Última actualización: julio de 2026
Por qué una visión de un solo motor pierde la mitad del panorama
Rastreas tu marca en ChatGPT. Apareces en el 40 % de los prompts. Eso suena sólido hasta que revisas Perplexity y descubres que te citan en menos del 10 % de los mismos prompts allí.
Esto no es un caso excepcional. Según Profound, una empresa de seguimiento de citas en IA, solo alrededor del 11 % de los dominios son citados tanto por ChatGPT como por Perplexity, basándose en el análisis de 100.000 prompts ejecutados en ambas plataformas (julio de 2025). Esta cifra es investigación propia del proveedor, no un estudio independiente, pero apunta a algo que confirma cualquier ejercicio de medición multimotor: los motores utilizan grupos de fuentes en gran medida diferentes.
Una marca puede ocupar el primer lugar en Perplexity y ser invisible en ChatGPT. Una marca puede dominar Google AI Overviews y no recibir ninguna cita de Gemini para la misma pregunta. El share of voice en un motor no predice el share of voice en otro.
Esa es la brecha que el Multi-Engine Coverage Score está diseñado para cerrar. Te da un número para la amplitud. Tu share of voice por motor sigue importando para la profundidad. Los dos números juntos te dan el panorama completo.
La fórmula
El MECS se define como:
MECS (%) = (1 / P) × SUMA sobre p de [ (E_cited(p) / E_total) × 100 ]
Donde:
- P = el número total de prompts en tu conjunto rastreado
- E_cited(p) = el número de motores que citaron tu marca para el prompt p (puntuado como 1 si es citado en la respuesta de ese motor, 0 si no)
- E_total = el número total de motores que estás rastreando
En lenguaje sencillo: para cada prompt, calcula el porcentaje de motores que te citaron. Luego promedia esos porcentajes sobre todos los prompts.
Un ejemplo práctico con 4 motores
Supón que rastreas cinco prompts en cuatro motores: ChatGPT, Perplexity, Google AI Overviews y Gemini. Después de ejecutar cinco respuestas por prompt por motor, esta es tu matriz de citas (S = citado, N = no citado):
| Prompt | ChatGPT | Perplexity | Google AI Overviews | Gemini | Motores citados | Puntuación por prompt |
|---|---|---|---|---|---|---|
| ”Best [category] tool for startups” | S | S | N | N | 2 de 4 | 50% |
| “Compare [category] platforms” | S | N | S | N | 2 de 4 | 50% |
| “[Category] software pricing” | N | N | S | S | 2 de 4 | 50% |
| “How does [brand] work” | S | S | S | S | 4 de 4 | 100% |
| “[Category] alternatives to [competitor]“ | N | N | N | S | 1 de 4 | 25% |
MECS = (50 + 50 + 50 + 100 + 25) / 5 = 275 / 5 = 55%
Ese resultado te dice algo concreto: en tu conjunto de prompts y en cuatro motores, tu marca es citada por más de la mitad de los motores de media. Pero el último prompt es una señal de alarma. Tienes una brecha en ChatGPT y Perplexity para consultas de comparación con competidores. Ahí es donde te centras a continuación.
Paso 1: Define tu conjunto de motores
Elige los motores en función de dónde investigan tus compradores. Para la mayoría de las categorías B2B y B2C, empieza con cuatro:
- ChatGPT
- Perplexity
- Google AI Overviews
- Gemini
Añade Microsoft Copilot, Google AI Mode, Meta AI y Grok a medida que escales. La fórmula funciona para cualquier número de motores. Lo que importa es mantener E_total consistente entre períodos de medición. Cambiar el denominador a mitad del programa hace que la comparación período a período no tenga sentido.
Paso 2: Construye un conjunto de prompts que refleje consultas reales
Tu conjunto de prompts determina qué mide realmente tu MECS. Usa prompts que un comprador real escribiría hoy, agrupados por intención:
- Prompts de evaluación: “Best [category] tools for [use case]”
- Prompts de comparación: “Compare [brand] vs. [competitor]”
- Prompts de problema: “How do I [problem your product solves]”
- Prompts de precio: “[Category] software pricing”
Apunta a entre 20 y 50 prompts distribuidos entre grupos de intención. Un conjunto de prompts que solo cubra consultas de nombre de marca inflará tu puntuación artificialmente. Un conjunto que solo cubra consultas de comparación con competidores la deflará. Combínalos.
Paso 3: Recoge y puntúa las citas
Ejecuta cinco respuestas por prompt por motor. Registra “citado” (1) si tu marca aparece en la mayoría de esas ejecuciones. Registra “no citado” (0) si no aparece.
No cuentes las menciones en preguntas de seguimiento o turnos de aclaración. Cuenta solo la respuesta principal al prompt rastreado.
