Cómo aparecer y medir tu presencia en ChatGPT y AI Overviews: guía para analizar tu visibilidad de marca en la IA

Cuántos prompts sintéticos necesitas por keyword

Para sacar conclusiones sólidas basadas en datos hace falta trabajar con un volumen alto de prompts, no con 2 o 3 por keyword. La referencia con la que trabajamos es de unos 10 prompts sintéticos por cada keyword y por cada intención: 10 informacionales + 10 comerciales, 20 prompts en total por keyword. Si en el paso 1 seleccionaste, como se recomendaba, entre 20 y 30 keywords por topic, el resultado es de entre 400 y 600 prompts sintéticos por topic —y ese es precisamente el volumen que necesitas para que las tablas dinámicas del paso 6 arrojen conclusiones fiables, no ruido estadístico.

El problema es evidente: escribir 200-300 prompts a mano por topic, uno a uno, no es realista. Ahí es donde entran los prompts semilla.

Un atajo para escalar: los prompts semilla

Un prompt semilla es una estructura genérica, sin keyword todavía, que replicas mecánicamente sobre cada una de tus keywords para generar tus 10 prompts sintéticos por keyword y por intención, sin tener que redactarlos uno a uno. El prompt semilla "Mejores..." aplicado a la keyword "marcas de nevera" da como resultado el prompt sintético "Mejores marcas de nevera". Con una lista de 8-10 prompts semilla por paquete (informacional y comercial) y tus 20-30 keywords por topic, generas el volumen completo de forma prácticamente mecánica.

Tres prompts semilla aplicados a la misma keyword ("marcas de nevera"). En un caso real tendrías una lista de 8-10 prompts semilla por paquete (informacional y comercial), aplicada a cada una de tus keywords del topic.

Paquete informacional: mide si tus activos digitales influyen en las primeras fases

Prompts que reflejan a un usuario que todavía se está informando, sin haber decidido marca. Prompts semilla típicos de este paquete: "¿Qué debo tener en cuenta antes de...?", "¿Cómo elegir...?", "Diferencias entre... y...". Aplicados a la keyword "comprar nevera americana":

• "¿Qué debo tener en cuenta antes de comprar una nevera americana?"
• "¿Cómo elegir el tamaño de nevera para una familia de 4?"
• "Diferencias entre una nevera americana y una de dos puertas"

Este paquete se cruza más adelante con la pestaña de fuentes citadas (paso 6): sirve para comprobar si tus artículos de blog, tus guías de compra o incluso contenido como tus reels están siendo usados por los LLMs para responder a este tipo de preguntas, antes de que el usuario haya decidido qué marca comprar.

Paquete comercial: mide la mención de tu marca

Prompts que reflejan a un usuario que ya está listo para decidir entre marcas. Prompts semilla típicos de este paquete: "Mejores...", "¿Cuáles son las mejores...?", "Recomiéndame...", "Dime 10 marcas de...". Aplicados a la keyword "mejores neveras":

• "¿Cuáles son las mejores neveras del mercado?"
• "Recomiéndame una nevera americana buena y no muy cara"
• "Mejores marcas de neveras en 2026"

Este paquete se cruza con la pestaña de respuestas (paso 6) para medir si tu huella digital es lo bastante profunda como para que, en cuanto preguntan por tu categoría de producto o servicio, el LLM te recomiende a ti y no a la competencia.

Geolocaliza tus prompts (las APIs no lo hacen por ti)

La mayoría de las APIs de los LLMs no permiten indicar una ubicación geográfica como parámetro de la consulta, a diferencia de una búsqueda en Google. Si te interesa saber cómo respondería el modelo a alguien que busca desde España frente a alguien que busca desde México, la forma práctica de forzarlo es añadir la región directamente al final del prompt sintético:

El mismo prompt sintético, geolocalizado añadiendo la región al final del texto.

Si decides trabajar con varias geolocalizaciones, ten en cuenta que el ejercicio se replica entero por cada una: los mismos prompts semilla, aplicados a las mismas keywords, pero con el sufijo de cada región, y lanzados contra cada LLM. Por ejemplo, si mides 4 topics con una media de 500 prompts sintéticos por topic (2.000 prompts en total) y quieres comparar España y México, pasas a tener 4.000 prompts (2.000 por región). Lanzados contra dos LLMs, eso son 8.000 respuestas para analizar en lugar de 4.000. Es un multiplicador que conviene tener en cuenta antes de decidir cuántas regiones vas a medir a la vez.

