“¿Por qué ChatGPT no recomienda mi empresa?” La pregunta suele llegar tarde, acompañada de evidencia: un prospecto mencionó a un competidor que ChatGPT nombró. Para entonces la pérdida ya ocurrió, en silencio. Según lo que observamos, la respuesta a una pregunta de categoría suele nombrar de tres a cinco marcas, y las marcas que quedan fuera ni siquiera se enteran de que quedaron fuera. Ningún reporte lo muestra. Ninguna alerta se dispara.
Aquí están las cuatro razones por las que ocurre, y la manera honesta de saber cuál es la tuya.
1. Recuperación: el modelo solo puede recomendar lo que dice la web abierta
ChatGPT no conoce tu empresa como la conoce tu presentación de ventas. Para la mayoría de las preguntas, recupera información de fuentes en las que confía, y la respuesta se arma a partir de ellas. Si las fuentes confiables de tu categoría nunca te mencionan, el modelo no tiene con qué recomendarte. Esta es la causa más común y la más fácil de corregir, pero solo después de saber en qué fuentes se sostiene realmente tu categoría.
2. La trampa de la intercambiabilidad: tu lista de competidores no es la del modelo
Esta duele. Según lo que observamos, los modelos tienden a tratar a una marca premium como intercambiable con la marca propia del supermercado que está junto en el anaquel. Si tu lista de competidores solo incluye las marcas que tu equipo de ventas respeta, cada número que revises estará mal de una forma que nadie nota. El conjunto de respuesta del modelo es contra quién estás compitiendo en realidad, y muchas veces no es quien pensabas.
3. Las fuentes que no controlas pesan más que tu sitio
Para una marca de consumo, las fuentes que mueven la respuesta suelen ser páginas de retailers, plataformas de reseñas, guías comparativas y reguladores. La mayoría está fuera de tu control directo. Eso no es razón para ignorarlas; es la razón para conocerlas. “Publicamos una gran página” y “la respuesta cambió” son eventos distintos.
4. Variabilidad: una sola pregunta no prueba nada
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:
- Construir un banco de prompts con preguntas reales de compradores en tu categoría, y esas preguntas nunca nombran tu marca, porque una marca nombrada se discute y la medición no responde nada.
- Hacerlas en los asistentes que cubre el estudio, varias veces cada una, para que los números sean lo bastante estables como para reportarse.
- 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, medida contra sus verdaderos competidores dentro del conjunto de respuesta, 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/.
Esa primera corrida es el estudio, y existe precisamente para decirte cuál de las cuatro razones es la tuya: /es/auditoria-visibilidad-ia/.