La pregunta que lleva meses dando vueltas en cada reunión de marketing
Desde que ChatGPT se instaló en el comportamiento cotidiano de millones de personas, la misma pregunta aparece en todas las reuniones: ¿aparecer en las respuestas de una IA tiene algún impacto real en el negocio, o es simplemente otra métrica de vanidad?
La tensión es legítima.
Desde Seer Interactive argumentaron que la visibilidad en IA, tal como se mide hoy, no es distinta de otras métricas de exposición sin conversión rastreable. Se ve bien en el reporte. No mueve la aguja. Del otro lado, Rand Fishkin —fundador de SparkToro y una de las referencias más honestas del sector— reconoció públicamente que la pregunta era válida. Y que hasta ahora simplemente no había datos para responderla en ningún sentido.
Eso cambió en 2025. Similarweb publicó The Downstream Impact of AI Visibility. El primer estudio que intenta poner números reales a esa pregunta. No es la respuesta definitiva. Pero es el primer intento serio de salir de la especulación.
Qué midió Similarweb y cómo lo hizo
Comportamiento real. No lo que los usuarios dicen que hacen.
El estudio usó clickstream panel data de navegación desktop en Estados Unidos. Eso significa que no se basó en encuestas ni percepciones. Se basó en lo que los usuarios efectivamente hicieron en su navegador.
El análisis se concentró en tres industrias de consumo masivo:
- Finanzas: American Express vs. Capital One
- Viajes: Skyscanner vs. Kayak
- Belleza: Sephora vs. Ulta
La lógica del diseño fue simple y elegante: comparar pares de marcas competidoras dentro de las mismas respuestas de ChatGPT. Cuando una consulta generaba una recomendación que mencionaba a una marca pero no a la otra, el estudio observaba qué pasaba con el comportamiento de navegación de cada grupo en los días siguientes.
El período de medición y la ventana que importa
Los datos de comportamiento se recolectaron entre julio y diciembre de 2025, complementados con una encuesta de enero de 2026 para capturar percepciones declaradas sobre el uso de IA en decisiones de compra.
El foco temporal fue la ventana de 7 días posteriores a la exposición a una recomendación en ChatGPT. Un período corto. Deliberadamente corto. Pensado para capturar el efecto más inmediato sobre la intención del usuario.
El número que cambia el debate: 2,5 veces más probabilidad de visita en una semana
El hallazgo principal
El dato más importante no es un porcentaje de incremento en visitas brutas. Es algo más preciso. Más contundente.
Las marcas recomendadas por ChatGPT tenían 2,5 veces más probabilidad de recibir una visita en los 7 días siguientes, comparadas con marcas que aparecían en la misma respuesta pero no eran recomendadas.
Los ejemplos por industria ilustran la magnitud:
- Cuando la IA recomendaba American Express, los usuarios eran un 7,2% más propensos a visitar su sitio en la semana siguiente.
- Cuando recomendaba Capital One, esa probabilidad subía al 14,2%.
Eso no es ruido estadístico. Eso es señal.
El tráfico llega por donde nadie lo está mirando
Acá está el dato que más debería preocupar a cualquier equipo de analítica.
El 55,9% del tráfico generado por esa visibilidad llegó vía búsqueda orgánica de marca. No como referral directo desde ChatGPT. No como clic en un link de la respuesta.
El usuario recibió una recomendación en la IA, cerró la conversación, abrió Google, escribió el nombre de la marca y llegó al sitio. En cualquier dashboard de analítica tradicional, esa visita aparece atribuida a búsqueda orgánica o tráfico directo. El rol de la IA es completamente invisible.
La consecuencia práctica es directa: si tu marca está siendo impulsada por recomendaciones de IA y no lo estás midiendo de forma específica, estás subestimando el canal y sobrevalorando otros. Estás tomando decisiones con información incompleta.
Por qué esto se parece más a la publicidad del siglo XX que al SEO tradicional
La analogía que Fishkin plantea en el propio reporte
Rand Fishkin, que colaboró directamente en el estudio, señala algo que reencuadra completamente cómo pensar este fenómeno.
