Cómo hacer seguimiento de tu posición y visibilidad en los AI Overviews de Google

Comprobar a mano si apareces en los AI Overviews no es hacer seguimiento. Es una instantánea de una consulta, en un dispositivo y en un momento concreto, y mañana la cita podría ser de otro.

El problema no es el esfuerzo. Los equipos de SEO sí lo comprueban. El problema es que las comprobaciones manuales puntuales, los datos de posición de GSC y las herramientas de seguimiento de posiciones tradicionales miden algo cercano a la visibilidad en los AI Overviews, pero no la visibilidad en sí. Una página puede ocupar la primera posición en los resultados orgánicos y no aparecer en absoluto en el AI Overview que tiene encima. GSC te mostrará la consecuencia de esa ausencia en el tráfico semanas después, sin explicar qué ha cambiado ni por qué. Y una comprobación manual el martes no te dice nada de lo que apareció el miércoles, en otro país, para una formulación ligeramente distinta de la misma consulta.

Según la base de datos propia de citas de Omnia, que registra más de 42 millones de citas en cuatro motores de IA, solo el 18,5 % de las respuestas de los AI Overviews mantiene el mismo dominio más citado de una semana a otra. Es decir, en más del 80 % de las consultas el panorama de citas cambia constantemente, y la mayoría de los equipos de SEO no tienen ningún registro de ello. En esta guía montamos el sistema de seguimiento que lo soluciona: qué monitorizar, con qué frecuencia, cómo conectar los datos de citas con el impacto en el tráfico y cómo distinguir un cambio de Google de un fallo de tu contenido.

Por qué tus herramientas actuales no detectan los cambios de posición en los AI Overviews

Los equipos de SEO no están ignorando los AI Overviews. Los están midiendo con herramientas creadas para otro problema. Hoy, el stack de SEO de la mayoría de los equipos gira en torno a tres categorías de herramientas, y ninguna capta lo que realmente cambia dentro de un AI Overview.

Google Search Console no aísla los clics de los AI Overviews

No hay ningún segmento de AI Overviews en la interfaz predeterminada, ni un informe específico, ni un filtro que separe los clics que llegan desde una cita en un AI Overview de los que llegan desde un resultado orgánico estándar. Lo que muestra GSC es el agregado: impresiones, clics y CTR por consulta, sin ninguna indicación de qué superficie ha generado la señal. Eso significa que una página puede perder por completo su cita en un AI Overview sin que GSC muestre nada hasta que la caída del tráfico tenga ya varias semanas. Cuando los datos por fin afloran, la pregunta ya no es «¿estamos perdiendo terreno?», sino «¿cuánto tiempo llevamos perdiéndolo?». GSC no está hecho para detectar pérdidas en los AI Overviews. Te mostrará la consecuencia, no la causa.

Las herramientas de seguimiento de posiciones tradicionales miden la capa equivocada

Las herramientas de seguimiento de posiciones informan de la posición de una página en el índice orgánico. Los AI Overviews son una capa de citas que se sitúa por encima de ese índice, no una posición dentro de él. Una página puede ocupar la primera posición para una consulta y no aparecer en absoluto en el AI Overview que se muestra encima para esa misma consulta. Son superficies distintas que requieren mediciones distintas. Hacer seguimiento de la posición 1 y hacer seguimiento de la visibilidad en IA dentro de un AI Overview no son la misma medición, y nunca lo han sido. Una herramienta que muestra una posición 1 estable mientras un AI Overview cita a un competidor que está tres puestos por debajo te está dando información precisa sobre lo que no importa.

