Share of Model: el KPI que reemplaza al Share of Voice en la era de la IA
Tu puntuación de Share of Voice es halagadora. Tu pipeline procedente del tráfico orgánico se erosiona en silencio. Estas dos realidades no se contradicen - describen el mismo problema.
Los compradores han trasladado su investigación a los asistentes de IA. Cuando un comprador B2B le pregunta a ChatGPT "¿Cuál es la mejor plataforma GTM para una empresa SaaS de 50 personas?", las marcas que aparecen en la respuesta entran en la lista corta. Las que no figuran nunca se mencionan. La visibilidad de marca se decide ahora antes de que el tráfico al sitio web exista siquiera. Los indicadores clásicos - tasa de clics, páginas vistas - solo capturan a los usuarios que realmente aterrizan en tu sitio; si un LLM no menciona tu marca en su respuesta, esos usuarios nunca llegan a tu funnel.
El Share of Voice no puede decirte nada de esto. Fue diseñado para otro mundo.
Por qué el Share of Voice mide hoy el mundo equivocado
El Share of Voice fue un buen indicador para la época en que se diseñó. En origen, medía qué parte de la presencia publicitaria se apropiaba una marca en un mercado - qué porción de la conversación dominaba a través de los medios de pago. Respondía a la pregunta: "¿Cuál es la voz de nuestra marca en el mercado?"
Esa pregunta daba por sentado que los compradores veían anuncios, recorrían páginas de resultados y hacían clic en enlaces. Cuando los compradores consultan asistentes de IA para obtener recomendaciones de productos, a menudo se saltan la página de resultados. La IA ofrece una respuesta directa, y las marcas citadas en ella captan la atención. El Share of Model rastrea qué marcas están "top of mind" para la IA - lo que equivale cada vez más a estar top of mind para los compradores que usan la IA en su proceso de investigación.
Los datos que ilustran este cambio ya no son especulativos. Encuestas recientes a compradores muestran que la mayoría de los compradores de software comienzan ahora su investigación con un chatbot de IA en lugar de con Google, que una parte significativa acaba eligiendo un proveedor distinto al que tenían en mente inicialmente, y que una proporción nada despreciable compra a una marca que no conocía antes de la recomendación de la IA.
Esta es la diferencia concreta: puedes alcanzar un 40 % de Share of Voice con un presupuesto publicitario agresivo y tener aun así un 0 % de Share of Model si las plataformas de IA nunca te mencionan. Lo contrario también es cierto - una marca más modesta con una sólida autoridad editorial puede dominar las recomendaciones de la IA mientras queda aplastada 1 a 10 en los medios tradicionales.
Esto no es un matiz. Es una ruptura estructural en la forma en que funciona la visibilidad.
Qué es el Share of Model - y sus tres submétricas fundamentales
El Share of Model (SoM) es un indicador de marketing que mide con qué frecuencia, con qué prominencia y con qué tono aparece una marca en las respuestas de los grandes modelos de lenguaje - en comparación con sus competidores. Es el equivalente del Share of Voice en la era de la IA.
El cálculo es el siguiente: (número de respuestas de IA en las que se menciona tu marca) ÷ (número total de consultas probadas) × 100. Lanza 20 prompts con intención de compra en ChatGPT y tu marca aparece en 5 respuestas - tu SoM para esa plataforma es del 25 %.
La fórmula es sencilla. La medición no lo es, porque la visibilidad en los LLM es probabilística. Un modelo de IA podría mencionar tu marca en el 80 % de las respuestas a un prompt determinado y solo en el 20 % de las respuestas a una formulación ligeramente diferente. Esta variabilidad hace que la medición por frecuencia sea imprescindible y que los rankings en un único instante carezcan de significado.
El SoM se desglosa en tres submétricas que conviene seguir por separado:
1. Citation Share of Voice - Con qué frecuencia se te cita en comparación con tus competidores en un conjunto definido de prompts. Una distinción importante: una URL puede citarse sin que se nombre la marca (Recognition Gap), y la marca puede nombrarse sin que se incluya un enlace URL (Referral Gap). Los ingresos correlacionan más con las citas; el reconocimiento de marca correlaciona más con las menciones. Haz seguimiento de ambos y repórtalos por separado.
