Una de las preguntas más sencillas dentro de AI Brand Monitoring es:
¿Aparece nuestra marca?
Imagine que un posible cliente pregunta:
¿Qué empresas ofrecen soluciones de AI Brand Monitoring?
La inteligencia artificial responde:
Algunas opciones incluyen Empresa A, Empresa B, Empresa C y VisibilidadIA.com.
La marca ha aparecido.
Eso constituye una:
mención de marca en IA.
Pero detrás de una métrica aparentemente sencilla existen varias cuestiones importantes.
¿Cuenta una aparición en una fuente?
¿Cuenta una URL?
¿Cuenta una variación del nombre?
¿Una mención negativa vale igual que una positiva?
¿Una recomendación también cuenta como mención?
¿Debemos medir todos los prompts o solamente aquellos donde la marca podría aparecer razonablemente?
Para utilizar las menciones como una métrica seria necesitamos una metodología clara.
¿Qué es una mención de marca en IA?
Una mención de marca en IA ocurre cuando un sistema de inteligencia artificial incluye de forma identificable una marca, empresa, producto o entidad dentro de una respuesta generada.
Por ejemplo:
“HubSpot, Salesforce y Pipedrive son algunas plataformas CRM conocidas.”
Las tres marcas han sido mencionadas.
La respuesta no necesariamente recomienda ninguna.
Simplemente las incluye dentro de la conversación.
¿Qué es AI Mention Rate?
AI Mention Rate mide la frecuencia con la que una marca aparece dentro de un conjunto definido de prompts.
Una fórmula sencilla es:
AI Mention Rate = prompts donde aparece la marca / total de prompts analizados × 100
Por ejemplo:
Analizamos:
200 prompts.
Nuestra marca aparece en:
74.
Entonces:
AI Mention Rate = 37 %
Esto significa que la marca fue mencionada en el 37 % del universo de prompts utilizado para ese benchmark.
El denominador importa
Decir:
“Nuestra Mention Rate es 37 %”
no es suficiente.
Debemos preguntar:
¿37 % de qué?
Por ejemplo:
- 200 prompts;
- mercado español;
- cuatro plataformas;
- cinco temas;
- prompts informativos y comerciales;
- medición durante septiembre.
Sin metodología, el porcentaje tiene poco contexto.
Mention Rate depende del Prompt Set
Supongamos que utilizamos principalmente preguntas sobre:
AI Brand Monitoring.
Nuestra empresa puede obtener:
62 % Mention Rate.
Pero si añadimos cientos de prompts sobre marketing digital general, quizá baje a:
18 %.
La marca no necesariamente perdió visibilidad.
Cambió el universo de medición.
Por eso necesitamos un Core Prompt Set estable.
Mención no significa recomendación
Esta es la distinción más importante.
Una IA puede decir:
“Existen varias plataformas, entre ellas Marca A, Marca B y Marca C.”
Eso es una mención.
Pero puede continuar:
“Para una empresa enterprise, recomendaría principalmente Marca A.”
Ahora Marca A ha recibido una recomendación.
Las otras marcas solo fueron mencionadas.
Mention vs Recommendation
Podemos representarlo así:
Mención
La marca aparece.
Recomendación
La marca aparece como una opción que el usuario debería considerar.
Toda recomendación normalmente implica presencia de la marca.
Pero no toda mención implica recomendación.
Una marca puede tener muchas menciones y pocas recomendaciones
Por ejemplo:
Marca A
Mention Rate: 68 %
Recommendation Rate: 21 %
Marca B
Mention Rate: 51 %
Recommendation Rate: 39 %
Marca A aparece más.
Pero Marca B convierte mejor esa presencia en recomendaciones.
Esto tiene implicaciones comerciales importantes.
La mención es la primera capa de visibilidad
Podemos pensar en una progresión:
Ausencia
↓
Mención
↓
Consideración
↓
Recomendación
↓
Preferencia
La mención es importante porque indica que la marca ha entrado en la respuesta.
Pero no es necesariamente el resultado final deseado.
Tipos de menciones
No todas las menciones son iguales.
Podemos clasificarlas.
1. Mención neutral
Ejemplo:
“Marca X ofrece software de gestión de proyectos.”
No existe valoración clara.
2. Mención positiva
Ejemplo:
“Marca X destaca por su facilidad de uso.”
Existe una asociación positiva.