Las comprobaciones manuales puntuales no escalan

El fallo va más allá de la falta de tiempo. Un estudio de Graphite.io concluyó que los motores de IA generan respuestas distintas a prompts idénticos porque la aleatoriedad forma parte de cómo producen texto los modelos de lenguaje de gran tamaño. Una comprobación manual no capta un estado fijo: capta una muestra de una distribución de probabilidad. Los datos confirman lo grande que es esa variación: según la base de datos propia de citas de Omnia, que registra más de 42 millones de citas, solo el 18,5 % de las respuestas de los AI Overviews mantiene el mismo dominio más citado de una semana a otra. En ChatGPT, la cifra baja al 8,1 %. Con 30 consultas o más y dos o tres competidores en el radar, la comprobación manual consume horas cada semana y aun así produce datos con los que no se pueden ver tendencias, hacer comparaciones ni preparar informes. La mayoría de los equipos que empiezan con comprobaciones manuales abandonan el proceso en menos de un mes porque el método no escala.

Qué necesitas de verdad para hacer un seguimiento preciso de los AI Overviews

Antes de introducir cualquier herramienta, conviene tener claro qué tiene que producir el sistema de seguimiento. Hay tres componentes imprescindibles. Si quitas cualquiera de ellos, lo que queda es observación, no medición.

Seguimiento de la visibilidad por consulta

Los AI Overviews aparecen por consulta, no por dominio. Una marca puede estar citada en una variante de una pregunta de alta intención y no aparecer en otra semánticamente parecida. Hacer seguimiento exige monitorizar un conjunto definido de consultas: no solo consultas de marca, sino también consultas de categoría («mejor [tipo de producto] para [caso de uso]»), consultas comparativas («marca vs. competidor») y consultas informativas de alta intención de tu ámbito temático. Lo que está en juego es muy concreto: según la base de datos de citas de Omnia, los AI Overviews citan unos nueve dominios únicos por respuesta, y esa cifra se mantiene estable desde el cuarto trimestre de 2025. Son nueve huecos por respuesta, repartidos por todo el conjunto de consultas. Sin un conjunto definido de consultas que seguir, no tienes forma de saber qué huecos ocupas, cuáles has perdido y cuáles está consolidando un competidor sin hacer ruido. Cada comprobación es una observación aislada, sin referencia y, por tanto, sin medición.

Seguimiento histórico a lo largo del tiempo

Una sola observación no son datos. Un registro de observaciones durante semanas, sí. El sistema de seguimiento necesita un registro fechado de cuándo se citó a la marca, cuándo desapareció y cuándo entraron o salieron los competidores, para cada consulta monitorizada y semana a semana. Eso es lo que permite relacionar un cambio de contenido con una variación de la visibilidad y distinguir una actualización de Google de un fallo de tu contenido. Una actualización de Google puede afectar a muchas consultas a la vez y aparecer en el histórico como un cambio en todo un grupo de consultas. Un fallo de contenido afecta a una consulta o a un grupo concreto y coincide con una publicación o una actualización. Sin histórico, esa distinción es invisible y no puedes responder a la pregunta más básica que te hace dirección: «¿Esto va a mejor o a peor?». Si quieres ver cómo influyen las señales de confianza de la fuente para la IA en que las citas cambien de un dominio a otro, y qué cambios de contenido pueden influir en ello, la guía sobre cómo mejorar tu visibilidad en los AI Overviews de Google explica en detalle cómo responder desde el contenido.

Seguimiento de las citas de la competencia

En cualquier consulta en la que tu marca no aparece, aparece un competidor. Saber qué dominios y qué páginas se citan en tu lugar no es información complementaria: es el diagnóstico que determina qué tipo de respuesta necesitas. Te dice si te enfrentas a una brecha de contenido (el tema no está cubierto con la profundidad que prefiere el modelo de IA), una brecha de autoridad (el dominio citado tiene más señales de confianza de la fuente para este tipo de consulta) o una brecha de distribución (el contenido existe, pero no está publicado en los dominios que los modelos de IA leen sobre este tema). Hacer seguimiento de la cuota de citas y del share of voice (SOV) en todo el conjunto de consultas monitorizadas es lo que convierte la monitorización de la presencia en inteligencia competitiva.

Cómo configurar el seguimiento de los AI Overviews por consultas, actualizaciones y competidores

La metodología de la sección anterior define qué medir. Esta sección define cómo construir el sistema que lo mide. Los cinco pasos siguientes van en orden y dependen unos de otros: cada uno es requisito del siguiente. Hacer el paso tres sin el paso dos produce datos sin punto de referencia. Hacer el paso cinco sin el paso cuatro produce inteligencia competitiva sin precisión por página.

