Las marcas miden su presencia en ChatGPT, pero no consiguen atribuirla a las ventas
La visibilidad de las marcas en los buscadores y asistentes basados en inteligencia artificial se ha convertido en una prioridad para los departamentos de marketing. Sin embargo, los directores de marketing, conocidos como CMO, se enfrentan ahora a un problema más complejo: demostrar que aparecer en las respuestas generadas por herramientas como ChatGPT se traduce realmente en ventas, leads u otros resultados comerciales.
La preocupación llega después de meses en los que las marcas han comenzado a invertir en herramientas específicas para medir su presencia en los resultados generados por modelos de lenguaje. Según una encuesta reciente sobre búsquedas mediante IA, el 73% de los profesionales consultados ya ha invertido en herramientas para monitorizar la visibilidad de sus marcas. Plataformas como Semrush, Profound o Scrunch permiten estimar con qué frecuencia aparece una marca en las respuestas de los modelos de IA y qué fuentes utilizan estos sistemas para elaborar sus resultados. El problema es que estos indicadores no ofrecen una conexión directa con las ventas o las conversiones. “No existe una única herramienta que pueda ofrecer una imagen completa del universo”, explica John Barham, managing partner de la agencia Roast, quien asegura que los CMO llevan aproximadamente 18 meses sometidos a una fuerte presión por parte de consejos de administración, equipos directivos e inversores para resolver esta cuestión. Ante la ausencia de una métrica definitiva, los equipos de marketing están recurriendo a diferentes fuentes de información para intentar reconstruir el impacto comercial de la visibilidad en IA. Alicia Yoon, fundadora y CEO de la marca de cosmética Peach & Lily, describe este proceso como una forma de “triangulación”. Los profesionales combinan señales indirectas y diferentes puntos de datos para estimar hasta qué punto la presencia (o ausencia) de una marca en productos como Google AI Overviews o ChatGPT puede estar influyendo en los leads y las ventas digitales. Algunas compañías ya están desarrollando sistemas más sofisticados. En la empresa de software B2B Rippling, el equipo de marketing combina las métricas de visibilidad proporcionadas por Profound y AirOps con datos de conversión de anuncios de pago en ChatGPT, tráfico procedente de búsquedas de marca y genéricas, y un modelo de marketing mix propio basado en Meridian, la plataforma de código abierto de Google. La metodología requiere el trabajo de especialistas internos en datos, pero podría anticipar cómo evolucionará la medición de la búsqueda basada en IA.
El tráfico procedente de ChatGPT crece con fuerza
La necesidad de resolver esta cuestión es cada vez mayor a medida que aumenta el uso de herramientas de IA para investigar productos y servicios. Según datos de Demandbase, las visitas dirigidas a marcas B2B desde ChatGPT aumentaron un 303 %, pasando de unas 645.000 en junio de 2025 a 2,6 millones en junio de 2026. Para Rachel Truair, CMO de Demandbase, conectar este incremento de tráfico con resultados comerciales devuelve a los profesionales de marketing a un viejo problema: la atribución. “Volvemos a las preguntas de atribución que nos han perseguido durante años”, señala Truair. Roast también recurre a modelos estadísticos para intentar establecer una relación entre la visibilidad en IA y los resultados empresariales. La agencia utiliza, entre otras herramientas, Causal Impact, un modelo de código abierto de Google basado en lógica bayesiana que permite analizar la relación entre determinados cambios y sus posibles efectos sobre resultados empresariales. El enfoque refleja una realidad cada vez más evidente para los anunciantes: no existe todavía una tecnología capaz de establecer una relación directa entre la visibilidad de una marca en un determinado modelo de IA y un aumento de las ventas. La dificultad para medir el impacto está impulsando nuevos esfuerzos para establecer estándares. IAB publicó recientemente unas directrices destinadas a ayudar a marcas, medios y agencias a medir la visibilidad en la era de la IA. Google también incorporó en junio una nueva funcionalidad en Search Console que permite consultar datos relacionados con el rendimiento de los contenidos en experiencias de búsqueda generativa. Mientras tanto, algunos especialistas consideran que la mejor opción sigue siendo construir modelos propios a partir de datos de primera mano. Mulenga Agley, fundador y CEO de la agencia Growthcurve, sostiene que las compañías deberían combinar la información de sus propias páginas con datos de tráfico, excluyendo aquello que pueda identificarse como tráfico procedente de IA. La falta de una conexión demostrable entre visibilidad y ventas no ha impedido que las marcas intenten mejorar su presencia en las respuestas generadas por los modelos de lenguaje. Una de las estrategias se centra en plataformas como YouTube y Reddit, cuyos contenidos pueden aparecer entre las fuentes utilizadas por los sistemas de IA. Algunas marcas han comenzado incluso a intervenir directamente en conversaciones que acumulan una elevada participación con el objetivo de influir en el consenso que posteriormente podrían recoger y resumir los modelos.