3. Mención negativa
Ejemplo:
“Marca X puede resultar costosa para equipos pequeños.”
La marca aparece, pero existe una reserva.
4. Mención comparativa
Ejemplo:
“Marca X ofrece más funcionalidades que Marca Y, aunque Marca Y es más sencilla.”
La marca aparece dentro de una comparación.
5. Mención de recomendación
Ejemplo:
“Para este caso, consideraría Marca X.”
Aquí la mención también constituye una recomendación.
Mention Sentiment
Podemos clasificar las menciones como:
- positivas;
- neutrales;
- negativas;
- mixtas.
Pero sentimiento y mención deben mantenerse como dimensiones separadas.
Una mención negativa sigue siendo una mención
Si ChatGPT dice:
“Marca X ha recibido críticas por su complejidad.”
La marca está presente.
Por tanto:
Mention = Yes.
Sentiment:
Negative.
Esto evita distorsionar la métrica.
Mención negativa no significa información incorrecta
Supongamos que un producto realmente es complejo.
La descripción:
“requiere una implementación más compleja”
puede ser correcta.
Entonces tenemos:
Mention: Yes
Sentiment: Negative/Mixed
Accuracy: Correct
Las tres métricas responden preguntas distintas.
Mention Accuracy
También debemos comprobar si la mención identifica correctamente la empresa.
Por ejemplo:
“VisibilidadIA.com es una agencia de publicidad.”
La marca ha sido mencionada.
Pero la descripción puede ser incorrecta.
Por tanto:
Mention: Yes
Brand Accuracy: Problem
Esto demuestra por qué no debemos celebrar automáticamente cada mención.
Menciones directas
Una mención directa utiliza claramente el nombre.
Por ejemplo:
“Microsoft ofrece Copilot.”
Es fácil de detectar.
Variaciones del nombre
El sistema puede utilizar:
- nombre completo;
- abreviatura;
- nombre de producto;
- dominio;
- acrónimo.
Por ejemplo:
International Business Machines
y:
IBM
representan la misma entidad.
Un sistema de monitorización necesita resolver estas variaciones.
Entity Resolution
El proceso de relacionar diferentes nombres con la misma marca puede denominarse:
resolución de entidad.
Esto es especialmente importante para automatización.
Ejemplo
Una empresa puede aparecer como:
- VisibilidadIA;
- VisibilidadIA.com;
- Visibilidad IA.
Todas pueden representar la misma marca.
El sistema debería normalizarlas.
Evitar falsos positivos
También existe el problema contrario.
Una palabra puede coincidir con el nombre de una empresa sin referirse realmente a ella.
Por ejemplo, marcas con nombres genéricos pueden producir ambigüedad.
Por eso la detección debería considerar contexto.
Brand Alias Library
Una plataforma puede mantener para cada marca:
Primary Name
VisibilidadIA.com
Aliases
- VisibilidadIA
- Visibilidad IA
Product Names
cuando corresponda.
Exclusions
términos ambiguos que no deberían contarse automáticamente.
Esto mejora la precisión.
Marca vs producto
También debemos decidir qué queremos medir.
Por ejemplo:
Microsoft
es una marca corporativa.
Copilot
es un producto.
Un prompt puede mencionar Copilot sin mencionar Microsoft.
¿Cuenta para Microsoft?
Depende de la metodología.
Brand-Level y Product-Level Monitoring
Lo más limpio es mantenerlos separados.
Por ejemplo:
Brand
Microsoft.
Product
Microsoft Copilot.
Después podemos agregar datos si queremos.
Mención del dominio vs mención de la marca
Supongamos que Perplexity muestra:
visibilidadia.com
como fuente.
Pero la respuesta nunca habla de VisibilidadIA como empresa.
Tenemos:
Domain Citation: Yes
pero quizá:
Brand Mention: No.
Esta diferencia es importante.
Citation no equivale a Mention
Una página puede ser citada como fuente sin que la marca aparezca explícitamente dentro de la respuesta.
Y una marca puede ser mencionada sin que su sitio sea citado.
Por eso debemos mantener:
Mention Visibility
y:
Citation Visibility
separadas.
Cuatro escenarios
Podemos crear una matriz:
| Marca mencionada | Web citada | Interpretación |
|---|---|---|
| Sí | Sí | Marca + fuente visibles |
| Sí | No | Marca visible, dominio no citado |
| No | Sí | Fuente visible, marca no mencionada |
| No | No | Sin presencia |
Esto ofrece una visión mucho más completa.
