Los motores de inteligencia artificial están consumiendo información de empresas todos los días.
Pero existe una pregunta que pocas métricas responden:
¿Ese consumo realmente termina haciendo que una empresa sea mencionada, citada o recomendada?
En LOBIK Systems estamos investigando la relación entre la infraestructura que consumen los sistemas de IA y la visibilidad que posteriormente obtiene una marca dentro de sus respuestas.
Para medirla desarrollamos un marco experimental que conecta cinco señales:
Y una nueva métrica experimental:
AI Extraction Efficiency (AEE)
La relación observada entre la actividad de crawling/recuperación atribuible a sistemas de IA y la aparición de una marca como fuente dentro de respuestas generativas.
El problema: aparecer en IA no se puede medir solamente contando menciones
Una empresa puede aparecer frecuentemente en ChatGPT, Gemini, Claude o Perplexity y aun así tener una presencia débil.
También puede ocurrir lo contrario.
Un sistema puede rastrear cientos o miles de páginas de un dominio sin que posteriormente la empresa aparezca como una fuente relevante en sus respuestas.
Por eso una medición AEO/GEO debería diferenciar al menos cuatro fenómenos:
- cuánto consumen los sistemas de IA;
- cuánto reconocen una marca;
- cuánto utilizan sus contenidos como fuente;
- cuánto tráfico y oportunidades comerciales producen.
El objetivo no es solamente medir visibilidad. Es medir eficiencia de visibilidad.
Del crawling al cliente: conectando visibilidad IA con negocio
LOBIK estructura la medición como un embudo observable.
- 01. Crawl
- Un crawler asociado a un sistema de inteligencia artificial solicita un recurso del sitio.
- 02. Retrieval / Extraction
- El sistema accede a contenido que potencialmente puede utilizar para búsqueda, recuperación o generación de respuestas.
- 03. Understanding
- Evaluamos si el sistema identifica correctamente la entidad, sus servicios, atributos y relaciones.
- 04. Mention
- La marca aparece dentro de una respuesta generativa.
- 05. Citation
- El dominio o contenido de la empresa aparece utilizado o enlazado como fuente.
- 06. Tráfico Referido (Referral)
- La respuesta genera una visita hacia el sitio.
- 07. Oportunidad Comercial (Lead)
- La visita realiza una acción comercial medible.
- 08. Oportunidad (Opportunity)
- La interacción se transforma en una oportunidad comercial.
¿Qué es AI Extraction Efficiency (AEE)?
AI Extraction Efficiency — AEE es una métrica experimental desarrollada por LOBIK Systems para analizar la relación entre el crawling atribuible a sistemas de IA y las citaciones observadas posteriormente en un conjunto controlado de consultas.
Su versión inicial se expresa como:
El resultado representa: Citaciones observadas por cada 1.000 solicitudes atribuibles a sistemas de IA durante un periodo determinado.
Ejemplo
Supongamos que durante un periodo observamos:
- • 12.000 AI Crawls
- • 84 citaciones
84 ÷ 12.000 × 1.000 = 7
AEE = 7
Esto significa que durante el periodo analizado se observaron 7 citaciones por cada 1.000 solicitudes registradas de crawlers de IA.
Esto no implica que esas solicitudes hayan causado directamente las citaciones. AEE mide una relación observada, no causalidad.
¿Por qué recibir más crawling no significa aparecer más en la IA?
Porque recibir crawling no significa necesariamente obtener visibilidad. Consideremos dos escenarios:
Empresa A
- 50.000 Rastreos de IA (AI Crawls)
- 100 menciones
- 40 citaciones
- 20 visitas referidas (Referrals)
- 1 oportunidad comercial (Lead)
Empresa B
- 8.000 Rastreos de IA (AI Crawls)
- 90 menciones
- 55 citaciones
- 35 visitas referidas (Referrals)
- 5 oportunidades comerciales (Leads)
Si solamente analizáramos crawling, la Empresa A parecería tener una presencia significativamente superior.
Pero al analizar el recorrido completo, la Empresa B consigue transformar una cantidad mucho menor de crawling en más citaciones, más visitas y más oportunidades.
Más crawling no necesariamente significa mayor autoridad en IA.
