Cómo medimos las citas de las IA

La materia prima es un flujo de respuestas de cinco asistentes de IA: ChatGPT, Claude, Gemini, Grok y Perplexity. Responden a las preguntas que sirven cada semana para seguir cómo aparecen los sitios de los clientes en las respuestas de las IA, enviadas a través de la interfaz de programación (API) de cada modelo, con la búsqueda web activada.

Las preguntas se generan a partir de una breve ficha de cada negocio seguido: qué vende, en qué mercado, a quién. Se parecen a las consultas de un futuro cliente, por ejemplo qué empresa de mudanzas contratar para un traslado de un extremo a otro de Francia, o si cierto tipo de farmacia en línea es de fiar. Las preguntas generadas nunca nombran una marca, para no orientar la respuesta hacia el cliente. Los clientes pueden añadir las suyas.

La instrucción pide al modelo que marque cada empresa recomendada y anote, justo después de su nombre, las direcciones de las páginas que justifican la elección. Cada dirección se reduce a su dominio, sin el prefijo www., y se convierte en una cita de ese dominio. Solo se cuentan las respuestas que llegan completas.

La unidad es una tasa: las citas de un dominio, divididas entre las respuestas del mismo ámbito (periodo, modelo, idioma, sector) y multiplicadas por 100.

El denominador incluye todas las respuestas de ese ámbito, incluso las que no recomiendan ninguna empresa o no dan ninguna dirección. Un dominio se mide así frente a todas sus ocasiones de ser citado.

El numerador sigue una sola regla: un dominio cuenta una vez por empresa recomendada y por respuesta. Si una respuesta recomienda tres empresas de mudanzas y respalda cada una con una página del mismo sitio de opiniones, ese sitio recibe tres citas. Dos páginas de ese sitio para una misma empresa siguen siendo una sola cita para ella. Por eso la cifra es una tasa de citas, no una proporción de respuestas.

Sobre varios meses, la tasa no es una media de las tasas mensuales: divide las citas de todos los meses entre la suma de sus respuestas, de modo que un mes con mucho volumen pesa más que uno flojo.

• Sobre todo francés, algo de inglés. Cada respuesta toma el idioma del mercado al que se dirige el sitio analizado, leído en su código de idioma y país (fr-FR, fr-BE, fr-CH para el francés; en-US, en-GB para el inglés), en lugar de deducirse de la redacción. La mayoría de los sitios seguidos se dirigen a mercados francófonos, así que la muestra francesa es mucho mayor. Las pocas respuestas para mercados de otros idiomas solo cuentan en las cifras globales.
• Preguntas sobre empresas y mercados. Elegir un proveedor, comparar ofertas, comprobar precios o fiabilidad. Los temas ajenos al comercio no aparecen.
• Sectores. Una respuesta pertenece al sector de la empresa analizada, definido por lo que vende y no por su clientela: un software para agentes inmobiliarios se clasifica en Software y una agencia web en Servicios informáticos. Esta clasificación empieza en julio de 2026. Un sector solo tiene página propia a partir de al menos tres empresas y unas 500 respuestas, para que ninguno refleje a un único cliente.
• Modelos. ChatGPT, Gemini y Perplexity reciben las preguntas de todos los sitios seguidos; Claude y Grok, solo las de una parte, de modo que sus cifras se basan en menos respuestas y en otra combinación de empresas.

• Los dominios de Google. google.com y sus versiones por país, las redirecciones vertexaisearch.cloud.google.com presentes en las respuestas de Gemini y los servidores técnicos como gstatic.com se eliminan en cada etapa: son la fontanería de las respuestas, no páginas que un lector consultaría. Los productos de Google recomendados por su nombre, como Google Cloud, sí pueden aparecer en las clasificaciones de marcas.
• El sitio del editor. sorank.com se sigue como un cliente más, con preguntas sobre software de posicionamiento en buscadores (SEO) que inclinarían las cifras en inglés hacia esas herramientas. Por eso se eliminan todas sus respuestas. En algunos meses de principios de 2026 ya no podían aislarse, así que esos meses solo cuentan en francés.
• Los sitios de los clientes. Los sitios de las empresas seguidas desaparecen de todas las clasificaciones, ya figuren como dominio o como nombre de marca, incluso cuando solo se citan a través de un subdominio. Sus respuestas siguen en la muestra: los sitios de debajo suben y el denominador no cambia. Una plataforma pública que un cliente indicó como su dirección, por ejemplo una página de LinkedIn, nunca se elimina por ese motivo.
• Textos y datos personales. No se publica ninguna pregunta, respuesta, nombre de cliente ni dato de usuario.