Menciones en prompts branded
Un branded prompt contiene directamente el nombre de la marca.
Por ejemplo:
¿Qué es VisibilidadIA.com?
Naturalmente, esperamos una mención.
Por eso estos prompts no deberían mezclarse sin contexto con prompts de descubrimiento.
Menciones en prompts non-branded
Mucho más interesantes para descubrimiento.
Por ejemplo:
¿Qué plataformas permiten monitorizar cómo aparece una marca en ChatGPT?
El usuario no menciona nuestra empresa.
Si la IA introduce la marca espontáneamente, tenemos visibilidad de descubrimiento.
Branded Mention Rate vs Non-Branded Mention Rate
Podemos medirlos por separado.
Por ejemplo:
Branded
98 %
Non-Branded
23 %
Interpretación:
la IA reconoce la marca cuando preguntan directamente por ella, pero rara vez la introduce durante descubrimiento de categoría.
Esto es muy accionable.
Category Mention Rate
También podemos medir menciones dentro de una categoría concreta.
Por ejemplo:
AI Brand Monitoring
54 %
GEO
31 %
AI Citations
18 %
Marketing Analytics
9 %
Esto muestra dónde existe reconocimiento temático.
Topic Mention Rate
Esta medición conecta directamente con Topic Visibility.
La diferencia es que ahora observamos específicamente:
frecuencia de menciones de la marca dentro de cada tema.
Menciones por intención
Podemos separar:
Informational
52 %
Discovery
43 %
Comparison
37 %
Recommendation
26 %
High Intent
19 %
Este patrón cuenta una historia.
El problema del funnel
La marca puede aparecer mucho durante aprendizaje.
Pero desaparecer cuando aumenta la intención comercial.
Por ejemplo:
Informational: 68 %
↓
Discovery: 51 %
↓
Recommendation: 22 %
↓
High Intent: 11 %
Esto sugiere una brecha entre autoridad informativa y consideración comercial.
No necesitamos llamar a esto “Mention Funnel Velocity”
La observación es suficiente:
las menciones disminuyen a medida que aumenta la intención.
Mantener términos simples mejora la arquitectura.
Menciones por plataforma
También debemos separar plataformas.
Por ejemplo:
| Plataforma | Mention Rate |
|---|---|
| ChatGPT | 48 % |
| Gemini | 32 % |
| Copilot | 41 % |
| Perplexity | 55 % |
La cifra global puede ocultar diferencias importantes.
Cross-Platform Mentions
Una marca que aparece consistentemente en cuatro plataformas puede tener una presencia más robusta que una que depende de una sola.
Pero debemos evitar convertirlo en un score mágico.
Podemos mostrar simplemente:
aparece en 4 de 4 plataformas para este prompt.
Menciones por país
Una empresa internacional puede tener:
España
47 %
México
31 %
Colombia
24 %
Argentina
19 %
Esto puede reflejar diferencias en presencia regional.
Menciones por idioma
También:
Inglés
58 %
Español
34 %
Portugués
17 %
Esto puede revelar una brecha de información y autoridad lingüística.
Menciones por audiencia
Por ejemplo:
CIO prompts
46 %
Marketing prompts
63 %
Procurement prompts
21 %
La marca puede ser conocida por un stakeholder pero no por otro.
Menciones competitivas
Las menciones cobran más sentido cuando se comparan.
Supongamos:
Nuestra Marca
37 %
Competidor A
61 %
Competidor B
43 %
Competidor C
29 %
Ahora sabemos nuestra posición relativa.
Mention Share of Voice
Podemos calcular una forma de AI Share of Voice basada en menciones.
Por ejemplo:
Nuestra marca obtiene:
120 menciones.
Todas las marcas del competitive set obtienen:
500 menciones.
Entonces:
Mention Share of Voice = 24 %
Esto mide participación relativa.
Mention Rate y Mention Share of Voice no son lo mismo
Mention Rate
Pregunta:
¿En qué porcentaje de prompts aparecemos?
Mention Share of Voice
Pregunta:
¿Qué proporción de todas las apariciones competitivas corresponde a nuestra marca?
Ambas pueden ser útiles.
Ejemplo
Una categoría puede permitir múltiples marcas por respuesta.
