A principios de mayo de 2026, durante una sesión de análisis de métricas con uno de nuestros clientes, nos encontramos con un fenómeno interesante: varias páginas principales y paquetes de transmisión en alta definición experimentaron un alza repentina e inusual en el tráfico de referencia desde LLMs, particularmente desde ChatGPT(OpenAI).

La primera hipótesis derivada del análisis realizado por el LLM(Claude) fue atribuir el repunte a la anticipación del Mundial y a usuarios buscando opciones para ver partidos en HD. En marketing digital, vincular un pico de tráfico a la estacionalidad o a un gran evento deportivo suele ser la lectura más intuitiva.

Sin embargo, al profundizar en la atribución técnica, la fuente no era la típica campaña estacional ni una búsqueda orgánica convencional. 

Poco después, un análisis global publicado por SE Ranking puso en perspectiva lo ocurrido: no se trataba de un caso particular, sino de una tendencia agregada. Durante mayo de 2026, el tráfico de referencia desde ChatGPT alcanzó su máximo histórico, con un salto mensual del 36,7% a nivel mundial. El verdadero catalizador estuvo en cambios estructurales de producto, incluyendo la llegada de GPT-5.5 Instant y una actualización en la interfaz que comenzó a hacer clicables los nombres de marcas dentro de las respuestas generadas.

Este ejemplo ilustra con claridad el nuevo escenario al que nos enfrentamos: en la era de los modelos generativos, descifrar qué impulsa el tráfico exige mirar más allá de las correlaciones obvias.

La paradoja del GEO y la mirada de Avinash Kaushik

Durante décadas, el SEO tradicional contó con reglas, métricas y consensos relativamente claros. Sabíamos cómo interactuaba un bot de búsqueda, qué medía Google Search Console y cómo rastrear la intención en una página de resultados. Con la consolidación del GEO (Generative Engine Optimization), ese piso compartido desapareció: no existe todavía una metodología universal para medir el impacto real de los motores de respuesta en la adquisición de clientes.

En este terreno incierto, las ideas sobre analítica web que Avinash Kaushik ha defendido cobran más vigencia que nunca. Su premisa fundamental siempre ha sido sencilla: el valor del análisis digital no reside en acumular números llamativos o métricas de vanidad, sino en aislar la causalidad detrás de los datos para traducirlos en decisiones comerciales concretas.

Confundir correlación con causa es hoy más fácil que nunca. Que un modelo de lenguaje mencione a una marca no garantiza intención de compra ni una estrategia exitosa de posicionamiento; muchas veces refleja simplemente un ajuste en la experiencia de usuario o en el diseño de enlaces de la plataforma.

Análisis in-house y rigor estadístico: cómo abordamos el GEO en D2B

Para evitar lecturas apresuradas y entender el comportamiento real detrás de los datos, en D2B combinamos dos líneas de medición con herramientas propias:

• Share of Voice (SoV) y respuesta en LLMs: Monitoreamos de forma recurrente cómo y cuándo diferentes modelos (ChatGPT, Gemini, Perplexity) recomiendan marcas según diversas intenciones de búsqueda.
• Cruce con rastreos en Google Search: Mapeamos la interacción entre las SERPs tradicionales, los resúmenes generativos (AI Overviews) y las fuentes de información que los modelos utilizan para construir sus respuestas.

Integrar estas mediciones exige, además, un cuidado metodológico específico: el control de la varianza y el sesgo muestral.

Los LLMs son sistemas probabilísticos. Evaluar la visibilidad de una marca con apenas un par de consultas genera un error muestral altísimo, capturando únicamente la respuesta circunstancial o el sesgo momentáneo del modelo en esa iteración puntual. Para obtener métricas consistentes de Share of Voice, es imprescindible realizar evaluaciones a escala, iterando sobre distintas combinaciones de prompts y temporalidades para reducir la dispersión y reflejar tendencias genuinas.

Trackear la métrica es solo el inicio; lo decisivo es contrastar múltiples puntos de vista para entender qué parte responde a comportamiento de mercado y qué parte a cambios de producto en las propias plataformas de IA.

Conclusión

En D2B llevamos años analizando e impulsando estrategias de SEO, y hoy sumamos el GEO y nuevas técnicas de analítica para acompañar a las empresas en este nuevo entorno.

Si quieres entender cómo interactúan los modelos de lenguaje con la visibilidad de tu negocio a partir de datos sólidos, conversemos y pide una asesoría con nuestro equipo.