del 60%.
KPI 3 · Linked Citation Rate: cuándo la IA cita tu web
El tercer KPI mide cuántas veces la IA enlaza tu web como fuente al construir la respuesta.
Fórmula: (Respuestas con enlace a tu web / Respuestas donde aparece tu marca) × 100.
Conviene una advertencia importante: los enlaces no siempre equivalen a tráfico ni a recomendación. Imagina que un usuario pregunta «¿qué gestoría me recomiendas en Bilbao para darme de alta como autónomo?» y la IA responde citando tres asesorías por su nombre, pero el único enlace visible es un artículo de un periódico económico que las compara. Si solo midiéramos enlaces, concluiríamos que ninguna de esas gestorías tiene buena citación y, sin embargo, son precisamente los nombres que el usuario acaba de leer y probablemente recordará. Por eso el Linked Citation Rate es útil para estimar el potencial de tráfico y saber qué contenido alimenta al modelo, pero no debe confundirse con «el negocio que el usuario percibe como recomendación».
KPI 4 · Comparative Win Rate: probablemente el más decisivo
Si hubiera que elegir un solo indicador con impacto directo en el negocio, sería este. El Comparative Win Rate mide qué ocurre cuando el usuario pide elegir entre alternativas: «¿qué academia de inglés es mejor en Zaragoza, la Academia A o la B?», «¿qué óptica me recomiendas para lentes progresivas, Óptica Norte u Óptica Centro?».
Fórmula: (Comparativas ganadas / Comparativas analizadas) × 100. Si en 20 comparativas la IA considera mejor tu negocio en 14, tu Win Rate es del 70%.
Aquí ya no se trata de aparecer, sino de ganar. Y no basta con estar en la comparación: también importa el orden. Igual que llevamos años peleando por la primera posición en Google y en el Local Pack, ahora empezamos a competir por ser la primera opción que propone una IA.
KPI 5 · Representation Accuracy: ¿la IA entiende de verdad tu negocio?
Una cosa es aparecer y otra muy distinta aparecer por aquello por lo que quieres ser conocido. Un taller especializado en vehículos eléctricos e híbridos descrito como «taller de chapa y pintura», una asesoría experta en fiscalidad internacional presentada como «gestoría para autónomos» o un restaurante de arrocería marinera descrito como «bar de tapas»: en todos esos casos la IA conoce el negocio, pero lo entiende mal. Y eso atrae al tipo de cliente equivocado.
Fórmula: (Características correctamente representadas / Características evaluadas) × 100.
Cómo encajan los cinco KPIs: un modelo mental
Ordenados, estos cinco indicadores forman un modelo fácil de recordar. El Prompt Coverage no compite con el resto: es la precondición. Si no entras en la conversación, no puedes ser recomendado, comparado ni elegido.
Una vez dentro, empieza la competición, que es una escalera de dos peldaños: ¿soy una opción? (lo mide el Recommendation Rate) y ¿soy la mejor opción? (lo mide el Comparative Win Rate). Los otros dos KPIs no son peldaños, sino la estructura: el Representation Accuracy es la solidez de la escalera (si la IA te entiende mal, te lleva a los clientes equivocados) y el Linked Citation Rate es una dimensión aparte que indica qué contenido tuyo está alimentando al modelo.
Resumido en una frase: primero tienes que existir; después, ser una opción; y, finalmente, convertirte en la elección de la IA.
Qué KPI pesa más según la intención de búsqueda
Las preguntas a una IA siguen respondiendo a las mismas intenciones de siempre, y cada una activa unos KPIs más que otros:
- Informacional («¿cuántas sesiones necesita una descontracturante?», «¿cada cuánto hay que revisar la vista?»): el protagonista es tu contenido; domina el Linked Citation Rate.
- Comercial («¿qué gimnasio con entrenador personal me recomiendas en Málaga?»): manda el Recommendation Rate, con la citación como apoyo.
- Comparativa («¿qué autoescuela es mejor, A o B?»): lo decide el Comparative Win Rate.
- Navegacional («¿qué horario tiene el taller Vázquez?», «¿la clínica dental abre los sábados?»): manda la precisión de los datos, es decir, el Representation Accuracy. Un horario mal dado es un cliente perdido en la puerta.
Un matiz: estos niveles reflejan la relevancia de cada KPI para cada intención, no su dificultad ni el rendimiento esperado.