La pregunta correcta es: ¿Qué obtiene una marca del consumo que los sistemas de IA realizan de su infraestructura digital?
Las métricas que utilizamos para medir visibilidad y citación
Mention Rate, Citation Rate, Prominence y Share of Voice
Share of Voice es una señal importante, pero no explica por sí sola cómo se construye la presencia de una empresa dentro de los motores generativos. Por eso el modelo experimental de LOBIK combina diferentes indicadores.
- Mention Rate
- Mide con qué frecuencia una empresa aparece mencionada dentro de un conjunto controlado de consultas.
- Mention Rate = respuestas con mención / respuestas analizadas × 100
- Citation Rate
- Mide con qué frecuencia el dominio o contenido de una empresa aparece citado como fuente.
- Citation Rate = respuestas con cita / respuestas analizadas × 100
- Share of Voice
- Mide qué proporción de presencia obtiene una marca dentro de una categoría frente al conjunto de entidades observadas. Permite responder: ¿Qué porcentaje de la conversación generativa de una categoría está ocupando nuestra empresa?
- Prominence
- No todas las menciones tienen el mismo valor. Una empresa puede aparecer como primera recomendación, dentro de una lista secundaria o simplemente como referencia marginal. Prominence analiza la relevancia relativa de la marca dentro de la respuesta.
- AI Extraction Efficiency
- Relaciona las citaciones observadas con la actividad de crawling atribuible a sistemas de IA. Permite analizar si un aumento en consumo técnico coincide con una mayor utilización de la marca como fuente.
- Citation-to-Visit Rate
- La siguiente pregunta es comercial: ¿Las citaciones producen visitas?
- Citation-to-Visit = visitas provenientes de IA / citaciones observadas
- Esta métrica permite comenzar a conectar visibilidad generativa con comportamiento real.
- AI Lead Rate
- Finalmente analizamos si esas visitas producen oportunidades.
- AI Lead Rate = Leads provenientes de IA / visitas provenientes de IA × 100
- El objetivo final no es simplemente aparecer. Es convertir visibilidad en demanda.
El modelo de medición LOBIK
La metodología organiza las señales en tres grandes dimensiones.
AI Visibility
¿La IA conoce y recomienda la empresa?
Medimos:
- • Mention Rate
- • Share of Voice
- • Posición relativa
- • Frecuencia de aparición
- • Presencia por intención
AI Authority
¿La IA utiliza a la empresa como fuente?
Medimos:
- • Citation Rate
- • Dominio citado
- • Diversidad de fuentes
- • Prominence
- • Precisión de entidad
- • Consistencia
AI Efficiency
¿El consumo genera resultados observables?
Medimos:
- • Rastreos de IA (AI Crawls)
- • Eficiencia de Extracción IA (AEE)
- • Citación a Visita (Citation-to-Visit)
- • Tráfico Referido de IA (AI Referral Traffic)
- • Tasa de Oportunidades (AI Lead Rate)
Esto permite pasar de una medición exclusivamente de visibilidad a una medición de rendimiento del ecosistema de IA.
No medimos solamente ChatGPT
La visibilidad generativa es fragmentada. Una empresa puede tener una presencia fuerte en un motor y prácticamente inexistente en otro. Por eso las mediciones deben analizar los sistemas individualmente.
Nuestro marco contempla motores y sistemas como:
- ChatGPT
- Google AI
- Claude
- Perplexity
- Gemini
Esto permite comparar patrones de Crawling → Mention → Citation → Referral por operador.
Un experimento controlado de visibilidad en IA
Para reducir la variabilidad propia de los modelos generativos, LOBIK utiliza conjuntos controlados de preguntas. Las consultas representan diferentes etapas de decisión:
- Descubrimiento
- “¿Qué empresas ofrecen [servicio]?”
- Problema
- “Necesito solucionar [problema]. ¿Qué empresas pueden ayudarme?”
- Categoría
- “¿Cuáles son las empresas especializadas en [categoría]?”
- Comparación
- “¿Qué opciones existen para implementar [solución]?”
- Decisión
- “¿Qué empresa recomendarías para [necesidad]?”
Cada respuesta se registra y clasifica. Analizamos:
- • presencia de marca;
- • orden de aparición;
- • recomendación;
- • citación;
- • fuentes utilizadas;
- • precisión de la información;
- • prominence;
- • motor;
- • fecha;
- • consulta.