Lo que Similarweb hizo es casi una réplica exacta del método que los anunciantes del siglo XX usaban para medir el impacto de la publicidad en vía pública, televisión y radio.
En esa era no había forma de rastrear si alguien vio un cartel y luego compró el producto. Lo que se medía era el lift: ¿subieron las visitas a la tienda en los mercados donde se pautó el aviso? La correlación entre exposición y comportamiento posterior era la única evidencia disponible. Y era suficiente para justificar inversiones enormes.
El canal que crea la demanda no es el que la captura
La visibilidad en IA opera bajo la misma lógica.
No genera una conversión directa rastreable. Lo que hace es influir en la consideración de marca antes de que el usuario llegue a buscar activamente. Primero la IA siembra. Después Google cosecha.
Eso tiene una implicación crítica para la atribución: el canal que captura la demanda no es el mismo que la creó. Medir el éxito de la visibilidad en IA con las mismas métricas que usás para SEO o SEM es el equivalente a evaluar una campaña de televisión mirando solo las ventas del mismo día de la emisión.
Las marcas que hoy están ganando visibilidad en IA pueden estar construyendo preferencia de forma sistemática. Sin que sus propios reportes lo reflejen.
Las preguntas que el estudio deja abiertas
Lo que los propios autores reconocen
El estudio es valioso precisamente porque sus autores son explícitos sobre lo que no puede afirmar.
- Alcance geográfico y de dispositivo restringido. Solo desktop, solo Estados Unidos. El comportamiento en mobile —que representa la mayoría del tráfico en muchos mercados de Latinoamérica— no está incluido.
- Solo tres verticales de consumo masivo. Finanzas, viajes y belleza son categorías con alta intención de compra y marcas con décadas de reconocimiento. Los resultados no son directamente extrapolables.
- Correlación, no causalidad probada. Similarweb lo dice explícito: el estudio muestra que la visibilidad en IA y el aumento de visitas ocurren juntos. No puede demostrar de forma concluyente que uno causa el otro.
La complicación que agrega Fishkin
Fishkin suma una observación que complica aún más la medición: las recomendaciones de IA no son consistentes entre consultas repetidas del mismo prompt. ChatGPT puede recomendar Capital One en una consulta y American Express en la siguiente, con exactamente el mismo texto. Eso significa que "ser recomendado por la IA" no es un estado fijo ni garantizado. Lo que hace más difícil establecer una relación causal limpia.
Las tres preguntas que el estudio no puede responder todavía
- ¿Habrían llegado igual estos usuarios sin la recomendación de IA? Es posible que quienes consultan IA sobre tarjetas de crédito ya tuvieran mayor intención de visitar esas marcas, independientemente de lo que la IA dijera.
- ¿Los resultados aplican a marcas pequeñas o poco conocidas? AmEx, Capital One y Sephora tienen décadas de construcción de marca. El efecto sobre una marca sin reconocimiento previo podría ser radicalmente distinto.
- ¿Cómo se compara este efecto con rankear primero en Google? El estudio no ofrece un benchmark comparativo con otros canales. Sin eso, priorizar la inversión sigue siendo difícil.
Qué hacer con esta información si tu marca no es Sephora ni American Express
Evidencia direccional. No manual de instrucciones.
El error más común al leer este tipo de estudios es asumir que los resultados aplican directamente a tu negocio. Fishkin lo advierte con claridad: son datos agregados sobre marcas grandes, en categorías de consumo masivo, con alta penetración de IA.
Antes de invertir en visibilidad en IA, hay una pregunta previa que tenés que responder: ¿tu audiencia realmente usa IA para tomar decisiones en tu categoría?
Si la respuesta es no, el efecto puede ser nulo. Si la respuesta es sí, entonces hay un camino concreto.
Tres pasos antes de invertir en visibilidad en IA
1. Investigá los hábitos de tu audiencia específica.Herramientas como SparkToro te permiten identificar si tu segmento objetivo usa IA como canal de descubrimiento y qué tipo de prompts escribe. No asumas que el comportamiento de los usuarios de tarjetas de crédito en EE. UU. replica el de tu audiencia en México, Colombia o Argentina.
