Última actualización: julio de 2026. Este glosario cubre 40 términos de monitorización de marca, seguimiento de prompts y medición de visibilidad en IA. Usa los grupos temáticos de abajo para saltar a la sección más relevante para tu trabajo, o busca por nombre de término.
Cómo usar este glosario
Cada entrada abre con una definición autónoma de entre 40 y 60 palabras, seguida de contexto de uso y referencias cruzadas. Las definiciones están redactadas para mantenerse por sí solas, de modo que puedas citarlas directamente.
Grupos temáticos:
- Métricas principales (1-10)
- Mecánica de prompts y motores (11-20)
- Citación y retrieval (21-30)
- Sentimiento y percepción (31-36)
- Conceptos de programa y plataforma (37-40)
Métricas principales
1. AI Share of Voice
El AI share of voice es el porcentaje de prompts relevantes, sobre un conjunto definido de motores y categoría competitiva, en los que tu marca aparece mencionada en la respuesta generada por la IA. Una marca con 35 menciones de cada 100 prompts rastreados tiene un AI share of voice del 35 % en esa categoría.
El AI share of voice es el punto de referencia competitivo principal en cualquier programa de visibilidad en IA. Sustituye a la métrica tradicional de posición en el ranking: en lugar de seguir dónde apareces en la primera página, rastreas si apareces en absoluto cuando los compradores formulan a los motores de IA las preguntas que deberías dominar.
Herramientas: Otterly.AI, Peec AI, Profound, Temso, SE Ranking.
Términos relacionados: Share of model (2), Prompt coverage (6), Competitive set (38).
2. Share of Model
El share of model es un nombre alternativo para el AI share of voice que enfoca la métrica desde la perspectiva de la distribución de respuestas de un modelo de IA concreto. Pregunta: de todas las veces que este modelo responde a una consulta relevante, ¿qué proporción de esas respuestas menciona tu marca?
El enfoque del “modelo” es útil porque los motores de IA son probabilísticos. El mismo prompt ejecutado diez veces en ChatGPT puede producir tu marca en siete respuestas y a un competidor en las otras tres. El share of model captura esa distribución en lugar de tratar cualquier respuesta individual como definitiva.
Términos relacionados: AI share of voice (1), Prompt entropy (12), Engine coverage (39).
3. Brand Mentions
Las brand mentions en la monitorización por IA son el recuento bruto de veces que el nombre de tu marca, nombre de producto o alias definido aparece dentro de las respuestas generadas por IA a lo largo de un conjunto rastreado de prompts y motores. Las menciones se cuentan por respuesta y se agregan durante un período de reporting.
Las menciones son más ruidosas que el share of voice: una sola respuesta puede contener el nombre de tu marca varias veces. Son más útiles para detectar picos o caídas repentinas vinculadas a eventos externos (lanzamientos de productos, cobertura de prensa, controversias). La velocidad de menciones semana a semana es un indicador anticipado del cambio en la visibilidad.
Términos relacionados: AI share of voice (1), Citation rate (21), Named-entity recognition (25).
4. Prompt Coverage
El prompt coverage es la proporción de tu conjunto de prompts rastreados para la que al menos una respuesta menciona tu marca. Una marca con un 60 % de prompt coverage aparece en las respuestas de 60 de cada 100 consultas de su clúster monitorizado.
El prompt coverage difiere del share of voice en que ignora la frecuencia dentro de una sola respuesta y plantea una pregunta binaria: ¿apareció tu marca o no? Revela qué clústeres de intención dominas y cuáles estás perdiendo por completo.
Términos relacionados: Prompt cluster (13), Prompt family (14), AI share of voice (1).
5. Citation Rate
La citation rate es el porcentaje de respuestas generadas por IA, sobre un conjunto definido de prompts, en el que una URL o dominio concreto de tu sitio aparece referenciado o enlazado como fuente. Mide con qué frecuencia los motores de IA tratan tu contenido como una autoridad, no solo si nombran tu marca.
Una citation rate alta en un único contenido es una de las señales más sólidas de que los modelos de IA han incorporado ese contenido a su capa de retrieval. Mejorar la citation rate es una de las actividades con mayor apalancamiento en un programa de visibilidad en IA.
Ver también: Citation Rate (21) en la sección de citación para un tratamiento más detallado.
Términos relacionados: Retrieved page (22), Source attribution (24), Earned citation (23).
6. AI Visibility Score
Un AI visibility score es una métrica compuesta, calculada habitualmente por una plataforma de monitorización, que combina el share of voice, la citation rate, el sentimiento y el prompt coverage en un único número índice. Distintas plataformas ponderan y denominan este score de forma diferente.
