Posicionarse en ChatGPT: cinco experimentos, sin fórmulas
Las preguntas sobre cómo posicionar en ChatGPT llegan a diario, y las respuestas seguras son baratas. Estos experimentos cuestan unas pocas horas y te dejan con tus propios datos.
Equipo de investigación de AlgoLink ·
Aquí tienes una confesión para empezar. No podemos decirte cómo posicionar en ChatGPT, porque OpenAI no ha publicado cómo su búsqueda selecciona las fuentes, y las respuestas de ChatGPT varían entre ejecuciones.
Lo que puedes hacer es observar. La búsqueda de ChatGPT, lanzada el 31 de octubre de 2024, muestra fuentes enlazadas, por lo que cada respuesta deja un rastro. Perplexity y Claude con búsqueda web hacen lo mismo, lo que te permite comparar motores con los mismos prompts.
Cada ejecución es una muestra. Nunca una veredicto. Usa la misma redacción, una sesión sin iniciar sesión cuando sea posible, y una columna de fecha. Sin esa disciplina, los resultados son anécdotas, por muchas capturas de pantalla que recojas. Mantén la muestra lo suficientemente pequeña para terminarla, y lo suficientemente grande para que tenga sentido. Escribe ese plan en una página.
No hagas spam de prompts a un asistente para inflar cualquier conteo, y no publiques capturas de pantalla como prueba de una tendencia. Esta regla no es opcional. Una hoja de cálculo ordenada convence a más personas que una carpeta de imágenes.
Los cinco experimentos
01
Experimento 1: el registro base
Elige 20 preguntas que hacen tus clientes. Ejecuta cada una en ChatGPT, Perplexity y Google, y registra cada dominio citado. Este es tu control para todo lo siguiente.
02
Experimento 2: sensibilidad a la redacción
Reformula cinco de las preguntas de tres formas cada una. Cuenta cuántos dominios citados sobreviven. Una baja superposición te dice que las capturas de pantalla de un solo prompt significan poco.
03
Experimento 3: cambiar una página
Reescribe una página para que la respuesta se abra en dos oraciones, deja una página similar sin tocar, y vuelve a ejecutar el registro después de una reindexación. Solo un cambio, o no aprenderás nada.
04
Experimento 4: la verificación del vecindario
Lista los dominios citados para un tema y obtén sus conteos de dominios de referencia. Ve si tu sitio se les parece. La guía práctica muestra las llamadas.
05
Experimento 5: la búsqueda de menciones
Busca lugares que describan tu marca sin enlazar a ella. Pide un enlace o una descripción más clara, y luego observa si las apariciones cambian durante ocho semanas.
Un formato de registro que se mantenga comparable
Un CSV plano es suficiente. Las filas de abajo son ficticias para ilustración y no contienen resultados reales.
Los mismos prompts, palabra por palabra, cada ejecución
Fechas registradas, y el nombre del producto del motor anotado
Al menos cuatro ejecuciones semanales antes de comparar
Una página cambiada a la vez
Una página de control dejada intacta
Datos de enlaces obtenidos después de una actualización de índice, no antes
Cómo leer lo que devuelve
Una hora de diferencia, el mismo prompt puede citar páginas diferentes. Espera ruido, y espera que el texto de la respuesta cambie mientras las fuentes permanecen igual.
Las apariciones únicas prueban poco. Juzga por frecuencia. Si tu dominio aparece en seis de ocho ejecuciones semanales para una pregunta, eso es un patrón que vale la pena anotar. Si aparece una vez, es una coincidencia que te favorece.
Google AI Overviews, la búsqueda de ChatGPT, Perplexity y Claude cada uno recuperan de su propia manera, por lo que una victoria en uno dice poco sobre otro. Compara los motores por separado. El glosario explica por qué el grounding difiere entre ellos.
Planifica tu tiempo antes de empezar. El experimento uno toma una tarde. Los otros son principalmente espera: una reindexación puede tardar días o semanas, y nada en el proceso puede acelerarse pagando por ello.
Por qué el mismo prompt se desvía
Antes de leer un cambio en tu registro, lista las cosas que se movieron entre ejecuciones. La mayoría de la deriva tiene una causa aburrida que reside en la configuración más que en el motor de búsqueda.
Redacción y sesión
Pequeñas ediciones a un prompt pueden cambiar las fuentes. Una pregunta final, un sinónimo o una cláusula extra pueden atraer páginas diferentes. Una sesión iniciada también puede llevar historial que un navegador limpio no tiene.
Escribe el prompt exacto en el registro, no una paráfrasis. Las paráfrasis parecen inofensivas hasta que intentas comparar dos meses de ejecuciones. Dile a un colega el conjunto de prompts antes de empezar, para que la lista no se pueda editar para adaptarse a los resultados.
Hora del día y cambios de producto
El mismo prompt puede devolver fuentes diferentes unas pocas horas de diferencia. Los modelos, los sistemas de recuperación y sus entradas cambian todos, y los proveedores no anuncian cada cambio. Un registro con fecha es la única manera de distinguir la deriva de un cambio. Una ejecución que parece extraña vale la pena repetirla el mismo día, ya que una hora extraña única prueba poco.