Paso 1: crea tu conjunto de consultas antes de hacer seguimiento de nada

El conjunto de consultas es la base de todo el sistema de seguimiento. Hacer seguimiento de 200 consultas sin una lógica estratégica produce ruido. Hacer seguimiento de 40 consultas bien categorizadas produce señal.

Empieza con 30-50 consultas repartidas en cuatro categorías. Las consultas de marca combinan el nombre de la empresa con una categoría o un caso de uso. Las consultas de categoría cubren el ámbito temático más amplio («mejor [tipo de producto] para [caso de uso]»). Las consultas comparativas cubren los enfrentamientos directos con la competencia («marca vs. competidor»). Las consultas informativas de alta intención cubren las preguntas que se hacen los compradores antes de llegar a una página de producto: las consultas del tipo «cómo», «qué es» y «cuál» que preceden a la decisión.

Dentro de ese conjunto, prioriza dos tipos de consultas: aquellas en las que ya aparecen AI Overviews de forma constante y aquellas en las que tu marca tiene un buen posicionamiento orgánico. El primer grupo muestra dónde está activa la competencia por las citas. El segundo muestra dónde es más probable que el desplazamiento por la IA esté erosionando un activo de tráfico que ya tienes: una página que se posiciona bien en orgánico, pero que está perdiendo el clic frente al AI Overview que tiene encima.

En la práctica, un conjunto de 40 consultas documentado en una hoja de cálculo compartida, con el tipo de consulta etiquetado y la presencia de AI Overviews confirmada, es más útil que 400 consultas sin categorizar. El conjunto de consultas marca el techo de lo que el sistema de seguimiento puede decirte. Constrúyelo con criterio antes de hacer una sola comprobación.

Paso 2: establece una línea base fechada

Sin una línea base, no hay medición. Los datos de cada semana futura solo tienen sentido en relación con un punto de referencia fijo, y ese punto tiene que establecerse antes de hacer cambios de contenido, actualizaciones o movimientos en respuesta a la competencia.

Para cada consulta del conjunto, registra lo siguiente a una hora fija y desde la misma ubicación: ¿aparece un AI Overview? ¿Se cita a la marca? ¿Qué página concreta se cita? ¿Qué dominios de la competencia aparecen? Esta línea base es el punto cero. Los datos de cada semana posterior se miden respecto a ella: no respecto a la semana anterior, sino respecto a este estado original.

Dos cosas hacen que una línea base sea fiable. La constancia de las condiciones: el mismo dispositivo, la misma ubicación, la misma hora del día y una sesión nueva para cada prompt, como recomienda el estudio de Graphite.io, para evitar que los efectos de memoria o de personalización distorsionen el resultado. Y la exhaustividad: una referencia con huecos en las columnas de la competencia producirá datos ambiguos más adelante, cuando aparezca un competidor y no esté claro si es nuevo o si simplemente no se registró.

Si no tienes línea base, no puedes saber si la semana cuatro es mejor o peor que la semana uno. Solo puedes describir la semana cuatro.

Paso 3: fija una cadencia de seguimiento más frecuente que tu calendario de publicación

Si publicas un contenido y compruebas su rendimiento en citas un mes después, no puedes atribuirle el resultado. En esas semanas ha cambiado algo más. La cadencia tiene que estar lo bastante cerca de la acción como para detectar la señal.

El seguimiento semanal es la cadencia mínima viable para detectar tendencias. Encaja con cómo cambian realmente los patrones de citas: los datos de Omnia muestran que el panorama de citas cambia de forma significativa de una semana a otra, no de un mes a otro. El seguimiento diario es necesario durante los experimentos activos: publicar contenido nuevo, actualizar páginas existentes o conseguir citas fuera de tu web mediante apariciones en sitios de terceros. Durante un experimento controlado, las comprobaciones diarias de las dos primeras semanas aportan datos suficientes para saber si la acción ha producido una señal antes de que empiece el siguiente ciclo de publicación.