Los scores son útiles para el reporting ejecutivo y el seguimiento de tendencias. No son comparables entre plataformas: un 72 en una herramienta y un 72 en otra no significan lo mismo. Ancla siempre los cambios en el score a las métricas brutas subyacentes para interpretar qué ha cambiado realmente.
Términos relacionados: AI share of voice (1), Citation rate (21), Sentimiento (31), Prompt coverage (4).
7. Hallucination Rate
La hallucination rate en la monitorización de marca es la frecuencia con la que los motores de IA afirman información demostrablemente falsa sobre tu marca en sus respuestas generadas. Las alucinaciones más frecuentes incluyen precios incorrectos, funcionalidades discontinuadas, fechas de fundación erróneas y descripciones de producto inexactas.
Las alucinaciones son una categoría de monitorización distinta al sentimiento negativo. Una afirmación negativa puede ser precisa. Una alucinación es factualmente incorrecta y a menudo persiste en múltiples respuestas porque refleja datos de origen corruptos o ausentes, no un juicio editorial sesgado.
Términos relacionados: Accuracy monitoring (8), Source correction (28), Brand-fact drift (35).
8. Accuracy Monitoring
El accuracy monitoring es la práctica de comparar las afirmaciones factuales que los motores de IA hacen sobre tu marca con una fuente de verdad verificada (precios actuales, descripciones de funcionalidades, equipo directivo, certificaciones) y marcar las discrepancias para su corrección.
El accuracy monitoring se sitúa junto al share of voice y el sentimiento como el tercer pilar de la monitorización de percepción de marca. Plataformas como Temso, Profound y Otterly.AI incluyen la detección de alucinaciones como parte de su output estándar de monitorización.
Términos relacionados: Hallucination rate (7), Source correction (28), Brand-fact drift (35).
9. Mention Velocity
La mention velocity es la tasa de cambio en las menciones brutas de marca durante un período definido, expresada como porcentaje semana a semana o mes a mes. Una velocidad positiva indica una presencia en IA creciente; una velocidad negativa indica que los competidores te están desplazando de las respuestas.
La velocidad detecta inversiones de tendencia más rápido que una foto fija. Una marca cuyo share of voice absoluto sigue siendo alto pero cuya velocidad se ha vuelto negativa está perdiendo terreno antes de que el dato principal lo refleje.
Términos relacionados: Brand mentions (3), Share of voice drift (10), AI share of voice (1).
10. Share of Voice Drift
El share of voice drift es la dirección y magnitud del cambio en el AI share of voice de una marca durante un período definido. El drift es una señal más accionable que una foto fija absoluta porque revela si la marca está ganando, perdiendo o manteniendo terreno competitivo.
Seguir el drift en lugar de la posición absoluta es especialmente importante cuando el share of voice absoluto es bajo. Una marca que pasa del 8 % al 22 % en un trimestre es un evento competitivo significativo aunque el 22 % siga estando por debajo del líder de la categoría.
Términos relacionados: AI share of voice (1), Mention velocity (9), Prompt family (14).
Mecánica de prompts y motores
11. Answer Engine
Un answer engine es un sistema de IA que responde a consultas en lenguaje natural con una respuesta sintetizada y generada, en lugar de una lista ordenada de enlaces. ChatGPT, Perplexity, Google AI Overviews, Google AI Mode, Gemini, Microsoft Copilot, Meta AI y Grok son los principales answer engines rastreados para la monitorización de marca.
La categoría de answer engine importa para la monitorización porque cada motor utiliza métodos de retrieval, datos de entrenamiento y formatos de citación distintos. El share of voice de una marca puede variar significativamente de un motor a otro para el mismo prompt.
Términos relacionados: Engine coverage (39), Retrieval-augmented generation (20), Cross-engine citation overlap (29).
12. Prompt Entropy
La prompt entropy describe lo variable que son las respuestas a una consulta concreta a lo largo de ejecuciones repetidas en el mismo motor de IA. Un prompt de alta entropía produce nombres de marca, enfoques o recomendaciones sustancialmente distintos cada vez que se ejecuta. Un prompt de baja entropía produce de forma fiable la misma respuesta.
La entropía importa para el tamaño de la muestra de monitorización. Un prompt de alta entropía requiere más ejecuciones (cinco o más) antes de que su tasa de mención de marca sea estadísticamente fiable. Los paneles con una sola ejecución que informan sobre prompts de alta entropía están reportando ruido, no señal.