2. Integración de URL de fuentes - Qué páginas de tu sitio se utilizan efectivamente como fuentes citadas. La brecha mención-cita aparece cuando las plataformas de IA mencionan tu marca en una respuesta sin remitir a tus contenidos como fuente. Esto indica que la IA conoce tu marca, pero no confía lo suficiente en tus contenidos como para citarlos. Cerrar esta brecha pasa por publicar contenidos estructurados y con autoridad en tu propio dominio que respondan directamente a las preguntas que plantean los sistemas de IA.
3. Sentimiento de las menciones - Si la IA te presenta de forma positiva, neutral o negativa. Para cada mención, registra si la marca se describe como una solución recomendada, se cita sin valoración o se menciona con reservas y críticas. El sentimiento es determinante: puedes aumentar la frecuencia de cita y al mismo tiempo perder el control del relato si el modelo te menciona con matices negativos.
Nota sobre la metodología: Las herramientas de medición del SoM aún están madurando. A mediados de 2026, no existe una fórmula estándar en el sector — HubSpot, Semrush y Profound publican metodologías sensiblemente distintas. Considere sus cifras de SoM como datos de tendencia direccionales, no como valores absolutos precisos. Lo que importa es una medición coherente aplicada a un conjunto fijo de prompts y a un grupo de competidores estables a lo largo del tiempo.
La verdad incómoda: la mayor parte de tu visibilidad en la IA se construye fuera de tus propias páginas
Este es el hallazgo que debería transformar toda tu estrategia de contenido.
Un estudio de Foundation × AirOps analizó 57,2 millones de citas de IA sobre 50 marcas, siete sectores y 5,1 millones de respuestas de IA a lo largo de 60 días. El resultado: del total de las 50 marcas y los siete sectores, solo el 10,15 % de las citas en las respuestas de LLM apuntaban a dominios propiedad de las marcas. El 90 % restante remitía a fuentes que esas marcas no controlan: hilos de Reddit, vídeos de YouTube, sitios de reseñas, sitios de la competencia, foros comunitarios y muchos más. En más de dos de cada tres respuestas de IA, los contenidos propios de la marca estaban completamente ausentes de las fuentes citadas - incluso cuando la propia marca era el tema de la respuesta.
Vuelve a leer esa última frase. La IA hablaba de esas marcas - y aun así no citaba sus propias páginas.
El AirOps 2026 State of AI Search Report confirma este patrón a gran escala: aproximadamente el 85 % de las menciones de marcas en las respuestas generadas por IA provienen de sitios de terceros en lugar de dominios propios, y alrededor del 48 % de las citas proceden de plataformas comunitarias como Reddit y YouTube.
La brecha se amplía todavía más en las consultas sin marca. Cuando AirOps analizó las respuestas de IA a consultas sin marca como "¿Cuál es la mejor herramienta de automatización de marketing para el mid-market?", solo un porcentaje de un dígito de los enlaces citados procedía de dominios propiedad de las marcas - y en la mayoría de esas respuestas no se citaba ninguna fuente propia. Estas consultas representan la fase de descubrimiento inicial, aquella en la que los compradores elaboran su primera lista de candidatos.
Es el momento que más importa en B2B - y tus propios contenidos están casi completamente ausentes de él.
Las marcas que invierten en una fuerte presencia fuera de sus propias páginas tienen una probabilidad notablemente mayor de obtener visibilidad en la búsqueda de IA que a través de sus contenidos propios únicamente. La mayoría de las menciones de terceros proviene de listicles, páginas de comparación y roundups de reseñas, y la mayoría de las marcas mencionadas aparecen entre las primeras posiciones de la página.
La conclusión es contundente: si tu estrategia de contenido se centra principalmente en "publicar más en nuestro blog", estás optimizando para el 10 % e ignorando el 90 %.
Por qué el SoM es volátil - y debe medirse de forma continua
Si la realidad de las fuentes de terceros es la primera verdad incómoda, los datos sobre la volatilidad son la segunda.
Solo el 30 % de las marcas se mantienen visibles de una respuesta de IA a la siguiente, y apenas el 20 % están presentes en cinco pasadas consecutivas del mismo prompt, según el AirOps 2026 State of AI Search Report.
Los LLM reconstruyen la respuesta desde cero cada vez, reevaluando qué páginas encajan mejor con la consulta. Esta reconstrucción permanente genera un barajado constante, lo que explica que la visibilidad a nivel de cada respuesta individual parezca inestable. No existe una "posición número uno" que mantener. Solo hay una probabilidad de aparecer - y esa probabilidad se desplaza continuamente.
