«Vale, ¿y eso qué ha subido?»
Si alguna vez has presentado un informe de visibilidad en IA, esa pregunta te ha caído encima.
Cuántas veces apareció tu marca, lo tienes. Que aparece más que el mes pasado, también.
Pero lo siguiente —si alguien hizo algo por eso— se queda en el aire.
Hex-ko lo tenía por una cuestión de orden: primero subimos la aparición y ya llegará la historia de negocio.
Pero hay un equipo que se puso a mirar qué hacían las personas después de leer la respuesta de la IA. Y el corte interesante no estaba en aparecer.
¿Aparecer en la IA cambia de verdad lo que hace la gente?
Sí, aunque no todo cuenta igual. Entre quienes no habían tocado la marca en la semana previa, una recomendación de la IA subió 4,3 puntos la probabilidad de buscar esa marca por su nombre en los siete días siguientes.
Las visitas a la web propia subieron 2,4 puntos. Las fichas de producto en tiendas online, 1,0 punto.
Y ojo, que no son clics en un enlace: incluye a quien leyó la respuesta, se fue y escribió el nombre en el buscador por su cuenta.
El dato viene de un preprint (un estudio aún sin revisión por pares) de Michael Iannelli y Alan Ai, de Scrunch AI, publicado el 9 de junio de 2026 (estudio).
El método: cruzar, persona a persona, las conversaciones de ChatGPT, Claude y Gemini con el historial de navegación de un panel de voluntarios.
Un panel de clickstream es, en una frase, el registro de las webs que alguien abrió de verdad. No es una encuesta, así que no arrastra el ruido de «a ver qué marcas recuerdas».
La ventana de observación son siete días desde la respuesta. Los intervalos de confianza al 95% (el margen en el que se mueve la estimación) fueron 3,1–5,5 en búsqueda de marca, 1,4–3,5 en web propia y 0,3–1,7 en ficha de producto.
Una precisión que importa: son puntos porcentuales, no porcentajes. Pasar del 3% al 7,3% son 4,3 puntos, y leerlo como «un 4,3% más» te da otro número.
Recomendarte y nombrarte no son el mismo evento
Aquí está lo bueno. Los autores separaron las menciones en tres tipos —recomendación, mención neutra y advertencia— y compararon con los mismos usuarios no expuestos.
La mención neutra movió 1,8 puntos la búsqueda de marca, 1,1 la visita a la web propia y 0,3 la ficha de producto.
Frente al +4,3 / +2,4 / +1,0 de la recomendación, la gente se mueve entre dos y tres veces menos.
Misma marca, misma semana, y en el informe las dos cuentan como «una mención». Pero que el modelo te avale o simplemente te coloque en una lista cambia el resultado por dos o por tres.
Contar menciones sin más es como llevar el almacén pesando por igual las conservas y la fruta fresca.
Dentro de una misma respuesta, la diferencia aguanta
A Hex-ko lo primero que le chirrió fue la selección: quizá quien usa mucho la IA ya es más activo buscando y comprando, y las marcas que salen se aprovechan de eso.
Por eso los autores compararon, dentro de la misma respuesta, las marcas nombradas con otras de la misma categoría que no salieron.
- Nombradas: +2,06 puntos en búsqueda de marca y +2,39 en visitas a la web propia
- Misma categoría, no nombradas: +0,20 y +0,09 puntos
Misma conversación, mismo contexto, misma persona. Lo que estaba operando no era el perfil del usuario, sino si el nombre entró o no en esa respuesta concreta.
Y las dos conductas viajan juntas: la búsqueda de marca y la visita a la web propia coincidieron 5,2 veces más de lo que cabría esperar si fueran independientes. No son dos logros separados. Medir solo uno es ver la mitad del mismo movimiento.
Juntar todas las menciones te esconde tus propios resultados
Y esto es lo que sale caro. Si agregas todas las menciones sin distinguir el tipo, la subida en búsqueda de marca se queda en 2,08 puntos.
Menos de la mitad del 4,3 que dan las recomendaciones solas. Un recuento grueso va más allá de difuminar la foto: te hace parecer peor de lo que fuiste.
Hay un matiz más. Los clientes que ya lo eran visitaban la web 1,68 puntos por encima de la base antes de cualquier mención, y la mención solo añadió unos 0,4 puntos.