Términos relacionados: Prompt family (14), Run count (17), Share of model (2).
13. Prompt Cluster
Un prompt cluster es un grupo de consultas organizadas por intención de comprador compartida. “Mejor herramienta de gestión de proyectos para equipos remotos”, “el mejor software de PM para empresas distribuidas” y “qué gestor de proyectos debería usar un equipo de 20 personas” son tres prompts distintos pero un solo clúster.
Los clústeres son la unidad práctica de gestión de la visibilidad en IA. Rastreas la cobertura y el share of voice a nivel de clúster para que la variación de formulación entre consultas no produzca conclusiones engañosas de un solo prompt.
Términos relacionados: Prompt family (14), Prompt coverage (4), Intent mapping (16).
14. Prompt Family
Una prompt family es un conjunto definido de variantes de consulta que un comprador real formularía para la misma necesidad de información. Rastrear una familia en lugar de una formulación única produce una citation rate que refleja el comportamiento real del comprador y tiene en cuenta la variación natural en cómo las personas plantean la misma pregunta.
Retirar prompts de una familia es tan importante como añadirlos. Cuando los compradores dejan de usar una formulación, o cuando tu share of voice en esa formulación está saturado cerca del 100 %, reinvierte el presupuesto de ejecuciones en prompts donde la respuesta aún está en disputa.
Términos relacionados: Prompt cluster (13), Prompt entropy (12), Run cadence (18).
15. Buyer-Intent Prompt
Un buyer-intent prompt es una consulta que refleja una necesidad de información en fase de compra: comparación de opciones, evaluación de proveedores, investigación de precios o resolución de problemas a nivel de categoría. “Mejor herramienta de visibilidad en IA para un equipo de marketing de 10 personas” es un buyer-intent prompt; “qué es la visibilidad en IA” es un prompt informativo.
Los buyer-intent prompts son los objetivos de monitorización de mayor prioridad porque son las consultas con mayor probabilidad de influir en qué proveedor contacta un potencial cliente. El share of voice en buyer-intent prompts es un indicador más cercano a la contribución al pipeline que el share of voice en consultas informativas.
Términos relacionados: Prompt cluster (13), Intent mapping (16), Conversion signal (40).
16. Intent Mapping
El intent mapping es el proceso de organizar un conjunto de prompts monitorizados por etapa del recorrido del comprador (conciencia, consideración, decisión) o por tipo de intención de consulta (informativa, comparativa, transaccional). Produce una vista estructurada de dónde aparece una marca y dónde existen vacíos en cada etapa.
El intent mapping revela qué etapas están bien cubiertas y cuáles son invisibles. Una marca que aparece en el 70 % de los prompts en la etapa de conciencia pero solo en el 12 % de los prompts de comparación tiene un problema de visibilidad en la parte inferior del embudo, aunque su share of voice global parezca sólido.
Términos relacionados: Prompt cluster (13), Buyer-intent prompt (15), Prompt coverage (4).
17. Run Count
El run count es el número de veces que un prompt concreto se consulta contra un motor de IA dentro de un único ciclo de medición. Como los answer engines son probabilísticos, una sola ejecución es una muestra de una distribución. Cinco ejecuciones por prompt es un mínimo habitual; los prompts de alta entropía justifican más.
El run count afecta directamente a la fiabilidad de todas las métricas derivadas de él. Las plataformas que reportan el share of voice a partir de una sola ejecución por prompt están reportando el resultado de una muestra, no una distribución estable. Pregunta siempre cuántas ejecuciones realiza la plataforma antes de tratar las cifras de share of voice como accionables.
Términos relacionados: Prompt entropy (12), Prompt family (14), AI share of voice (1).
18. Run Cadence
La run cadence es la frecuencia con la que una plataforma de monitorización actualiza sus datos de prompts: diariamente, semanalmente o mensualmente. La cadencia determina con qué rapidez detectas cambios en la visibilidad y con qué fiabilidad puedes atribuir esos cambios a eventos externos concretos.
La cadencia diaria importa más en categorías donde la dinámica competitiva cambia rápido (lanzamientos de nuevos productos, eventos de prensa, actualizaciones de algoritmos). La cadencia mensual es suficiente para categorías establecidas con baja entropía y un panorama competitivo de movimiento lento.
Términos relacionados: Run count (17), Mention velocity (9), Share of voice drift (10).
19. Fan-Out Query
Una fan-out query es una subconsulta interna que un motor de IA genera en segundo plano para recuperar material de origen antes de construir su respuesta al prompt original del usuario. Los sistemas de IA con retrieval aumentado, como Perplexity y Bing Copilot, dependen en gran medida de las fan-out queries para reunir citas.