En la práctica, lo mínimo que debe producir el sistema es una instantánea semanal del estado de las citas en todo el conjunto de consultas, con un indicador de cambio para cualquier consulta que haya ganado o perdido una cita respecto a la referencia anterior. Cualquier frecuencia menor convierte el sistema de seguimiento en un informe mensual: útil para dirección, pero demasiado lento para orientar las decisiones de contenido.

Paso 4: registra qué página se cita, no solo si la marca aparece

La presencia de la marca y la cita de una página son señales distintas, y confundirlas es uno de los errores de seguimiento más habituales. Un AI Overview puede nombrar una marca en el texto generado sin enlazar a ninguna de sus páginas. Esa mención no genera ninguna señal de tráfico, no refuerza ninguna página concreta como fuente de confianza y no contribuye en nada al patrón que usan los modelos de IA para elegir las citas de futuras respuestas. La tasa de inclusión con cita, que refleja con qué constancia se toma una página concreta como fuente, es una métrica fundamentalmente distinta de la frecuencia de menciones de marca.

Para cada cita, registra la URL concreta citada (no el dominio, sino la página exacta), el tipo de contenido (página de producto, artículo de blog, artículo de terceros, fuente de datos, cobertura en prensa), en qué parte del resumen aparece la cita y si lo hace como fuente principal o como referencia de apoyo. Con el tiempo, este registro te dice qué formatos de contenido prefieren los AI Overviews para cada tipo de consulta, si las citas apuntan directamente a páginas propias de la marca o pasan por fuentes de terceros, y qué páginas están consolidando citas constantes frente a cuáles aparecen de forma intermitente.

Esa última distinción importa. Una página citada de forma constante en cinco comprobaciones semanales para una consulta de alta intención refleja la confianza del modelo en esa fuente. Una cita intermitente refleja un hueco disputado, que puedes llegar a ganar con una respuesta de contenido o de distribución bien dirigida. Saber cuál es cuál determina dónde actuar primero.

Paso 5: revisa los cambios de la competencia cada semana, no cada mes

La posición competitiva en los AI Overviews se consolida más rápido de lo que esperan la mayoría de los equipos de SEO. Un competidor que consigue citas constantes en un grupo de consultas durante seis semanas se vuelve estructuralmente más difícil de desplazar, porque el refuerzo de patrones del modelo juega en tu contra, no a tu favor. Si revisas la competencia cada mes, siempre irás seis semanas por detrás de esa consolidación cuando por fin la veas.

Para cada consulta en la que tu marca no aparece, registra el dominio del competidor y la página concreta que se cita. Después, busca uno de estos dos patrones. Consolidación temática: el mismo competidor aparece en un grupo de consultas relacionadas, lo que indica que ha construido en ese tema una profundidad que tu contenido todavía no iguala. Competencia fragmentada: aparecen competidores distintos para consultas distintas dentro del mismo grupo, lo que indica que el terreno está abierto y que una cobertura temprana y constante puede darte un punto de apoyo.

Estos dos patrones requieren respuestas distintas. La consolidación temática de un único competidor es un problema estructural que exige responder con un clúster de contenido, no con el arreglo de una sola página. La competencia fragmentada es una oportunidad para adelantarte en las consultas que más importan antes de que un competidor consiga esa misma consolidación. Hacer seguimiento de la visibilidad competitiva en IA con este nivel de detalle es lo que separa un sistema de seguimiento que produce decisiones de uno que produce informes.

Cómo medir el impacto de los AI Overviews en el tráfico SEO

Aquí es donde la mayoría de los responsables de SEO se topan con un muro. El sistema de seguimiento que has construido en la sección anterior te dice qué ha pasado en los AI Overviews. Lo que no puede hacer —ni hace hoy de forma limpia ninguna herramienta— es trazar una línea de atribución directa entre la cita en un AI Overview y el tráfico orgánico. Conviene dejar clara esa limitación antes de presentar los métodos indirectos, porque construir un relato para dirección sobre una medición que no existe acabará volviéndose en tu contra.

