Tasa de menciones positivas

El sentimiento positivo ya no es solo cosa de la escucha social: ahora también es una cuestión de visibilidad en IA. Cuando un posible cliente pregunta a ChatGPT o a Perplexity por las «mejores herramientas», los «principales proveedores» o si «merece la pena X», tu marca puede aparecer con un encuadre neutro, positivo o negativo. La tasa de menciones positivas hace medible ese encuadre, porque calcula qué parte de las menciones de tu marca llega con un lenguaje y una intención favorables. A medida que los motores de respuestas se convierten en una de las principales vías de descubrimiento, esta métrica te ayuda a distinguir entre «nos han mencionado» y «nos han recomendado».

Tasa de menciones positivas: qué mide y cómo se calcula

La tasa de menciones positivas es una métrica ponderada por sentimiento: tiene en cuenta todas las respuestas de IA en las que aparece tu marca y calcula qué porcentaje de esas menciones es positivo.

En la práctica, tienes que definir:

• El conjunto de prompts (tus preguntas monitorizadas, categorías y comparativas con la competencia)
• Los motores (por ejemplo, ChatGPT, Perplexity y los AI Overviews de Google)
• El periodo (semanal, mensual y antes o después de un lanzamiento)
• Las reglas de sentimiento (qué cuenta como «positivo» frente a «neutro» o «negativo»)

Una fórmula sencilla sería esta:

tasa de menciones positivas = menciones positivas de la marca / menciones totales de la marca

La mayoría de los equipos también hacen seguimiento de la distribución completa, para ver si la mejora viene de tener menos menciones negativas o más positivas. Ahí es donde la distribución del sentimiento en las respuestas y el sentimiento de marca en IA se convierten en complementos especialmente útiles.

Si quieres que la métrica sirva para tomar decisiones, hay dos detalles clave:

1. El alcance importa. Un conjunto de prompts cargado de «alternativas a [competidor]» sesgará el sentimiento de forma distinta a uno centrado en «precios» o «quejas».
2. Las reglas de recuento importan. Decide si las menciones repetidas dentro de una misma respuesta cuentan una sola vez (lo recomendable, por estabilidad) o varias (útil en respuestas comparativas largas).

Por qué importa para la visibilidad en IA y para que descubran tu marca

Los sistemas de IA condensan la web en recomendaciones. Si tu marca aparece con matices, dudas o expresiones como «opiniones dispares», puede que sigas ganando cobertura de menciones en IA, pero perderás terreno en la elección final.

La tasa de menciones positivas importa porque conecta la visibilidad con la persuasión:

• Predice los clics y la entrada en la preselección mejor que la simple presencia. Una mención neutra suele equivaler a «no estoy seguro», mientras que una positiva se lee como una opción contrastada.
• Revela pronto los riesgos para la marca. Una proporción creciente de menciones negativas en las respuestas de la IA puede anticipar problemas de reputación que no verás en los informes tradicionales de la SERP.
• Te ayuda a decidir qué palancas de visibilidad activar. Si tu tasa de inclusión con cita es alta pero el sentimiento no se mueve, lo más probable es que tengas un problema de posicionamiento y de pruebas, no de extracción.

Aquí es también donde las menciones propias frente a ganadas se vuelven estratégicas. Las respuestas de la IA suelen mezclar tu contenido propio (páginas de producto, documentación, página de referencia única) con contenido ganado (reseñas, informes de analistas, publicaciones de la comunidad). El sentimiento suele reflejar el equilibrio y la credibilidad de esas fuentes.

Cómo aparece en las respuestas reales (y qué lo determina)

Así suele ser una «mención positiva» en las respuestas de la IA:

• Lenguaje de recomendación directa: «una opción sólida», «la mejor opción para», «conocida por», «destaca porque»
• Un encaje claro: «ideal para equipos de empresas medianas», «perfecta si necesitas SOC 2», «funciona bien para marcas con varias sedes»
• Pruebas incluidas: citas a comparativas, casos de éxito o fuentes externas de prestigio

Y esto es lo que hace bajar la tasa de menciones positivas:

• Nombres de entidad ambiguos (problemas de desambiguación de entidades), cuando el modelo te confunde con otra empresa
• Pocas pruebas en tus páginas propias, lo que debilita las señales de confianza de la fuente para la IA y provoca un lenguaje más cauteloso
• Afirmaciones desactualizadas que chocan con fuentes más recientes, algo relacionado con las señales de frescura y actualidad del contenido
• Narrativas de reseñas que dominan la recuperación, sobre todo si te faltan comparativas de calidad y guías de implementación

Un patrón habitual: mejoras tus citas en IA y tu cuota de citas, pero el sentimiento se queda atrás. Eso suele significar que el modelo te encuentra, pero no sabe explicar con seguridad por qué eres la mejor opción para una necesidad concreta.

Qué hacer: guía práctica para mejorar la tasa

No puedes «optimizar el sentimiento» directamente, pero sí los factores que dan lugar a resúmenes favorables.

1. Pon en orden tu fuente única de verdad: crea o actualiza una página de referencia única que recoja tu posicionamiento, el encaje con tu ICP (perfil de cliente ideal), tus diferenciales clave, tus limitaciones y tus datos de respaldo, con fechas y enlaces. Pónselo fácil a la capa de recuperación de la IA para extraerla y citarla.
2. Amplía tu superficie de respuesta en las comparativas de alta intención: crea contenido pensado para responder a prompts del tipo «la mejor opción para X», «X vs. Y», «alternativas» y «cómo elegir». Combina el diseño de respuestas canónicas con fichas de datos estructuradas por fragmento, para que los motores puedan extraer afirmaciones claras y seguras.
3. Refuerza las pruebas, no los adjetivos: cambia los superlativos vagos por datos verificables, como certificaciones, métricas de disponibilidad, transparencia en los precios, número de clientes con fecha y validaciones independientes. Así afianzas tu posición en las respuestas de IA y el modelo matiza menos.
4. Monitoriza el sentimiento por grupo de prompts, no solo en conjunto: mide la tasa de menciones positivas por categoría (precios, seguridad, implementación, rendimiento). Una marca puede parecer «excelente» en general y estar perdiendo justo en el grupo que mueve el pipeline. Las funciones de análisis de sentimiento en IA de Omnia te permiten desglosarlo por grupo de prompts para que actúes sobre las narrativas concretas que te están costando conversiones.
5. Combínala con las métricas de inclusión y de citas: usa el AI Visibility Score, la cuota de impresiones en IA y la tasa de inclusión con cita junto a la tasa de menciones positivas para saber si tienes un problema de visibilidad, de credibilidad o de posicionamiento.

La tasa de menciones positivas convierte la visibilidad en IA en una señal de calidad que puedes gestionar. Cuando mides no solo si el modelo te menciona, sino cómo te presenta, tu equipo puede priorizar el contenido, las pruebas y las señales de terceros que se traducen en recomendaciones reales.