Las fan-out queries suelen divergir significativamente de la formulación original del usuario. Según el análisis de Profound de abril de 2026, las subconsultas fan-out más divergentes de ChatGPT comparten solo alrededor del 13 % de solapamiento de palabras con el prompt original del usuario. Optimizar el contenido para la formulación fan-out, no solo para la consulta superficial, es una práctica de AEO emergente.
Términos relacionados: Retrieval-augmented generation (20), Citation rate (21), Retrieval window (26).
20. Retrieval-Augmented Generation (RAG)
La retrieval-augmented generation (RAG) es la arquitectura en la que un sistema de IA primero recupera documentos o pasajes relevantes de un corpus y luego usa esos pasajes recuperados como contexto para generar su respuesta. Perplexity, Google AI Overviews, Microsoft Copilot y los modos de navegación de ChatGPT usan RAG en mayor o menor medida.
El RAG es la razón por la que la calidad del contenido, la autoridad y las citas de terceros afectan a la visibilidad en IA. Un modelo que opera únicamente con datos de entrenamiento no puede citar una URL que no ha indexado. Los sistemas con RAG habilitado sí pueden, lo que significa que tu citation rate se correlaciona directamente con la frecuencia con la que tus páginas aparecen en el contexto recuperado para prompts relevantes.
Términos relacionados: Fan-out query (19), Citation rate (21), Retrieved page (22).
Citación y retrieval
21. Citation Rate
La citation rate es el porcentaje de respuestas generadas por IA, dentro de un conjunto definido de prompts y motores, en el que una URL o dominio concreto de tu sitio aparece referenciado como fuente. Una citation rate alta en una página señala que los sistemas de retrieval de IA están tratando ese contenido como una entrada autorizada.
La citation rate y las brand mentions están relacionadas pero son distintas. Tu marca puede ser mencionada en una respuesta sin que ninguna de tus URLs sea citada (la IA sabe de ti pero se basa en fuentes de terceros). A la inversa, una URL puede ser citada sin ninguna mención de marca si la IA usa el contenido como fuente de fondo sin nombrar la marca explícitamente.
Términos relacionados: Brand mentions (3), Earned citation (23), Retrieved page (22).
22. Retrieved Page
Una retrieved page es una URL que el sistema de retrieval de un motor de IA selecciona como contexto relevante para un prompt dado, antes de que el modelo decida si incluirla en la respuesta generada. Ser recuperado es necesario pero no suficiente para ser citado.
Las plataformas que ofrecen datos a nivel de retrieval (separados de los datos a nivel de citación) te permiten identificar páginas que están siendo seleccionadas por la IA pero que luego se descartan antes de la respuesta final. Esa pérdida es una señal de que el contenido está llegando a la ventana de retrieval pero no es suficientemente autorizado o relevante para aparecer en la respuesta definitiva.
Términos relacionados: Citation rate (21), Retrieval window (26), RAG (20).
23. Earned Citation
Una earned citation es una referencia a tu marca o dominio que aparece en una respuesta generada por IA porque una fuente de terceros (un sitio de reseñas, un periodista, un analista o un foro de comunidad) te ha mencionado. Es earned en el mismo sentido que los medios ganados: no la has pagado ni publicado tú mismo.
Las earned citations son el tipo de citación dominante en la mayoría de los conjuntos de datos de monitorización de IA. La investigación constata de forma consistente que la gran mayoría de las citas de IA provienen de fuentes de terceros en lugar de páginas propias de la marca. Los artículos de medios ganados, las menciones de analistas y los debates en foros de comunidad generan earned citations.
Términos relacionados: Citation rate (21), Source attribution (24), Third-party authority (27).
24. Source Attribution
La source attribution es el proceso de identificar qué dominios o URLs están generando citas para tu marca en las respuestas generadas por IA. Un informe de source attribution te indica si tus citas provienen de tu propio sitio, de cobertura de medios, de plataformas de reseñas o de contenido de comunidad.
La source attribution importa para la estrategia de AEO. Si el 80 % de tus citas proviene de dos o tres dominios de terceros, tu visibilidad es frágil. Diversificar las fuentes de citación entre más propiedades referentes con autoridad es una estrategia de reducción de riesgo además de una palanca de crecimiento.
Términos relacionados: Earned citation (23), Third-party authority (27), Citation gap (30).