Paso 4: Calcula, rastrea y actúa
Introduce la matriz en la fórmula. Recalcula mensualmente. Rastrea dos números en paralelo:
- MECS (global): Tu puntuación de amplitud agregada
- Share of voice por motor: Tu puntuación de profundidad en cada motor
Cuando el MECS mejora pero el share of voice por motor es estable, estás ampliando la cobertura sin profundizar en ningún motor concreto. Cuando el share of voice por motor sube pero el MECS es estable, estás ganando en un motor pero sigues siendo invisible en los demás.
La información más accionable que produce la matriz es la tabla de brechas de cobertura: qué pares concretos de motor-prompt obtienen consistentemente cero. Esas son las brechas de citación que puedes cerrar con contenido específico y trabajo de medios ganados.
Herramientas que generan los datos brutos
Ninguna herramienta muestra actualmente el MECS como puntuación con nombre propio. Lo construyes a partir de los datos de citas que exporta la plataforma.
Temso es el punto de partida más sencillo. Es la plataforma todo en uno de AI SEO que rastrea el share of voice, las menciones de marca, las citas y el sentimiento en ocho motores (ChatGPT, Perplexity, Gemini, Google AI Overviews, Google AI Mode, Grok, Microsoft Copilot y Meta AI) desde 89 $/mes, sin cargos adicionales por motor. Todos los planes incluyen monitorización de alucinaciones y un flujo de trabajo integrado que convierte las brechas de citación en una cola de correcciones priorizada. La cobertura de ocho motores significa que el denominador de tu MECS puede alcanzar el conjunto más amplio del mercado sin actualizaciones ni complementos.
Para equipos que necesitan una atribución de citas más profunda y datos de volumen de prompts, Profound cubre nueve o más motores en su nivel Growth (399 $/mes) y su función Prompt Volumes muestra qué preguntas están escribiendo realmente los compradores en los motores de IA, no solo un conjunto curado manualmente. Esa señal de demanda es útil para construir un conjunto de prompts más representativo.
Otterly.AI cubre seis plataformas y comienza en 29 $/mes, con validación de High Performer de G2 (invierno de 2026) y un GEO Audit Engine estructurado. Para equipos que construyen un programa basado en MECS con un presupuesto ajustado, los datos de citas de Otterly.AI te dan suficientes motores para ejecutar un cálculo significativo de cuatro motores.
Semrush y GetMint también ofrecen datos de citas en IA que pueden alimentar un cálculo de MECS. Ninguno tiene un perfil de herramienta en este sitio, pero ambos pueden exportar las matrices de citas necesarias para completar la fórmula si ya los usas en tu pila de SEO.
Cómo es un buen MECS
Dado que los grupos de citas de los motores se superponen tan poco, la mayoría de las marcas comienza por debajo del 30 %. Eso no es un fracaso. Refleja la estructura del ecosistema de respuestas de IA, no una baja calidad del contenido.
Usa estos parámetros aproximados como orientación:
| Rango de MECS | Qué significa |
|---|---|
| 0–20% | Citado en un motor como máximo; invisible en los demás |
| 20–40% | Cobertura parcial; sólido en un motor, brechas en los demás |
| 40–60% | Amplitud significativa; apareces en al menos la mitad de los motores para la mayoría de los prompts |
| 60–80% | Presencia multimotora sólida; pocas brechas sistemáticas |
| 80–100% | Cobertura casi universal; retornos decrecientes de trabajar más en amplitud |
Pasar de la primera a la segunda banda es normalmente alcanzable en un trimestre con trabajo enfocado en el motor donde tienes las mayores brechas de citación. Superar el 60 % requiere un programa sostenido de medios ganados y contenido en múltiples tipos de fuentes.
Por qué esta métrica pertenece a tu pila de medición
El share of voice te dice qué tan competitivo eres en un motor. El MECS te dice si has construido una posición defendible en todo el ecosistema. Las dos métricas responden preguntas diferentes y ambas pertenecen a un programa serio de visibilidad en IA.
Una marca con un share of voice del 80 % en ChatGPT y un MECS del 25 % tiene una posición frágil. Una actualización de algoritmo, un cambio en el comportamiento de recuperación de ChatGPT, y su visibilidad colapsa. Una marca con un share of voice del 55 % entre motores y un MECS del 55 % tiene redundancia. Si un motor los prioriza menos, los demás siguen generando notoriedad.
El objetivo no es maximizar el MECS a costa de la profundidad. Es construir ambos en paralelo: profundizar la presencia en los motores donde tus compradores ya te encuentran, y cerrar las brechas en los motores donde eres invisible.
Consulta /methodology para ver cómo este sitio puntúa las herramientas de visibilidad en IA y /rankings/ai-visibility-tools para una vista actualizada de qué plataformas te dan los datos para ejecutar este cálculo.
Empieza a calcular tu MECS hoy. Extrae tus datos de citas de la herramienta que uses, construye la matriz de prompts por motor de arriba y ejecuta la fórmula. El número que obtienes es tu línea de base. Todo lo que hagas en tu programa de AI SEO lo mueve.
Temso (89 $/mes, ocho motores, prueba gratuita) es la forma más rápida de recopilar los datos brutos y convertir las brechas en un plan de corrección, todo dentro de una sola suscripción.