Google Search Console no aísla los clics de los AI Overviews. No hay ningún filtro, segmento ni informe específico que separe el tráfico que llega desde una cita en un AI Overview del que llega desde un resultado orgánico estándar. No es algo que se resuelva con un apaño: hoy no hay una solución limpia en GSC. Lo que sigue son tres métodos indirectos que producen señales significativas.

Método indirecto 1: CTR frente a datos de posición

Una página que mantiene una posición estable (la primera o la segunda), pero muestra un CTR en descenso durante un periodo de 60-90 días, en un grupo de consultas en el que se ha confirmado la presencia de AI Overviews, está sufriendo un desplazamiento por la IA. La posición se ha mantenido. El clic se lo ha llevado el AI Overview que tiene encima. Es la señal más fiable que ofrece GSC si no tienes una herramienta de seguimiento específica. Para obtenerla, filtra por grupo de consultas, confirma qué consultas de ese grupo tienen AI Overviews activos con el sistema de seguimiento de la sección anterior y compara el CTR periodo a periodo de esas consultas con el de consultas equivalentes del mismo grupo en las que no aparecen AI Overviews. La diferencia entre esas dos tendencias de CTR es la señal de desplazamiento.

Método indirecto 2: divergencia entre impresiones y clics

Si las impresiones de una consulta se mantienen pero los clics caen, la página sigue apareciendo en el índice, pero pierde el clic frente al AI Overview que tiene encima. Esto es distinto de una caída de posiciones. Cruza los datos de impresiones por consulta con los registros de seguimiento de citas para confirmar qué consultas muestran este patrón. Las consultas con impresiones estables, clics en descenso y un competidor citado en tu lugar según el sistema de seguimiento de los AI Overviews son los objetivos más prioritarios para recuperar citas. También merece la pena seguir este patrón de divergencia a lo largo del tiempo como indicador indirecto de la cuota de impresiones en IA, es decir, la parte de las apariciones disponibles en los AI Overviews que tu marca no está consiguiendo captar.

Método indirecto 3: mejoras correlacionadas en experimentos de contenido

Si consigues que te citen en los AI Overviews de un grupo de consultas y ves que el CTR o los clics mejoran en GSC para ese mismo grupo en un plazo de dos a cuatro semanas, esa correlación es significativa. No cumplirá el estándar de atribución del equipo de finanzas, pero le da al responsable de SEO un relato que puede presentar: la cita ganada precedió a la recuperación del tráfico. Plantéalo como un experimento controlado: un grupo de consultas cada vez, con la línea base documentada antes del cambio de contenido y la comparación en GSC extraída a un intervalo fijo después. Tras varios ciclos, un patrón constante de citas ganadas que se correlacionan con mejoras del CTR es un argumento de negocio defendible para el canal.

No esperes a que caiga el tráfico para empezar a hacer seguimiento. Cuando Search Console muestre la señal, ya habrás perdido meses de terreno en las citas y, con ellos, meses de posición competitiva acumulada a favor de quien haya ocupado tu lugar en el AI Overview.

Cómo presentárselo a dirección

La pregunta que les hacen a los responsables de SEO no es «¿nos han perjudicado los AI Overviews?», sino «¿puedes enseñarme qué ha cambiado y qué hemos hecho al respecto?». El sistema de medición no necesita una atribución limpia para responderla. Necesita un antes y un después de tu presencia en las citas, una línea de tendencia que muestre hacia dónde vas y una correlación entre las acciones de contenido y las señales de GSC. Eso es un relato que se puede presentar. Un equipo que hace comprobaciones manuales puntuales tiene una suposición. Un equipo con un sistema estructurado de seguimiento de citas tiene argumentos.

