Si alguien le pregunta a ChatGPT o a Perplexity qué herramienta comprar en tu categoría, y la respuesta te cita, ese visitante llega a tu web. La pregunta que casi nadie puede responder hoy es: ¿cuánto de ese tráfico se está midiendo realmente?
El problema no es la visibilidad, es la medición
Hay agencias vendiendo “optimización GEO”: ajustar contenido para que los modelos de lenguaje lo citen más. Es una disciplina real. Pero optimizar sin medir es como conducir con los ojos cerrados: no sabes si lo que haces funciona, ni cuánto negocio genera.
Las 4 capas que hacen falta
1. Visibilidad: ¿aparece tu marca cuando alguien pregunta por tu categoría? Se ejecuta un set de prompts de forma recurrente contra los principales modelos, midiendo posición y qué fuentes citan.
2. Tráfico referido: las sesiones que llegan desde interfaces de LLM necesitan captura explícita en GA4. Sin configuración, GA4 no diferencia una visita desde ChatGPT de una visita directa:
// Regex de ejemplo para un Channel Group en GA4
^(chatgpt\.com|chat\.openai\.com|perplexity\.ai|
gemini\.google\.com|claude\.ai)$3. Crawlers: no todos los bots son iguales. Un bot de entrenamiento (GPTBot, ClaudeBot, CCBot) no correlaciona con aparecer citado — solo alimenta un modelo que se entrenará meses después. Un bot de recuperación en tiempo real (OAI-SearchBot, PerplexityBot, ClaudeBot en su modo de búsqueda) sí importa, porque es el que consulta tu página en el momento exacto en que alguien pregunta algo. Distinguirlos por user-agent en tus logs de servidor (o en las categorías de Cloudflare, si ya gestionas ahí el acceso de bots de IA) es la única forma de saber si te están citando en vivo o solo archivando tu contenido para el futuro.
4. Atribución: la capa que casi nadie entrega. Unir las tres anteriores con el pipeline real en BigQuery, para responder qué prompts te citan y cuánto revenue generan esas sesiones.
Cómo se ve la capa 1 en la práctica (dato real, no un ejemplo inventado)
Para no quedarme solo en la teoría: corro este mismo piloto de capa 1 sobre mi propia web, con 20 prompts reales del tipo que un cliente potencial haría (“consultor freelance GA4 y GTM en Madrid”, “quién puede auditar mi contenedor de Google Tag Manager”…), contra Gemini, guardando cada respuesta estructurada en BigQuery. Tres rondas en tres días distintos: 0 de 60 respuestas me mencionan. Cero.
No es un fallo del método — es exactamente el tipo de resultado que hay que poder medir. Lo interesante no es el cero: es qué dominios sí aparecen citados para esas mismas preguntas (herramientas de nicho GEO como Peec AI u Otterly.AI, plataformas como malt.es o stape.io). Eso ya es información accionable — dice qué está considerando autoritativo el modelo hoy, y es el punto de partida real para cualquier estrategia de contenido, no una cifra de vanidad.
Por qué la capa 4 es la que importa de verdad
Las tres primeras capas dicen “te mencionan”. Solo la cuarta dice “te está generando dinero”, y es la diferencia entre una métrica de vanidad y un argumento real para invertir en esto.
Un ejemplo del tipo de trabajo que sostiene esta capa: reconciliar una discrepancia entre Google Ads y GA4 bajando a la tabla raw de eventos en BigQuery, hasta descomponer el desajuste en causas exactas y cuantificadas. Está documentado como caso real: la misma habilidad técnica, aplicada aquí a una pregunta distinta.
¿Quieres saber si tu marca ya está siendo citada, y si ese tráfico se está midiendo? Puedo auditarlo.