Apariciones en LLMs: Lo que el modelo recuerda y lo que el modelo encuentra

Imagen abstracta

Seguimos el recorrido de una respuesta de IA, desde la pregunta hasta la marca que termina nombrando

Alguien le pregunta a un asistente de IA qué consultora de datos contratar en Chile. Que nuestro nombre aparezca o no en la respuesta depende de algo que esa persona no ve: si el modelo respondió con lo que recuerda o si salió a buscar en la web.

En nuestro artículo anterior comparamos las fuentes que citan los AI Overviews de Google con los resultados orgánicos, y cerramos con una distinción: una fuente recuperada, una cita y una mención de marca son señales distintas. Esta vez seguimos el camino completo. Hicimos las mismas preguntas en ambos modos y registramos cada paso: qué recuerda el modelo, qué busca, qué encuentra y a quién termina nombrando.

Usamos nuestra propia industria como caso: 116 preguntas que alguien podría hacer al buscar una agencia o consultora de marketing, datos y cloud en Chile. Son comparaciones entre proveedores y preguntas de contratación, y ninguna nombra una marca.

Primer paso: lo que el modelo recuerda

Sin búsqueda web, un modelo responde con lo que aprendió durante su entrenamiento. Hicimos 116 preguntas a modelos de OpenAI y Gemini en ese modo, cinco veces cada una.

En 1.160 respuestas, D2B no fue mencionada ni una sola vez.

Con búsqueda web, las mismas preguntas dieron otro resultado: D2B apareció en el 15% de las respuestas de OpenAI y en el 23% de las de Gemini.

No podemos saber qué contenía el entrenamiento de cada modelo. Lo que sí podemos decir es que, ante estas preguntas, el modelo no nos recuerda. La pregunta siguiente era si esto nos pasaba solo a nosotros.

No es solo D2B: la búsqueda reordena el mercado

Revisamos las mismas respuestas buscando otras ocho agencias y consultoras del mercado chileno.

El modelo sí recuerda marcas de esta industria. Tres de ellas aparecían entre el 13% y el 19% de las respuestas de memoria. Con búsqueda web, las tres bajaron a 4% o menos. Otras cuatro, incluida la nuestra, hicieron el camino contrario: de no aparecer nunca a entre el 4% y el 15% de las respuestas.

Hay marcas que el modelo recuerda y marcas que el modelo encuentra, y en nuestra medición casi no se repiten. Quien mide solo uno de los dos modos ve la mitad del mercado.

Esto explica qué cambia, pero no por qué. ¿Qué tiene que pasar durante la búsqueda para que una marca que el modelo no recuerda termine en la respuesta?

Segundo paso: la mención pasa por el sitio

Nuestras herramientas registran qué fuentes recupera el modelo en cada respuesta, así que pudimos separar las 231 respuestas de OpenAI con búsqueda web en dos grupos.

En las 191 respuestas donde d2b.cl no estuvo entre las fuentes recuperadas, D2B no fue mencionada nunca. En las 40 donde sí estuvo, fue mencionada en 34.

Vimos el mismo patrón en una muestra más pequeña con Claude: ninguna mención en las 20 respuestas donde no recuperó nuestro sitio, y cinco de cinco donde sí lo hizo.

Esperábamos algo distinto. Pensábamos que parte de las menciones vendría de directorios, rankings o artículos de terceros que hablan de nosotros. En estas mediciones no fue así. La mención llegó siempre con nuestro propio sitio entre las fuentes.

Entonces la pregunta pasa a ser cómo llega el modelo a un sitio.

Tercer paso: cómo busca el modelo

El modelo no envía la pregunta del usuario a un buscador. La reescribe. Para responder cada pregunta, OpenAI escribió casi cinco búsquedas propias en promedio.

Al ordenarlas según el momento en que ocurren dentro de una misma respuesta, aparece un patrón claro. Las tres primeras búsquedas son casi siempre abiertas, del tipo que escribiría cualquier persona. Entre la cuarta y la séptima, entre el 65% y el 77% apunta a un sitio específico (y baja a 55% desde la octava) con el operador site:.

El modelo trabaja en dos fases. Primero explora, con búsquedas como estas:

  • consultora marketing analytics data science Chile
  • agencias paid media B2B Chile Google Ads LinkedIn Ads performance marketing
  • consultoría SEO auditoría técnica Chile

Después verifica, entrando a sitios puntuales:

  • site:cloud.google.com/partners Chile Google Cloud partner marketing data BigQuery
  • site:sortlist.com Chile agencia Google Ads ecommerce
  • site:d2b.cl Google Cloud BigQuery Chile agencia

En la fase de verificación el modelo consulta directorios como Clutch y Sortlist, el directorio de partners de Google, documentación oficial y los sitios de empresas concretas. Menos de la mitad de las respuestas llega a esa segunda fase.

