Cómo se calcula un AI Search Visibility Score

¿Tu marca aparece, se cita y se enlaza cuando una respuesta generativa reúne “lo mejor de la web”? Si la respuesta es “depende”, necesitas una métrica unificada para medir esa presencia. El AI Search Visibility Score nace para eso: combinar señales de visibilidad clásica (SEO) con nuevas capas propias de las superficies con IA (AI Overviews, Copilot, Perplexity) y estimar, de forma auditabile, cuánta exposición real consigues.

Definición operativa (y qué no es)

El AI Search Visibility Score es una puntuación compuesta (0–100) que agrega cinco componentes, cada uno normalizado a 0–100 y ponderado según tu mercado e intención de búsqueda:

• Cobertura en AI Overviews (Google)
• Citas/enlaces en LLMs (Perplexity, Copilot)
• Relevancia semántica (embeddings consulta↔contenido)
• Autoridad/EEAT (proxies verificables)
• Visibilidad SEO clásica (posición × CTR × volumen)

No es un sustituto del SEO tradicional. Es una capa adicional que capta la exposición y “citabilidad” en respuestas generativas y bloques zero‑click. Piensa en él como el equivalente a un “rating de TV” aplicado a motores generativos: no mide solo clics, sino presencia, referencias y probabilidad de ser elegido como fuente.

Componentes y fuentes de referencia (resumen)

Un dato para dimensionar el fenómeno: en 2025, un estudio de SE Ranking sobre 100.000 keywords estimó que alrededor del 33% de las consultas en España mostraron AI Overviews; la cobertura cambia por idioma, intención y vertical, pero su impacto ya es medible. Véase el análisis de SE Ranking sobre AI Overviews en España (2025).

Cómo se calcula: fórmula y normalización

Cada componente se normaliza a una escala 0–100 en una ventana de 28–30 días, usando un set de consultas muestreado por tema/persona/intención. Las ponderaciones (w1..w5) se calibran por mercado/vertical y suman 1.

AI Search Visibility Score =
      w1·(AI Overviews) +
      w2·(Citas LLM normalizadas) +
      w3·(Relevancia semántica) +
      w4·(Autoridad/EEAT) +
      w5·(Visibilidad SEO clásica)
    

Principios clave:

• Muestreo estratificado de consultas por temas e intención (informacional, transaccional, navegacional).
• Desduplicación por dominio y resolución de entidades (marca/producto) para evitar sobreconteo.
• Auditoría de calidad: cada cita debe apuntar a una URL accesible, pertinente y en el idioma/mercado objetivo.
• Anotaciones de cambios de plataforma (p. ej., ajustes en AI Overviews) para interpretar variaciones de serie.

Desarrollo de los componentes

• Cobertura en AI Overviews. Para cada consulta, marca presencia/ausencia del bloque. Si hay enlaces, pondera por su posición dentro del bloque y por el volumen/intención de la consulta. Google documenta cómo estas funciones se nutren de páginas indexadas y cómo controlarlas con directivas estándar (robots meta, snippets) en su guía de funciones de IA y tu sitio web.

• Citas/enlaces en LLMs. Cuenta las veces que tu dominio/URL aparece citado en respuestas fundamentadas (con enlaces). En Copilot, las respuestas muestran grounding y controles de privacidad, tal como explica Microsoft Learn (privacidad y protecciones). Perplexity expone notas al pie con enlaces a fuentes, descritas en Cómo funciona Perplexity. Audita accesibilidad (HTTP 200), relevancia y reputación de la fuente.

• Relevancia semántica. Estima la similitud consulta↔contenido con embeddings; es una proxy de “elegibilidad” para ser citado. La literatura de GEO sugiere estructurar contenidos con datos verificables y secciones que faciliten la justificación, como se describe en Generative Engine Optimization (arXiv).

• Autoridad/EEAT (proxies). Señales como presencia en Wikipedia, menciones en medios reputados y datos estructurados de organización/autor. Para profundizar en el papel de Wikipedia y fuentes de autoridad en la visibilidad con IA, ver este análisis de Geneo.

• Visibilidad SEO clásica. Calcula un índice por keyword sumando (volumen × CTR esperado por posición) y agregando por dominio. La metodología del Índice de Visibilidad de SISTRIX ilustra el enfoque de posiciones ponderadas por CTR y volumen.