Cómo hacer seguimiento específico de las citas en los AI Overviews

El seguimiento de la presencia y el seguimiento de las citas están relacionados, pero no son el mismo ejercicio, y confundirlos sale caro. El seguimiento de la presencia responde a una pregunta: ¿aparece la marca en algún lugar de este AI Overview? El seguimiento de las citas responde a una más difícil: ¿se está tomando la marca como fuente, qué página concreta se cita y con qué constancia se mantiene esa cita a lo largo del tiempo?

La diferencia importa porque dos marcas pueden aparecer en un AI Overview para la misma consulta y estar en posiciones competitivas completamente distintas. Una se cita como fuente: su URL está enlazada, su página se toma como referencia y esa señal se acumula con el tiempo a medida que el modelo refuerza esa fuente para ese tipo de consulta. La otra se menciona por su nombre en el texto generado, sin enlace, sin señal de tráfico y sin refuerzo de ninguna página. Solo la fuente citada aumenta su tasa de inclusión con cita con el tiempo. Solo la fuente citada genera un clic. La mayoría de los sistemas de seguimiento de la presencia cuentan ambas como un éxito. No son el mismo resultado.

El siguiente nivel de precisión es entender las menciones propias frente a ganadas: si una marca aparece porque se citan directamente sus propias páginas o porque una fuente de terceros hace referencia a ella. Una marca citada a través de una reseña de G2 o de un artículo de Forbes es visible en el AI Overview, pero el tráfico va a G2 o a Forbes, no a la marca. Las páginas de la marca no ganan nada con esa aparición, ni en tráfico ni en refuerzo del patrón de citas. Saber qué tipo de cita tiene la marca, consulta a consulta, determina la respuesta adecuada: arreglar la cita propia o conseguir más apariciones ganadas en sitios de terceros.

Qué registrar de cada cita. Para que el seguimiento de las citas produzca decisiones y no solo observaciones, necesitas cuatro datos de cada cita. La URL concreta citada: no el dominio, sino la página exacta, porque una cita a una página de producto y una cita a un artículo de blog para la misma consulta dicen cosas distintas sobre qué formato de contenido prefiere el modelo. El tipo de contenido: página de producto, artículo de blog, artículo comparativo, reseña de terceros, fuente de datos o cobertura en prensa. La posición dentro del resumen: si la página aparece como la fuente principal que sostiene la respuesta o como una referencia de apoyo en un lugar secundario. Y la constancia de la cita: si la misma página aparece en varias comprobaciones semanales para esa consulta o si aparece de forma intermitente. Antes de interpretar qué significan los datos de posición, merece la pena entender cómo influyen en esa constancia el posicionamiento en las respuestas y la superficie de respuesta: ambos conceptos explican por qué la misma página puede sostener una respuesta y quedarse en una nota al pie en otra, para una consulta semánticamente parecida.

La estabilidad de las citas como señal competitiva. Una cita que se mantiene de forma constante en cinco o más comprobaciones semanales para una consulta de alta intención refleja la confianza del modelo en esa fuente para ese tema. Es más difícil de desplazar y exige una inversión importante en contenido o una respuesta estructural de autoridad: conseguir citas a las páginas de la marca en los dominios en los que el modelo ya confía para esa consulta. Una cita intermitente refleja un hueco disputado. El modelo va rotando entre fuentes, lo que significa que la posición competitiva todavía no está cerrada. Las citas intermitentes de la competencia son el objetivo prioritario de las respuestas de contenido y distribución. Las citas estables de la competencia requieren una estrategia de autoridad a más largo plazo. Saber cuál es cuál en todo el conjunto de consultas es lo que permite priorizar con criterio y no de forma arbitraria.

El problema de la escala. Hacer todo esto a mano con 50 consultas, tres competidores y cuatro datos por cita, cada semana, supone entre cuatro y seis horas de trabajo para un equipo de una sola persona, antes de escribir ninguna respuesta de contenido. Con ese volumen, el propio sistema de seguimiento se convierte en el lastre de recursos que debía eliminar. Esta es la realidad operativa que tiene que resolver una herramienta específica, y es el punto en el que la metodología que has construido necesita una capa de ejecución para ser sostenible.

