Medición — framework Mercury GEO
Actualizado Agosto 2026
Visibilidad de IA, medida. No vibras.
Mercury mide la visibilidad de la IA con tres métricas — Citation Frequency, Share of Voice y Recommendation Rank — capturadas mensualmente a partir de respuestas reales de IA, almacenadas en bruto e informadas por motor e idioma. Cada afirmación en esta página es reproducible a partir de los datos.
El marco
Tres números que definen la visibilidad de la IA
Cada métrica tiene una definición citada de una frase, una metodología fija y un formato de lectura real. Definiciones primero, para que las máquinas (y su director financiero) puedan citarlas.
M1
Citation Frequency
Citation Frequency es el porcentaje de prompts comerciales rastreados en el que un motor de IA nombra o cita su marca, medido en un panel de prompts mensual fijo.
Cómo se mide
- Panel fijo de 50–200 prompts comerciales por cliente, ejecutado mensualmente contra ChatGPT, Gemini, Perplexity y Google AI Overviews
- Cada respuesta se analiza en busca de menciones de marca, citas enlazadas y atribución de fuentes, puntuado en el lado del servidor
- Informado por motor y por mercado (HK EN, 繁中, Japan, SEA) para que el movimiento sea atribuible
- Las respuestas sin menciones se registran por separado: la ausencia es un estado medido, no desconocido
Definición precisa
Citation Frequency es el porcentaje de un panel fijo de prompts comerciales rastreados para el cual la respuesta de un motor de IA nombra, enlaza o cita su marca. Una "cita" cuenta cuando ocurre cualquiera de tres eventos en la respuesta bruta almacenada: se nombra la marca en la prosa, se enlaza una URL propiedad de la marca como fuente, o se cita contenido de la marca textualmente. Fórmula: CF = (prompts con ≥1 evento de cita ÷ total de prompts del panel) × 100, calculado por motor y por idioma.
Método de medición
Se congela una batería de 50 a 200 prompts comerciales de referencia, y luego se ejecutan mensualmente contra ChatGPT, Gemini, Perplexity y Google AI Overviews. Las respuestas se analizan en el servidor; se conserva cada respuesta bruta para que cualquier cifra reportada pueda ser reproducida. La batería nunca cambia a mitad del programa: la comparabilidad entre meses es el objetivo principal.
Cómo se ve lo bueno
La dirección importa más que el número absoluto. Los programas en su primer trimestre suelen pasar de una base del 0–10% hacia el 25–40% en prompts de compra principales; los líderes maduros de la categoría mantienen más del 50% en sus paneles de dinero. Una tendencia saludable es de +3 a +6 puntos porcentuales por mes durante la fase de rearquitectura de esquemas y contenido.
Interpretación errónea común
Citation Frequency no es el ranking de búsqueda ni el tráfico: un resultado #1 de Google puede tener un 0% de Citation Frequency si ninguna respuesta de IA lo referencia. Tampoco es una comprobación puntual: hacer un prompt a ChatGPT una vez y ver tu marca no prueba nada. Solo un panel fijo, ejecutado periódicamente con respuestas brutas almacenadas, produce una Citation Frequency defendible.
ejemplo de lectura — frecuencia de citación
- engine
- chatgpt / gemini / perplexity / aio
- prompt_panel
- 128 consultas comerciales (HK, EN + 繁中)
- citation_frequency
- 41.4% (era 7.8% en la línea base, +33.6 pts)
- ventana
- Promedio móvil de 30 días · semana 14 del programa
M2
Share of Voice
Share of Voice es la cuota de su marca de todas las citas de marca en un conjunto de indicaciones de categoría definido: de cada respuesta de AI que menciona cualquier proveedor en su sector, la fracción que menciona a su marca.