La capa que lo cambia todo: el geogrid de prompts
Aquí está, para un negocio local, lo más importante. En SEO local sabemos desde hace años que la posición no es un número único, sino un mapa: una clínica dental puede ser la primera en el Local Pack desde el centro de Córdoba y ser invisible a tres kilómetros. Por eso usamos geogrids y mapas de calor.
Con los LLM ocurre lo mismo, pero con una diferencia clave en cómo se mide. En Google, la ubicación se detecta (por GPS o IP). En un chat conversacional, la ubicación se declara: es el usuario quien escribe «vivo en Triana» o «estoy por Nervión». Y basta cambiar ese contexto para que la respuesta varíe: «vivo en Triana y busco un fisioterapeuta deportivo» no devuelve los mismos centros que «vivo en Nervión y busco un fisioterapeuta deportivo», aunque físicamente estés a diez minutos de ambos.
Eso significa que el Prompt Coverage (y el resto de KPIs) tampoco es un número único: también es un mapa. Nuestra propuesta metodológica, el geogrid de prompts, sería:
- Toma tus prompts de negocio, los que de verdad facturan (los del KPI 1).
- Lanza cada prompt variando el barrio o municipio declarado: Triana, Nervión, Los Remedios, Alcalá de Guadaíra, Dos Hermanas…
- Repite cada combinación varias veces, porque las respuestas de un LLM no son deterministas: el mismo prompt puede dar resultados distintos.
- Registra en cada zona no solo si apareces, sino qué ocurre con el resto de KPIs: ¿te recomienda?, ¿ganas las comparativas?
Así el geogrid deja de medir solo cobertura y pasa a mostrar cómo cambia toda tu visibilidad en IA con la geografía.
Conclusión: de aparecer a ser elegido
Estas fórmulas son una propuesta metodológica: hoy no existe un estándar de mercado para medir la visibilidad en IA. Lo importante no es aplicar la fórmula exacta, sino usar siempre la misma metodología para poder comparar la evolución de tu marca en el tiempo.
Desde nuestra experiencia gestionando la presencia local de negocios multiubicación, en Adentity lo vemos así: posicionar en chats conversacionales no consiste en «engañar» al modelo, sino en darle motivos sólidos (como una reputación impecable) y bien estructurados para elegirte, contenido claro, reputación consistente y una identidad de negocio que la IA pueda entender sin ambigüedad. Igual que llevamos años ayudando a los negocios a ganar el Local Pack, ahora ayudamos a que sean la primera opción que propone una IA. Si quieres saber cómo te ven hoy ChatGPT, Gemini o Copilot, podemos auditarlo contigo.
Preguntas frecuentes
¿Qué herramientas existen para medir la visibilidad de mi negocio en las IA? Están surgiendo plataformas específicas de AI visibility tracking que automatizan el lanzamiento de prompts y el análisis de respuestas, pero el mercado aún no tiene un estándar. En muchos casos, una auditoría manual estructurada (con un banco de prompts propio y ejecuciones repetidas) sigue siendo la forma más fiable de empezar.
¿Con qué frecuencia debería auditar mi visibilidad en chats conversacionales? Como los modelos se actualizan constantemente y sus respuestas no son deterministas, lo recomendable es una medición periódica (mensual o trimestral) con la misma metodología, más una revisión puntual cada vez que un modelo importante lanza una versión nueva.
¿Sirve mi trabajo de SEO tradicional para posicionar en IA? Sí, y mucho. Los LLM se apoyan en contenido web, reseñas, directorios y menciones para construir respuestas. Un buen SEO local (ficha de Google optimizada, contenido claro, reputación sólida, presencia en directorios de calidad) es la base sobre la que se construye la visibilidad en IA, aunque no la garantiza por sí solo.
¿Puedo influir en cómo me describe la IA (Representation Accuracy)? En parte. Cuanto más clara, coherente y explícita sea tu especialización en tu web, tu ficha y las fuentes que la IA consulta (directorios, reseñas, medios), más fácil se lo pones al modelo para describirte con precisión. La ambigüedad en tu propio contenido es la principal causa de que te «entienda mal».
¿Qué pasa si mi negocio no aparece en ninguna IA todavía? Es la situación de partida de muchos negocios locales. La prioridad es el Prompt Coverage: asegurar que existes en las fuentes que los modelos consultan (ficha completa, contenido que responda a las preguntas reales de tus clientes, presencia en directorios y reseñas). Sin esa base, los demás KPIs no pueden ni empezar a moverse.