• Repite el ejercicio por cada topic y subcategoría: si dentro de "neveras" te interesa distinguir entre neveras americanas y neveras de dos puertas, genera ambos paquetes (informacional y comercial) para cada subcategoría, no solo para el topic general.

Aplica también aquí la regla de paridad del paso 1: intenta que el número de prompts sintéticos por topic sea similar entre todos tus topics. Si "neveras" termina con 300 prompts y "lavadoras" con 120, comparar la visibilidad entre ambos topics deja de ser fiable incluso en términos porcentuales, porque cada porcentaje se apoya en una base muy distinta. El objetivo es que, cuando compares topics entre sí, lo hagas sobre números absolutos parecidos.

Con 20-30 keywords y 400-600 prompts sintéticos por topic, si quieres medir 4 topics son entre 1.600 y 2.400 prompts sintéticos en total. Y si los lanzas contra dos LLMs —por ejemplo AI Overviews y ChatGPT—, obtendrás entre 3.200 y 4.800 respuestas para analizar. Son cifras que dan una idea real de la inversión de tiempo (y de coste de API) que requiere hacer este ejercicio con rigor, frente a lanzar un puñado de prompts sueltos a mano.

function medirVisibilidadAIOverview() {
  const ss = SpreadsheetApp.getActiveSpreadsheet();
  const hojaPrompts = ss.getSheetByName('Prompts');

  if (!hojaPrompts) {
    throw new Error('No existe ninguna pestaña llamada "Prompts" en este Google Sheet. Revisa el nombre exacto de la pestaña (mayúsculas, espacios) y vuelve a ejecutar.');
  }

  const prompts = hojaPrompts.getDataRange().getValues();
  const respuestas = ss.insertSheet('Respuestas_' + new Date().getTime());
  const fuentes = ss.insertSheet('Fuentes_' + new Date().getTime());

  respuestas.appendRow(['Prompt ID','Prompt','Topic','Subcategoria','Intencion','Respuesta']);
  fuentes.appendRow(['Prompt ID','Fuente (dominio)','URL completa','Topic','Subcategoria','Intencion']);

  for (let i = 1; i < prompts.length; i++) {
    const promptId = i; // usamos el número de fila como ID, no hace falta una columna aparte
    const [prompt, topic, subcategoria, , intencion] = prompts[i]; // el 4º valor (keyword origen) no se usa aquí

    const resultado = llamarGoogleAIOverview(prompt);
    respuestas.appendRow([promptId, prompt, topic, subcategoria, intencion, resultado.texto]);

    resultado.fuentes.forEach(url => {
      fuentes.appendRow([promptId, extraerDominio(url), url, topic, subcategoria, intencion]);
    });

    Utilities.sleep(1000); // evita saturar el rate limit de la API
  }
}

function llamarGoogleAIOverview(prompt) {
  const apiKey = PropertiesService.getScriptProperties().getProperty('SERPAPI_API_KEY');
  // ↑ AQUÍ VA TU API KEY DE SERPAPI (Configuración del proyecto > Propiedades del script)

  if (!apiKey) {
    throw new Error('No se ha encontrado la propiedad SERPAPI_API_KEY. Ve a Configuración del proyecto > Propiedades del script y añádela con tu API key de serpapi.com.');
  }

  const params = {
    engine: 'google',
    q: prompt,
    hl: 'es',        // ← AQUÍ EL IDIOMA (hl = idioma de la búsqueda: 'es', 'en', 'fr'...)
    gl: 'es',         // ← AQUÍ LA REGIÓN (gl = país objetivo: 'es', 'mx', 'us'...)
    api_key: apiKey
  };

  const primeraLlamada = JSON.parse(
    UrlFetchApp.fetch('https://serpapi.com/search.json?' + construirQuery(params)).getContentText()
  );
  let aiOverview = primeraLlamada.ai_overview;

