La privacidad es importante para nosotros, por lo que tiene la opción de deshabilitar ciertos tipos de almacenamiento que pueden no ser necesarios para el funcionamiento básico del sitio web. El bloqueo de categorías puede afectar a su experiencia en el sitio web. Más información
El share of model mide con qué frecuencia los modelos de IA mencionan tu marca frente a la competencia. Conoce cómo medirlo, por qué importa y cómo aumentarlo.
.webp){kind=small}
.webp){kind=small}
El share of model es la proporción de menciones de marca que un modelo de IA otorga a tu marca frente a todas las marcas de la misma categoría. Responde a una pregunta que no existía hace unos años: cuando un gran modelo de lenguaje asiste una decisión de compra, ¿con cuánta prominencia aparece tu marca? A medida que el descubrimiento se traslada a los asistentes de IA, esta métrica se ha convertido en una medida central de visibilidad.
La idea es simple pero poderosa. Pregunta a ChatGPT, Claude, Gemini o Perplexity una pregunta de categoría como "mejor software de gestión de proyectos para equipos remotos", cuenta qué marcas aparecen, y tu cuota es tu porción de esas menciones. Es el sucesor de la era de la IA del share of voice, midiendo la presencia dentro de las respuestas generadas en lugar de los anuncios o los medios.
El share of model mide el número de menciones de una marca por parte de uno o más grandes modelos de lenguaje como proporción del total de menciones de marca en la misma categoría. Más que la frecuencia bruta, captura con qué frecuencia y con cuánta favorabilidad una IA hace referencia a tu marca al responder prompts relevantes. Una cuota alta significa que el modelo te elige primero cuando un comprador pide opciones.
La métrica importa porque los modelos ahora actúan como guardianes hacia los consumidores. Cuando la IA sintetiza una respuesta, un comprador puede decidir sin visitar nunca un sitio web, así que una marca puede volverse invisible antes de que ocurra cualquier tráfico. El share of model cuantifica tu acceso a través de esa puerta, situándose junto a la cuota de voz en IA como una cifra principal de visibilidad.
Las métricas más antiguas medían canales dirigidos a humanos. El share of voice rastreaba la presencia de marca en la publicidad y los medios. El share of search medía el volumen de consultas de tu marca frente a la competencia. Ambos asumen que un humano es quien busca. El share of model captura la visibilidad en el descubrimiento mediado por IA, donde el modelo hace la recomendación y el consumidor puede no llegar nunca a tu sitio.
También se diferencia de un posicionamiento por palabra clave, que es estático: o eres el primero o no lo eres. El share of model es probabilístico, porque el mismo prompt puede producir respuestas distintas cada vez. Un modelo podría nombrar tu marca en el 80 por ciento de las respuestas a una consulta y en el 20 por ciento a otra, así que la métrica es una distribución, no una posición fija.
El método estándar es el sondeo. Primero, define de 20 a 50 prompts relevantes que reflejen cómo preguntan realmente los compradores, abarcando preguntas de categoría, comparaciones, casos de uso y consultas impulsadas por problemas. Segundo, envía esos prompts a múltiples modelos como ChatGPT, Claude, Gemini y Perplexity. Tercero, registra cada mención de marca con su frecuencia, posición y contexto. Por último, calcula tu cuota como tus menciones divididas entre el total de menciones de la categoría, multiplicado por cien.
Como las salidas varían, las respuestas individuales no son fiables; un muestreo repetido y a gran escala convierte la aparente aleatoriedad en una señal estable. Esta es la misma lógica de muestreo detrás del monitoreo de prompts, donde rastrear muchos prompts a lo largo del tiempo revela el patrón subyacente en lugar del ruido de cualquier respuesta individual.
El share of model rara vez viaja solo. La tasa de mención es el porcentaje de prompts donde tu marca aparece siquiera, así que una tasa de mención del 36 por ciento significa que aproximadamente una de cada tres respuestas te nombra. La posición de la mención también importa, ya que una mención temprana tiene más peso que una enterrada al final, de forma muy parecida a un posicionamiento de búsqueda alto.
El sentimiento añade matiz: una mención neutra reconoce tu marca sin recomendarla, lo que es más débil que una positiva. La precisión de las citas comprueba si el modelo te describe correctamente, donde cualquier cosa por debajo de alrededor del 80 por ciento señala un problema. Observar estas junto a tu puntuación de visibilidad en IA da una imagen más completa que la cuota por sí sola.
Existen puntos de referencia útiles. Para la tasa de mención, por debajo del 15 por ciento es una etapa temprana, del 15 al 35 por ciento está en desarrollo, del 35 al 60 por ciento está establecido, y por encima del 60 por ciento marca a un líder de categoría. Para la cuota de voz en las respuestas de IA, del 15 al 25 por ciento es fuerte en mercados competitivos, e incluso los líderes a menudo se sitúan en el rango del 10 al 20 por ciento cuando compiten muchas marcas.