Anota los cambios de producto en el registro cuando sepas de ellos. Un cronograma con fecha te ayuda a emparejar un patrón con un lanzamiento, aunque una fecha de lanzamiento es solo una pista.
Motor, país y cuenta
Cada motor tiene su propia ruta de recuperación, y así puede ser cada país o tipo de cuenta. Compara lo similar con lo similar, y registra la ubicación que usó la ejecución. Toma notas sobre cuáles de estos controlaste.
Un resultado de una región no es un resultado para todas las regiones. Dilo en cualquier informe, junto a la cifra que califica. Si un motor se prueba en un portátil y otro en un teléfono, han cambiado dos cosas, así que mantén el dispositivo fijo en toda la serie.
Qué cuenta como un cambio real
Un cambio solo es real cuando destaca del tambaleo que verías de todos modos. Eso suena obvio, y sin embargo, muchas hojas de cálculo saltan la línea base y leen cada oscilación como un resultado.
Juzgar un movimiento contra su ruido
Antes de llamar a algo un cambio, mide cuánto se mueven las respuestas por sí solas. Una línea base que tambalea ampliamente hace invisible una pequeña mejora.
Compara la dispersión de tu línea base con el tamaño del movimiento que esperas ver. Si el movimiento es más pequeño que el tambaleo, la etiqueta honesta es ningún cambio detectable. Guarda una nota de cómo se veía la línea base el día que empezaste, incluyendo cualquier resultado extraño que hayas mantenido. Esas notas evitan que la comparación posterior se desplace silenciosamente.
Frecuencia sobre capturas de pantalla únicas
Una captura de pantalla captura un momento, y un patrón necesita varios. Cuenta las ejecuciones en las que aparece tu dominio, luego divide por el número de ejecuciones para ese prompt.
Informa la fracción, no la captura de pantalla, y declara cuántas ejecuciones la respaldan. Los lectores pueden entonces juzgar la muestra por sí mismos.
Errores que comete la gente al probar
Probar con un solo prompt
Un prompt es una muestra. Usa un conjunto de prompts relacionados para que una respuesta extraña única no decida el resultado.
Cambiar dos cosas a la vez
Si reescribes una página y cambias sus enlaces en la misma semana, no puedes decir qué cambio movió las fuentes.
Leer solo el texto de la respuesta
La oración puede generarse fresca cada vez. Los enlaces citados son la parte estable, así que regístralos.
Detenerse después de una buena semana
Las victorias tempranas se desvanecen o no se repiten. Planifica al menos cuatro ejecuciones antes de trazar una línea bajo un resultado.
Qué significa un resultado nulo
Si nada se mueve, has aprendido algo real: que tu cambio no fue la palanca, o que el ruido es mayor que el efecto. Anótalo de todos modos. Te ahorrará repetirlo.
Mantener el presupuesto honesto
Los experimentos fallan por tiempo más a menudo que por dinero. Un plan que se ajusta a tu semana es más fácil de mantener que uno ambicioso que se estanca después de la primera ejecución.
Cuántas ejecuciones son suficientes
Cuatro ejecuciones semanales es un piso, no una meta. Ocho da un patrón más claro para la mayoría de las preguntas, aunque el número correcto depende de cuánto se muevan las respuestas.
Cuenta prompts, no horas. Veinte prompts ejecutados cuatro veces hacen ochenta filas, lo cual es ya más que un vistazo rápido de una tarde te daría.
Dónde se va el tiempo
La mayor parte del esfuerzo cae en la primera tarde, cuando se construyen el conjunto de prompts y el registro. Después, el trabajo es repetición, y la repetición es fácil de saltar. Pon la próxima ejecución en el calendario antes de terminar esta. Una regla aproximada ayuda aquí: decide el número de ejecuciones antes de la primera, y no extiendas la serie porque los resultados iniciales parecen buenos.
Presupuesta también la redacción. Una nota corta que declare la muestra, las fechas y los límites es más difícil de escribir que las ejecuciones mismas.
Preguntas sobre los experimentos
¿Puedo comprar mi camino a las respuestas de ChatGPT?
Nada de lo que sabemos funciona de esa manera desde fuera. La publicidad y la colocación pagada no son lo mismo que una cita ganada en una respuesta, y esta página no vende ninguna. El movimiento sensato es ejecutar el registro y ver qué fuentes aparecen realmente.
¿Necesito una clave API para ejecutar estos experimentos?
No. La línea base y el registro solo necesitan un navegador y una hoja de cálculo. La guía práctica usa llamadas gratuitas para vistas generales y búsquedas de DR, y las verificaciones masivas de DR cuestan un crédito por llamada.
¿Cuánto tiempo antes de que se muestre un cambio en el sitio?
La respuesta honesta es que varía. La reindexación puede tardar días o semanas, y el registro solo mostrará el efecto si sigues ejecutando los mismos prompts durante ese período. Mantén el registro en ejecución después de pensar que la prueba ha terminado, porque los efectos tardíos a menudo son lo que encuentra una segunda mirada.
¿Debería publicar lo que encuentro?
Puedes. Publica el método, las fechas y los resultados nulos junto con los números, para que los lectores puedan juzgar la muestra. Escribe el método primero, antes de ver los resultados. La tabla de fuentes de AI Overviews muestra el mismo hábito de etiquetar cada afirmación.
