Encuentro #014: Del posicionamiento a la probabilidad. Aprende IA: RAG
¿Se puede garantizar la visibilidad en buscadores IA? En este número reflexionamos en torno a esta promesa que suena tan bien. También te invitamos a aprender conceptos fundamentales de IA con nosotros, empezando por la RAG.
De posiciones a probabilidades: el nuevo paradigma de la visibilidad en buscadores IA
Lo he contado algunas veces: descubrí el SEO al filo del año 2000 gracias a una herramienta llamada Webposition de la que hoy apenas queda algún rastro online. Su principal funcionalidad consistía en medir la posición ocupada por alguna página de un sitio web para una colección de palabras clave en una variedad de buscadores.
Desde entonces, correlacionar una mejor posición con una mayor posibilidad de tráfico y, por tanto, un mayor impacto de negocio ha sido el mantra del SEO. Se trataba de una cadena de sucesos interrelacionados fácil de entender y de medir.
Quizá por ello “Garantizar la visibilidad en los resultados de los buscadores IA” se ha convertido en uno de los requisitos más citados en las solicitudes de presupuesto de los últimos meses.
En Human Level comenzamos a medir las menciones y los enlaces en los resultados de búsqueda de ChatGPT mucho antes de que ninguna herramienta comercial ofreciera esta funcionalidad y de que las propias plataformas dispusieran de API, discurriendo formas de burlar el captcha y de scrapear el código HTML identificando los XPath correspondientes al resultado, dentro del DOM.
Sin embargo, las consultas en buscadores IA (prompts) y los resultados que obtenemos difieren en gran medida de la forma en que hemos utilizado Google en el último cuarto de siglo.
Tres diferencias fundamentales
1. Del determinismo a la estocasticidad
Los buscadores tradicionales como Google son deterministas: es decir, en general, los resultados son predecibles y comprobables. Aunque puede haber ligeras diferencias, en un buscador sí podemos hablar de posicionar, porque alcanzar una posición determinada para una búsqueda significa que la mayoría de usuarios que hagan esa búsqueda en ese periodo de tiempo verían ese resultado en la misma posición.
Los buscadores IA son, por el contrario, estocásticos: están diseñados para “pensar” el resultado cada vez que se plantea la consulta, con un grado de aleatoriedad e impredictibilidad muy grandes.
Aquí no podemos hablar de posicionamiento, sino de probabilidad. Que hagamos una consulta y encontremos ciertas menciones o enlaces en un resultado solo nos indica que hay más probabilidad de que otro usuario encuentre las mismas menciones o enlaces.
Pero en la práctica, ni siquiera esto se cumple de forma consistente. Como veis en el gráfico, exactamente el mismo prompt hecho cinco veces en la versión gratuita de ChatGPT desde un navegador de incógnito mencionó marcas distintas en cada iteración:
Solo Schneider repitió en los cinco casos en tercera posición. El resto de las marcas cambiaron de posición o no llegaron a mostrarse en algunos casos. Podríamos adjudicar una mayor probabilidad a General Electric, Siemens y Schneider que a Honeywell o Iberdrola, que no fueron citadas todas las veces, pero nada más.
Otros tests realizados con una muestra mucho mayor de búsquedas confirman este dato.
2. La ausencia de datos de búsqueda
No disponemos de datos respecto a qué buscan los usuarios. Como promedio, los prompts que introducimos en los buscadores IA son seis veces más largos que una keyword promedio (17 - 20 palabras frente a 3 - 4 palabras).
Estos prompts, además, pueden pasar por un proceso de query fan-out por el que se descomponen en múltiples búsquedas sintéticas y personalizadas en función del contexto del usuario, lo que hace la respuesta todavía más impredecible.
Solo podemos referirnos a “prompts probables”, sin tener ningún dato que avale esta denominación o que gradúe cuáles son más probables que otros.
3. El modelo CTR ya no funciona
La correlación entre un buen posicionamiento y un click de calidad (que solíamos medir a través del CTR en Google Search Console) no es un modelo que pueda trasladarse directamente a la búsqueda con plataformas IA.