Estos números varían mucho según la categoría y la competencia, así que trátalos como orientación, no como objetivos. Lo que más importa es la tendencia: una cuota en alza a lo largo de los meses señala que tu contenido y tu reputación están llegando a los modelos, mientras que una cuota plana o en descenso te dice que la competencia se está adelantando en las respuestas que los compradores ven.
El share of model es el marcador central de la optimización de motores generativos. Cada vez más está reemplazando al share of voice como métrica principal de visibilidad, porque ahora más decisiones empiezan dentro de un asistente de IA que en una página de resultados tradicional. Estar ausente del modelo significa estar ausente del momento de la elección.
También reformula para qué sirve el trabajo de contenido. Los posicionamientos en Google y las citas de IA no se correlacionan de forma fiable, así que una posición orgánica fuerte no garantiza un share of model fuerte. La métrica empuja a las marcas hacia ganar menciones de marca en IA y citas de LLM directamente, no solo a perseguir enlaces y posiciones.
Empieza por medir para establecer una línea de base, y luego crea contenido construido para los modelos: guías completas, tablas de comparación, secciones ricas en definiciones y estadísticas citables que una IA pueda extraer y reutilizar. Responde los prompts exactos que rastreas, en un lenguaje claro y estructurado, para que el modelo encuentre tu marca cuando compone una respuesta.
El trabajo fuera del sitio importa igual. Las menciones de marca en sitios de terceros, publicaciones del sector, plataformas de reseñas y foros comunitarios se correlacionan fuertemente con aparecer en las respuestas de IA, lo que hace de los medios ganados un canal crítico. Corrige las menciones inexactas en la fuente, gestiona la reputación activamente y construye autoridad genuina. Combinar esto con una investigación de palabras clave y planificación de contenido disciplinada alinea tu contenido con las preguntas que los modelos atienden más.
La métrica es ruidosa por naturaleza. Como los modelos generan de forma probabilística, la medición requiere un muestreo repetido y aún así conlleva varianza, así que un conjunto pequeño de prompts o una sola ejecución puede inducir a error. Las distintas plataformas se comportan de forma diferente debido a sus métodos de recuperación, así que una cuota saludable en un modelo no la garantiza en otro.
Tampoco hay un feed de datos oficial de los proveedores de los modelos, así que cada número es una estimación construida a partir del sondeo. Trata el share of model como una tendencia orientativa que gestionar a lo largo del tiempo, validada en varias plataformas y una biblioteca representativa de prompts, en lugar de una cifra precisa y en tiempo real. La coherencia del método importa más que cualquier lectura individual.
El share of model mide con qué frecuencia los modelos de IA mencionan tu marca frente a la competencia al responder preguntas de categoría, el sucesor de la era de la IA del share of voice. Es probabilístico, se mide sondeando muchos prompts en varias plataformas, y se lee mejor como una tendencia rastreada junto a la tasa de mención, la posición, el sentimiento y la precisión. A medida que las decisiones de compra se trasladan a los asistentes de IA, se convierte en una métrica de visibilidad determinante.
Rástrealo junto a tu cuota de voz en IA y las menciones de marca en IA que la impulsan, y usa las herramientas de investigación y planificación de contenido de Sorank para alinear el contenido con los prompts que los modelos atienden. Fuentes de referencia: Symphonic Digital y Nightwatch.
Defines un conjunto de prompts de categoría, los envías a varios modelos de IA como ChatGPT, Claude, Gemini y Perplexity, y luego cuentas las menciones de marca en las respuestas. El share of model es igual a las menciones de tu marca divididas entre el total de menciones de marca en esa categoría, multiplicado por cien. Como las respuestas varían, muestreas muchos prompts repetidamente para obtener una cifra estable en lugar de depender de una sola respuesta.
El share of voice mide la presencia de marca en canales dirigidos a humanos como la publicidad y los medios. El share of model mide la presencia dentro de las respuestas generadas por IA, donde el modelo recomienda opciones y el consumidor puede no visitar nunca un sitio web. También es probabilístico en lugar de un posicionamiento fijo, ya que el mismo prompt puede producir respuestas y menciones de marca distintas cada vez.
No. Los posicionamientos en Google y las citas de IA no se correlacionan de forma fiable, así que una posición orgánica fuerte no asegura que tu marca aparezca en las respuestas de IA. El share of model depende más de ser mencionado en fuentes de terceros autoritarias, de la precisión factual y de un contenido claro y citable que de las señales de posicionamiento tradicionales basadas en enlaces, razón por la cual se rastrea como una métrica aparte.
.svg)
.svg)