Ejemplo práctico (30 días, B2B SaaS)

Supón 200 consultas estratificadas por intención. Ponderaciones calibradas para un embudo informacional fuerte: w1=0,30; w2=0,20; w3=0,20; w4=0,15; w5=0,15.

1. Normalización 0–100 por componente:

• AI Overviews: apareces en 40% de las consultas con un enlace medio en 2.º lugar del bloque. Tras ponderar por volumen/intención, normalizado: 52.
• Citas LLM: Perplexity te cita en 18/200 prompts y Copilot en 10/200; tras desduplicar dominios y auditar calidad, normalizado: 41.
• Relevancia semántica: similitud media 0,68 (escala 0–1); mapeada y truncada a percentil 95: normalizado 66.
• Autoridad/EEAT: presencia de marca en Wikipedia, datos de organización y 5 menciones en medios de alta autoridad verificados: 58.
• SEO clásica: índice propio (posiciones×CTR×volumen) ajustado por features SERP: 62.

2. Cálculo del score: Score = 0,30·52 + 0,20·41 + 0,20·66 + 0,15·58 + 0,15·62 = 56,4

3. Auditoría mínima y notas:

• Muestreo revisado por marketing y producto; ventanas móviles de 30 días.
• Bitácora de cambios: Copilot ajustó el layout de fuentes la semana 2; anotado.
• Replicar con otro set de consultas transaccionales para contraste.

Aviso: Geneo es nuestro producto. En un flujo real, Geneo puede centralizar el muestreo de consultas, monitorizar si apareces en AI Overviews y cuándo te citan (con enlaces) en Copilot/Perplexity, aplicar normalizaciones por mercado/idioma y guardar la bitácora de cambios de plataforma; así reduces el trabajo manual y mantienes una serie auditable.

Recolección de datos y cumplimiento

• Fuentes y frecuencia. Usa ventanas de 28–30 días y muestreo estratificado. Para AI Overviews, valida presencia y enlace; para LLMs, guarda la respuesta, el enlace y la fecha. Añade pruebas de accesibilidad (HTTP 200) y capturas.
• Search Console. Las impresiones y clics de AI Overviews se integran en el informe de rendimiento web; contrasta tus series con picos o descensos de exposición.
• Cumplimiento. Respeta Términos de Servicio y robots.txt; prioriza APIs/documentación oficial y límites de frecuencia. Documenta los supuestos y evita afirmaciones absolutas cuando la plataforma cambia.

Cómo mejorar el AI Search Visibility Score

• Publica contenidos “citables”: datos originales, metodología clara, tablas y referencias; secciones con preguntas/respuestas ayudan a la justificación.
• Optimiza para elegibilidad semántica: cubre la intención completa, añade glosarios y esquemas; piensa “¿respondería con esto un motor generativo?”
• Refuerza autoridad: páginas de autor, organización con datos estructurados y presencia en fuentes reputadas; considera la ficha enciclopédica cuando aplique.
• Cierra la brecha SEO clásica: títulos precisos, enlaces internos, EEAT on‑page; sin esta base, la citabilidad se resiente.
• Monitorea y recalibra: ajusta pesos por vertical/mercado y revisa las curvas de CTR por intención cada trimestre.

Reporte y benchmarking

• Cadencia. Mensual para tendencias; semanal para incidencias (caídas de citación, cambios de layout).
• Lectura. ¿Sube el score, pero bajan citas LLM? Probablemente mejoraste elegibilidad y SEO, pero falta reforzar autoridad externa. ¿Apareces en AI Overviews y no te enlazan? Revisa formato de tus pruebas/estudios.
• Comparación. Crea cohorts por vertical y mercado; normaliza por idioma. En España, la adopción de AI Overviews es amplia y volátil por temática, como sugiere el estudio citado; conviene comparar manzanas con manzanas.

Cierre

Un marco auditable aporta foco: qué medir, cómo agregar y qué decisiones tomar. Empieza con un set de consultas representativo, normaliza cada componente a 0–100, documenta tus pesos y registra cambios de plataforma. ¿La meta? Convertir la visibilidad con IA en una ventaja compuesta y predecible, no en una anécdota de laboratorio.