Recuperado, citado y mencionado: las tres métricas de visibilidad en ChatGPT que no son lo mismo

Si estás midiendo tu visibilidad en ChatGPT contando cuántas veces aparece tu marca en las respuestas, estás midiendo mal.

No porque el dato sea inútil. Sino porque estás colapsando tres resultados completamente distintos en uno solo. Y esa confusión lleva directo a optimizar para la métrica equivocada.

Esta guía descompone las tres métricas reales de visibilidad en ChatGPT —fetched, cited y mentioned— explica por qué responden a lógicas distintas y te muestra qué tenés que hacer para ganar cada una.

La mayoría mide mal. Y no es culpa del dato, es culpa del marco

La pregunta más repetida en el mundo del SEO y el GEO hoy es siempre la misma: "¿Cómo aparecemos en ChatGPT?". Y la respuesta que circula en foros, newsletters y conferencias es siempre igual de vaga: escribí buen contenido, armá listas, participá en Reddit.

Ese consejo no es completamente falso. El problema es que nadie explica para qué resultado sirve cada táctica.

Los grandes estudios de visibilidad en IA trabajan con caja negra. Solo ven el output final y deducen el funcionamiento interno a partir de él. Eso produce informes de cuota de voz que mezclan, sin distinguirlos, tres resultados que responden a mecanismos completamente distintos.

El supuesto que te está costando plata

Durante años, la creencia dominante fue que rankear bien en Google implicaba aparecer en las respuestas de los modelos de IA. Ese supuesto es incompleto.

Un sitio puede ser recuperado por ChatGPT en cada consulta relevante y nunca aparecer citado ni mencionado en la respuesta final. Y un sitio puede ser mencionado con frecuencia sin haber sido la fuente de ningún claim concreto.

Confundir estos tres resultados lleva a invertir en la táctica equivocada para el objetivo equivocado. Siempre.

Qué significa cada una de las tres métricas de visibilidad

El análisis del tráfico de red de ChatGPT —específicamente del campo result_source que el modelo asigna a cada resultado en el JSON que envía al navegador— documenta tres resultados distintos que pueden ocurrirle a una página. Son independientes entre sí. Se pueden ganar o perder de forma separada.

Fetched: tu página entra al contexto, pero el usuario no lo sabe

Fetched es cuando ChatGPT recupera tu página y la incorpora al contexto que el modelo procesa antes de generar su respuesta. Aparece como el objeto result_source en el tráfico de red. El usuario nunca lo ve. No hay enlace, no hay mención, no hay ninguna señal visible de que tu página fue consultada.

Ser recuperado es el primer filtro. Sin él, nada más es posible. Pero ser recuperado no garantiza nada más.

Cited: tu página respalda una afirmación concreta

Cited es cuando tu página aparece como la fuente detrás de una afirmación específica en la respuesta: el footnote clicable que el usuario puede ver y seguir. Una cita tiene que vincularse a texto que el modelo efectivamente extrajo de tu página y utilizó para respaldar un claim puntual.

Este es el resultado de mayor valor para la visibilidad real. Implica que tu contenido fue el soporte directo de algo que ChatGPT afirmó.

Mentioned: tu nombre aparece, pero no sos la fuente de nada

Mentioned es cuando tu marca o sitio aparece en la respuesta —a veces como un chip con enlace— pero no como la fuente de ninguna afirmación concreta. Tu nombre está ahí. El modelo no te está usando como evidencia de nada específico.

La mención tiene valor de marca. Pero no equivale a ser citado. Optimizar para una cuando necesitás la otra es un error estratégico frecuente.

Métrica	Visible para el usuario	Vinculada a un claim	Requiere texto extraíble
Fetched	No	No	No necesariamente
Cited	Sí (footnote)	Sí	Sí
Mentioned	Sí (nombre/chip)	No	No

Reddit vs. YouTube: el caso que muestra por qué ser recuperado no alcanza

El ejemplo más claro de la brecha entre fetched y cited viene de los datos de tráfico de red documentados en análisis de consultas comerciales y de recomendación.

En esa muestra, Reddit y YouTube fueron ambos recuperados con alta frecuencia: 278 veces Reddit, 201 veces YouTube. Sin embargo, Reddit fue citado apenas 11 veces. YouTube: ninguna.

La razón es mecánica, no arbitraria

Una cita tiene que vincularse a texto que el modelo efectivamente extrajo. Cuando ChatGPT accede a una página de YouTube, obtiene los metadatos del video —título, descripción, canal— pero no la transcripción del contenido. No hay texto sustancial del que extraer un claim. Por eso YouTube puede ser recuperado con altísima frecuencia y nunca terminar citado.