En estos entornos, el usuario va acumulando información para documentar su decisión de compra. La visita puede producirse, en último término, desde una búsqueda de marca navegacional, y no desde un click incluido en el propio resultado generado por IA, lo que dificulta todavía más una correcta atribución.
4. El desafío de la medición
Aunque medir las posiciones ha sido una obsesión desde el inicio del SEO, debemos encontrar nuevas formas de medir la correlación entre ser una de las opciones más citadas o enlazadas en los resultados IA y el impacto de negocio que se pueda derivar de esa visibilidad.
Comunicar correctamente el valor aportado por las estrategias de encontrabilidad será fundamental para que las empresas puedan tomar decisiones informadas respecto a la inversión en los distintos canales de captación de tráfico.
Sección firmada por Fernando Maciá 🖊️
Aprende IA con nosotros 🧑🏻🏫
Mucha gente está hablando sobre Inteligencia Artificial, pero no todos poseen ni siquiera los conocimientos más básicos sobre ella. En Human Level nos gusta ser rigurosos y aprender todo lo posible acerca de los distintos campos que se entrecruzan con el SEO. Es por ello que hemos decidido lanzar nuestro propio diccionario de IA con definiciones detalladas de los conceptos más importantes.
Hoy te presentamos la primera definición: RAG (Retrieval-Augmented Generation). Alberto Fernández te cuenta en qué consiste esta técnica de IA que combina recuperación de información y generación de texto, cuándo usar RAG en tu proyecto, sus ventajas frente al fine-tuning y los riesgos a considerar en su implementación.
Alberto Fernández
Asegúrate de que tu estrategia de encontrabilidad está a la vanguardia. Contacta con nuestro equipo y logra tus objetivos.
Radar SEO 📡
- A Step-By-Step AEO Guide For Growing AI Citations & Visibility, Search Engine Journal: Una guía práctica para optimizar la visibilidad en los motores de búsqueda con IA. El artículo explica cómo rastrear y analizar la actividad de crawlers como GPTBot o PerplexityBot para identificar qué contenido consideran valioso los modelos de IA.
- ChatGPT ads are coming – and they won't look like Google Ads, Search Engine Land: OpenAI prepara anuncios en ChatGPT pero no seguirán el modelo de Google, según Sam Altman: nada de “pagar por subir” resultados. La idea es mostrar una única recomendación “mejor”, permitir compra o reserva en un clic y cobrar comisión sin alterar el ranking. Altman insiste en que el negocio no será priorizar anuncios, porque rompería la confianza.
- Microsoft brings AI Search to Copilot with emphasis on citations, Search Engine Land: Microsoft actualiza Copilot con “AI Search” centrado en citas: respuestas con fuentes más visibles y clicables, un panel lateral con la lista consolidada de referencias (“Show all”), enlaces de navegación dedicados para impulsar clics a publishers y un modo de búsqueda propio dentro de Copilot que adapta la respuesta según la complejidad. La compañía dice que el diseño busca favorecer un ecosistema web saludable al estar “a un clic” de las fuentes.
- Google Drops Support For More Structured Data Types & Search Features, Search Engine Roundtable: Google eliminará varios tipos de structured data y funciones poco utilizadas para simplificar los resultados de búsqueda. Entre los elementos retirados están Practice problem structured data, Dataset structured data, Today’s Doodle box, Nutrition facts, Nearby offers and events, Local bikeshare station status, TV season selector y Vehicles for Sale. Google aclara que esto no supone el fin de los rich results, sino una depuración de funciones con bajo uso o valor limitado para los usuarios.
Recursos y recomendaciones 💡
Mapeando los recorridos de compra estacionales: Comportamientos reales del consumidor antes y durante el Black Friday: Datos presenta en este informe cómo ha evolucionado el comportamiento de compra de los usuarios cerca de la fecha del Black Friday en Estados Unidos y Europa. Da respuesta a cuestiones tan relevantes como dónde comienzan a buscar los usuarios y cómo se mueven entre plataformas, así como el rol de la IA a la hora de descubrir un producto.
