IAB propone nuevas métricas para medir la visibilidad de marcas en las búsquedas con IA
IAB ha publicado nuevas recomendaciones para ayudar a marcas y medios a medir su visibilidad en los resultados de búsqueda generados por inteligencia artificial, un ámbito en rápida evolución en el que todavía existen importantes dificultades para establecer métricas comparables y consistentes. El documento, titulado Measuring Visibility in the AI Era, recoge una serie de pautas, recomendaciones y datos que las compañías deberían tener en cuenta para analizar cómo aparecen sus contenidos y marcas en las respuestas de herramientas de búsqueda basadas en IA.
IAB aclara, no obstante, que sus recomendaciones no constituyen un estándar oficial. Caroline Giegerich, vicepresidenta de IA de la organización, explica en Adexchanger que todavía no existen las condiciones necesarias para establecer una metodología estable, debido a la transición que atraviesa el mercado y a la variabilidad de las respuestas generadas por los modelos de inteligencia artificial. La organización tampoco define su propuesta como un nuevo framework. Según Giegerich, el término fue descartado para evitar seguir ampliando el número de marcos de medición existentes en un mercado que ya cuenta con numerosas metodologías y herramientas de optimización para buscadores generativos.
Las ‘4P’ de la visibilidad en IA
El núcleo de las recomendaciones de IAB se articula alrededor de cuatro dimensiones que permiten analizar diferentes aspectos de la presencia de una marca o un medio en las respuestas generadas por IA: Presence, Prominence, Portrayal y Persuasion.
La primera, Presence (presencia), mide con qué frecuencia aparece una marca en las consultas realizadas a los sistemas de IA o, en el caso de los medios, cuántas veces sus contenidos son citados como fuentes.
La segunda, Prominence (prominencia), analiza la posición que ocupa una marca o contenido dentro de la respuesta y el grado de relevancia que le concede el sistema. No es lo mismo aparecer destacado como una recomendación que formar parte de una lista junto a numerosas alternativas.
La tercera dimensión, Portrayal (representación), se centra en cómo aparece una marca o un medio. Incluye aspectos como el tono, el sentimiento y, especialmente, la precisión de la información. IAB diferencia entre las alucinaciones generadas por los modelos y las inexactitudes derivadas de datos desactualizados o poco representativos.
Esta última cuestión constituye uno de los principales riesgos para las marcas. Aunque los avances de los grandes modelos han reducido la frecuencia de determinadas respuestas incorrectas, una información factual desactualizada o incorrecta puede afectar directamente a la percepción que los consumidores tienen de una compañía.
El cuarto punto, Persuasion (persuasión), mide la capacidad de una recomendación o mención en una respuesta de IA para generar una acción posterior, como una visita a la página web. Entre los indicadores posibles se encuentra el porcentaje de clics posterior a una citación.
Esta métrica adquiere especial importancia para los medios de comunicación, que afrontan una creciente presión sobre el tráfico procedente de buscadores a medida que herramientas como las respuestas generativas y las funciones de búsqueda con IA ofrecen al usuario información cada vez más completa sin necesidad de visitar la fuente original.
El volumen de consultas gana importancia
IAB también diferencia entre mediciones de carácter direccional y aquellas consideradas decision-grade, es decir, suficientemente sólidas como para respaldar decisiones de inversión. Las primeras pueden servir para obtener indicios sobre cómo aparece una marca en los resultados de IA, pero presentan limitaciones importantes. Por ejemplo, realizar unas pocas decenas de consultas y observar si una marca aparece permite obtener una orientación inicial, pero no ofrece suficiente información para extraer conclusiones robustas.
Las recomendaciones establecen que menos de 50 consultas deben considerarse un ejercicio exploratorio y no permiten caracterizar de forma significativa una categoría. Para tomar decisiones relacionadas con la asignación de presupuestos, IAB recomienda utilizar mediciones basadas en un volumen mayor de consultas, realizadas en diferentes plataformas y sometidas a procesos de comprobación más rigurosos. La razón es la propia naturaleza de los sistemas de IA. A diferencia de los resultados tradicionales de los buscadores, las respuestas generadas pueden variar ante una misma consulta. Por ello, analizar únicamente un reducido número de prompts puede ofrecer una imagen parcial de la visibilidad real de una marca.
La importancia de diversificar los prompts
IAB también recomienda analizar diferentes tipos de consultas para entender cómo cambia la presencia de una marca en función de la intención del usuario. Una búsqueda genérica como “mejores zapatillas” puede producir resultados muy diferentes a una consulta más específica como “mejores zapatillas para correr”. Analizar múltiples variantes permite detectar en qué contextos aparece una marca y dónde existen oportunidades para reforzar su presencia.
Este análisis puede resultar especialmente relevante cuando cambian las tendencias de consumo o aumenta el interés por determinadas categorías. Las marcas pueden utilizar estos datos para identificar nuevos espacios de oportunidad y adaptar sus estrategias de contenido y posicionamiento. Las recomendaciones de IAB llegan en un momento en el que proliferan las herramientas de AEO (Answer Engine Optimization) y GEO (Generative Engine Optimization) destinadas a mejorar la presencia de las marcas en respuestas generadas por inteligencia artificial.
Sin embargo, la organización no apuesta por ningún proveedor o herramienta concreta. Su objetivo es establecer una referencia neutral que permita a anunciantes y medios evaluar sus resultados con independencia de la plataforma utilizada. La falta de estabilidad de los sistemas de IA dificulta, por ahora, la creación de un estándar definitivo. La variabilidad de las respuestas, la evolución constante de los modelos y la diversidad de plataformas hacen que la medición de la visibilidad en IA siga siendo un terreno en construcción.
En este contexto, las recomendaciones de IAB pretenden ofrecer un punto de partida para que marcas y publishers pasen de observar de manera anecdótica si aparecen o no en las respuestas generativas a analizar de forma más estructurada con qué frecuencia aparecen, qué posición ocupan, cómo son descritos y si esa visibilidad genera tráfico o acciones posteriores.
Puntos clave:
IAB propone las ‘4P’ para medir la visibilidad en IA: presencia, prominencia, representación y persuasión permiten analizar con qué frecuencia aparece una marca, qué posición ocupa, cómo es descrita y si genera tráfico.
Todavía no existe un estándar consolidado, la variabilidad de las respuestas de los sistemas de IA dificulta establecer métricas definitivas. IAB recomienda superar las mediciones meramente exploratorias y utilizar volúmenes de consultas más amplios.
La medición debe orientar las decisiones de inversión: el análisis de diferentes tipos de prompts y plataformas permitirá a marcas y medios identificar oportunidades de visibilidad y determinar qué presencia en las respuestas de IA genera resultados reales.
Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.