25. Named-Entity Recognition (NER)
La named-entity recognition (NER) en la monitorización de IA es el proceso automatizado de identificar y extraer nombres de marca, nombres de producto y nombres de competidores del texto generado por IA. Las plataformas de monitorización usan la NER para contar menciones, clasificar el sentimiento por entidad y construir cálculos de share of voice a escala.
La precisión de la NER es una variable de calidad que difiere entre plataformas. Los nombres de marca abreviados, las referencias informales a productos y la terminología adyacente a la marca pueden omitirse o clasificarse mal. La calidad de la NER determina la fiabilidad de todas las métricas basadas en menciones que produce la plataforma.
Términos relacionados: Brand mentions (3), AI share of voice (1), Accuracy monitoring (8).
26. Retrieval Window
La retrieval window es el conjunto de documentos o pasajes que el sistema de retrieval de un motor de IA selecciona como contexto candidato para un prompt dado antes del paso de generación. El contenido que no entra en la retrieval window no puede citarse en la respuesta.
Las retrieval windows están determinadas por una combinación de relevancia semántica, rastreabilidad, autoridad de dominio, actualidad del contenido y la arquitectura de retrieval que usa el motor. Optimizar para la retrieval window es distinto de optimizar para la citación: primero debes ser seleccionado y luego ser suficientemente autorizado para aparecer en la respuesta final.
Términos relacionados: Retrieved page (22), RAG (20), Fan-out query (19).
27. Third-Party Authority
La third-party authority es el grado en que fuentes externas (medios de comunicación, plataformas de reseñas, firmas de análisis, foros de comunidad) citan, describen o enlazan tu marca de formas que los sistemas de retrieval de IA consideran creíbles. Las marcas con alta third-party authority tienen más probabilidades de ser citadas por motores de IA incluso sin señales fuertes del dominio propio.
Según el análisis de Profound sobre 100.000 prompts en ChatGPT y Perplexity, solo el 11 % de los dominios citados se solapan entre ambas plataformas. Esto significa que las señales de third-party authority en distintos rincones de la web impulsan la citación en diferentes motores.
Términos relacionados: Earned citation (23), Source attribution (24), Cross-engine citation overlap (29).
28. Source Correction
La source correction es la práctica de identificar las URLs de terceros o las fuentes de datos de entrenamiento concretas que están causando que un motor de IA afirme información incorrecta, desactualizada o negativa sobre tu marca, y tomar medidas para actualizar o reemplazar esas fuentes.
La source correction es el paso de remediación que sigue al accuracy monitoring. Las tácticas incluyen actualizar tu propio contenido para contradecir la inexactitud, contactar con el sitio publicador que aloja el contenido incorrecto y publicar contenido nuevo y autorizado que desplace la fuente errónea en el retrieval de IA.
Términos relacionados: Accuracy monitoring (8), Hallucination rate (7), Third-party authority (27).
29. Cross-Engine Citation Overlap
El cross-engine citation overlap es la proporción de URLs o dominios que aparecen en respuestas generadas por IA en dos o más motores de IA distintos para el mismo conjunto de prompts. Un solapamiento bajo significa que cada motor está extrayendo de diferentes conjuntos de fuentes.
Según la investigación de Profound, solo alrededor del 11 % de los dominios citados por ChatGPT también aparecen en las citas de Perplexity para los mismos prompts. Un estudio separado de Ahrefs encontró solo un 13,7 % de solapamiento entre las citas de Google AI Overviews y Google AI Mode. Estas bajas tasas de solapamiento significan que no puedes inferir el rendimiento en un motor a partir del rendimiento en otro.
Términos relacionados: Third-party authority (27), Source attribution (24), Engine coverage (39).
30. Citation Gap
Un citation gap es una consulta o clúster de intención para la que tus competidores están siendo citados en las respuestas generadas por IA pero tu marca no. Los citation gaps se identifican comparando tu citation rate y tu prompt coverage con cada competidor de tu conjunto monitorizado.
Los citation gaps son el resultado principal que impulsa los planes de acción de AEO. Plataformas como Peec AI y Profound muestran los gaps a nivel de prompt, indicando qué consultas concretas están produciendo citas de competidores sin producir las tuyas.
Términos relacionados: Citation rate (21), Prompt coverage (4), AEO (37).
Sentimiento y percepción
31. Sentiment Analysis
El sentiment analysis en la monitorización de IA es la clasificación del lenguaje en las respuestas generadas por IA sobre tu marca como positivo, neutro o negativo. Cubre los adjetivos y afirmaciones que la IA hace sobre tu producto, precios, calidad de soporte, facilidad de uso y posicionamiento competitivo.
