Aprendizaje

Por qué ChatGPT no recomienda tu empresa, y cómo averiguarlo

Posibles razones por las que ChatGPT podría omitir una marca y una forma repetible de analizar sus respuestas y fuentes citadas.

· 5 secciones

“¿Por qué ChatGPT no recomienda mi empresa?” La pregunta puede surgir después de que un prospecto menciona a un competidor que ChatGPT nombró. Un reporte convencional de posiciones en buscadores no muestra qué marcas aparecieron en una respuesta específica de un asistente.

Aquí hay cuatro posibles explicaciones que puedes investigar y una forma de analizar las respuestas en tu categoría.

1. Recuperación: qué aporta la búsqueda web a una respuesta

ChatGPT puede responder a partir de la información que aprendió y del contexto de la conversación. Cuando usa la búsqueda web, puede consultar fuentes actuales y quizá mostrar citas. Que una marca no aparezca en las fuentes de una revisión es una hipótesis para investigar, no una prueba de que eso causó su ausencia en una recomendación. OpenAI explica aquí cómo funcionan la búsqueda web y las citas de ChatGPT.

2. Los competidores: alternativas que tu equipo puede pasar por alto

Un estudio puede mostrar alternativas que no aparecen en tu lista interna de competidores. Por ejemplo, incluye una marca propia local cuando la investigación de categoría o las respuestas observadas indiquen que los compradores la comparan. Documenta qué alternativas aparecieron y en qué condiciones, en lugar de asumir que todos los modelos las tratan como intercambiables.

3. Fuentes más allá de tu propio sitio

Para una marca de consumo, las fuentes que aparecen en las respuestas pueden incluir páginas de retailers, plataformas de reseñas, guías comparativas y reguladores. Muchas están fuera de tu control directo. Por eso conviene identificarlas y distinguir las citas observadas de cualquier afirmación de que una fuente causó una respuesta específica. “Publicamos una gran página” y “la respuesta cambió” son eventos distintos.

4. Variabilidad: lo que una sola respuesta no permite establecer

Haz la misma pregunta tres veces y puedes obtener tres listas distintas. Pregunta una vez, obtén una buena respuesta, y creerás que todo está bien. Pregunta una vez, obtén una mala respuesta, y entrarás en pánico. Ambas reacciones son anécdotas. “Si hubieras tomado una captura de pantalla de la primera, habrías concluido que tu marca es invisible.” Lo mismo es cierto al revés, por eso nadie debería tomar decisiones de presupuesto a partir de capturas de pantalla.

La manera honesta de saberlo

No una corazonada, no un solo prompt, no la opinión de un consultor. Un estudio:

  1. Incluye preguntas de compradores sin marca para medir la presencia espontánea. Usa preguntas con marca por separado para medir cómo responde un asistente cuando le preguntan directamente por ella.
  2. Hazlas en los asistentes que cubre el estudio, varias veces cada una, para observar la variación y estimar tasas dentro del alcance definido.
  3. Leer cada respuesta y contar siempre lo mismo: menciones, recomendaciones, señales de mejor de su categoría, rutas de compra, fuentes citadas.

Así se ve eso, en nuestra muestra inventada (una marca de bloqueador solar vendida en farmacias mexicanas, comparada con sus competidores inventados Bloqsol y Dermalux):

  • Mencionada: 26%, 103 de 396 respuestas
  • Recomendada: 11%, 44 de 396 respuestas
  • Nombrada como la mejor: 3%, 12 de 396 respuestas
  • Con ruta de compra: 7%, 28 de 396 respuestas

Cuatro números, cada uno con su población impresa al lado. Ahora la pregunta “por qué ChatGPT no recomienda mi empresa” tiene un punto de partida: qué tasa está baja, qué fuentes están sosteniendo las respuestas, y quién está dentro del conjunto de respuesta en lugar de ti. Y actuar sobre esa respuesta —la página del retailer, el editorial comisionado, las menciones por ganar— es un trabajo en sí mismo, no parte de la medición: /es/trabajo-sobre-fuentes/.

El primer estudio ofrece una línea base e identifica patrones que vale la pena investigar. No establece qué explicación causó una respuesta. Revisa el estudio de visibilidad en IA.