Reddit, en cambio, es texto puro. Un hilo de discusión es completamente legible para el modelo. Eso permite que el contenido de un comentario se vincule directamente a una afirmación en la respuesta final.

Los datos independientes confirman el patrón

No es un hallazgo aislado. Ahrefs, en un análisis de 1,4 millones de prompts de ChatGPT, encontró que Reddit es citado al 1,93% de las veces frente al 0,51% de YouTube. Profound documentó el mismo gap en su propia investigación.

La conclusión es directa: si tu contenido principal vive en video sin transcripción accesible, estás optimizando para ser recuperado pero no para ser citado. El formato del contenido determina qué métrica podés ganar.

Qué necesitás para pasar de recuperado a citado

ChatGPT recupera en promedio 33 páginas por consulta y cita solo alrededor de la mitad. El filtrado que determina cuáles pasan del fetching a la citación ocurre antes de que el modelo lea el contenido completo. Se basa en título, URL y snippet.

El factor que más importa no es la frescura ni los backlinks

El factor que más determina si una página pasa de recuperada a citada es la relevancia del título frente a las fan-out queries: las sub-preguntas que ChatGPT genera internamente antes de estructurar su respuesta.

Cuando un usuario hace una pregunta, el modelo no busca esa pregunta tal cual. La descompone en decenas de sub-consultas más específicas. En el modelo de razonamiento (Thinking), una sola consulta comparativa puede generar entre 15 y 40 sub-búsquedas. Las páginas que sobreviven el filtro son las que responden con precisión a esas sub-preguntas, no al prompt original.

Los datos de similitud semántica lo confirman: las páginas citadas pasan de 0,602 a 0,656 de similitud semántica cuando se las mide contra las fan-out queries en lugar del prompt original. Esa diferencia de 0,054 puntos es la que separa a las páginas que se citan de las que no.

Veinte páginas delgadas valen menos que una sólida

ChatGPT deduplica resultados por dominio. Si tenés veinte páginas delgadas que cubren variantes del mismo tema, el modelo las colapsa en una sola. Una página sólida vinculada a un claim específico supera sistemáticamente a un conjunto de páginas redundantes del mismo sitio.

Crear páginas en masa para cubrir cada variante de consulta no funciona. El modelo filtra ese contenido antes de leerlo. El foco correcto es una página sólida por afirmación clave, con densidad de hechos, entidades nombradas con claridad y pasajes que puedan extraerse de forma independiente.

Checklist para optimizar hacia la citación

• Título alineado a sub-preguntas, no al tema general. Pensá en cómo ChatGPT descompondría tu consulta objetivo.
• Datos y cifras en HTML plano, nunca en imágenes, PDFs o cargados por JavaScript. El modelo busca literalmente el símbolo $ o € en el HTML.
• Pasajes autocontenidos: cada sección debe poder leerse y entenderse sin el contexto del resto del artículo.
• Una página por claim, no diez páginas por tema.
• Contenido indexable por crawlers como Common Crawl, que alimenta los datos de entrenamiento futuros.

La opinión sobre tu marca siempre viene de terceros. Siempre.

Acá está el límite más importante que cualquier estrategia de GEO tiene que aceptar: no podés citarte a vos mismo para la parte que más importa.

Para datos factuales, ChatGPT va primero a tu página oficial

Cuando el modelo necesita precios, especificaciones técnicas o datos propios de tu producto, va primero a tu página oficial. Y lo dice explícitamente en su chain of thought. En el razonamiento documentado de consultas de pricing, el modelo escribe cosas como: "la página de precios parece más actualizada, así que debería citar esa".

Eso significa que tus páginas de producto y de precios tienen una ventana real para ser citadas. Siempre que el contenido sea legible.

Cuando el modelo encontró páginas de pricing cargadas con JavaScript, su razonamiento fue explícito: "el precio no aparece directamente, posiblemente está oculto con JavaScript". Y cayó de inmediato a citar G2 en su lugar. Tu dato, en la página de otra persona, porque la tuya no se podía parsear.

Para consultas evaluativas, la fuente siempre es un tercero

Cuando la pregunta es evaluativa —¿vale la pena este producto?, ¿cuál es la mejor opción entre estas tres herramientas?— los modelos de IA citan reseñas, foros y comparativas de terceros. Esas plataformas proveen evidencia independiente y validada por usuarios. El modelo la trata como más creíble que el contenido de marca.

