Resumen. Rastrear menciones de marca en un solo modelo es un tutorial; hacerlo en tres es un flujo de trabajo. Esta guía detalla un proceso manual y repetible para ChatGPT, Claude y Perplexity, la hoja de cálculo para mantener la consistencia y las señales que conviene capturar para diagnosticar qué corregir después. Este es el Paso 2 de la auditoría de visibilidad en IA en 4 pasos; complétalo con el set gratuito de 15 prompts iniciales para tener el flujo completo.
▶ Ver el recorrido completo en YouTube →
Distintos asistentes pueden responder de forma diferente a la misma pregunta sobre un producto. Si solo mides uno, verás la salida de una plataforma, no una visión de conjunto de cómo se representa tu marca.
Este artículo es la guía operativa del Paso 2: ejecutar el mismo conjunto de prompts en ChatGPT, Claude y Perplexity, capturar salidas comparables y registrar los detalles que convierten los resultados en acciones.
Si necesitas el modelo operativo que sustenta este proceso, empieza por nuestra guía de monitoreo de marca en IA. Explica el scorecard, la cadencia de revisión y en qué momento una hoja manual deja de ser práctica.
Por qué rastrear menciones de marca en múltiples plataformas de IA
La razón práctica es la variación. Sistemas distintos pueden devolver conjuntos de marcas diferentes, formulaciones distintas, citas distintas y niveles de seguridad distintos incluso con el mismo prompt. Cuanto más dependas de una sola superficie, más probable es confundir el comportamiento de un modelo con la realidad de tu mercado.
Un pase multiplataforma ayuda a separar resultados que a menudo se mezclan:
- Mención: aparece tu marca.
- Cita: tu marca, o una afirmación sobre ella, está respaldada por una fuente enlazada (cuando la interfaz muestra citas).
- Recomendación: el asistente plantea tu marca como opción sugerida para el objetivo del usuario.
- Sentimiento: el lenguaje es positivo, neutro o negativo.
- Precisión factual: la descripción coincide con lo que es cierto sobre tu producto.
Trátalos como campos separados. Una marca puede mencionarse sin recomendarse, recomendarse sin citarse, o citarse con detalles incorrectos.
Tampoco trates el orden de las listas como un ranking estable. Muchos asistentes varían el orden entre ejecuciones, y las interfaces cambian. En el seguimiento, la tarea es capturar qué ocurrió en una ejecución concreta y luego buscar patrones consistentes a lo largo del tiempo.
Qué necesitas antes de empezar a rastrear
Puedes hacer una primera ronda con cuentas gratuitas y una hoja de cálculo.
-
Cuentas en cada plataforma
Crea cuentas en ChatGPT, Claude y Perplexity. Los planes, el modelo por defecto y los controles cambian con el tiempo, así que considera la configuración de tu cuenta como una variable. -
Un set de prompts bloqueado
Usa los 15 prompts iniciales del pilar de la auditoría en 4 pasos, o crea un set propio de 10 a 15 prompts a partir de llamadas de ventas, tickets de soporte y hilos de comunidad. Congela el set para poder comparar ejecuciones. -
Una plantilla de hoja de cálculo
Simple, pero explícita. Columnas sugeridas: - Prompt - Plataforma - Modelo o modo (tal como aparece en la UI) - Fecha y hora de ejecución - Número de ejecución (1, 2, 3) - Mencionada (sí/no) - Recomendación (sí/no) - Citas presentes (sí/no, y dominios de las fuentes si aplica) - Posición en la respuesta (captúrala tal como se observó, sin tratarla como ranking) - Notas de precisión (funciones erróneas, precios desactualizados, categoría incorrecta, etc.) - Notas de sentimiento (opcional) -
Tiempo enfocado y condiciones consistentes
El tiempo de seguimiento manual varía según la complejidad del prompt, la longitud de la respuesta y la velocidad de la interfaz. Evita prometer un tiempo fijo. En su lugar, busca consistencia: mismo set de prompts, misma ventana de ejecución y el mismo nivel de detalle en el registro en cada ronda. -
Una regla simple de repetibilidad
Para cada prompt, ejecútalo varias veces y registra la variación. Si no puedes repetir, anótalo de forma explícita y trata la salida como orientativa.
Cómo construir un set de prompts apto para seguimiento
La Etapa 1 consiste en elegir prompts que se parezcan a cómo pregunta un comprador real. Para una auditoría repetible, conviene que los prompts sean:
- Lenguaje natural: como lo escribiría una persona
- Anclados a la categoría: aparece el término de categoría, no solo marcas
- Orientados a decisión: implican comparación, restricciones o un objetivo
Si quieres un punto de partida estándar, usa los 15 prompts iniciales enlazados desde el pilar de la auditoría en 4 pasos.