  // Algunas consultas requieren una segunda llamada para completar el AI Overview
  if (aiOverview && aiOverview.page_token) {
    const paramsToken = {
      engine: 'google_ai_overview',
      page_token: aiOverview.page_token,
      api_key: apiKey
    };
    const segundaLlamada = JSON.parse(
      UrlFetchApp.fetch('https://serpapi.com/search.json?' + construirQuery(paramsToken)).getContentText()
    );
    aiOverview = segundaLlamada.ai_overview;
  }

  if (!aiOverview) {
    return { texto: '(Google no mostró AI Overview para este prompt)', fuentes: [] };
  }

  const texto = (aiOverview.text_blocks || [])
    .map(bloque => bloque.snippet || '')
    .filter(Boolean)
    .join(' ');

  const fuentesUrls = (aiOverview.references || [])
    .map(referencia => referencia.link)
    .filter(Boolean);

  return { texto: texto, fuentes: fuentesUrls };
}

function construirQuery(params) {
  return Object.keys(params)
    .map(clave => encodeURIComponent(clave) + '=' + encodeURIComponent(params[clave]))
    .join('&');
}

function extraerDominio(url) {
  return url.split('/')[2] || url;
}

Paso a paso para poner en marcha el script

Si es la primera vez que usas Apps Script, estos son todos los pasos, uno por uno, desde la hoja en blanco hasta ver los resultados. Antes de nada, dos cosas que hay que respetar sí o sí para que el script funcione:

• El nombre de la pestaña de entrada: tiene que llamarse exactamente Prompts —con P mayúscula, sin tilde, sin espacios antes ni después—. El script busca ese nombre literal; si no lo encuentra, falla.
• El orden de las columnas, no el texto de la cabecera: el script lee cada fila por posición (columna A, B, C...), no por el texto que pongas en la fila 1. Puedes escribir la cabecera como quieras ("Prompt", "prompt", "Mi prompt" — da igual), pero el ORDEN de las columnas tiene que ser: A = Prompt, B = Topic, C = Subcategoría, D = Keyword origen, E = Intención. La fila 1 se ignora siempre (se asume que es la cabecera), así que empieza a meter datos reales en la fila 2.

1. Crea la pestaña "Prompts" en tu Google Sheet.

   Añade una pestaña nueva (icono "+" abajo a la izquierda) y renómbrala a Prompts —este nombre sí lo usa el script para encontrar la pestaña, tiene que ser exactamente ese—. Dentro de esa pestaña, en la fila 1 escribe las cabeceras: esto es solo a modo de recordatorio visual para ti, el script no lee el texto de la fila 1 (la ignora siempre). Lo que sí importa es el orden de las columnas: a partir de la fila 2, rellena tus prompts sintéticos con sus columnas Topic, Subcategoría, Keyword origen e Intención, en ese orden exacto.

   

2. Abre el editor de Apps Script y pega el script.

   Desde tu Google Sheet: menú Extensiones → Apps Script. Se abrirá una pestaña nueva del navegador con un archivo llamado Código.gs (o Code.gs) con una función vacía de ejemplo. Selecciona todo ese contenido (Ctrl+A) y bórralo, y pega el script completo. Guarda con el icono del disquete o Ctrl+S; si te pide un nombre para el proyecto, ponle el que quieras (por ejemplo "Visibilidad AI Overview"), no afecta al funcionamiento.

   
   

3. Configura tu API key como propiedad del script.

   En el menú lateral izquierdo del editor de Apps Script, pulsa el icono de engranaje ⚙️ (Configuración del proyecto). Baja hasta "Propiedades del script" y pulsa "Añadir propiedad del script". En el campo Propiedad escribe exactamente SERPAPI_API_KEY, y en el campo Valor pega tu API key real, copiada de serpapi.com/manage-api-key. Guarda. Este es el único sitio donde va tu key: nunca se escribe dentro del código.

   

4. Ejecuta la función y acepta los permisos de Google.

   Vuelve al editor de código (icono "<>" en el menú lateral). Arriba, junto al botón Ejecutar, hay un desplegable de funciones: selecciona medirVisibilidadAIOverview y pulsa Ejecutar (▶). La primera vez te aparecerá una ventana "Autorización necesaria": pulsa Revisar permisos, elige tu cuenta de Google, y te aparecerá una pantalla que dice algo como "Google no ha verificado esta aplicación". Esto es normal y esperable: es tu propio script personal, no una app pública, así que Google no lo tiene verificado. Pulsa en Avanzado (o "Advanced") y luego en "Ir a [nombre de tu proyecto] (no seguro)". En la siguiente pantalla verás qué permisos pide el script (acceso a tus hojas de cálculo y a servicios externos, para poder llamar a la API) y pulsas Permitir.