El sentimiento en las respuestas de IA no es igual al sentimiento público. Un motor de IA puede producir un enfoque de sentimiento negativo para tu marca basándose en un único artículo crítico que ha recuperado, aunque la gran mayoría de las reseñas reales de clientes sean positivas. La fuente de la señal de sentimiento importa tanto como la propia señal.
Términos relacionados: Sentiment decay (32), Perception monitoring (33), Brand-fact drift (35).
32. Sentiment Decay
El sentiment decay es el deterioro gradual de las descripciones generadas por IA de tu marca a lo largo del tiempo, impulsado por material de fuente negativo u obsoleto que persiste en la capa de retrieval del modelo. A diferencia del ciclo de noticias, que se disipa, el sentimiento negativo en IA puede mantenerse estable durante meses sin intervención activa.
El sentiment decay es especialmente insidioso porque no está causado por la llegada de nueva cobertura negativa: está causado porque la cobertura antigua sigue siendo prominente en el pool de retrieval. Corregirlo requiere actualizar el contenido de origen, generar nuevo contenido autorizado que supere en peso al antiguo, o conseguir cobertura ganada que introduzca un enfoque más actual.
Términos relacionados: Sentiment analysis (31), Brand-fact drift (35), Source correction (28).
33. Perception Monitoring
El perception monitoring es la práctica de rastrear no solo si tu marca aparece en las respuestas de IA, sino cómo se la caracteriza: las palabras usadas para describirla, los atributos de producto destacados, los competidores con los que se compara y los casos de uso para los que se recomienda.
El perception monitoring está por encima del sentiment analysis. Mientras el sentimiento pregunta “¿es esto positivo o negativo?”, el perception monitoring pregunta “¿qué historia está contando la IA sobre esta marca?”. Una marca puede recibir una puntuación de sentimiento neutro mientras se la describe de formas que socavan su posicionamiento.
Términos relacionados: Sentiment analysis (31), Sentiment decay (32), Accuracy monitoring (8).
34. Tone Classification
La tone classification es la versión granular del sentiment analysis que distingue entre categorías de sentimiento como entusiasta, cauteloso, desdeñoso y comparativo (enmarcando tu marca frente a un competidor nombrado). El tono es más accionable que una puntuación binaria positivo/negativo.
Una tone classification de “cauteloso” en prompts relacionados con precios te dice algo concreto: los motores de IA están siendo prudentes con tu posicionamiento de precios. Es un problema diferente al de un tono “desdeñoso” en prompts relacionados con funcionalidades, que sugiere que las fuentes de retrieval están tratando tu conjunto de funcionalidades como limitado.
Términos relacionados: Sentiment analysis (31), Perception monitoring (33), Competitive framing (36).
35. Brand-Fact Drift
El brand-fact drift es la divergencia entre el perfil factual de tu marca tal como está almacenado en los datos de entrenamiento o fuentes de retrieval de la IA y los hechos actuales y precisos sobre tu producto. Se acumula cuando tu marca cambia (nuevos precios, actualizaciones de funcionalidades, rebranding) pero las fuentes de las que se nutren los motores de IA no se actualizan.
El brand-fact drift es un riesgo de movimiento lento. Una marca que cambia su precio de 49 a 29 dólares al mes pero cuyos artículos de reseña más citados siguen mencionando 49 dólares verá cómo los motores de IA infravalorarán sistemáticamente su propuesta de valor durante meses. Monitorizar la precisión factual en precio, funcionalidades y posicionamiento es la única forma de detectar y corregir el drift con antelación.
Términos relacionados: Hallucination rate (7), Accuracy monitoring (8), Source correction (28).
36. Competitive Framing
El competitive framing es la forma en que un motor de IA describe tu marca en relación con competidores nombrados dentro de la misma respuesta. “Más barato que Profound pero con menos funcionalidades enterprise” es un competitive framing. Afecta no solo al sentimiento sino también a qué segmento de comprador la IA te recomienda implícitamente.
El competitive framing es una de las señales de percepción más determinantes en la monitorización de IA. Determina qué perfil de cliente la IA está dirigiendo hacia ti y cuál está dirigiendo hacia los rivales. Rastrearlo a nivel de prompt revela el posicionamiento implícito que tu marca ocupa en el modelo de mercado de la IA.
Términos relacionados: Perception monitoring (33), Tone classification (34), Competitive set (38).
Conceptos de programa y plataforma
37. AEO (Answer Engine Optimization)
La answer engine optimization (AEO) es la práctica de crear, estructurar y distribuir contenido para que los answer engines de IA citen tu marca, representen tu producto con precisión y te recomienden a compradores que formulan preguntas relevantes. La AEO es la sucesora en la era de la IA del SEO tradicional.