Aquí está el dato que ordena todo lo anterior. En las 191 respuestas donde nuestro sitio no fue recuperado, el modelo nunca buscó a D2B por su nombre. No puede buscar un nombre que no recuerda. Las únicas nueve búsquedas que nombran a D2B o a d2b.cl ocurrieron en la sexta búsqueda o después, cuando la exploración ya había terminado. Y en 31 de las 40 respuestas donde nuestro sitio fue recuperado, el modelo no nos buscó por nombre en ningún momento.

Para una marca que el modelo no recuerda, la única puerta de entrada es la fase de exploración. Y esas búsquedas se parecen mucho a las que el SEO ha trabajado siempre: el servicio, el tipo de empresa y el país. Nueve de cada diez búsquedas que registramos incluyen “Chile”, “Santiago” o se limitan a un dominio .cl.

Donde no aparecemos es donde el modelo no nos encuentra

Si la entrada es la exploración, las categorías donde D2B no aparece deberían ser aquellas donde el modelo nunca llega al sitio, y no aquellas donde llega y elige a otro. Eso es lo que muestran los datos.

En preguntas sobre data science para marketing y sobre Google Cloud y BigQuery, el modelo recuperó d2b.cl en cuatro de cada diez respuestas, y casi siempre que lo recuperó nos mencionó. En preguntas sobre SEO no lo recuperó en ninguna de las 33 respuestas. En inteligencia artificial, en ninguna de 12.

El cuello de botella está en ser encontrado, no en ser elegido. Una vez que el sitio llega a las fuentes, D2B termina en la respuesta en el 85% de los casos. La excepción es analítica web, donde el modelo recuperó el sitio nueve veces y nos mencionó cinco: ahí sí vale la pena revisar qué eligió en nuestro lugar.

Cuarto paso: qué página encuentra

Queda la última parte del recorrido: a qué página llega el modelo.

Casi todas fueron páginas de servicio. Las de data science para marketing, Google Cloud y BigQuery, y analítica web concentran la mayoría de las recuperaciones. Las dos primeras casi siempre terminaron citadas; la de analítica web, solo la mitad de las veces.

Nuestros artículos de blog cuentan otra historia: seis artículos fueron recuperados en siete respuestas y no fueron citados en ninguna.

Tiene sentido para el tipo de pregunta que hicimos. Quien pregunta qué consultora contratar recibe páginas que describen un servicio. Con preguntas sobre cómo resolver un problema técnico, el resultado podría ser distinto, y es algo que todavía no medimos.

El gráfico también deja una tarea concreta. Nuestra página de performance marketing fue recuperada cuatro veces y no fue citada en ninguna: el modelo llegó, leyó y eligió otras fuentes.

Qué nos llevamos

Al seguir el recorrido completo, la visibilidad en IA deja de ser un solo número y se convierte en una secuencia con tres puntos donde una marca puede quedar fuera.

  • Que el modelo la recuerde. Es lo más difícil de cambiar y lo más lento. Para D2B, hoy, el resultado es cero.
  • Que el modelo la encuentre al explorar. Aquí se decidió casi todo en nuestras mediciones. Las búsquedas de exploración son abiertas, combinan servicio y país, y es donde el trabajo de SEO sobre el sitio propio tiene efecto directo.
  • Que la página encontrada responda la pregunta. Las páginas que describen con claridad un servicio fueron citadas; las que no, fueron leídas y descartadas.

Para una empresa que quiere saber dónde está, esto cambia qué conviene medir. Además de contar menciones, hay que mirar si el modelo llegó al sitio y a qué página. Con eso se puede distinguir entre un problema de contenido y uno de encontrabilidad, que se resuelven de formas distintas.

Hay una pregunta que este estudio deja abierta. Sabemos qué búsquedas escribe el modelo, pero no sabemos cuánto influye la posición de una página en Google en que sea recuperada. Es lo siguiente que queremos medir.

Sobre los datos

Las 116 preguntas son las que se repiten en ambos modos de medición. Las respuestas sin búsqueda web son del 8 de septiembre y el 5 de octubre de 2026; las respuestas con búsqueda web, del 14 de octubre al 2 de noviembre de 2026. Todas se obtuvieron vía API, cuya información puede diferir de la experiencia web.

Consideramos que una marca fue mencionada cuando su nombre aparece en el texto de la respuesta. El análisis de búsquedas y de fuentes recuperadas corresponde a OpenAI; la relación entre recuperación y mención se revisó además en una corrida de 25 respuestas de Claude. Los enlaces de Gemini siguen excluidos hasta poder identificar de manera confiable su destino final.

Los resultados corresponden a una industria y un mercado, y a una marca en particular. No deben generalizarse sin repetir la medición.


Agregar un comentario

Tu dirección de correo electrónico no será publicada. Los campos requeridos están marcados *