   

5. Comprueba que ha funcionado.

   Tras aceptar los permisos, el script se ejecuta solo (si no, vuelve a pulsar Ejecutar). Abajo, en el panel de "Ejecución" del editor, puedes ver si ha terminado sin errores. Vuelve a tu Google Sheet: deberían haber aparecido dos pestañas nuevas, Respuestas_... y Fuentes_..., con los resultados de cada prompt.

   

Un par de detalles a tener en cuenta antes de lanzar el volumen completo: el plan gratuito de SerpApi incluye 250 búsquedas al mes, de sobra para probar con un puñado de prompts antes de lanzar los 400-600 por topic de los que hablábamos en el paso 2. Y si el script falla, el propio editor de Apps Script guarda un historial de ejecuciones (icono del reloj, en el menú lateral) donde puedes ver el error exacto de cada intento.

Al ejecutar la función, obtienes dos pestañas nuevas:

• Respuestas: una fila por cada prompt, con el texto completo del AI Overview obtenido (o el aviso de que Google no mostró AI Overview para esa consulta).
• Fuentes: una fila por cada URL citada, ya asociada a su topic y subcategoría, lista para analizar.

Ejemplo de cómo queda la pestaña de respuestas para un prompt del paquete comercial. Como la fila la genera un único AI Overview, para comparar con la competencia buscas manualmente el nombre de cada marca dentro de ese mismo texto (aquí, a modo de referencia, se muestra el resultado ya anotado con tu marca y con la de un competidor):

La columna "Marca mencionada (1/0)" indica solo si tu marca aparece o no en esa respuesta: 1 significa que se menciona, 0 que no se menciona.

Cómo se rellena: en la pestaña "Respuestas", añade una columna nueva junto a las que genera el script (por ejemplo la columna G) y en la primera fila de datos escribe una fórmula como esta:

=SI(ESNUMERO(HALLAR("marca";F2));1;0)

Sustituye "marca" por el nombre real de tu marca, y F2 por la celda de la columna "Respuesta" de esa misma fila (en nuestra estructura de pestaña, la F). Luego arrastra esa celda hacia abajo (el pequeño cuadrado azul de la esquina inferior derecha de la celda) para copiar la fórmula a todas las filas: Sheets ajustará automáticamente F2 a F3, F4, F5... según la fila.

Qué hace cada parte de la fórmula, de dentro hacia fuera:

• HALLAR("marca";F2): busca el texto "marca" dentro de la celda F2. Si lo encuentra, devuelve la posición donde empieza (un número); si no lo encuentra, devuelve un error. A diferencia de ENCONTRAR, HALLAR no distingue mayúsculas de minúsculas, así que detecta igual "Marca", "MARCA" o "marca".
• ESNUMERO(...): comprueba si lo que ha devuelto HALLAR es un número (lo encontró) o un error (no lo encontró), y lo convierte en VERDADERO o FALSO.
• SI(...;1;0): traduce ese VERDADERO/FALSO a 1 o 0, que es el formato que interesa para poder sumar la columna directamente en la tabla dinámica del paso 6.

Y así queda la pestaña de fuentes, con una fila por cada URL que Google haya citado dentro del AI Overview:

Cada fila es una fuente citada por un prompt en el AI Overview obtenido. La columna "Fuente (dominio)" es la que usarás en el paso 6 para el ranking de dominios; "URL completa" es el artículo exacto, la que necesitas a mano cuando vayas a hacer digital PR sobre esa fuente.

Tabla dinámica 1 — Cuota de respuesta de tu marca

Inserta → Tabla dinámica, usando la pestaña "Respuestas" como origen, filtrada por Intención = Comercial (es este paquete el que mide menciones de marca, no el informacional). Configúrala así:

• Filas: Topic y Subcategoría
• Valores: suma de la columna "Marca mencionada (1/0)"

Al ser una columna numérica (1 si te menciona, 0 si no), sumarla equivale directamente a contar en cuántas respuestas apareces, sin necesidad de filtrar por ningún valor de texto. El resultado te dice, para cada categoría de producto, en cuántos AI Overviews te menciona. Repite el mismo ejercicio con una columna calculada igual pero para cada competidor relevante (misma fórmula, cambiando "marca" por su nombre), y tendrás una comparativa directa de cuota de respuesta por categoría. Si más adelante añades otro motor (por ejemplo ChatGPT, siguiendo el mismo patrón de script), puedes recuperar una columna "Motor" en la tabla dinámica para comparar entre ambos.