La repetición periódica permite observar cambios y tendencias.
También observamos lo que ocurre antes de la respuesta
Las pruebas de prompts muestran el resultado visible. Pero existe otra capa: la infraestructura.
Analizamos solicitudes atribuibles a crawlers y sistemas de IA para conocer qué recursos están siendo consumidos. Entre ellos pueden existir:
- • HTML;
- • Markdown;
- • JSON;
- • JSON-LD;
- • archivos TXT;
- • recursos estructurados;
- • endpoints;
- • documentación;
- • páginas comerciales;
- • páginas educativas.
Esto permite estudiar una pregunta adicional:
¿Qué tipos de recursos consumen los diferentes sistemas antes de que una marca aparezca dentro de sus respuestas?
Limitaciones de AI Extraction Efficiency
Crawling no significa utilización
Esta distinción es fundamental. Detectar que un crawler accedió a una página no demuestra que ese contenido haya sido utilizado posteriormente para generar una respuesta determinada.
Por esta razón LOBIK diferencia:
Y evita atribuir causalidad directa entre ambas variables sin evidencia adicional.
AI Extraction Efficiency debe interpretarse como un indicador experimental de relación, no como una prueba de causalidad.
Esta distinción permite construir una metodología reproducible y actualizarla a medida que los motores proporcionen mejores señales de atribución.
Search, training y user retrieval tampoco son lo mismo
No toda actividad asociada a una empresa de inteligencia artificial tiene el mismo propósito. Cuando la información disponible permite distinguirlos, clasificamos los accesos según categorías como:
- Search Crawling Acceso relacionado con descubrimiento o búsqueda.
- User Retrieval Acceso producido como consecuencia de una solicitud realizada por un usuario.
- Training Crawling Actividad potencialmente relacionada con entrenamiento u otros procesos del proveedor.
Esta separación permite evitar que grandes cantidades de crawling irrelevante distorsionen las métricas de eficiencia.
De una fotografía a una serie temporal
Una auditoría tradicional muestra qué ocurre hoy. Nuestra intención es medir cómo cambia la presencia de una empresa con el tiempo. Por eso registramos periodos comparables:
El objetivo es observar qué modificaciones coinciden consistentemente con mejoras en:
- • Mention Rate
- • Citation Rate
- • Prominence
- • Share of Voice
- • AEE
- • Tráfico Referido (Referral Traffic)
- • Oportunidades Comerciales (Leads)
¿Qué estamos intentando descubrir?
La investigación de LOBIK busca responder preguntas que todavía no tienen una respuesta universal:
- • ¿Más crawling genera necesariamente más visibilidad?
- • ¿Qué relación existe entre crawling y citación?
- • ¿Qué formatos son recuperados con mayor frecuencia?
- • ¿Los motores presentan patrones diferentes de recuperación?
- • ¿Una mejor comprensión de entidad aumenta las recomendaciones?
- • ¿Una mayor Citation Rate termina generando más tráfico?
- • ¿El tráfico proveniente de IA llega con una intención comercial diferente?
Estas preguntas convierten AEO/GEO en algo medible.
De métricas de visibilidad a métricas de negocio
El objetivo final del modelo no es aumentar una puntuación. Es conectar:
Una empresa podría mejorar su Share of Voice sin generar una sola oportunidad comercial. Otra podría recibir menos visitas desde IA, pero obtener contactos con una intención de compra significativamente mayor.
Por eso una estrategia de posicionamiento en IA debería terminar midiendo:
- • Oportunidades Comerciales (Leads)
- • Oportunidades
- • Conversaciones comerciales
- • Clientes
- • Ingresos atribuibles (cuando exista información suficiente)
AI Extraction Efficiency no es una métrica definitiva
AEE se encuentra actualmente dentro de un marco experimental. Los motores generativos cambian constantemente sus mecanismos de búsqueda, recuperación, crawling y citación.
Además, gran parte de estos procesos no es observable desde el exterior. Por eso la metodología se construye sobre señales verificables y reconoce explícitamente sus limitaciones.
