Método · Visibilidad en IA
La visibilidad en IA es una muestra, no un ranking fijo.
Una respuesta cambia según la pregunta, el idioma, la ubicación, el modelo y la fecha. Un informe útil conserva esas condiciones y las fuentes de cada observación.
01
Empiece por una decisión de compra
Por ejemplo: «¿Qué boutiques independientes de alta joyería en Ginebra debería considerar para un anillo de compromiso?». Separe las preguntas de marca de las de descubrimiento. Que un modelo repita una marca incluida en la pregunta no demuestra descubrimiento.
02
Registre un protocolo reproducible
- Fije preguntas, mercado, idioma, fecha, modelo o versión del producto, uso de búsqueda y condiciones de sesión antes de recoger datos.
- Repita cada pregunta en sesiones independientes. Defina las repeticiones por adelantado y conserve también los errores y rechazos.
- Conserve la respuesta y sus URL citadas. Una mención, una recomendación y una cita son observaciones diferentes.
03
Use denominadores que se puedan revisar
- Tasa de mención
- Respuestas válidas que nombran la marca ÷ todas las respuestas válidas de la muestra declarada.
- Tasa de cita
- Respuestas válidas que citan una URL canónica propia ÷ todas las respuestas válidas de esa misma muestra.
- Calidad de la evidencia
- Separe observación directa e interpretación; informe de las respuestas ausentes y de la variabilidad entre repeticiones.
04
No convierta la visibilidad en una promesa de ventas
Estas métricas describen respuestas muestreadas. No demuestran ingresos, recomendaciones futuras ni causalidad. Una comparación temporal necesita condiciones comparables y un registro de cambios de modelo y búsqueda.
05
Observatorio del lujo europeo: primero, el protocolo
Un estudio de 50 marcas es un alcance de investigación propuesto, no un resultado publicado. No presentamos clasificaciones ni referencias comparativas hasta disponer de una muestra fechada y un archivo de evidencias auditable.