Análisis independientes de grandes conjuntos de datos de citas muestran que una parte significativa de los dominios citados cambia de un mes a otro para consultas idénticas, y que a lo largo de seis meses la mayoría de los dominios citados son completamente distintos a los del inicio.
Por eso un seguimiento trimestral de tu visibilidad en la IA no es una estrategia de medición. Es una falsa sensación de seguridad.
La frescura es la palanca que realmente puedes accionar. Los datos son consistentes en varios estudios:
- Las páginas no actualizadas en más de 3 meses tienen más de 3 veces más probabilidades de perder visibilidad en la IA en comparación con las páginas actualizadas recientemente (AirOps, 2026 State of AI Search)
- Más del 70 % de todas las páginas citadas por la IA han sido actualizadas en los últimos 12 meses (AirOps, 2026 State of AI Search)
- Las citas comerciales - las directamente vinculadas a decisiones de compra - se concentran fuertemente en contenidos actualizados durante el último año (AirOps, 2026 State of AI Search)
Para las consultas con intención de compra, la frescura se convierte en una necesidad, no en una opción. Cuando los usuarios comparan soluciones, los modelos priorizan las páginas que reflejan precios, funcionalidades y afirmaciones actualizadas.
La era de "publicar una vez, posicionarse indefinidamente" ha terminado. En la búsqueda de IA, un contenido que no se mantiene activamente desaparece en silencio de las respuestas.
Instrumentar el Share of Model: guía paso a paso
Paso 1 - Definir la biblioteca de prompts
Tu biblioteca de prompts es la base de todo lo demás. Una biblioteca operativa para el seguimiento debe cubrir tres tipos de consultas: prompts con intención de compra ("mejores herramientas para X"), prompts de comparación ("marca A vs marca B") y prompts informativos ("¿cómo funciona X?"). La combinación de estas categorías ofrece una imagen más completa de dónde aparece tu marca y dónde está ausente.
Empieza con 20 a 30 prompts. Amplía a 50-100 una vez que tengas una línea base. Prioriza los prompts que se correspondan con las preguntas reales de investigación de tus compradores - extráelos de grabaciones de conversaciones comerciales, tickets de soporte y datos de "Otras preguntas frecuentes" de la búsqueda de Google.
Paso 2 - Definir el perímetro competitivo
Lanza las mismas consultas y registra cuándo aparecen los competidores. Calcula: (tus menciones) ÷ (tus menciones + todas las menciones de la competencia) × 100. Esa es tu cuota relativa - si apareces 6 veces y tus competidores aparecen 14 veces en total, tu SoM competitivo es del 30 %.
Haz seguimiento de 3 a 5 competidores directos. Por encima de esa cifra, la señal se diluye demasiado.
Paso 3 - Medir por plataforma, no como puntuación agregada
El Share of Model se mide plataforma por plataforma - tu SoM en ChatGPT, Perplexity, Gemini y Claude se sigue por separado, porque una marca puede tener un SoM alto en una plataforma y cercano a cero en otra. El conjunto de páginas citadas por cada motor se solapa mucho menos de lo que se suele suponer.
Paso 4 - Establecer un ritmo y mantenerlo
Guarda tu conjunto de consultas y úsalo cada mes. La regularidad es más importante que cualquier dato aislado - las respuestas de los modelos de IA evolucionan con frecuencia a medida que se actualizan los índices. Un seguimiento mensual te permite vincular acciones GEO concretas (actualizaciones de contenido, trabajo sobre señales de entidad, cambios de esquema) con variaciones medibles del SoM.
En categorías de evolución rápida como el SaaS, vale la pena hacer un seguimiento semanal.
Cómo mejorar tu SoM: el playbook en tres niveles
La medición te dice dónde estás. Aquí te explicamos cómo mover el marcador.
Nivel 1 - Owned: las Grounding Pages como base de precisión
Tus propios contenidos no son la principal fuente de la mayoría de las citas de IA - pero siguen siendo imprescindibles. Son la fuente de autoridad a la que recurren los autores de terceros y los miembros de comunidades cuando escriben sobre ti. Sin ellos, el 90 % no tiene nada fiable en lo que apoyarse.