Por eso:
- Marca A: Mention Rate 60 %
- Marca B: Mention Rate 55 %
- Marca C: Mention Rate 50 %
Los porcentajes no necesitan sumar 100 %.
Pero Share of Voice sí normaliza la participación competitiva.
Competidores inesperados
Una de las ventajas del seguimiento de menciones es descubrir marcas que no habíamos incluido inicialmente.
Por ejemplo:
Nuestro equipo considera competidores:
- A;
- B;
- C.
Pero las respuestas de IA mencionan repetidamente:
Marca D.
D puede ser un competidor emergente.
AI-Discovered Competitors
Podemos identificar marcas que aparecen repetidamente dentro de nuestro universo de prompts.
Esto puede revelar:
- competidores indirectos;
- nuevos entrantes;
- alternativas;
- categorías adyacentes.
Es una función importante de inteligencia competitiva.
Co-Mentions
También podemos observar:
¿Con qué marcas aparecemos frecuentemente?
Por ejemplo:
Nuestra marca aparece junto a:
Competidor A
68 % de nuestras apariciones.
Competidor B
42 %.
Competidor C
17 %.
Esto ayuda a entender el competitive set que construyen las respuestas.
Co-Mention no significa relación comercial
Dos marcas pueden aparecer juntas porque compiten.
Por tanto, una co-mención no debería interpretarse automáticamente como:
- partnership;
- similitud;
- endorsement.
Es simplemente una asociación contextual observada.
Contexto de la mención
La pregunta siguiente es:
¿Por qué aparece la marca?
Por ejemplo:
Ejemplo 1
“Una de las principales plataformas.”
Ejemplo 2
“Una alternativa económica.”
Ejemplo 3
“Una opción menos conocida.”
Todas son menciones.
Pero el significado es muy diferente.
Mention Context
Una plataforma de monitoring debería conservar el fragmento contextual alrededor de cada mención.
Así el usuario puede revisar:
- descripción;
- atributo;
- comparación;
- recomendación;
- reserva.
Esto hace que la métrica sea explicable.
No reduzca todo a un porcentaje
El dashboard puede mostrar:
Mention Rate 42 %.
Pero también debería permitir abrir ejemplos reales.
El usuario necesita entender:
¿cómo estamos apareciendo?
Mention Classification
Una clasificación práctica puede ser:
0 — Absent
No aparece.
1 — Neutral Mention
Aparece sin valoración.
2 — Positive Mention
Aparece favorablemente.
3 — Comparative Mention
Aparece dentro de comparación.
4 — Recommendation
Aparece como opción recomendada.
Esto puede ayudar al análisis.
Pero mantenga las métricas originales
Incluso con una escala, deberíamos poder responder separadamente:
- Mention = Yes/No;
- Recommendation = Yes/No;
- Sentiment;
- Accuracy.
Esto evita que una clasificación única esconda información.
Primera mención
También puede ser útil registrar:
qué marca aparece primero.
Por ejemplo:
- Competidor A
- Competidor B
- Nuestra Marca
Esto aporta contexto de prominencia.
Pero no es una SERP
No debemos interpretar:
tercera marca mencionada
como:
“posición #3 en ChatGPT.”
La estructura de una respuesta generativa puede variar demasiado.
Es mejor llamarlo:
orden de mención observado.
Prominencia de la mención
No todas las apariciones tienen la misma visibilidad.
Compare:
“Recomendamos principalmente Marca A.”
con:
“También existen otras opciones, como Marca B.”
Ambas marcas aparecen.
Pero Marca A tiene mucha más prominencia.
Mention Prominence
Podemos analizar factores como:
- primera aparición;
- espacio dedicado;
- inclusión en shortlist;
- encabezado;
- recomendación explícita.
Pero esta debe ser una dimensión analítica, no otro término que necesite decenas de páginas SEO.
Frecuencia vs prominencia
Una marca puede aparecer frecuentemente en posiciones secundarias.
Otra puede aparecer menos, pero ser recomendada con fuerza.
Por eso Mention Rate debe combinarse con Recommendation Rate.
Menciones y atributos
Cada mención puede contener asociaciones.
Por ejemplo:
“Marca X es especialmente conocida por su seguridad.”
Tenemos:
Mention: Yes
Attribute: Security
Esto alimenta AI Brand Narrative.
Menciones y narrativa
Cuando agregamos cientos de contextos de mención podemos descubrir:
cómo está siendo caracterizada la marca.