La plataforma de citas Seeking.com, por ejemplo, contrató a la agencia Disruptive Advertising para identificar e intervenir en conversaciones de Reddit con una elevada repercusión. Su co-CEO, Dana Rosewall, definió la estrategia como una forma de gestión de la reputación. Otras empresas han apostado por el marketing con creadores o por generar contenidos propios con la expectativa de que estos materiales contribuyan a mejorar su presencia en las respuestas de los modelos de IA. Pero los especialistas advierten de que conseguir una simple mención o cita no debería convertirse en el objetivo final. Andrew Wheeler, CEO de la agencia de marketing de contenidos Skyword, considera que las marcas deben preguntarse si el contenido consigue generar autoridad y, sobre todo, si esa autoridad acaba traduciéndose en resultados para el negocio.
Algunos anunciantes prefieren otras vías
La incertidumbre también está llevando a algunos CMO a destinar sus recursos a canales con una relación más clara con los resultados comerciales. Chad Keller, cofundador y CEO de Mellow Sleep, explica que su compañía ha priorizado la publicidad en redes sociales y el marketing con creadores. Aunque el equipo utiliza herramientas como Similarweb para monitorizar su rendimiento, Keller considera que generar suficiente notoriedad puede acabar favoreciendo también la visibilidad en los sistemas de IA, sin necesidad de recurrir a estrategias diseñadas específicamente para manipular sus resultados. La industria publicitaria, sin embargo, está intentando cubrir el vacío existente. En marzo, la agencia Assembly, perteneciente al grupo Stagwell, se asoció con la startup Emberos para desarrollar Search+, una solución destinada a medir la presencia de las marcas en los sistemas de búsqueda basados en IA. Dan Roberts, responsable global de búsqueda de Assembly, explicó a Digiday que la compañía trabaja para incorporar a la plataforma datos sobre conversiones, ingresos y leads y relacionarlos con la cuota de visibilidad de una marca en un determinado modelo de IA. La solución también podría combinar información sobre publicidad digital e influencia de creadores para tener en cuenta los múltiples factores que afectan a las respuestas generadas por estos sistemas.
Una nueva forma de entender el performance
El principal obstáculo, no obstante, seguirá siendo la dificultad para seguir al usuario desde una respuesta generada por IA hasta la compra. Un consumidor puede descubrir una marca en ChatGPT o en otro buscador generativo, pero posteriormente realizar la compra en Amazon, en otro marketplace o mediante un canal que la marca no controla. Esto hace que una parte significativa de las conversiones potencialmente relacionadas con la IA quede fuera de los sistemas tradicionales de medición. Para Alicia Yoon, existe inevitablemente una brecha en los datos de conversión que las marcas pueden capturar. La situación está obligando a los profesionales del marketing a replantearse una concepción de la búsqueda que durante años se apoyó en métricas relativamente directas. Según Barham, los equipos están teniendo que acostumbrarse a explicar el valor de sus acciones y de sus inversiones en medios en términos probabilísticos, en un entorno donde ya no siempre existe un dato descargable que permita atribuir una venta a una única plataforma o interacción. La visibilidad en IA, por tanto, se ha convertido en una métrica cada vez más relevante, pero todavía no en una prueba concluyente de impacto comercial. Para los CMOs, el siguiente reto no será únicamente conseguir aparecer en las respuestas de la inteligencia artificial, sino demostrar cuánto vale realmente esa presencia para el negocio.
Puntos clave:
Eel 73% de los profesionales de marketing ya ha invertido en herramientas para medir la presencia de sus marcas en sistemas como ChatGPT, pero todavía no existe una solución que conecte directamente esa visibilidad con conversiones o ingresos.
Los CMO recurren a modelos de atribución más complejos.Ante la falta de métricas directas, las empresas combinan datos de tráfico, conversiones, herramientas de visibilidad y modelos estadísticos para estimar el impacto comercial de la búsqueda generativa.
El aumento del tráfico de IA hace más urgente resolver la atribución, las visitas de ChatGPT a marcas B2B crecieron un 303% en un año, pero parte de las conversiones se produce fuera de los canales que las marcas pueden rastrear, lo que obliga a entender la búsqueda de IA en términos más probabilísticos.
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.