2. Medí si tu visibilidad en IA ya está creciendo.Plataformas como Semrush, Similarweb o Gumshoe te permiten rastrear si tu marca está siendo mencionada en respuestas de IA y con qué frecuencia. Antes de optimizar, sabé desde dónde partís.
3. Cruzá esa visibilidad con las búsquedas de marca.Si tu visibilidad en IA crece y simultáneamente crecen las búsquedas de marca en Google, tenés evidencia correlacional de que el efecto existe en tu categoría. Eso justifica la inversión. Si no hay correlato, los datos de Similarweb no aplican a tu caso.
En resumen: el primer dato real en un debate que llevaba demasiado tiempo sin evidencia
El estudio de Similarweb es, hasta la fecha, la evidencia más sólida disponible de que aparecer en respuestas de ChatGPT tiene un efecto medible en el comportamiento del usuario. Las marcas recomendadas por la IA tienen 2,5 veces más probabilidad de recibir una visita en los 7 días siguientes. Y ese tráfico llega mayoritariamente por canales que los dashboards tradicionales atribuyen a búsqueda orgánica o tráfico directo.
La visibilidad en IA no es una métrica de vanidad. Pero tampoco es un canal de conversión directa. Es más parecida a la publicidad de marca del siglo pasado: construye preferencia antes de que el usuario llegue a buscar. Su impacto es real aunque invisible para la analítica convencional.
Lo que el estudio no resuelve —causalidad, aplicabilidad a marcas pequeñas, comparación con otros canales— es exactamente lo que hace necesario que cada equipo de marketing haga su propia investigación. No asumas que los resultados de Sephora y Capital One son los tuyos.
Primero investigá. Después invertí.
Preguntas frecuentes
¿Qué demostró el estudio de Similarweb sobre la visibilidad en IA?
El estudio demostró que las marcas recomendadas por ChatGPT tienen 2,5 veces más probabilidad de recibir una visita web en los 7 días siguientes, comparadas con marcas no recomendadas en la misma respuesta. En casos concretos como Capital One, esa probabilidad fue un 14,2% mayor.
¿Por qué el tráfico generado por IA no aparece en Google Analytics?
Porque el 55,9% del tráfico downstream llega a través de búsqueda orgánica de marca o tráfico directo. El usuario recibe la recomendación en ChatGPT, cierra la conversación y luego busca la marca en Google o escribe el dominio directamente. La IA no aparece como fuente en ningún modelo de atribución tradicional.
¿Los resultados del estudio aplican a cualquier tipo de marca o negocio?
No necesariamente. El estudio analizó marcas grandes y reconocidas en tres verticales de consumo masivo en EE. UU. (finanzas, viajes y belleza), solo en desktop. Los resultados son evidencia direccional, pero no son directamente extrapolables a marcas pequeñas, mercados distintos o categorías donde la IA no es un canal de descubrimiento habitual.
¿Cómo puedo saber si la visibilidad en IA está impactando el tráfico de mi marca?
El primer paso es medir si tu marca está siendo mencionada en respuestas de IA usando herramientas como Semrush, Similarweb o Gumshoe. Luego, cruzar esa visibilidad con la evolución de las búsquedas de marca en Google. Si ambas crecen en paralelo, tienes evidencia correlacional de que el efecto existe en tu categoría.
¿La visibilidad en IA es una métrica de vanidad o tiene valor real?
Según los datos del estudio, no es una métrica de vanidad: tiene un impacto medible en el comportamiento del usuario. Sin embargo, opera como la publicidad de marca tradicional —influye en la consideración antes de la búsqueda— y no genera conversiones directas rastreables. Su valor depende de si tu audiencia usa IA para descubrir marcas en tu categoría.
Fuentes
similarweb.com
»The Downstream Impact of AI Visibility — Similarwebsparktoro.com
»La pregunta que todos en marketing se están haciendo