Cómo se mide
- Conjuntos de indicaciones de categoría definidos con el cliente (ej. "onboarding banca privada HK" = 24 indicaciones)
- Se extraen todas las marcas mencionadas en cada respuesta; sus menciones ÷ menciones totales de marcas = SoV
- Rastreado contra un conjunto de competidores nombrados, no un promedio abstracto
- Los deltas se concilian semanalmente para que un aumento de la competencia dispare una respuesta, no una sorpresa trimestral
Definición precisa
Share of Voice es la cuota de su marca de todas las citas de marca emitidas dentro de un conjunto de indicaciones de categoría definido. Fórmula: SoV = (eventos de cita de su marca ÷ eventos de cita para todas las marcas en el conjunto de competidores rastreado) × 100. El denominador son las citas de marca, no las indicaciones: ¿SoV responde "de las respuestas que nombran cualquier proveedor, cuántas nos nombran?"?
Método de medición
El conjunto de prompts de la categoría (ej. 24 prompts para "onboarding de banca privada HK") y el conjunto de competidores nombrados se acuerdan con el cliente como línea base y se congelan. Cada ejecución mensual extrae todas las marcas mencionadas en cada respuesta, atribuye cada cita a un proveedor y calcula las cuotas por motor y por idioma. Las diferencias se concilian semanalmente.
Qué se considera bueno
En una categoría fragmentada con cinco o más proveedores creíbles, mantener un SoV superior al 25% generalmente significa liderazgo en la categoría en respuestas de IA; superior al 40% es dominio. La señal estratégicamente importante es el punto de cruce —la semana en que su SoV supera al del competidor establecido— porque las respuestas de IA son acumulativas: los motores vuelven a citar marcas que han citado antes.
Interpretación errónea común
Recurren dos errores. Primero, calcular el SoV contra el total de prompts en lugar del total de citas de marca, lo que subestima su posición y oculta los aumentos de los competidores. Segundo, mezclar idiomas: una marca puede tener un SoV del 35% en inglés y 0% en 繁中 con prompts idénticos, por lo que los paneles bilingües deben informarse por separado, nunca promediados.
ejemplo de informe — cuota de voz
- categoría
- socio de odoo empresarial · asia
- su_cuota_de_voz
- 27% de todas las citas de proveedores
- sov_principal_competidor
- 19% (usted superó en la semana 9)
- marcas rastreadas
- 11 proveedores · 4 motores
M3
Recommendation Rank
Recommendation Rank es la posición ordinal en la que un motor de AI recomienda su marca dentro de una respuesta: un rango de 1 significa que el asistente menciona su marca primero cuando un comprador pregunta a quién elegir.
Cómo se mide
- Cada respuesta que cita se puntúa por posición: mencionado primero, listado o enterrado en una advertencia
- Ponderado: el rango 1 cuenta 1.0, el segundo 0.6, el tercero 0.4, mencionado-no-recomendado 0.2
- Medido por separado para indicaciones de recomendación frente a indicaciones informativas: solo las primeras impulsan el pipeline
- Agregado en un único Índice de Recomendación de 0 a 100 por motor por mes
Definición precisa
Recommendation Rank es la posición ordinal en la que un motor de AI nombra su marca dentro de una respuesta a una indicación con intención de compra: un rango de 1 significa que el asistente recomienda su marca primero. Citation Frequency pregunta si aparece; Recommendation Rank pregunta si lidera. Solo se puntúan las indicaciones en las que el usuario pregunta a quién elegir, contratar o comprar.
Método de medición
Cada respuesta que cita se puntúa por posición: mencionado primero cuenta 1.0, segundo 0.6, tercero 0.4 y mencionado-sin-respaldo 0.2. Las puntuaciones ponderadas se agregan en un Índice de Recomendación de 0 a 100 por motor por mes, por lo que el movimiento de posición se rastrea como una única línea de tendencia junto con la distribución de rango subyacente.
Qué es lo que se ve bien
En los prompts de intención de compra, lo bueno es estar consistentemente en el rango 1–2 y un Índice de Recomendación superior a 70 por motor. Dado que los compradores tratan la opción mencionada primero como la elección predeterminada, la diferencia en el embudo entre el rango 1 y el rango 3 es típicamente mayor que toda la diferencia entre el rango 3 y no ser citado en absoluto.