Las respuestas en bruto se borran al cabo de unas semanas. Cada mes se agrega mientras todavía existen: totales por modelo e idioma, una serie completa para cada plataforma seguida y listas de los dominios principales (los 25 primeros del mes para todos los modelos, los 20 primeros por modelo). Los meses antiguos solo sobreviven de esta forma.

Una clasificación de todo el periodo suma esas listas mensuales. Un dominio que no entró en la lista de un mes cuenta cero ese mes, aunque se haya citado. Los dominios de cabeza figuran en casi todas las listas, así que la parte alta de una clasificación es fiable; más abajo, puestos y recuentos son mínimos, sobre todo para dominios de presencia irregular.

Las plataformas seguidas, como YouTube, Reddit, Wikipedia o Trustpilot, escapan a este límite porque sus citas se registran por completo cada mes. Cuando la página de una plataforma y una clasificación de dominios no coinciden en el mismo periodo, la cifra completa es la de la página de la plataforma.

Cada dirección se vincula a su dominio registrable, el nombre que una empresa compra realmente, identificado con la Public Suffix List, la lista pública de referencia de extensiones de dominio. Así, help.example.com se cuenta con example.com, y entreprendre.service-public.gouv.fr con service-public.gouv.fr. El detalle se conserva: una fila fusionada enumera sus subdominios y sus recuentos en un menú desplegable.

Dos tipos de dominios nunca se fusionan, porque sus subdominios pertenecen a propietarios distintos:

1. Creadores de sitios y servicios de alojamiento donde cada subdominio es un sitio aparte, como los blogs en substack.com o wixsite.com.
2. Grandes dominios institucionales donde cada subdominio es un organismo público distinto, como nih.gov, europa.eu o admin.ch.

Zonas como gouv.fr o gov.uk funcionan como extensiones en esa lista, de modo que impots.gouv.fr y service-public.gouv.fr siguen siendo dos sitios. Una dirección antigua que redirige a una nueva se fusiona con ella (service-public.fr con service-public.gouv.fr), y las plataformas seguidas agrupan sus direcciones: twitter.com y x.com cuentan como Twitter/X.

Un efecto secundario: si una respuesta respalda a una empresa con dos subdominios del mismo sitio, la fila fusionada de la clasificación de dominios cuenta ambos, mientras que las cifras de plataforma cuentan la plataforma una sola vez.

Las preguntas se lanzan cada semana; el sitio se actualiza con un registro mensual, cuya fecha se muestra en el sitio. Cada registro añade el último mes sin borrar el historial: cuando existen dos versiones de un mes, gana la que tiene más respuestas, así que un mes parcial nunca sustituye a uno completo.

Un cambio de método, como una nueva regla de agrupación, llega a todas las páginas en el registro siguiente, meses pasados incluidos en la medida en que sus agregados lo permiten.

Los datos los elabora Thibault Besson-Magdelain, fundador de Sorank. Todos los agregados de los gráficos están en un único archivo, data.json, en la raíz de data.sorank.com: clasificaciones de dominios y de marcas, globales y por modelo, series mensuales de plataformas, totales de respuestas por mes, modelo e idioma, y desgloses por sector. Recuentos y tasas, nada más.

• No es un censo del uso de la IA. Los datos muestran qué fuentes citan los asistentes de IA sobre empresas y mercados, no lo que el público les pregunta en general, y los sectores con más sitios seguidos pesan más.
• Predominio del francés. Las cifras globales se inclinan hacia fuentes relevantes en los mercados francófonos; el inglés se basa en una muestra menor y los demás idiomas no tienen ninguna. Los resultados no se pueden trasladar tal cual a España ni a Latinoamérica.
• Los modelos cambian. Los proveedores lanzan nuevas versiones y ajustan sus herramientas de búsqueda. Las cifras se agrupan por asistente, no por versión, así que un cambio en una curva puede deberse tanto a una nueva versión del modelo como a la web.
• Las respuestas varían. La misma pregunta hecha dos veces puede devolver otras empresas y otras fuentes. El volumen suaviza este efecto, pero los ámbitos estrechos (un modelo, un sector, un mes) se mueven más.
• Respuestas por API, direcciones sin verificar. Las aplicaciones de chat para el gran público, con sus propios ajustes, pueden citar otras páginas. Las direcciones citadas no se comprueban una a una: una página puede estar rota o no decir lo que el modelo le atribuye.