Trackear AI-Visibility (ChatGPT, Perplexity, Gemini)

El SEO clásico mide si estás en el Top 10 de Google. La AI-Visibility mide si apareces siquiera en las respuestas de ChatGPT, Perplexity, Gemini y Claude — y, en caso afirmativo, cómo. Esta guía te muestra el flujo completo de tracking.

¿Qué es la AI-Visibility?

Los LLM generan respuestas a partir de su entrenamiento, búsquedas web o fuentes con retrieval aumentado. Cuando un usuario pregunta «¿Cuál es la mejor fuente de proteína vegana?», el modelo lista proveedores, marcas y URLs. Quien aparece ahí gana tráfico, confianza y cuota de mercado. Quien no, es invisible — sin importar lo buena que sea su posición en Google.

Rankion lanza tus preguntas relevantes para la marca de forma automática y periódica contra varios modelos y registra: ¿te mencionan? ¿En qué contexto? ¿Qué fuentes cita el modelo?

Crear un proyecto de tracking

En el menú: AI Visibility → Nuevo Tracking. El asistente te pregunta:

1. Nombre — p. ej. «Proteínas veganas DACH»
2. Modo — Domain-Tracking (una marca/dominio) o Keyword-Tracking (topic, todos los actores relevantes)
3. Dominio o keywords — qué se trackea

Vía API:

curl -X POST https://rankion.ai/api/v1/tracking-projects \
  -H "Authorization: Bearer TU_TOKEN" \
  -d '{"name": "Proteínas veganas DACH", "mode": "domain", "domain": "midominio.com"}'

Si en tu equipo ya tienes un proyecto SEO creado, la página de AI-Visibility, aún vacía, te lo ofrece directamente para elegir. Un clic sobre él arranca el asistente con el nombre y el dominio ya rellenados, en lugar de escribirlo todo de nuevo. El camino por «Nuevo Tracking» sigue disponible sin cambios.

Definir alias de marca

Las marcas tienen variantes de escritura. «MiDominio», «Mi Dominio S.L.», «MD24» — todas son la misma empresa. Mantén los alias en el proyecto para que las menciones se imputen correctamente. Sin alias se te escapan hits.

Elegir plataformas

Selecciona qué modelos se consultan. Selección habitual:

{
  "llm_platforms": ["chatgpt", "perplexity", "gemini", "claude"]
}

Cada plataforma cuesta créditos por run. Puedes elegir solo una si tu mercado está claro (p. ej. solo Perplexity para B2B tecnológico).

Definir frecuencia

Hay cinco frecuencias disponibles:

Antes de guardar, el selector ya muestra el coste de cada frecuencia — por ejemplo «Semanal — hasta aprox. 200 créditos/mes». Esta vista previa por frecuencia aparece en tres sitios: el asistente de configuración, los ajustes de la vista de proyecto de un proyecto de AI-Visibility y los ajustes SEO del proyecto. Monitoreo de prompts no tiene selector por frecuencia: muestra el total de la selección actual de prompts con la frecuencia configurada, y un icono de ayuda explica el cálculo. En los ajustes de la vista de proyecto y en Monitoreo, la vista previa calcula con el valor configurado en ese momento, aunque no esté guardado.

Se cobra 1 crédito por respuesta recibida: una respuesta surge por prompt activo × plataforma × modo de búsqueda (con/sin web); Google AI Mode corre solo con búsqueda, Grok solo sin ella. Con Reality Check activo cuentan ambos modos más 15 créditos por run; con Google AI Overviews activo se suma 1 crédito por keyword activa. El total mensual multiplica los créditos por run por el máximo de runs posibles en un mes natural (tabla arriba) — de ahí «hasta»: muchos meses tienen menos runs, y solo se cobra por respuesta realmente recibida. Tu plan limita cuántos prompts y plataformas corren por run; la vista previa ya tiene en cuenta ese límite.

Ejemplo: 20 prompts × 2 plataformas × 1 modo = 40 créditos por run — semanal hasta aprox. 200 créditos/mes, diario hasta aprox. 1240.

Vía API: GET /api/v1/tracking-projects/{id}/prompts/cost-preview devuelve monthly_credits, credits_per_run y credit_breakdown; prompt_ids[]=… acota a una selección.

Para la mayoría basta con weekly; mercados rápidos (noticias, cripto) se benefician de daily.

Iniciar run y esperar

El primer run se programa automáticamente al crear el proyecto. Manualmente lo disparas con:

curl -X POST https://rankion.ai/api/v1/tracking-projects/{id}/run \
  -H "Authorization: Bearer TU_TOKEN"

Respuesta: HTTP 202 con job-ID. Duración según número de preguntas × plataformas: típicamente 2–10 minutos. La UI hace polling automático y muestra progreso en vivo.

Interpretar el score

Tras el run ves:

• Visibility-Score (0–100) — con qué frecuencia te mencionan, en qué posición de la respuesta y con qué sentiment.
• Reality Check / AVI — coteja el conocimiento del modelo con los Top 10 SERP reales. Gap grande = el LLM se acuerda de ti, Google no (o al revés).
• Breakdown por plataforma — dónde eres fuerte, dónde débil.
• Tendencias — evolución histórica por run.

Analizar las citas

Lo interesante llega con las Cited Sources. Los modelos suelen enlazar a URLs concretas en sus respuestas. Rankion las recopila, agrega por dominio y te muestra:

• ¿Qué URLs se citan con más frecuencia?
• ¿Qué competidores aparecen arriba?
• ¿Qué contenidos propios no se recogen en absoluto?

Esa es tu content roadmap: los temas en los que faltas son los próximos artículos — consulta Tu primer artículo con el AI Content Editor.

Lecturas adicionales

El conocimiento profundo sobre setup, límites, modelo de datos y todos los endpoints está en AI-Visibility Tracking y la Referencia de API. Las preguntas sobre créditos y cuotas se responden en Créditos y rate limits.