Un estudio de DerivateX sobre 40 categorías de software B2B encontró que ChatGPT cita el sitio propio del producto recomendado solo el 11,6% de las veces. El 88,4% restante apunta a un tercero: una reseña, un foro, una comparativa, un medio especializado.

Esto no es un sesgo arbitrario. Es una decisión de diseño. El contenido de marca tiene conflicto de interés inherente, y el modelo lo trata como tal.

Para las consultas que más impactan en la decisión de compra, tu visibilidad depende de lo que otros digan sobre vos. No de lo que vos decís sobre vos mismo.

Cómo redefinir tu estrategia de GEO a partir de estas tres métricas

Una vez que entendés que fetched, cited y mentioned responden a lógicas distintas, la estrategia deja de ser "aparecer en ChatGPT" y se convierte en algo más preciso: ¿qué métrica necesito ganar para este objetivo, y qué acciones la mueven?

Tu contenido propio resuelve el fetching y el cited para datos factuales

El contenido propio bien estructurado es el lever correcto para ser recuperado y para ser citado cuando se trata de información factual sobre tu producto o servicio.

Las palancas concretas:

• Densidad de hechos: páginas con datos específicos, cifras, fechas y entidades nombradas con precisión.
• Claridad de entidades: el modelo necesita saber exactamente de qué producto, empresa o concepto estás hablando.
• Pasajes independientes: cada bloque de contenido debe funcionar como una unidad extraíble.
• Títulos alineados a fan-out queries: no al tema general, sino a las sub-preguntas que el modelo genera internamente.
• HTML parseable: precios, specs y datos clave en texto plano, sin JavaScript dinámico ni imágenes.

La cobertura de terceros resuelve el cited para recomendaciones y el mentioned

Para las consultas evaluativas —las que más pesan en la decisión de un usuario— la única palanca que funciona es la autoridad externa:

• Reseñas en plataformas que ChatGPT efectivamente cita: G2, TechRadar, rtings, Reddit.
• Menciones en medios especializados con cobertura editorial real.
• Hilos en Reddit donde tu producto o servicio sea discutido con texto sustancial (no solo links).
• Comparativas de terceros que incluyan tu producto con datos verificables.

La pregunta correcta no es "¿cómo consigo que ChatGPT me cite?". Es "¿en qué plataformas que ChatGPT ya cita necesito tener presencia?".

Lo que no funciona: páginas delgadas en masa

Crear decenas o cientos de páginas delgadas para cubrir cada variante de consulta posible es la táctica más común y la menos efectiva para la visibilidad en IA. El modelo deduplica por dominio, filtra el contenido redundante antes de leerlo y termina usando una sola página de tu sitio de todas formas.

Resultado: desperdicio de recursos de crawl, dilución de autoridad y ninguna mejora en citación.

El mapa por métrica

Objetivo	Lever principal	Táctica concreta
Ser recuperado (fetched)	Contenido propio indexable	HTML plano, crawlers habilitados, entidades claras
Ser citado en datos factuales	Contenido propio parseable	Precios y specs en texto, sin JS dinámico
Ser citado en recomendaciones	Cobertura de terceros	Reseñas, Reddit, comparativas en medios que la IA cita
Ser mencionado	Autoridad de marca	PR, menciones editoriales, presencia en foros

Tres métricas. Tres estrategias. Una sola forma de no confundirlas.

Fetched, cited y mentioned no son sinónimos de visibilidad en ChatGPT. Son tres resultados distintos que responden a mecanismos distintos y que requieren tácticas distintas para ganarse.

Fetched se gana con contenido indexable, HTML parseable y entidades bien definidas. Cited para datos factuales se gana con páginas de producto limpias, sin JavaScript que oculte información clave. Cited para recomendaciones se gana exclusivamente con cobertura de terceros en las plataformas que los modelos de IA efectivamente consultan. Mentioned se construye con autoridad de marca a largo plazo.

El error más costoso es optimizar para una métrica creyendo que estás moviendo otra. Medir solo si tu marca "aparece en ChatGPT" sin distinguir en qué forma aparece es como medir el tráfico orgánico sin separar branded de non-branded: el número existe, pero no te dice qué hacer.

Definí primero qué métrica necesitás mover. Después elegí la táctica correcta para esa métrica.

¿Querés profundizar en cómo funciona la recuperación de fuentes en otros modelos de IA como Perplexity o Gemini? Seguí explorando nuestras guías de GEO y optimización para motores de respuesta.