Si quieres personalizar, saca candidatos de: - Preguntas en llamadas de ventas y notas de objeciones - Formulaciones de tickets de soporte - Títulos de hilos de comunidad en tu categoría - Páginas de comparativa con competidores que posicionan por términos de categoría
Elijas lo que elijas, congélalo. Cambia prompts solo cuando el lenguaje de categoría o tu ICP cambien lo suficiente como para que el set actual deje de reflejar consultas reales.
Cómo rastrear menciones de marca en ChatGPT
La Etapa 2 empieza con ChatGPT.
Qué registrar en cada ejecución de ChatGPT
Para cada prompt, captura:
- Mención: sí/no
- Recomendación: sí/no, y la formulación utilizada
- Precisión: categoría correcta, capacidades correctas, posicionamiento correcto
- Cualquier cita que muestre la interfaz: copia dominios o URLs enlazadas cuando existan
- Contexto de la ejecución: etiqueta del modelo o modo que se ve en la UI, y la fecha
Las interfaces de ChatGPT cambian, y lo mismo ocurre con los modelos por defecto y el comportamiento de búsqueda. No des por hecho un nombre de toggle o una ubicación estable. Lo más seguro es registrar el modo y la fecha en cada ejecución.
Notas sobre ChatGPT Search (qué hacer y qué no asumir)
OpenAI describe ChatGPT Search como una función que puede buscar en la web y proporcionar citas inline, y señala que puede usar varios proveedores de búsqueda de terceros. Referencia: https://help.openai.com/en/articles/9237897-chatgpt-search
Implicaciones prácticas para el seguimiento:
- No trates ChatGPT solo como datos de entrenamiento. Según el modo y el prompt, puede buscar automáticamente y puede mostrar citas.
- No atribuyas los resultados a un único proveedor. OpenAI indica que se pueden usar varios proveedores de terceros.
- Haz las ejecuciones comparables. Si comparas trimestre contra trimestre, registra si parecía estar activa la búsqueda y si se mostraron citas.
Higiene de ejecución en ChatGPT
- Empieza un chat nuevo por cada prompt para reducir la contaminación entre prompts.
- Mantén el texto del prompt idéntico en todas las plataformas.
- Si haces varias ejecuciones, agrúpalas en una ventana corta para que tu set refleje el mismo entorno de contenido.
Si necesitas una configuración más específica de la plataforma, consulta cómo rastrear la visibilidad de marca en ChatGPT.
Cómo rastrear menciones de marca en Claude
La Etapa 3 es el pase en Claude.
Qué registrar en Claude
Usa las mismas columnas que en ChatGPT para que tu hoja consolide sin fricción:
- Mención y recomendación
- Problemas de precisión
- Cualquier patrón consistente de lenguaje cauteloso que afecte a si tu marca queda como opción segura o como caso límite
- Contexto de ejecución: etiqueta del modelo, contexto del workspace si aplica, fecha
Higiene de ejecución en Claude
- Empieza una conversación nueva por cada prompt.
- Evita ejecutar en un workspace con mucho contexto si añade documentos o memoria que hagan que la ejecución no sea comparable con un uso base.
- Registra la variación entre ejecuciones en lugar de perseguir una única respuesta "perfecta".
Un fallo típico al medir Claude es sobreinterpretar el tono. Claude puede ser conservador al nombrar marcas o puede pedir aclaraciones. Eso puede ser estilo o postura de seguridad, no un problema de visibilidad por sí mismo. La pregunta del seguimiento es si tu marca aparece, si se recomienda y si la descripción es correcta.
Cómo rastrear menciones de marca en Perplexity
La Etapa 4 es el pase en Perplexity.
Para qué es especialmente útil Perplexity en un flujo de seguimiento
Perplexity describe su enfoque como búsqueda en la web y respuestas con citas, pensadas para que el usuario inspeccione fuentes. Referencia: https://www.perplexity.ai/help-center/en/articles/10352895-how-does-perplexity-work
Para seguimiento de marca, esto suele convertir a Perplexity en la superficie más fácil de auditar por fuentes:
- Registra si tu marca se menciona y se recomienda.
- Registra las citas enlazadas y los dominios que se repiten.
- Si tu marca no aparece, registra qué fuentes se citan para competidores.
Evita afirmaciones universales sobre cómo Perplexity ordena o pondera fuentes. Úsalo como rastro de evidencia para el prompt y la ejecución específicos que realizaste.
Higiene de ejecución en Perplexity
- Mantén el prompt idéntico al de ChatGPT y Claude.
- Registra la etiqueta de modo visible en la UI y la fecha.
