Cómo lograr que la IA te recomiende: un estudio de 960 respuestas de ChatGPT, Gemini, Claude y Perplexity

Cuando alguien le pregunta a ChatGPT qué servicio o producto elegir, el modelo menciona entre cuatro y seis marcas. Para esa persona, todas las demás marcas simplemente no existen. Le hicimos a cuatro modelos 48 preguntas como esa, cinco veces cada una, recopilamos 960 respuestas, descargamos las 2,536 páginas a las que enlazaban y lo comparamos todo con los resultados de Google. La respuesta corta a la pregunta del titular: la IA recomienda las marcas de las que otras personas escriben, en las páginas que está leyendo ahora mismo. A continuación te explicamos con qué fuerza funciona esto, en qué se diferencia según el modelo y qué hacer exactamente para entrar en esas respuestas.

Este artículo continúa nuestra publicación sobre cómo aparecer en las respuestas de la IA. Aquel trataba del acceso técnico: bots, robots.txt, indexación. Este trata del siguiente paso: el sitio ya se está leyendo, pero por alguna razón no se recomienda.

Cómo lo medimos

48 preguntas comerciales del tipo «cuál es el mejor X» en ocho categorías: software para empresas, electrónica, finanzas, viajes, salud, servicios en línea, hogar y apuestas. La redacción es la que usaría una persona común, en inglés: el mercado de EE. UU. e internacional.

Cuatro modelos detrás de los asistentes de IA más utilizados: GPT-5.4 (ChatGPT), Gemini 3.8 Flash, Claude Sonnet 5 y Perplexity Sonar Pro. Cada uno tenía activada su propia búsqueda web nativa y no usamos ningún system prompt: la pregunta se envió exactamente como la haría una persona. Cada pregunta se envió a cada modelo cinco veces: 960 respuestas, sin fallos.

De cada respuesta extrajimos la lista de marcas recomendadas y asociamos cada marca con su dominio oficial, que es la unidad que realmente le importa al dueño de un sitio. Para las mismas 48 consultas capturamos la primera página de Google (EE. UU., inglés) y descargamos todas las páginas: tanto las citadas por los modelos como las que aparecen entre los diez primeros resultados. Logramos descargar el 92 % de las 2,536.

En la IA no hay posición: hay frecuencia

Lo primero que hay que entender antes de «promocionar» algo: la misma pregunta hecha dos veces al mismo modelo da listas distintas. Ya se había observado antes: la investigación de SparkToro de principios de 2026 encontró que ChatGPT y los AI Overviews de Google devuelven la misma lista de marcas en menos del 1 % de las repeticiones, y la misma lista en el mismo orden en menos del 0.1 %.

Nuestras tasas de coincidencia son más altas: del 14% en ChatGPT al 26% en Perplexity. La diferencia tiene una explicación: agrupamos los productos por marca (“Sony WH-1000XM5” y “Sony WH-1000XM6” son una sola marca, Sony), mientras que SparkToro comparó listas de productos específicos. Pero lo importante está en otro lado. La marca número uno coincide en el 80–95% de las repeticiones. El núcleo de la lista es estable; la cola es una lotería.

De aquí se desprenden dos conclusiones prácticas. Primero, “pregunté una vez y no aparezco” no significa nada: necesitas al menos cinco ejecuciones por consulta. Segundo, lo que vale la pena medir no es tu posición en la lista, sino la proporción de respuestas en las que apareces. Para cada consulta, cada modelo tiene un núcleo estable de 4–6 marcas que aparecen en tres de cada cinco ejecuciones o más. El objetivo es entrar en ese núcleo.

Una observación más que te ahorra mucho esfuerzo: los núcleos de los distintos modelos apenas se superponen. En la consulta mediana, 9 marcas forman parte del núcleo de al menos un modelo, pero solo 2 forman parte del núcleo de los cuatro a la vez: el 21.5%. Cada modelo es un canal independiente con sus propias fuentes, y estar presente en uno no garantiza estar presente en otro.

Dos caminos hacia una recomendación: memoria y búsqueda

La búsqueda web estaba activada para los cuatro modelos, pero el propio modelo decidía si buscar o no. Y aquí la diferencia resultó ser fundamental.

