Método
Cómo se mide la visibilidad en IA: las diferencias entre Google y los motores
La visibilidad en IA no es una media ni una nota: es la distancia entre cómo lee Google tus páginas públicas y lo que devuelven ChatGPT, Perplexity, Gemini, Grok y Google AI. Aquí tienes cómo se mide en Pico Neural.
Imagina que actualizas una página de servicios en marzo y que Perplexity, preguntado por ella, sigue devolviendo la redacción anterior. Es un escenario hipotético, pero sirve para entender cómo se mide la visibilidad en IA en Pico Neural. No arrancamos de una nota única: comparamos la lectura que hace Google de las mismas páginas públicas con lo que devuelven ChatGPT, Perplexity, Gemini, Grok y Google AI. Para nosotros, la visibilidad en IA es la distancia observable entre esas lecturas, no una media.
Qué no es una diferencia
Una diferencia no es un fallo del motor ni la prueba de que la página esté «penalizada». Tampoco es la variación entre dos respuestas del mismo motor en momentos distintos si la página no ha cambiado. Y no es, en ningún caso, la comparación entre Gemini y Google AI Overviews: son dos observaciones distintas y no se suman ni se intercambian. Dejar fuera estos casos evita atribuir a una página un problema que pertenece a cómo la observamos.
Dos diferencias con resultado opuesto
Volvamos al ejemplo ilustrativo: la página actualizada en marzo, Google la lee en su versión nueva y Perplexity devuelve la anterior. La diferencia se limita a un motor y a un contenido concreto. El segundo ejemplo, también hipotético, va en la dirección contraria: una página que Google ve y puede leer, pero que no aparece en las respuestas de un motor de IA preguntado por el mismo tema. Aquí la diferencia no está en la redacción, sino en la presencia. Distinguir ambos casos cambia lo que se corrige: en el primero se trabaja el contenido; en el segundo, que la página sea alcanzable para ese motor.
Una matriz rellenada, no solo descrita
Para que la comparación se pueda reutilizar, Pico Neural propone una matriz operativa: una fila por página y una columna por fuente observada. Es nuestra propuesta de lectura, no un estándar universal. Un ejemplo rellenado, con valores ilustrativos:
| Página | Perplexity | Gemini | Google AI Overviews | |
|---|---|---|---|---|
| Servicios actualizada en marzo | versión nueva | redacción anterior | versión nueva | no observada |
| Guía temática | presente | ausente | presente | presente |
La tabla no genera una nota: muestra dónde diverge la lectura y en qué fuente.
Cómo lo hacemos, paso a paso
- Elegimos las páginas públicas que vamos a observar y fijamos su versión de referencia, para que cada comparación posterior tenga un criterio verificable: la fecha y el contenido de la página en el momento de la observación.
- Comparamos la lectura de Google con lo que devuelven ChatGPT, Perplexity, Gemini, Grok y Google AI, manteniendo separadas las columnas de Gemini y Google AI Overviews: el criterio es que ninguna observación se mezcle con otra.
- Clasificamos cada divergencia como diferencia de redacción o de presencia, indicando la fuente y la página: el criterio es que cada fila de la matriz tenga una sola etiqueta por celda.
- Señalamos los motores que aún no se pueden observar: Claude y Grok se miden solo después de conectarlos, así que quedan fuera de la matriz hasta que se dé ese paso.
El aporte de este texto es tratar la diferencia como unidad de medida, no como síntoma. En Pico Neural, cuando una página diverge entre fuentes, la primera pregunta no es «cuánto somos visibles», sino «qué tipo de diferencia estamos mirando». Una diferencia de redacción, como en el ejemplo hipotético de la página actualizada en marzo, afecta al texto que devuelve un motor: se aborda trabajando el contenido y su claridad. Una diferencia de presencia, como la página ausente en un motor, afecta al acceso a la página: se aborda comprobando que esa página sea realmente alcanzable y legible para ese motor. Mantener separados los dos tipos evita correcciones en el sitio equivocado. La matriz rellenada sirve justo para eso: mostrar en una sola vista dónde diverge la lectura y en qué fuente, sin convertir la vista en una clasificación. Es una propuesta operativa de Pico Neural, pensada para reutilizarse en varias páginas, no un método universal ni un índice de posicionamiento.
Límite verificable: la matriz solo observa las páginas públicas incluidas en la observación y solo los motores nombrados; una respuesta de API no equivale a la pantalla de una persona, y Claude y Grok quedan fuera hasta que se conecten.
Para el cuadro completo de cómo plantea Pico Neural la observación, consulta la página de detalle.
Cómo leer la visibilidad en IA de un sitio con Cómo funciona
Visibilidad en IA: mide la diferencia entre lectura y resumen