Qué medir y con qué dejar de obsesionarte

Un sistema de seguimiento que produce demasiadas métricas produce parálisis. La lista que sigue es deliberadamente corta en ambos sentidos: la parte positiva recoge lo que genera decisiones y la negativa, lo que genera ruido que parece señal:

• Tasa de aparición de AI Overviews por consulta. Qué porcentaje del conjunto de consultas monitorizadas activa un AI Overview. Esta cifra fluctúa con las actualizaciones de Google, con independencia de lo que haga la marca, y conviene registrarla aparte de los datos de citas para poder distinguir una caída de la presencia general en las citas de una caída en la frecuencia con la que se activan los AI Overviews. Si los AI Overviews dejan de aparecer para un grupo de consultas, los datos de citas de ese grupo dejan de ser interpretables temporalmente.
• Tasa de citas de la marca. Qué porcentaje de los AI Overviews del conjunto monitorizado cita a la marca en una semana determinada, expresado como cifra semanal y no acumulada. Es la principal métrica de rendimiento: la que te dice si el sistema funciona y la cifra que va en el informe para dirección.
• Cuota de citas frente a la competencia. Qué competidores aparecen en el conjunto de consultas monitorizadas, en cuántas consultas tiene citas cada uno y cómo cambia ese reparto semana a semana. Un competidor que gana cuota de citas en un clúster temático durante tres o más semanas seguidas es una señal de consolidación que exige una respuesta de contenido, no una simple anotación en el seguimiento.
• Estabilidad de las citas por página. Con qué constancia se cita una página concreta en las comprobaciones semanales de cada consulta monitorizada. Las páginas que consolidan patrones de citas estables son activos que funcionan. Las páginas con citas intermitentes son huecos disputados. Las páginas sin presencia en las citas pese a tener buenas posiciones orgánicas son la señal de desplazamiento por la IA: la página se posiciona, pero pierde la cita, y con ella el clic, frente a un competidor que aparece por encima en el AI Overview.
• CTR orgánico de las páginas citadas por la IA frente a páginas equivalentes sin cita en los AI Overviews. Se extrae de GSC para los mismos grupos de consultas. Es la correlación indirecta que sostiene el relato para dirección. Que la presencia en las citas se correlacione con una mejora del CTR en un periodo de 60-90 días es la mejor aproximación disponible a la atribución, y es la métrica que responde a «¿está funcionando esta inversión?».

Pero deja de obsesionarte con estas:

• El total de apariciones en AI Overviews de forma aislada. Sin una referencia competitiva, saber que la marca ha aparecido en 34 AI Overviews esta semana no te dice nada. ¿En 34 de cuántas consultas monitorizadas? ¿Frente a cuántos competidores que aparecieron en más? La cifra absoluta no significa nada sin el denominador y el contexto competitivo.
• Instantáneas de un solo día. Como deja claro el estudio de Graphite.io, los motores de IA generan respuestas distintas a prompts idénticos porque la aleatoriedad forma parte del proceso de generación. Una lectura de un solo día es una muestra de una distribución de probabilidad. Las medias semanales de varias ejecuciones de cada prompt son la unidad de medida fiable. La variación diaria es ruido, salvo que estés haciendo un experimento controlado con suficientes repeticiones de cada prompt como para obtener una muestra estadísticamente significativa.
• Los datos de posición de GSC en consultas con AI Overviews. La posición 1 significa algo radicalmente distinto en una consulta con un AI Overview encima que se queda con el clic que en una consulta en la que los resultados orgánicos aparecen primero. Tratar la posición 1 como una señal de rendimiento equivalente en ambos tipos de consulta da una imagen engañosamente positiva del rendimiento orgánico. Segmenta los dos tipos de consulta antes de sacar conclusiones de los datos de posición.
• El share of voice como métrica de vanidad. El share of voice es una métrica estratégica útil cuando se calcula sobre un conjunto de consultas construido con criterio y con contexto competitivo. Se convierte en una métrica de vanidad cuando se presenta como una única cifra agregada de todas las consultas, incluidas aquellas en las que no aparecen AI Overviews, en las que la marca no tiene presencia orgánica o que no se han validado por su relevancia. Construye primero el conjunto de consultas y calcula después el share of voice dentro de él.