En Nukipa llamamos a estas páginas Grounding Pages: páginas estructuradas, ricas en datos, que codifican tu posicionamiento, los detalles de tus productos y tus evidencias en un formato que los sistemas de IA pueden extraer con limpieza. Considéralas la fuente de verdad canónica para todo lo que se escribirá sobre ti en otros lugares. Deben actualizarse con una cadencia regular - las páginas no actualizadas en más de tres meses tienen más de 3 veces más probabilidades de perder visibilidad en comparación con las páginas actualizadas recientemente.
Nivel 2 - Earned: las citas de terceros son el verdadero motor
Aquí es donde la mayoría de los equipos de marketing B2B invierten de menos. Análisis recientes sugieren que las menciones de marca en sitios de terceros correlacionan más fuertemente con la visibilidad en la IA que los backlinks tradicionales - lo que desplaza el esfuerzo hacia el earned media y las relaciones públicas digitales.
El playbook concreto:
- Aparecer en contenidos comparativos. Para las marcas challengers, figurar en listas de "los mejores", artículos comparativos y roundups de reseñas sectoriales es la vía principal hacia la visibilidad en la búsqueda de IA.
- Participar de forma auténtica en plataformas comunitarias. Las plataformas comunitarias y el contenido generado por usuarios moldean hoy la forma en que los modelos entienden la confianza, la experiencia y la evaluación en una categoría. Participa en foros, plataformas de preguntas y respuestas y comunidades de nicho donde tu audiencia hace preguntas - de forma auténtica, respondiendo dudas y aportando contexto, no haciendo autopromoción.
- Conseguir menciones en prensa y analistas. Los placements de earned media en publicaciones que los sistemas de IA ya indexan y en las que confían son el mecanismo que inscribe tu marca en la memoria del modelo.
Nivel 3 - Freshness Loop: actualización continua en lugar de optimización puntual
Los LLM recompensan la novedad, no el ruido. La web está saturada de repeticiones, y los grandes modelos filtran a favor de las fuentes que aportan algo nuevo. Los equipos con mejor rendimiento se distinguen por el valor informativo añadido. Publican datos propios, insights internos y puntos de vista originales que enriquecen el conocimiento del modelo - sin repetirlo.
Establece un ciclo de actualización regular: revisa tus páginas clave cada trimestre, actualiza las estadísticas, añade nuevas evidencias y verifica que tus datos estructurados están al día. No es un proyecto editorial - es un hábito de mantenimiento.
Nukipa orquesta tu estrategia GEO — páginas de anclaje, citas de terceros y ciclos de actualización — en un sistema cohesionado y conectado. Compruébalo en acción.
Descubre cómo Nukipa impulsa tu visibilidad en IAUna nota rápida sobre las herramientas
La categoría de medición del SoM es real y crece rápidamente, pero sigue siendo joven. Todavía no existe una fórmula unificada - HubSpot, Semrush y Profound la calculan cada uno de forma diferente. Eso no es razón para esperar; es razón para elegir una metodología coherente y mantenerla.
Las categorías de herramientas que merecen evaluación:
- Plataformas dedicadas a la visibilidad en IA (p. ej. Profound, AthenaHQ, Scrunch AI, Otterly.AI) - diseñadas específicamente para el seguimiento de prompts, la monitorización de citas y el SoM competitivo en varios LLM
- Plataformas SEO con módulos de visibilidad en IA (p. ej. Semrush, Ahrefs) - útiles si quieres tener los datos de IA junto a las métricas de búsqueda clásicas en un único panel
- Herramientas de diagnóstico gratuitas (p. ej. el AEO Grader de HubSpot) - adecuadas para un snapshot de línea base puntual, no para un seguimiento continuo
Busca una Citation Intelligence que muestre las URL y dominios citados por los sistemas de IA, agrupados y presentados en el tiempo; un benchmarking competitivo con comparación de Share of Voice; así como alertas ante caídas de visibilidad y ganancias de la competencia.
Sea cual sea la herramienta elegida: lanza numerosos prompts relacionados con tu categoría en cada modelo relevante para tu audiencia - varias veces -, y trata los resultados como tendencias direccionales, no como cifras exactas. Mide por modelo, no como una puntuación agregada única, porque la visibilidad en un modelo no predice la visibilidad en otro.