Gemini respondió desde su memoria el 78% de las veces sin abrir una sola fuente. ChatGPT y Perplexity siempre buscaron, y Claude lo hizo casi siempre. Esto significa que hay dos caminos distintos que llevan a una recomendación, y avanzan a velocidades diferentes.

La memoria es lo que quedó incorporado en el entrenamiento del modelo: la prominencia de la marca a largo plazo y el número de menciones en la web en el momento en que se recopilaron los datos. Esta palanca es lenta: el trabajo que hagas hoy solo se reflejará en las respuestas en futuras versiones del modelo. La búsqueda es lo que el modelo encuentra y lee en ese momento. Esta palanca es rápida: una página publicada e indexada esta semana puede aparecer en una respuesta la siguiente.

La buena noticia es que ambos caminos pasan por el mismo lugar: las páginas de otras personas sobre tu categoría. La búsqueda las lee, y el entrenamiento se construyó a partir de ellas en su momento.

La palanca principal: otras personas tienen que escribir sobre ti

Este es el resultado central del estudio. Para cada marca contamos cuántas páginas del top diez de Google para la misma consulta la mencionan, sin contar el sitio propio de la marca, y lo comparamos con la frecuencia con la que la marca es recomendada.

La relación es monótona y fuerte. Una marca sobre la que no escribe ninguna página del top se recomienda en el 19% de las respuestas en promedio. Una marca mencionada en seis páginas o más, en el 71%. Entre las primeras, solo una de cada diez llega al núcleo, es decir, se recomienda en al menos la mitad de las respuestas. Entre las segundas, lo logran tres de cada cuatro.

Usamos deliberadamente páginas de los resultados de Google en lugar de las páginas que citan los propios modelos. De lo contrario tendríamos un argumento circular: el modelo cita una página porque ya decidió recomendar la marca, y nosotros "descubrimos" que la marca aparece en las páginas citadas. El top diez de Google no depende de los modelos: es una lista externa de las páginas consideradas mejores para la consulta.

Las páginas que leen los modelos se pueden ver en las fuentes a las que enlazan.

Para Claude, Perplexity y Gemini, la fuente principal son las listas de los mejores, artículos como “Los 10 mejores gestores de contraseñas en 2026”. Representan entre el 55% y el 78% de todos los enlaces. ChatGPT funciona de otra manera: el 62% de sus enlaces apuntan a los sitios propios de las marcas. Arma la lista a partir de reseñas y luego verifica precios, planes y funciones en los sitios oficiales. Esto es importante, y volveremos sobre ello más adelante.

Reddit y YouTube, contrario a la creencia común, destacan solo en Gemini: 9% y 7% de sus fuentes. En los otros tres modelos Reddit está por debajo del 1%. Las plataformas de reseñas como G2, Capterra y Trustpilot representan cerca del 1% en todos. Una aclaración: nuestras consultas son preguntas comerciales del tipo “cuál es el mejor”, mientras que los estudios donde Reddit aparece en primer lugar suelen medir otros tipos de preguntas: consejos, experiencia personal, comparaciones del tipo “qué debería elegir”. Para recomendaciones en sentido estricto, las listas editoriales pesan más.

Qué páginas toma la IA como fuentes

Si el camino principal hacia las recomendaciones son las páginas de los mejores, la siguiente pregunta es cuáles de ellas eligen los modelos. Comparamos páginas editoriales del top diez de Google para las mismas consultas: al menos un modelo citó 121 de ellas, y ninguno citó las otras 118. Todas están en la primera página, así que la posición en Google queda igualada aquí.

La diferencia apunta en la misma dirección en todas las características. Las páginas citadas tienen más a menudo formato de lista de los mejores (84% frente a 53%) y llevan más de dos veces más seguido el año actual en el título (69% frente a 31%). Se actualizan con más frecuencia: el 56% se actualizó en los últimos 90 días frente al 28%, con una mediana de 30 días desde la última actualización frente a 67. Con más frecuencia nombran a un autor, tienen una tabla comparativa y usan marcado FAQPage o ItemList. Y son más largas: una mediana de 4,489 palabras frente a 2,013, y 13 encabezados H2 frente a 8.

Son correlaciones, no una receta: añadir el año al título no hará por sí solo que una página aparezca en las respuestas. Pero todas las características apuntan en la misma dirección: los modelos prefieren comparativas actualizadas, detalladas y estructuradas, con un autor claro. Si publicas comparativas propias, así es como conviene construirlas.