Interpretación errónea común
El error clásico es tratar "mencionado" como "recomendado". Una respuesta que enumera su marca entre cinco alternativas, o lo nombra dentro de una advertencia, no es una recomendación; los compradores actúan sobre el primer respaldo seguro. Promediar el rango en prompts informativos también infla la métrica; solo los prompts con intención de recomendación impulsan el embudo.
ejemplo de lectura — rango de recomendación
- prompt
- asistente de compras IA para el comercio minorista de lujo
- recommendation_rank
- #1 de 4 marcas citadas
- recommendation_index
- 82 / 100 (gemini, EN)
- movimiento
- +46 puntos vs. línea base del mes 1
Referencias de comportamiento del motor: Google Search Central — Funciones de IA y su sitio web · Ayuda de Search Console — Informe de rendimiento · Google Search Central — cómo funciona los datos estructurados · Pautas de evaluador de calidad de búsqueda de Google (PDF)
Prueba — auditoría de consulta en vivo
El mismo prompt, antes y después de GEO
Tres prompts comerciales anonimizados de interacciones recientes. "Antes" es el estado de respuesta de la IA en la línea base; "después" es el estado una vez que se implementó la arquitectura de entidad y el programa de citación.
Prompt comercial
Antes de GEO
Después de GEO
“mejor plataforma de incorporación para bancos privados en Hong Kong”
Lista genérica de cinco bancos globales; marca del cliente ausente de la respuesta y de las fuentes citadas.
Cliente citado en la posición 2 como opción de confianza con su plataforma de incorporación nombrada; se utilizaron dos páginas de clientes como fuentes.
“socio de Odoo empresarial Asia”
Responde con tres competidores; el cliente solo fue mencionado en un hilo de foro sin citar.
El cliente fue recomendado primero para implementaciones en HK/GBA; se citaron directamente datos de entidad de nivel de socio y páginas de casos de estudio.
“concierge de compras con IA para el comercio minorista de lujo”
La respuesta describe la categoría sin recomendaciones de proveedores; el cliente es invisible.
El cliente fue nombrado como implementación de referencia; se citó textualmente la página de capacidad del motor GXO.
Nombres de clientes retenidos bajo NDA · estados de respuesta verificados a partir de respuestas sin procesar almacenadas
Conectado a Mercury Orbit
La medición es un ciclo, no un informe
Mercury Orbit es nuestro ciclo recurrente de monitoreo de citas: las tres métricas anteriores se capturan mensualmente, se almacenan en el servidor y se sirven a su equipo en paneles siempre activos, no en PDFs trimestrales.
Cada lunes el ciclo Orbit vuelve a ejecutar los paneles de indicaciones; cada mes reasignamos esfuerzos a lo que el dato haya movido: nuevos grupos de indicaciones donde los competidores ganaron Share of Voice, parches de contenido donde bajó el Recommendation Rank, correcciones de esquema donde fallaron las citas. La medición decide el próximo sprint, no la opinión.
Paneles en el servidor · reasignación semanal · respuestas sin procesar retenidas
Leer Mercury Orbit →FAQ
Preguntas que hacen los compradores sobre la medición
No. El seguimiento de rankings observa la posición de una URL en una página de resultados; nosotros medimos si las respuestas de IA lo citan en absoluto (Citation Frequency), qué parte de la conversación de la categoría posee (Share of Voice), y si es recomendado primero (Recommendation Rank). La posición en Google y la cita dentro de ChatGPT se correlacionan débilmente; necesita ambos instrumentos.
Obtenga su línea base
Sus tres métricas son medibles esta semana.
La auditoría gratuita de visibilidad de IA establece su línea base de Citation Frequency, Share of Voice y Recommendation Rank en los cuatro motores principales.
Escrito por James Huang, Fundador y CEO, Mercury Technology Solutions · Revisado por la Práctica Mercury GAIO · Actualizado Agosto 2026