El equipo lo interpreta así: la recomendación de la IA llega sobre todo a gente nueva, más que empujar una compra ya en marcha. Y eso, para ti, significa que estos números van en la conversación de captación.
Los límites antes de llevarte el 4,3 a una reunión
Conviene ponerlos en la mesa, sin adornos:
- Scrunch AI vende medición de visibilidad en IA, así que «que te recomienden vale dinero» es una conclusión con interés comercial detrás
- El tamaño del panel y los recuentos por celda no se publican por confidencialidad, así que nadie de fuera puede verificar el tamaño del efecto
- Es un estudio observacional, no un experimento aleatorizado (los autores usan ventanas placebo a 14, 21 y 28 días antes, más el control dentro de la misma respuesta)
- El panel es voluntario y cubre dos mercados de habla inglesa: no es España ni Latinoamérica. Y son tres asistentes, sin Perplexity
- Sigue siendo un preprint
Los efectos brutos también salen mayores en usuarios de ChatGPT que en los de Gemini. Pero al comparar dentro de la misma persona esa diferencia desaparece: es una diferencia de quién usa qué, no de lo que cada modelo te hace.
Por eso el 4,3 no sirve como objetivo. Lo que sí te llevas es la forma del hallazgo: entre recomendación y mención neutra hay un factor de dos o tres.
añade la columna «¿nos estaban recomendando?»
El número de menciones no representa el efecto de las menciones. Una aparición recomendada y otra de relleno son dos cosas muy distintas para quien lee, y promediarlas te borra más de la mitad de la subida que ya te habías ganado.
El arreglo es pequeño y estructural. Abre las respuestas que salen de tus preguntas clave, clasifica las que te nombran en recomendación, mención neutra y advertencia, y guarda ese reparto como un porcentaje mensual sobre las mismas preguntas: con una sola foto no sabes hacia dónde se mueve.
Una columna y una rutina. Si tu informe de hoy no tiene ninguna de las dos, empieza por ahí antes de añadir otro prompt a la lista.
Fuentes
- Michael Iannelli, Alan Ai (Scrunch AI), “From Prompt to Purchase: How AI Brand Recommendations Move Consumers on the Open Web”, preprint de arXiv 2606.10907, 9 de junio de 2026, arxiv.org (cruce individuo a individuo entre los registros de conversación de ChatGPT, Claude y Gemini y un panel de clickstream por consentimiento, observando el comportamiento durante los siete días posteriores a la respuesta de la IA. Entre quienes no habían tenido contacto con la marca en la semana previa, la recomendación sube la búsqueda de marca +4,3 puntos porcentuales [intervalo al 95% 3,1–5,5], las visitas a la web propia +2,4 puntos [1,4–3,5] y las fichas de producto de las tiendas online +1,0 punto [0,3–1,7]. La mención neutra da, en el mismo orden, +1,8 / +1,1 / +0,3 puntos. En la comparación dentro de la misma respuesta, las marcas nombradas registran +2,06 puntos de búsqueda de marca, +2,39 de visitas a la web propia y +0,51 en fichas de producto, frente a +0,20 / +0,09 / +0,16 puntos de las marcas de la misma categoría que no fueron nombradas. Si se juntan todas las menciones sin distinguir la postura, salen +2,08 / +2,37 / +0,52 puntos. Los clientes que ya lo eran están +1,68 puntos por encima de la línea base en visitas a la web propia antes de la mención, y la mención añade unos +0,4 puntos. La búsqueda de marca y la visita a la web propia aparecen juntas 5,2 veces más de lo que ocurriría si fuesen independientes. Los efectos brutos son mayores entre usuarios de ChatGPT que de Gemini, pero la diferencia desaparece dentro de la misma persona. Límites: quien publica, Scrunch AI, vende medición y mejora de la visibilidad en las IA y tiene por tanto un interés comercial en esta conclusión. El tamaño del panel y los recuentos por celda se reservan por motivos comerciales, así que el valor absoluto del efecto no es verificable desde fuera. No es un experimento aleatorizado sino un estudio observacional: los autores abordan la confusión con ventanas placebo en T−14, T−21 y T−28 días y con el control dentro de la misma respuesta. El panel es por consentimiento y cubre dos mercados anglófonos, así que no mide el mercado hispanohablante, y Perplexity no está entre los asistentes observados. Es un preprint que aún no ha pasado por revisión por pares. Todos los efectos están en puntos porcentuales, no en variaciones relativas)
