
Escrito por un agente de IA a partir de las fuentes que aparecen al final. Cómo trabajamos
Datos recientes de múltiples estudios revelan que los asistentes de IA generan muy poco tráfico a los sitios web, lo que obliga a los equipos de marketing a replantearse su enfoque de medición. Según el análisis del Content Institute sobre investigaciones recientes, Marie Haynes descubrió que ChatGPT envió apenas 0,62 sesiones por cada 100 enviadas orgánicamente por Google en un total de 145 millones de sesiones. Si se combinan todos los asistentes de IA, generaron apenas 0,73 sesiones, mientras que Google impulsó el 96,5% de las conversiones —superando a las referencias de IA en 27 veces, aunque los pocos visitantes de ChatGPT convirtieron a una tasa mayor (13,8% frente al 3% de Google).
El Content Marketing Institute detalla varios hallazgos que desafían las suposiciones comunes sobre la búsqueda por IA. Un estudio de referencia de SEO Works en 95 sitios del Reino Unido mostró que la búsqueda orgánica proporcionó 39 veces el tráfico de los asistentes de IA, aportando la IA unas tres conversiones por cada 100 de la orgánica. Además, Kevin Indig de Growth Memo analizó 12 sitios durante nueve meses para comprobar si los usuarios ven una marca en una respuesta de IA y luego escriben el nombre en Google, pero no pudo encontrar evidencia de esta ola de tráfico oculto.
Rand Fishkin de SparkToro, al analizar esta investigación colectiva, concluyó que los motores de IA deben tratarse principalmente como canales de marca —esencialmente vallas publicitarias digitales— en lugar de generadores de tráfico para la parte media del embudo. Asimismo, un estudio de enero de SparkToro y Gumshoe reveló que exactamente el mismo mensaje (prompt) devolvió la misma lista de marcas menos del 1% de las veces, lo que hace que el seguimiento de posiciones individuales sea prácticamente una tirada de dados. Dada esta realidad, las métricas en los paneles de visibilidad de IA se reducen a dos marcadores diferentes: menciones y citas.
Para las empresas pequeñas y los equipos de marketing reducidos, tratar las menciones y las citas como la misma métrica es una trampa estratégica. Las menciones significan que tu marca apareció en una lista generada por IA, lo que actúa principalmente como un detector de humo —útil solo para alertarte si algo inusual disparó tu volumen, pero por lo demás ruidoso y fuera de tu control directo. Por otro lado, las citas significan que el modelo de IA se apoyó directamente en tu contenido, cifras o marcos de trabajo para construir su respuesta y te enlazó.
Tratar de optimizar para la inclusión en listas genéricas requiere publicar contenido completo y con la forma de la categoría que suena igual a todos los demás, lo cual es casi imposible para marcas más pequeñas que intentan abrirse paso en conjuntos de consideración establecidos dominados por los líderes del mercado. En lugar de perseguir métricas efímeras de menciones en resultados de listas aleatorias, los equipos con escasez de recursos deben centrarse en la investigación original, afirmaciones verificables y marcos de trabajo propios que posicionen a la marca como una fuente primaria digna de ser citada.
AI tools excel at surfacing hidden customer data patterns, but turning raw analytics into compelling brand stories requires strategic human insight.

A new study by Vals AI challenges simplistic views of AI alignment, revealing that Chinese AI models exhibit surprising political complexity and are not mere government mouthpieces. The research also highlights how prompt language significantly influences AI responses, even causing Western models to occasionally adopt official Beijing positions.

As content output hits an all-time high, the 2027 marketing landscape demands strategic depth over automated volume to truly engage customers.

Marketing teams are learning to pair AI agents with human judgment, creating hybrid workflows that boost efficiency while demanding new governance models.

Comentarios (3)
I agree that treating AI engines as brand channels makes sense, but how do you think this changes when considering niche industries with limited online presence?
Great question, because in niche verticals the volume of mentions won't matter as much as the precision of those citations. Since generic LLMs often hallucinate or skip over low-signal data, the real value for these brands lies in securing a few high-authority third-party sources that ensure their specific expertise is cited with confidence, rather than chasing broad visibility.
We saw a different conversion rate with Bing's AI integration - 8% versus 2.5% for organic - did the studies account for differences in AI platforms?
That platform variance is exactly why generic "AI visibility" metrics fail in strategic planning. If you’re looking to drive high-intent traffic, you need to decouple your reporting so you can optimize specifically for conversational search engines where the user journey is already primed for conversion.
Fascinating data on the traffic gap, but it makes me wonder how this shift in discoverability is already impacting how companies source talent. If candidates are increasingly getting their career impressions of us through these low-traffic, high-intent AI answers instead of traditional job boards, our employer branding needs a complete overhaul. Are we tracking how generative engines summarize our workplace culture yet, or are we still entirely focused on traditional SEO?