Una mención aparte sobre el vínculo con Google. Las páginas en las posiciones 1–6 son citadas por al menos un modelo el 45–47% de las veces, y las de las posiciones 7–10, el 36%. Pero cada modelo por separado toma solo del 8% (Gemini) al 32% (Perplexity) de las páginas del top diez de Google. Y de todos los enlaces que dan los modelos, solo el 7–21% está en el top diez de Google. La búsqueda con IA no es la primera página de Google. La búsqueda de ChatGPT, por ejemplo, se apoya mucho en el índice de Bing, y un sitio que apenas está en Bing no puede ser encontrado por ChatGPT por muy bien que se posicione en Google. Lo comprobamos con nosotros mismos.

Tu propio sitio: lo que hace y lo que no hace

En las respuestas con búsqueda, el sitio propio de la marca está entre las fuentes en el 23% de las recomendaciones y en el 35% de las primeras opciones. Así que, en la mayoría de los casos, el modelo recomienda una marca sin siquiera abrir su sitio, basándose en páginas de otras personas.

Pero tu propio sitio tiene dos tareas importantes. Primero, ChatGPT verifica ahí los datos, y los modelos repiten lo que encuentran casi palabra por palabra. Lo vimos en nosotros mismos: los cuatro modelos describieron nuestro servicio con palabras de nuestro propio sitio, hasta en las cifras. Si tu sitio no dice con claridad quién eres, para quién eres, cuánto cuestas y en qué te diferencias, el modelo tomará esa respuesta de otra fuente.

Segundo, las marcas cuyo propio sitio se posiciona en el top diez de Google para la misma consulta son recomendadas en el 63.5% de las respuestas en promedio, las demás en el 29.6%. Aquí vuelve a influir la notoriedad de la marca, así que no es un efecto puro. Pero un sitio que se posiciona por “best X” envía una señal tanto a la búsqueda de los modelos como a los autores de las listas.

Nos pusimos a prueba a nosotros mismos

En agosto, Ahrefs Brand Radar nos mostraba ceros en todas las plataformas de IA. La primera hipótesis era obvia: los bots estaban bloqueados. Los registros del servidor la descartaron: GPTBot, ClaudeBot y PerplexityBot sí llegaban al sitio. La causa real apareció en Bing: su índice tenía 2 de nuestras 852 páginas, y la búsqueda de ChatGPT se apoya mucho en Bing. Conectamos IndexNow, un protocolo mediante el cual un sitio avisa por sí mismo a Bing y a otros buscadores sobre las páginas nuevas. Hoy, en 15 consultas de marca, los resultados basados en Bing muestran al menos 37 páginas distintas nuestras.

Después hicimos las mismas preguntas sobre nosotros. En la pregunta de marca “qué es PromoPilot y si es bueno”, todos los modelos nos encontraron y nos describieron en las 12 respuestas. Claude y Perplexity enlazaron entre 11–14 de nuestras páginas. Pero en tres preguntas genéricas sobre nuestra categoría: “el mejor servicio de link building por niveles”, “qué puede automatizar el link building”, “dónde conseguir backlinks para un sitio de casinos”, ningún modelo nos nombró en ninguna de las 36 respuestas.

Esa es la conclusión principal del artículo, vista en un ejemplo real. La indexación y el acceso abierto son una condición necesaria: sin ellos no existes ni siquiera con tu propio nombre. Pero una recomendación ante una pregunta genérica no proviene de ellos: proviene de la presencia en listas de terceros, y todavía hay pocas sobre nosotros. Es justo en lo que estamos trabajando ahora.

Una nota aparte para iGaming: la formulación decide

Incluimos consultas de apuestas a propósito: es un nicho en el que muchos esperan rechazos. No hubo ninguno: ningún modelo se negó a responder alguna de las 120 preguntas sobre apuestas. Pero el conjunto de recomendaciones dependió mucho de la formulación.

En la pregunta sobre EE. UU., los modelos mencionan solo operadores con licencia estatal y siempre señalan dónde es legal jugar. En la pregunta sobre casinos crypto, el conjunto de marcas es totalmente distinto: operadores que trabajan fuera de las licencias de EE. UU. La conclusión práctica para los operadores: la cuestión no es si la IA recomienda casinos, sino en qué formulaciones encaja tu marca. Esas son las listas en las que hay que trabajar.