El cambio de paradigma de la medición en una frase
El Share of Voice medía cuánto hablabas en un mundo de anuncios y enlaces clasificados. El Share of Model mide si los sistemas de IA - que hoy median la primera fase de la mayoría de las decisiones de compra B2B - te incluyen en la respuesta.
No se gestiona lo que no se mide. Y en este momento, la mayoría de los equipos de marketing B2B están midiendo un mundo que sus compradores ya han abandonado.
Las marcas que construyen ahora la medición del SoM y la infraestructura de contenido earned que la sustenta están creando una ventaja acumulativa. Las que esperan a que el indicador esté "maduro" están cediendo terreno cuya recuperación llevará años.
¿Qué es el Share of Model (SoM) y en qué se diferencia del Share of Voice?
El Share of Model mide la frecuencia, la prominencia y el tono con que tu marca aparece en las respuestas generadas por IA (ChatGPT, Gemini, Perplexity, Claude) en comparación con tus competidores. El Share of Voice medía tu presencia en medios de pago y resultados de búsqueda orgánicos. La diferencia clave: el SoV requería que un comprador hiciera clic para encontrarte; el SoM integra tu marca directamente en la respuesta — antes de cualquier clic.
¿Cómo calculo mi Share of Model?
La fórmula básica: (número de respuestas de IA que mencionan tu marca) ÷ (total de consultas analizadas) × 100. Para el SoM competitivo: tus menciones ÷ (tus menciones + todas las menciones de los competidores) × 100. Aplica esta fórmula sobre un conjunto fijo de prompts, por plataforma (ChatGPT, Perplexity, Gemini por separado), con una cadencia mensual regular.
¿Por qué mi marca aparece en algunas respuestas de IA pero no en otras para la misma consulta?
Las respuestas de IA son probabilísticas, no deterministas. Los LLM reconstruyen las respuestas desde cero cada vez, reevaluando qué fuentes se ajustan mejor a la consulta. Solo alrededor del 30 % de las marcas mantienen visibilidad de una respuesta de IA a otra. Por eso las comprobaciones puntuales son poco fiables — necesitas muestreos repetidos sobre muchos prompts para obtener una cifra de SoM significativa.
Si el 90 % de las citas de IA provienen de páginas de terceros, ¿debería dejar de invertir en mi propio contenido?
No — el contenido propio sigue siendo la base de credibilidad. Tus Grounding Pages (páginas propias estructuradas y ricas en datos factuales) son lo que los redactores externos y los miembros de comunidades consultan cuando escriben sobre ti. Sin contenido propio preciso, el ecosistema de terceros no tiene nada fiable en lo que apoyarse. El cambio está en el énfasis: el contenido propio es el cimiento, y las menciones de terceros ganadas son el principal motor de la visibilidad en IA.
¿Con qué frecuencia debo actualizar mi contenido para mantener mi visibilidad en IA?
Como mínimo, anualmente — pero el estándar competitivo es trimestral. Las páginas que no se han actualizado en más de 3 meses tienen más de 3 veces más probabilidades de perder sus citas de IA. En categorías de SaaS, finanzas y B2B de rápida evolución, la ventana efectiva es aún más corta. Establece un ciclo de actualización regular en lugar de tratar las actualizaciones de contenido como proyectos puntuales.
Related
AI SDRs y Agentes GTM Autónomos en 2026: Qué Hacen Realmente y Por Qué Solo Tener Agentes No Genera Pipeline
Los AI SDRs son una realidad en 2026. Pero comprar agentes sin visibilidad ni una estrategia GTM solo lanza prospección en frío a un mercado que ya ha tomado su decisión. Esto es lo que realmente importa.
Medir solo ChatGPT te cuesta pipeline: visibilidad multi-motor de IA para B2B
La cuota de ChatGPT en las referencias de IA para B2B ha caído del 89 % al 63 %. Quien solo rastrea un motor tiene puntos ciegos - y pierde pipeline. Así se mide y prioriza la visibilidad en IA en todos los motores relevantes.
El problema del 6 %: por qué casi todos usan IA en marketing y casi nadie ve ROI real
El 87 % de los profesionales del marketing usa IA generativa, pero solo el 6 % obtiene valor real en su cuenta de resultados. ¿Por qué ocurre esto y qué hacen diferente los que sí lo consiguen?