Por eso existe una relación:
Mentions
↓
Contexts
↓
Attributes
↓
Brand Narrative
La mención es una de las unidades de evidencia.
Menciones y Brand Accuracy
También:
Mention
↓
Claims
↓
Verification
↓
Accuracy
Podemos extraer afirmaciones y compararlas con el Brand Truth Set.
Menciones y recomendaciones
Otra relación:
Mention
↓
Consideration
↓
Recommendation
Esto permite estudiar si la marca progresa desde presencia hacia consideración comercial.
Menciones y citas
Y:
Mention
Citation
puede revelar si la propia web aparece como fuente cuando se habla de la empresa.
Seguimiento longitudinal de menciones
La verdadera utilidad aparece al repetir la medición.
Por ejemplo:
| Mes | Mention Rate |
|---|---|
| Enero | 19 % |
| Febrero | 22 % |
| Marzo | 25 % |
| Abril | 31 % |
| Mayo | 34 % |
Ahora observamos una tendencia.
Utilice puntos porcentuales correctamente
Si Mention Rate pasa de:
20 %
a:
30 %
ha aumentado:
10 puntos porcentuales.
En términos relativos, representa un incremento del 50 %.
No son lo mismo.
Para dashboards suele ser más claro mostrar:
+10 pp.
Mention Trend
Podemos simplemente mostrar:
tendencia de Mention Rate.
No necesitamos términos separados como:
- Mention Momentum;
- Mention Velocity;
- Mention Acceleration;
- Mention Reinforcement.
Esta simplificación es importante.
Ganancias y pérdidas
Podemos identificar:
Won Mentions
Prompts donde antes no aparecíamos y ahora sí.
Lost Mentions
Prompts donde antes aparecíamos y ahora no.
Esto es muy accionable.
Ejemplo
Este mes:
17 nuevos prompts ganados.
6 prompts perdidos.
Net:
+11.
Después investigamos por tema.
No analice solo el total
Quizá ganamos:
20 menciones informativas
pero perdemos:
8 menciones de recomendación.
El total podría mejorar mientras el valor comercial empeora.
Por eso segmentamos por intención.
High-Intent Mention Rate
Podemos medir específicamente:
porcentaje de prompts de alta intención donde la marca aparece.
Por ejemplo:
Overall Mention Rate
48 %.
High-Intent Mention Rate
17 %.
Esto revela una brecha comercial.
Mention Gap
Podemos identificar preguntas donde:
competidor aparece + nuestra marca no.
Por ejemplo:
42 prompts.
Estos son gaps competitivos.
Agrupe los gaps
No cree automáticamente una página para cada prompt.
Agrupe por:
- tema;
- intención;
- audiencia.
Quizá 42 gaps se concentran en:
enterprise use cases.
Entonces existe un problema estratégico mucho más claro.
¿Cómo aumentar las menciones en IA?
No existe una táctica garantizada.
Una estrategia sólida puede trabajar sobre:
- claridad de entidad;
- autoridad temática;
- contenido útil;
- información original;
- presencia externa;
- reputación;
- casos;
- documentación;
- consistencia de marca.
Estas son áreas de trabajo, no botones que controlan modelos externos.
No intente “forzar” menciones
Promesas como:
“Haga estas cinco cosas y ChatGPT mencionará su empresa”
deben tratarse con escepticismo.
Los mecanismos de diferentes sistemas:
- cambian;
- no son completamente públicos;
- pueden depender del contexto.
GEO debería basarse en construcción de relevancia y evidencia, no en trucos.
Construya claridad de categoría
Si una empresa quiere ser mencionada para:
AI Brand Monitoring,
debe quedar claro que pertenece a esa categoría.
Esto puede reflejarse en:
- homepage;
- product pages;
- About;
- external profiles;
- PR;
- reviews.
Construya profundidad temática
También debería existir evidencia de expertise.
Por ejemplo:
- guías;
- estudios;
- metodología;
- herramientas;
- casos.
Pero profundidad no significa publicar cientos de páginas casi idénticas.
Construya presencia externa
Las menciones en:
- medios;
- asociaciones;
- partners;
- comunidades;
- publicaciones especializadas;
pueden ampliar el ecosistema informativo.
La relevancia contextual es más importante que simplemente acumular enlaces.