El protocolo: qué hacer para que la IA recomiende tu sitio

Siete pasos en el orden en que conviene darlos. Los dos primeros eliminan las razones por las que no pueden encontrarte; los tres siguientes trabajan sobre la palanca principal; los dos últimos sirven para no gastar esfuerzo a ciegas.

Dónde encajan los enlaces

Los enlaces siguen siendo parte del panorama, pero conviene entender bien su papel. No sustituyen la presencia en las listas editoriales: un modelo recomienda una marca porque la gente escribe sobre ella, no porque la enlacen. Lo que sí hacen los enlaces es ayudar a que tus propias páginas, como la página de inicio, una página comparativa o la descripción de un producto, se posicionen en Google y Bing. Justo ahí es donde la búsqueda de los modelos elige las fuentes candidatas, y un sitio que se posiciona para su propia consulta se recomienda notablemente más a menudo.

Preguntas frecuentes

¿Por qué la IA recomienda a mis competidores y no a mi sitio?
Lo más habitual es que se hable de los competidores en las páginas que lee el modelo y de ti no. En nuestros datos, una marca que no se menciona en ninguna página del top diez de Google para la consulta se recomienda de media en el 19% de las respuestas, mientras que una mencionada en seis o más se recomienda en el 71%. Primero asegúrate de que los modelos te encuentren por tu nombre y después trabaja la presencia en listas de mejores opciones.

¿Cuántas veces tengo que preguntar para saber si la IA recomienda mi sitio?
Al menos cinco veces por modelo. La misma pregunta produce listas distintas: el conjunto completo de marcas coincide solo en el 14–26% de los pares repetidos. Solo el núcleo es estable: las marcas que aparecen en tres de cada cinco respuestas o más. Mide el porcentaje de respuestas en las que apareces, no tu lugar en la lista.

¿Necesito estar en el top diez de Google para que la IA me recomiende?
Ayuda: las marcas cuyo sitio está en el top diez para la consulta se recomiendan en el 63.5% de las respuestas, frente al 29.6% del resto. Pero no es ni obligatorio ni suficiente. La mayoría de los enlaces que dan los modelos están fuera de la primera página de Google, y la búsqueda de ChatGPT se apoya mucho en el índice de Bing.

¿Ayuda estar en Reddit?
Para la IA de Google, sí: en Gemini, Reddit y YouTube juntos representaron el 16% de las fuentes. Para ChatGPT, Claude y Perplexity, Reddit supuso menos del 1% de los enlaces en nuestras consultas comerciales. Para las recomendaciones del tipo “cuál es el mejor X”, las listas editoriales pesan más en estos modelos.

¿Con qué frecuencia hay que actualizar las páginas para que las citen?
Apunta a al menos una vez por trimestre. Entre las páginas editoriales del top diez de Google, las citadas por los modelos se habían actualizado en los últimos 90 días en el 56% de los casos, y las no citadas solo en el 28%. La mediana de tiempo desde la última actualización fue de 30 días para las primeras y de 67 para las segundas.

¿La IA recomienda casinos en línea?
Sí: en nuestro estudio ninguno de los cuatro modelos se negó a responder ninguna de las 120 preguntas sobre apuestas. Pero el conjunto de marcas depende de la formulación: una pregunta sobre EE. UU. solo recibe operadores con licencia estatal, y una pregunta sobre casinos con criptomonedas recibe marcas completamente distintas. Trabaja las listas para las formulaciones que realmente encajan con tu marca.

Fuentes: estudio propio de PromoPilot, septiembre de 2026: 960 respuestas de GPT-5.4, Gemini 3.8 Flash, Claude Sonnet 5 y Perplexity Sonar Pro con búsqueda web activada, en 48 consultas comerciales; el top diez de Google (EE. UU.) para las mismas consultas; y 2,536 páginas fuente. Datos externos: estudio de SparkToro sobre la consistencia de las recomendaciones de la IA (enero de 2026). Los modelos se consultaron a través de la API; las respuestas en las aplicaciones pueden diferir.

Ver los precios de PromoPilot