Por qué los AI Overviews son el canal sin medir más urgente para tu equipo de SEO

Los responsables de SEO responden del tráfico y los ingresos orgánicos. Tienen una operación de contenido en marcha: briefs, ciclos de publicación, calendarios de optimización. Lo que la mayoría no tiene es visibilidad sobre si todo ese trabajo llega a la superficie en la que una parte cada vez mayor de los compradores toma ahora sus decisiones. Esa es la brecha que cierra esta sección.

El problema del efecto acumulativo. Las citas en los AI Overviews no son terreno neutral. Cuanto más se cita a un competidor de forma constante en un grupo de consultas, más refuerza el modelo esa fuente como referencia de confianza para ese tema. Según la base de datos de citas de Omnia, que registra más de 42 millones de citas en cuatro motores de IA, solo el 18,5 % de las respuestas de los AI Overviews mantiene el mismo dominio más citado de una semana a otra, lo que significa que el panorama de citas cambia constantemente en más del 80 % de las consultas monitorizadas. Cada semana sin un sistema de seguimiento es una semana en la que ese cambio se produce sin que lo detectes. No puedes cerrar una brecha que no ves, y no puedes verla sin un registro fechado que muestre cuándo se abrió y a qué velocidad se está ampliando. Los competidores que consiguen una presencia constante en las citas de un clúster temático durante seis semanas se vuelven estructuralmente más difíciles de desplazar. La consolidación se acumula a su favor, no al tuyo.

El problema de cara a dirección. Los responsables de SEO están bajo presión para demostrar que la búsqueda orgánica no se está muriendo. La respuesta a esa presión no es un informe de posiciones. Un equipo que puede demostrar que su tasa de citas en los AI Overviews mejora semana a semana, en correlación con la recuperación del CTR en GSC, tiene un relato que puede presentar. Un equipo que hace comprobaciones manuales puntuales tiene una suposición. La pregunta que hace realmente dirección no es «¿nos han perjudicado los AI Overviews?», sino «¿puedes enseñarme qué ha cambiado y qué hemos hecho al respecto?». Esa pregunta requiere un antes y un después de tu presencia en las citas, una línea de tendencia que muestre hacia dónde vas y una correlación entre las acciones de contenido y las señales de GSC. Nada de eso está disponible solo con Search Console, y nada de eso se puede obtener con un proceso de comprobación manual. La capacidad de defender el canal orgánico ante dirección depende de tener datos que Search Console no ofrece.

El problema de la acción. Un seguimiento sin ejecución sigue siendo un panel. El valor de un sistema de seguimiento de los AI Overviews no son los datos que produce, sino las decisiones que esos datos te obligan a tomar: qué consultas priorizar, qué páginas existentes actualizar, qué competidores estudiar, qué brechas de contenido cerrar. Un sistema de seguimiento que produce cada semana una lista de esas decisiones merece la pena. Uno que produce un gráfico, no. No esperes a que caiga el tráfico para empezar. Cuando Search Console muestre la señal, ya habrás perdido meses de terreno en las citas frente a quien haya ocupado tu lugar en el AI Overview, y meses de posición competitiva acumulada se habrán consolidado en contra de tu recuperación.

Omnia está diseñada como la respuesta operativa a estos tres problemas. Genera el registro histórico que hace visible la brecha acumulada antes de que se consolide. Muestra los datos de la competencia por consulta y por página, para que sepas no solo que estás perdiendo terreno, sino frente a quién y con qué contenido concreto: justo la información que convierte un informe de seguimiento en un relato que puedes presentar a dirección.

Y conecta cada brecha de citas con una acción de contenido, para que el sistema produzca decisiones y no solo observaciones. 

Reserva una demo para ver cómo Omnia hace seguimiento de la visibilidad en los AI Overviews para tu conjunto de consultas, o empieza ya y haz hoy tu primera auditoría de citas.