La AEO difiere del SEO en varios aspectos: no hay posiciones en el ranking que optimizar, el objetivo es una citación dentro de un pasaje generado en lugar de un enlace azul, y los motores se basan en una combinación de retrieval en tiempo real y priors entrenados en lugar de únicamente en un índice rastreado. La AEO es la capa de ejecución; la monitorización de visibilidad en IA es la capa de medición.
Consulta el ranking completo de herramientas de visibilidad en IA para plataformas que cubren ambas. Consulta /methodology para ver cómo las evaluamos.
Términos relacionados: AI visibility score (6), Citation gap (30), AI share of voice (1).
38. Competitive Set
Un competitive set en la monitorización de IA es la lista definida de marcas cuyas métricas de visibilidad en IA rastrreas junto a las tuyas. Los cálculos de share of voice son siempre relativos a un competitive set: tu 35 % de share significa una cosa si el siguiente competidor tiene un 20 %, y otra muy distinta si tiene un 55 %.
Los competitive sets deben reflejar las marcas que un motor de IA recomienda realmente en tu categoría, lo que puede diferir de los competidores en tu propio modelo mental. Ejecuta una ronda de prompts de descubrimiento en tus clústeres de consulta objetivo antes de finalizar tu competitive set.
Términos relacionados: AI share of voice (1), Prompt coverage (4), Share of voice drift (10).
39. Engine Coverage
La engine coverage es el número y la selección de motores de IA que rastrea una plataforma de monitorización. Las plataformas difieren significativamente: algunas cubren 4 motores, otras cubren 9 o más. Los motores en el alcance determinan qué segmentos de compradores representan tus datos de monitorización.
Como mínimo, rastrea ChatGPT, Google AI Overviews, Perplexity y Gemini. Estos cuatro juntos cubren la mayoría de los recorridos de investigación asistida por IA para la mayoría de las audiencias B2B y B2C. Para una cobertura más amplia, añade Microsoft Copilot, Google AI Mode, Meta AI y Grok. Herramientas como Peec AI y Temso ofrecen la mayor cobertura de motores en la categoría.
Términos relacionados: Cross-engine citation overlap (29), Run cadence (18), AI share of voice (1).
40. Conversion Signal
Una conversion signal en la visibilidad en IA es cualquier indicador posterior que evidencia que la presencia de una marca en las respuestas de IA está influyendo en el comportamiento del comprador: tráfico de referencia procedente de un motor de IA, envíos de formularios atribuidos a fuentes del canal de IA, o pipeline de ventas etiquetado como descubierto por influencia de la IA.
Conectar las métricas de visibilidad en IA con las conversion signals es el reto emergente de la disciplina. La atribución de tráfico desde motores de IA sigue siendo inmadura en comparación con la atribución de búsqueda de pago u orgánica. Las marcas que instrumenten su analítica para captar fuentes de referencia de IA desde el principio tendrán una ventaja de medición significativa a medida que el canal crezca.
Términos relacionados: AI share of voice (1), Prompt coverage (4), Mention velocity (9).
Tabla de referencia rápida
| Término | Grupo | Resumen en una línea |
|---|---|---|
| AI Share of Voice | Métrica principal | % de prompts en los que se menciona tu marca |
| Share of Model | Métrica principal | Nombre alternativo para el AI share of voice, enfoque centrado en el modelo |
| Brand Mentions | Métrica principal | Recuento bruto de apariciones de marca en respuestas de IA |
| Prompt Coverage | Métrica principal | % de prompts rastreados con al menos una mención de marca |
| Citation Rate | Principal + Citación | % de respuestas donde se referencia una URL concreta |
| AI Visibility Score | Métrica principal | Índice compuesto de plataforma que combina todas las señales principales |
| Hallucination Rate | Métrica principal | Frecuencia de afirmaciones de IA factualmente incorrectas sobre tu marca |
| Accuracy Monitoring | Métrica principal | Comparación de hechos declarados por la IA con la verdad verificada |
| Mention Velocity | Métrica principal | Tasa de cambio en menciones brutas de marca semana a semana |
| Share of Voice Drift | Métrica principal | Cambio direccional en el AI share of voice a lo largo del tiempo |
| Answer Engine | Prompt/motor | Sistema de IA que devuelve respuestas sintetizadas (no solo enlaces) |
| Prompt Entropy | Prompt/motor | Cuánta variación de respuesta se produce entre ejecuciones de un mismo prompt |