- Guarda las citas como URLs en tu hoja para auditarlas después, especialmente cuando el asistente describe tu producto de forma incorrecta.
Para tácticas más específicas, consulta seguimiento de visibilidad de marca en Perplexity.
Ver también: herramientas de AI Visibility comparadas
Si ya estás en el punto en que quieres pasar de seguimiento manual a algo más automatizado, estos artículos cubren el panorama de herramientas y los ángulos de evaluación:
- Best AI visibility tools compared (2026), panorama amplio con comparativas de funciones y precios
- Profound vs Otterly: AI visibility tools compared, comparativa de planes públicos de ambas plataformas
- AI visibility platform comparison (2026), Profound vs AthenaHQ y alternativas de mid-market
Si usas estas páginas para evaluar proveedores, revisa que las secciones de precios estén actualizadas. Última verificación: 26 de julio de 2026.
Cómo puntuar y agregar resultados sin fingir que existe un ranking estable
Cuando termines las ejecuciones en todas las plataformas, reduce los registros a métricas de resumen que sigan teniendo sentido aunque cambie el orden.
Métricas de resumen recomendadas
Por plataforma:
- Cobertura de mención: número de prompts en los que se te menciona al menos una vez dentro del set de ejecuciones.
- Cobertura de recomendación: número de prompts en los que se te recomienda (no solo se te lista).
- Cobertura de citas (cuando aplique): número de prompts en los que tu marca aparece enlazada o respaldada por citas.
- Conteo de problemas de precisión: prompts con al menos un error factual sobre tu producto.
Multiplataforma:
- Solapamiento multiplataforma: prompts donde todas las plataformas rastreadas mencionan tu marca al menos una vez en el set de ejecuciones.
- Solapamiento de recomendación multiplataforma: prompts donde todas las plataformas recomiendan tu marca al menos una vez.
Si aun quieres registrar el orden, trátalo como observación:
- Registra la posición tal como se vio en esa ejecución.
- Calcula un promedio solo si también registras la variación y el contexto de ejecución.
- No interpretes el orden de una única lista como un leaderboard duradero.
Tabla de resumen ilustrativa
Usa un formato así para que el siguiente paso sea evidente. Los números de abajo son ilustrativos, no son benchmarks.
Tabla 1: ejemplo ilustrativo de formato de salida.
| Platform | Prompts mentioned (of 15) | Prompts recommended (of 15) | Prompts with citations (of 15) | Accuracy issues (count) | Notes |
|---|---|---|---|---|---|
| ChatGPT | Registrar modelo o modo y fecha, capturar citas si se muestran | ||||
| Claude | Registrar modelo o modo y fecha, anotar patrones de cautela | ||||
| Perplexity | Guardar URLs citadas y dominios |
Cómo leer patrones y priorizar qué corregir
Trata la ronda de seguimiento como insumo para diagnóstico, no como una puntuación para celebrar.
1) Empieza por reconocimiento, luego recomendación, luego validación
Si no apareces en prompts anclados a tu marca, es un problema de reconocimiento. Si apareces, pero rara vez te recomiendan, es un problema de posicionamiento y autoridad comparativa. Si te recomiendan, pero te describen mal, es un problema de precisión y control narrativo.
Son correcciones distintas. El seguimiento funciona cuando tu hoja las separa con claridad.
2) Usa las citas de Perplexity como rastro de evidencia
Cuando Perplexity ofrece citas, te muestra qué URLs están moldeando la respuesta para ese prompt. A menudo es la vía más rápida para identificar:
- Qué páginas de terceros definen repetidamente tu categoría
- Qué reseñas, listados o hilos de foros aparecen una y otra vez para competidores
- Qué fuentes están desactualizadas o son incorrectas sobre tu producto
Después puedes priorizar: actualizar contenido propio, mejorar presencia en terceros o corregir desinformación en las fuentes que realmente se están usando.
3) Corrige primero los huecos a nivel de prompt antes que las narrativas por plataforma
Es tentador concluir que una plataforma te va peor. Suele aportar más mirar a nivel de prompt:
- Si no apareces en todas las plataformas para el mismo prompt de categoría sin marca, sugiere un hueco de asociación con la categoría.
- Si apareces en algunas plataformas pero en una no, revisa fuentes citadas y la formulación. Puede ser una diferencia de recuperación, o que esa plataforma esté tirando de superficies distintas para esa consulta.
Para patrones comunes, consulta la guía de 11 modos de fallo de AI Visibility.
Cuándo pasar de seguimiento manual a automatizado
El seguimiento manual sirve cuando necesitas claridad sobre qué está pasando y por qué. Se complica cuando necesitas cadencia, escala y comparaciones históricas fiables.