Datos originales
Una empresa que publica:
- benchmarks;
- estudios;
- estadísticas;
- investigaciones;
puede crear información diferenciada.
Esto puede ayudar tanto a Citation Visibility como a autoridad de marca.
Brand Mention Audit
Una auditoría práctica puede seguir estos pasos.
Paso 1
Defina la marca y aliases.
Paso 2
Defina competidores.
Paso 3
Construya Core Prompt Set.
Paso 4
Clasifique por tema e intención.
Paso 5
Ejecute en varias plataformas.
Paso 6
Detecte menciones.
Paso 7
Clasifique contexto.
Paso 8
Compare competidores.
Paso 9
Analice gaps.
Paso 10
Repita periódicamente.
Ejemplo de dashboard
Una empresa podría ver:
AI Mention Rate
43 %
High-Intent Mention Rate
21 %
Mention Share of Voice
27 %
Platforms
3/4
30-Day Change
+5 pp
Competitor Leader
Competidor A — 61 %
Esto proporciona una visión rápida.
Después debemos profundizar
Por tema:
| Tema | Mention Rate |
|---|---|
| AI Brand Monitoring | 71 % |
| GEO | 48 % |
| AI Citations | 37 % |
| AI Search | 23 % |
Por intención:
| Intent | Mention Rate |
|---|---|
| Informational | 62 % |
| Discovery | 51 % |
| Comparison | 39 % |
| Recommendation | 27 % |
| High Intent | 18 % |
Ahora el diagnóstico es mucho más útil.
Mention Competitor Map
También podemos visualizar:
qué marcas dominan cada tema.
Por ejemplo:
| Tema | Líder |
|---|---|
| AI Monitoring | Marca A |
| GEO | Marca B |
| AI Citations | Marca C |
| Brand Accuracy | Nuestra Marca |
Esto ayuda a encontrar territorios competitivos.
Alertas de menciones
Una plataforma puede avisar:
Su Mention Rate cayó 12 pp durante tres mediciones consecutivas.
o:
Competidor B aparece ahora en 34 nuevos prompts.
o:
Su marca empezó a aparecer para “AI Brand Accuracy”.
Estas alertas convierten monitoring en operación.
Evite alertas por pequeñas fluctuaciones
Los modelos generativos producen variabilidad.
Por eso una variación:
42 % → 41 %
puede no significar nada.
Las alertas deberían considerar:
- tamaño del cambio;
- persistencia;
- tamaño de muestra;
- prioridad del prompt.
Menciones críticas
Algunas menciones requieren atención inmediata.
Por ejemplo:
información falsa sobre precios.
producto discontinuado.
acusación factual incorrecta.
ubicación equivocada.
Aquí la prioridad no es aumentar Mention Rate.
Es corregir el ecosistema de información cuando sea posible y monitorizar el problema.
Mención de marca y reputación
Una alta Mention Rate puede ser buena.
Pero si muchas menciones están asociadas con:
- críticas;
- problemas;
- controversia;
la interpretación cambia.
Por eso:
más menciones no siempre significa mejor resultado.
Calidad de la mención
Podemos pensar en tres preguntas:
Presence
¿Aparecemos?
Context
¿Cómo aparecemos?
Outcome
¿La aparición conduce a consideración o recomendación?
Estas tres capas proporcionan más valor que una métrica aislada.
Mention Rate como KPI ejecutivo
AI Mention Rate puede ser un KPI útil porque es:
- simple;
- comprensible;
- comparable.
Pero nunca debería utilizarse solo.
Idealmente se combina con:
- Recommendation Rate;
- AI Share of Voice;
- Brand Accuracy;
- Topic Visibility;
- Citation Visibility.
Ejemplo
Marca A:
Mention Rate
70 %
Recommendation Rate
18 %
Accuracy
96 %
Marca B:
Mention Rate
51 %
Recommendation Rate
42 %
Accuracy
94 %
¿Qué marca tiene mejor rendimiento?
Depende del objetivo.
Marca A domina presencia.
Marca B domina consideración.
Mention-to-Recommendation relationship
Podemos observar:
de los prompts donde aparecemos, ¿en cuántos también somos recomendados?
Por ejemplo:
100 menciones
40 recomendaciones
Eso indica:
40 % de las apariciones incluyen recomendación.
Puede ser un análisis útil.
Pero no necesitamos convertirlo en una nueva industria de micro-KPIs.