A medida que aumente la capacidad de distinguir búsquedas, recuperaciones iniciadas por usuarios y otros tipos de acceso, el denominador de AEE podrá hacerse progresivamente más preciso. La metodología evolucionará junto con los sistemas que intenta medir.
Una nueva capa de analítica para la era de la IA
Durante años las empresas midieron:
Los motores generativos introducen nuevas etapas antes de la visita:
Glosario de Términos (Embudo AEO)
- Rastreo de IA (AI Crawl)
- El proceso mediante el cual los bots o agentes de inteligencia artificial leen y extraen información de tu sitio web.
- Mención (Mention)
- Cuando la IA nombra a tu marca en su respuesta, pero sin generar un enlace hacia tu sitio web.
- Citación (Citation)
- Cuando la IA nombra tu marca y además incluye un enlace explícito y clicable hacia tu sitio web como fuente de autoridad.
- Tráfico Referido (Referral)
- Las visitas reales de usuarios que llegan a tu web tras hacer clic en una citación dentro de un motor de IA (ej. un clic desde ChatGPT a tu web).
- Oportunidad Comercial (Lead)
- Un visitante que llegó desde la IA y completó una acción de valor en tu web (ej. rellenar un formulario, cotizar un servicio o agendar una reunión).
Eso requiere nuevas formas de medición. AEE es una de las métricas que estamos utilizando para comprender ese nuevo recorrido.
¿Qué sabe realmente la IA sobre tu empresa?
Podemos evaluar cómo diferentes motores interpretan actualmente tu marca y detectar oportunidades para mejorar su descubrimiento, comprensión y citación. El diagnóstico puede incluir:
Visibilidad en motores de IA
- • Mention Rate y Citation Rate
- • Share of Voice
- • Prominence
- • Precisión de entidad
- • Fuentes utilizadas por los motores
Infraestructura web
- • Crawling atribuible a sistemas de IA
- • SEO técnico
- • AEO/GEO
- • Datos estructurados
- • Conversión y atribución
El resultado no es solamente una puntuación. Es una fotografía del lugar que ocupa actualmente tu empresa dentro del nuevo proceso de búsqueda y decisión.
Preguntas frecuentes
- ¿Qué es AI Extraction Efficiency?
- AI Extraction Efficiency (AEE) es una métrica experimental desarrollada por LOBIK Systems para analizar la relación entre actividad de crawling atribuible a sistemas de IA y citaciones observadas de una marca.
- ¿Una visita de un crawler significa que la IA utilizó mi contenido?
- Una solicitud confirma que un recurso fue accedido, pero por sí sola no demuestra que haya sido utilizado en una respuesta específica. Por eso la metodología diferencia crawling, mención, citación y referral.
- ¿Qué diferencia existe entre Mention Rate y Citation Rate?
- Mention Rate mide la frecuencia con que una marca aparece dentro de respuestas. Citation Rate mide la frecuencia con que la marca o su dominio aparece utilizado como fuente. Una IA puede conocer una empresa sin citar su sitio.
- ¿Qué diferencia existe entre Share of Voice y AEE?
- Share of Voice mide la presencia relativa de una marca dentro de una categoría. AEE estudia la relación entre actividad de crawling atribuible a sistemas de IA y citaciones observadas. Son señales complementarias.
- ¿Se puede medir qué sabe ChatGPT sobre una empresa?
- Sí. LOBIK formuló una metodología propia de medición controlada que utiliza conjuntos estructurados de consultas para evaluar descubrimiento, comprensión, mención, recomendación, citación y consistencia de una marca en diferentes motores de IA.
- ¿AEE demuestra que un crawler provocó una citación?
- AEE no atribuye causalidad directa. Mide una relación observada entre dos variables durante un periodo definido. Esta limitación forma parte explícita de la metodología.
- ¿Esto reemplaza al SEO?
- La visibilidad generativa añade nuevas capas al ecosistema de búsqueda. SEO, estructura web, contenido, autoridad, datos estructurados y accesibilidad continúan siendo componentes importantes sobre los cuales pueden operar los sistemas de recuperación y búsqueda.
- ¿LOBIK puede medir esto para otra empresa?
- Sí. El modelo puede utilizarse para establecer una línea base de visibilidad, detectar cómo diferentes motores interpretan una empresa y posteriormente observar su evolución después de implementar optimizaciones.