La automatización cobra sentido cuando:
- Necesitas ejecuciones frecuentes y timestamps consistentes sin esfuerzo manual
- Rastrearás varias marcas o líneas de producto
- Necesitas informes de tendencias limpios en el tiempo, incluyendo cambios en redacción y citas
Si exploras automatización, usa tu hoja manual como documento de requisitos. Te dice qué campos necesitas que una herramienta capture: mención, recomendación, citas, notas de precisión, contexto de ejecución y timestamps.
Este es el problema para el que está pensado friction AI. Si evalúas herramientas, compáralas contra los criterios que tu flujo realmente necesita y valida las salidas haciendo spot checks de prompts directamente en las plataformas.
Preguntas frecuentes
¿Cómo sé si ChatGPT menciona mi marca?
Ejecuta un set pequeño de prompts realistas para compradores en ChatGPT y registra si tu marca se menciona, se recomienda y se describe con precisión. En cada ejecución, guarda la etiqueta del modelo o modo y la fecha. ChatGPT puede usar búsqueda web y puede mostrar citas inline según la experiencia en la que estés, así que captura las citas cuando aparezcan. Referencia: https://help.openai.com/en/articles/9237897-chatgpt-search
¿Conviene ejecutar cada prompt en un chat nuevo?
Si quieres resultados comparables entre prompts, usa un chat o conversación nueva por cada prompt. El contexto previo puede sesgar respuestas, y ese sesgo es difícil de detectar después al consolidar datos.
¿Cómo rastreo menciones de marca en Claude?
Ejecuta el mismo set bloqueado de prompts en Claude y registra mención, recomendación y precisión. Guarda la etiqueta del modelo y la fecha. Concéntrate en si Claude nombra tu marca y cómo plantea tradeoffs, no en si el texto suena más cauteloso que en otra plataforma.
¿Cómo ver las fuentes en Perplexity?
Perplexity busca en la web y enlaza citas para que puedas inspeccionar fuentes. Para cada prompt, guarda las URLs citadas o al menos los dominios, especialmente cuando tu marca no aparece o se describe de forma incorrecta. Referencia: https://www.perplexity.ai/help-center/en/articles/10352895-how-does-perplexity-work
¿Cuál es la mejor herramienta de monitoreo de marca en IA en 2026?
Depende de tus requisitos: plataformas cubiertas, campos capturados (menciones vs citas vs recomendaciones), cadencia, informes y si necesitas colaboración. Usa las comparativas de herramientas aquí y valida con spot checks contra ejecuciones reales en los asistentes:
- best AI visibility tools compared (2026)
Secciones de precios: Última verificación: 26 de julio de 2026
¿Con qué frecuencia debería ejecutar chequeos de visibilidad de marca?
Elige una cadencia que puedas mantener con prompts y registro consistentes. Trimestral es una base habitual para seguimiento manual. Si necesitas informes más frecuentes, registra bien el contexto de ejecución porque las interfaces y los valores por defecto cambian, y te interesa que tu serie temporal sea interpretable.
¿Cuánto dura una ronda de seguimiento multiplataforma?
Depende de la longitud de los prompts, la velocidad de la plataforma y cuántas ejecuciones hagas. En vez de perseguir un tiempo universal, estandariza el proceso: prompts idénticos, conteo de ejecuciones consistente y registro explícito de modelo o modo y fecha.
¿Puedo usar planes de pago en vez de planes gratuitos?
Puedes, pero trata las ejecuciones con plan de pago como un dataset aparte. Los modelos por defecto, los modos y los límites varían con el tiempo y entre planes. Lo más importante es registrar lo que usaste en cada ejecución para que las comparaciones sigan siendo válidas.
¿Cuál es el número mínimo útil de prompts?
Diez prompts es un suelo práctico para una lectura orientativa. Quince es un tamaño común porque permite cubrir prompts anclados a marca, prompts solo de categoría y prompts de comparación o validación. Si subes más, el valor viene de cubrir mejor el vocabulario de tu categoría, no del volumen por sí solo.
¿Cómo rastrear un prompt en el que no se menciona mi marca?
Regístralo como no mencionado, luego captura qué marcas sí aparecieron, si alguna fue recomendada y cualquier cita o fuente mostrada. La ausencia forma parte del mapa competitivo, y las fuentes citadas suelen indicar qué está moldeando la respuesta.
Ejecuta esta auditoría con tu propia marca
Quieres el Paso 2 ejecutándose en ChatGPT, Claude y Perplexity con un calendario continuo, y con contexto de ejecución y cambios capturados automáticamente?
▶ Empieza tu prueba gratuita de friction AI →
O descarga el pack gratuito de 15 prompts iniciales → y ejecuta el flujo manual.