Para VisibilidadIA.com
Un módulo de menciones podría mostrar:
Overview
Mention Rate.
Topics
Menciones por tema.
Platforms
Menciones por plataforma.
Intent
Menciones por funnel.
Competitors
Share of Voice.
Context
Fragmentos y atributos.
Trends
Histórico.
Gaps
Prompts perdidos frente a competidores.
Esto crea una funcionalidad clara y comprensible.
Para el MVP
Podemos empezar incluso más simple.
Por cada resultado:
- brand detected;
- competitor detected;
- prompt;
- platform;
- date.
Después calcular:
- Mention Rate;
- competitor frequency;
- Share of Voice.
Más adelante añadimos:
- sentiment;
- attributes;
- accuracy;
- prominence.
Esto reduce complejidad inicial.
La métrica debe ser explicable
Si el dashboard muestra:
Mention Rate = 38 %
el usuario debería poder hacer clic y ver:
76 de 200 prompts.
Después:
cuáles 76.
Y:
cuáles 124 no.
Eso genera confianza.
De score a evidencia
Un principio importante para VisibilidadIA.com debería ser:
cada score debe poder explicarse mediante las respuestas que lo generaron.
Esto diferencia analytics reales de una puntuación opaca.
Preguntas frecuentes
¿Qué es una mención de marca en IA?
Es una aparición identificable de una marca, empresa o producto dentro de una respuesta generada por un sistema de inteligencia artificial.
¿Qué es AI Mention Rate?
Es el porcentaje de prompts analizados en los que aparece una marca.
¿Una recomendación cuenta como mención?
Normalmente sí, porque la marca está presente. Pero debe registrarse además como recomendación.
¿Una cita de mi web cuenta como mención?
No necesariamente. Una plataforma puede citar su dominio sin mencionar explícitamente la marca.
¿Una mención negativa cuenta?
Sí. La presencia y el sentimiento deben medirse por separado.
¿Una mención incorrecta cuenta?
Sí como mención, pero debería registrarse además como problema de Brand Accuracy.
¿Cómo comparo mis menciones con competidores?
Puede comparar Mention Rate y utilizar AI Share of Voice basado en menciones.
¿Debo medir prompts branded?
Sí, pero deberían separarse de los non-branded prompts porque tienen una intención diferente.
¿Qué son los non-branded prompts?
Preguntas que no incluyen el nombre de su empresa y permiten medir si la IA descubre espontáneamente la marca.
¿Más menciones siempre son mejores?
No. También importan contexto, precisión, sentimiento, prominencia y recomendaciones.
¿Cómo puedo conseguir más menciones?
No existe una fórmula garantizada. Puede trabajar sobre claridad de entidad, relevancia temática, evidencia, contenido útil, reputación y presencia externa, y después medir los resultados.
Conclusión
Las menciones de marca son una de las unidades fundamentales de la visibilidad en inteligencia artificial.
La pregunta básica es sencilla:
¿Aparece nuestra marca?
Pero una medición útil debe ir mucho más allá.
Necesitamos saber:
¿en qué prompts?
¿para qué temas?
en qué plataformas?
con qué competidores?
en qué contexto?
con qué intención?
y con qué frecuencia?
AI Mention Rate proporciona una buena línea base.
Pero no debe confundirse con:
- recomendación;
- sentimiento;
- precisión;
- citas;
- autoridad.
Una marca puede ser mencionada mucho y recomendada poco.
Puede ser mencionada positivamente o negativamente.
Puede aparecer correctamente o con información falsa.
Puede ser mencionada sin que su web sea citada.
Por eso una estrategia madura no persigue simplemente:
más menciones.
Busca:
menciones relevantes, correctas y comercialmente útiles dentro de los prompts que realmente importan.
Cuando esta información se monitoriza de forma sistemática, las menciones dejan de ser observaciones anecdóticas.
Se convierten en una métrica de:
presencia,
competencia,
posicionamiento
y:
evolución de marca dentro de la inteligencia artificial.
Descubra dónde aparece su marca y dónde todavía está ausente
Construya un conjunto estable de prompts y mida cómo ChatGPT, Gemini, Copilot y Perplexity mencionan su empresa frente a competidores.
Analice:
Mention Rate,
temas,
intención,
plataformas,
contexto
y:
gaps competitivos.
Porque antes de convertirse en una marca recomendada, normalmente primero necesita entrar en la conversación.