Tabla dinámica 2 — Fuentes más citadas en AI Overview

Esta usa la pestaña "Fuentes" como origen. Configúrala igual que la anterior, pero esta vez merece la pena mirarla en dos pasadas separadas, filtrando por Intención cada vez, porque cada una te dice algo distinto:

• Filas: Fuente (dominio)
• Columnas: Topic
• Valores: recuento de apariciones
• Ordena de mayor a menor por el total

Con la tabla montada, fíltrala primero por un valor de Intención y luego por el otro; cada pasada te dice algo distinto:

• Filtrada por Intención = Comercial: aquí ves qué recursos digitales —directorios de empresas, medios generalistas, medios sectoriales— usa más la IA para construir respuestas de compra en tu categoría. Esos dominios son tu objetivo de digital PR: cuantas más menciones consigas en su contenido, más probable que el LLM acabe mencionándote a ti (esto es justo lo que retomamos en el paso 7 con el Mention Gap).
• Filtrada por Intención = Informacional: aquí mides tu propia visibilidad como recurso: cuántas veces te citan los LLMs a ti y a tus competidores, y qué recursos exactos usan (qué artículos, qué páginas concretas). Comparando esos patrones —qué tipo de contenido y formato se repite entre lo más citado— puedes extraer qué funciona mejor a la hora de ser citado, y llevarlo a tu propia creación de contenido.

Este ranking es la pieza más valiosa de todo el ejercicio: te dice exactamente qué medios, webs o directorios están alimentando las respuestas de los LLMs en cada una de tus categorías. Si un mismo dominio aparece de forma recurrente en "neveras", ya sabes dónde concentrar tus esfuerzos en el paso siguiente.

Consultas comerciales: consigue que te mencionen

En la agencia, con este mismo tipo de datos vamos un paso más allá con lo que llamamos el Mention Gap, un ejercicio que requiere tecnología adicional que no cubrimos en esta guía. La lógica es esta: de todos los prompts comerciales cuya respuesta NO menciona a la marca del cliente, extraemos las fuentes que han participado en construir esas respuestas. Después recorremos el contenido exacto de cada una de esas fuentes, de forma automática, buscando el nombre de la marca. Las fuentes que cumplen las dos condiciones a la vez —participan en respuestas donde no aparecemos, y tampoco nos mencionan en su propio contenido— son el activable real: ahí es donde una acción de PR tiene más probabilidad de traducirse en una mención futura, porque no hay ningún rastro previo de la marca compitiendo por esa atención. Es el tipo de dato que buscan los equipos de PR y outreach para priorizar con precisión quirúrgica.

No hace falta esa tecnología para sacar partido a lo que ya tienes montado con esta guía. Sin acceso al cruce automático, apóyate directamente en la tabla dinámica 2 filtrada por Comercial: el ranking de qué directorios, medios generalistas o medios sectoriales tienen más peso a la hora de construir respuestas sobre tu topic o categoría. No es tan quirúrgico como el Mention Gap —no sabes si esa fuente concreta ya te menciona o no—, pero ya es un activable real y con datos: sabes exactamente dónde concentrar tus esfuerzos de digital PR, en lugar de repartirlos a ciegas entre todos los medios de tu sector.

Consultas informacionales: consigue que tus recursos sean la fuente

Aquí también hacemos en la agencia un análisis automatizado del contenido de las fuentes más citadas. Pero, igual que en el caso anterior, no hace falta esa automatización para sacar conclusiones útiles: con la tabla dinámica 2 filtrada por Informacional, coge las URLs completas (la columna que guarda el script en la pestaña de Fuentes) de tus fuentes con más citaciones y revísalas una a una, buscando patrones que se repitan entre ellas: si usan tablas para describir cierto tipo de contenido, si recurren a listas, qué tipo de encabezados usan, qué longitud tienen las respuestas directas, si incluyen datos concretos y verificables.

El objetivo es replicar ese patrón en tu propio blog o tus guías de compra, sin perder de vista los aspectos técnicos que lo sostienen (rastreo, indexación, velocidad de carga), que dan para un artículo aparte. Cuando vuelvas a lanzar el paquete informacional dentro de unos meses, el objetivo es que tu propio dominio empiece a aparecer en la pestaña de Fuentes, no solo terceros.