| Prompt Cluster | Prompt/motor | Grupo de consultas que comparten la misma intención de comprador |
| Prompt Family | Prompt/motor | Conjunto definido de formulaciones para una misma necesidad de información |
| Buyer-Intent Prompt | Prompt/motor | Consulta que refleja una necesidad de información en fase de compra |
| Intent Mapping | Prompt/motor | Organización de prompts por etapa del recorrido del comprador |
| Run Count | Prompt/motor | Número de veces que se ejecuta un prompt por ciclo de medición |
| Run Cadence | Prompt/motor | Frecuencia con la que se actualizan los datos de monitorización |
| Fan-Out Query | Prompt/motor | Subconsulta interna generada por la IA antes de responder |
| RAG | Prompt/motor | Arquitectura de recuperar-y-generar usada por la mayoría de los motores de IA |
| Citation Rate | Citación | Tasa de referencia de fuentes a nivel de URL en respuestas de IA |
| Retrieved Page | Citación | URL seleccionada por retrieval pero no necesariamente citada |
| Earned Citation | Citación | Referencia de marca originada en una fuente de terceros |
| Source Attribution | Citación | Identificación de qué dominios impulsan las citas de tu marca |
| Named-Entity Recognition | Citación | Extracción automatizada de nombres de marca del texto de IA |
| Retrieval Window | Citación | Conjunto de documentos candidatos que la IA considera antes de generar |
| Third-Party Authority | Citación | Credibilidad de la fuente externa que impulsa la citación de IA |
| Source Correction | Citación | Actualización de fuentes que causan que la IA afirme hechos incorrectos |
| Cross-Engine Citation Overlap | Citación | % de URLs citadas compartidas entre dos motores de IA |
| Citation Gap | Citación | Clústeres de intención donde se cita a los rivales pero no a ti |
| Sentiment Analysis | Sentimiento | Clasificación positiva/neutra/negativa de las descripciones de marca en IA |
| Sentiment Decay | Sentimiento | Deterioro gradual del sentimiento de marca en IA sin nueva entrada |
| Perception Monitoring | Sentimiento | Seguimiento de cómo la IA caracteriza tu marca, no solo la valencia |
| Tone Classification | Sentimiento | Sentimiento granular (cauteloso, entusiasta, desdeñoso) |
| Brand-Fact Drift | Sentimiento | Divergencia entre los hechos declarados por la IA y la realidad actual |
| Competitive Framing | Sentimiento | Cómo describe la IA tu marca frente a rivales nombrados |
| AEO | Programa | Answer engine optimization: la práctica de conseguir citas de IA |
| Competitive Set | Programa | Las marcas rivales definidas en tu seguimiento de visibilidad en IA |
| Engine Coverage | Programa | Número y selección de motores de IA que monitoriza una plataforma |
| Conversion Signal | Programa | Evidencia posterior de que la visibilidad en IA afecta al comportamiento del comprador |
Herramientas que rastrean estas métricas
Las plataformas siguientes cubren las métricas principales de este glosario. Cada una rastrea al menos el share of voice, las brand mentions y el sentimiento en múltiples motores de IA.
- Otterly.AI: Seguimiento de citas a nivel de prompt en 6 motores; output estructurado de auditoría GEO. Desde 29 $/mes.
- Peec AI: Seguimiento diario en 9 o más motores; plazas ilimitadas; sólida cobertura de motores cruzados, incluidos DeepSeek y Grok. Desde 85 €/mes.
- Profound: Atribución de citas profunda y datos de volumen de prompts para equipos enterprise. Tier Growth a 399 $/mes.
- Temso: Monitorización todo en uno más un plan de acción que convierte los gaps de visibilidad en correcciones, en 8 motores. Desde 89 $/mes.
- SE Ranking: Seguimiento combinado de AI Overviews y SEO tradicional; útil para equipos que necesitan ambos conjuntos de datos en un mismo flujo de trabajo.
Criterios de puntuación completos y rankings: /rankings/ai-visibility-tools. Estándares editoriales y metodología: /methodology. Índice completo del glosario: /glossary.
Empieza a medir tu AI share of voice
Entender los términos es el primer paso. El segundo es ejecutar tu marca frente a los prompts que tus compradores usan realmente y ver dónde apareces y dónde los rivales van por delante.
El ranking de herramientas de visibilidad en IA compara todas las plataformas principales en cobertura de motores, profundidad de acción, precios y evidencia de terceros. Si quieres empezar con una única herramienta que cubra la monitorización y la ejecución en una sola suscripción, empieza por el ranking y filtra por tamaño de equipo y presupuesto.