Una recomendación que no aparece en el informe
Un lunes por la mañana, el responsable de marketing abre el panel. Las sesiones están planas y el informe de canales no muestra nada fuera de lo común. Entonces llega un ticket de soporte que menciona a un competidor que no aparece en ningún embudo: tres semanas antes, un asistente lo recomendó al responder una pregunta que la marca llevaba un año intentando posicionar. No llegó ningún clic. Nada en la pila analítica registró la recomendación. La marca estuvo visible en el lugar donde se formaba la decisión y totalmente invisible en el lugar donde se cuentan los resultados.
No es un caso exótico. Branch encuestó a 300 responsables de marketing y crecimiento empresarial y encontró que el 89% afirmó que la búsqueda con IA mejoró el rendimiento del marketing en 2025 (benchmark empresarial de Branch, reportado por Business of Apps, 2026). La misma encuesta reveló que el 26% no podía trazar el camino desde el descubrimiento por IA hasta la conversión, y que el 24% decía que sus herramientas de analítica aún no admitían la atribución de IA. La confianza y la medición avanzan en direcciones opuestas: el canal goza de reconocimiento generalizado y casi nadie puede ponerle un número.
Lo que cada señal ve en realidad
| Señal | Qué registra | Dónde se queda ciega | Qué puede leer aún el equipo |
|---|---|---|---|
| Sesiones | Visitas que trajeron un clic | Cerca del 70% del tráfico de IA cae en Direct | El volumen que sobrevivió al clic |
| Fuente de referencia | El dominio que envió la visita | Las respuestas de IA rara vez dejan una referencia limpia | Qué terceros mencionan la marca |
| Cuota de voz de IA | Menciones en prompts muestreados | Es probabilística: remuestrear la mueve | La dirección de la visibilidad en el tiempo |
| Búsqueda de marca | Consultas del nombre de la marca | Mezcla muchas causas | Si exposición y demanda van juntas |
| Atribución de conversión | El camino entre descubrimiento y venta | El 26% de los equipos no puede trazarlo | Dónde están los límites de lo conocido |
Una métrica para un objetivo que se mueve
La cuota de voz de IA, o SOAV, llenó el vacío: las menciones de una marca divididas por todas las menciones rastreadas, multiplicadas por 100 (glosario de GEO Playbooks). Es lo bastante simple para explicarse en una frase y lo bastante frágil para confundir a una junta directiva. Las respuestas de IA se generan mediante muestreo frente a un prompt, no se recuperan de un índice fijo. La misma pregunta formulada dos veces puede nombrar marcas distintas. Un ranking tradicional es determinista: la misma consulta devuelve el mismo orden. SOAV es una lectura de una distribución, y una sola lectura es una base delgada para un objetivo trimestral.
El mercado de herramientas creció alrededor de esta ansiedad. Meticulous Research situó el mercado de software GEO en 210 millones de dólares en 2025 y en 370 millones en 2026, con una proyección de 4.120 millones para 2036 y una tasa de crecimiento anual compuesta del 27,3% (Meticulous Research, vía GII Research, 2026). El informe hace una observación más cruda que los pronósticos: ningún motor de respuesta ofrece una interfaz de visibilidad comparable a Search Console. No hay un lugar donde iniciar sesión y ver qué respuestas incluyeron a una marca. Esa ausencia, más que cualquier algoritmo de ranking, es lo que venden las nuevas herramientas.
Los datos de clics explican el motivo. Semrush y Machine Relations examinaron casi 69 millones de sesiones de escritorio en Google en Estados Unidos y hallaron que solo entre el 6% y el 8% de las sesiones de AI Mode continuaron hacia un dominio externo, dejando entre el 92% y el 94% sin ninguna salida; alrededor del 70% del tráfico de IA que sí llegó se archivó en el cubo Direct de GA4 (Semrush / Machine Relations, 2026). Las tasas de clic cero varían mucho entre estudios, dispositivos y definiciones de lo que cuenta como visita, así que la cifra que conviene conservar es el 6–8% de este conjunto de datos, no una constante universal. La consecuencia práctica es más extraña que un número bajo: una visita provocada por una respuesta de IA suele llegar sin referente, por lo que se contabiliza como si alguien hubiera escrito la dirección.
Las cifras reportadas por proveedores añaden la sensación de un mercado que corre más rápido que su medición. Los recuentos del sector sitúan la financiación de herramientas de visibilidad de IA por encima de los 300 millones de dólares entre el verano de 2025 y la primavera de 2026, con Profound captando 155 millones a una valoración de 1.000 millones. Estas cifras provienen de anuncios de proveedores recogidos por la prensa especializada, no de estados financieros auditados, y pertenecen al argumento como señal de demanda; una salvedad que importa cuando los mismos proveedores venden los paneles.
La tentación de fingir precisión
La tentación es vestir a SOAV con la ropa de un KPI exacto. Un panel que informa de un 4,2% con un decimal parece riguroso mientras descansa en una lista de prompts elegida a mano. Remuestrear los prompts la semana siguiente mueve el número, porque las respuestas subyacentes también se muestrean. Los equipos que fijan un objetivo trimestral de SOAV toman prestada la autoridad de las métricas de SEO sin la estabilidad que la sostiene. El uso defendible es direccional: mantener fija la lista de prompts, observar la banda en lugar del punto y acompañarla con encuestas de marca que pregunten dónde encontraron la marca por primera vez. Lo que se puede afirmar aquí es correlación —exposición y demanda que se mueven juntas—, no que una mención provocara una venta. Aceptar esta niebla es más riguroso que un decimal falso.
Esa es la razón para construir la observabilidad dentro del catálogo y no añadirla después. Un catálogo abierto que publica una entrada canónica y legible por máquina para cada mini-programa ofrece al problema de medición un objeto fijo: la misma descripción puede ser muestreada por un asistente, citada dentro de una respuesta y contada en un conjunto de prompts de SOAV. El runtime compartido de CrossMiniApp añade lo que una página no puede: una identidad gobernada y un registro de qué superficie de anfitrión ejecutó realmente el programa, de modo que la señal de visibilidad y la señal de ejecución apunten a lo mismo. La precisión no mejorará fingiendo que el clic existe. Mejora haciendo legible aquello que se recomienda y siendo honesto sobre cuánto del camino sigue sin verse.