Mention rate y citation rate AI: qué miden

Esta guía describe un método de medición. El seguimiento automático de prompts, menciones y citas AI no está disponible en el producto público actual de BeKnow. Recoge observaciones con un servicio externo o una muestra manual documentada.

Cuando un sistema de AI responde sobre un mercado puede nombrar una marca sin enlazarla, citar una de sus páginas sin hacerla protagonista o no hacer ninguna de las dos cosas. Convertir esos resultados en una sola puntuación de “visibilidad AI” confunde reconocimiento y evidencia. Por eso mention rate y citation rate deben medirse por separado.

La mention rate indica si la marca entra en la respuesta. La citation rate muestra si la respuesta apunta a una fuente de la marca o explícitamente asociada con ella. La primera se acerca a la cuota de voz; la segunda revela si el sitio se utiliza como prueba. Ninguna basta por sí sola y su evolución solo es interpretable cuando prompts, modelos y método siguen siendo comparables.

Qué mide la mention rate

La mention rate es el porcentaje de respuestas observadas que nombran la marca monitorizada. Si un conjunto fijo de prompts genera 100 respuestas válidas y la marca aparece en 28, la tasa es del 28%. Un sistema más detallado puede separar una simple aparición de una recomendación, comparación o posición destacada, pero no debe mezclar silenciosamente esas categorías con la tasa básica.

El denominador importa. Generaciones fallidas, solicitudes bloqueadas y respuestas vacías no deberían convertirse automáticamente en visibilidad cero porque no son observaciones significativas. También distorsionan la tasa los prompts que no admiten lógicamente una respuesta de marca. Una consulta definitoria tiene un papel distinto de otra que pregunta qué software elegir. Un programa sólido comienza al elegir prompts representativos, no creando la lista más larga posible.

La mention rate permite saber si la marca participa en las conversaciones de categoría. Puede revelar reconocimiento en prompts de marca y ausencia en descubrimiento, o fortaleza en un mercado y debilidad en otro. No demuestra que el modelo haya utilizado el sitio, comprendido el posicionamiento actual o enviado tráfico referral.

Qué mide la citation rate

La citation rate es el porcentaje de respuestas válidas que citan al menos una fuente cualificada. Para medir una marca, el numerador debe incluir respuestas que citen su dominio propio o un conjunto declarado de fuentes asociadas. Si 20 de 100 respuestas enlazan el dominio, la tasa de citación propia es del 20%.

Conviene medir aparte cuántas respuestas contienen cualquier fuente. Así se evita afirmar que un modelo cita mucho cuando casi ninguna fuente pertenece a la marca. El análisis debe distinguir además página principal, artículos, documentación, perfiles de terceros y URL ajenas que solo contienen el nombre.

La citation rate prueba selección de fuente, no aprobación. Una página puede apoyar un dato neutral, una limitación o una comparación donde se recomienda otro producto. Importan la frase circundante y el papel de la cita. El proceso para analizar fuentes citadas por modelos AI va más allá de la tasa y estudia por qué se utilizó cada fuente.

Por qué las métricas divergen

Una marca puede tener mention rate alta y citation rate baja cuando es conocida pero su web no es una fuente preferente. Los modelos pueden reproducir conocimiento distribuido, apoyarse en reseñas externas o responder sin referencias visibles. Hay reconocimiento, mientras la capa de fuentes propias puede necesitar páginas factuales más claras, corroboración y mejor accesibilidad.

También ocurre lo contrario. Un dominio se cita para datos, investigación o definiciones, pero la marca apenas aparece. El contenido funciona como evidencia sin convertirse en reconocimiento de categoría. Puede hacer falta reforzar señales de entidad, mantener un nombre coherente y conectar el hecho citado con el papel del producto sin volver promocional cada párrafo.

Tasas bajas en ambas dimensiones apuntan a una brecha profunda. Valores altos son prometedores, pero requieren revisión cualitativa: una mención frecuente puede ser negativa y una cita puede respaldar información obsoleta. La interpretación útil nace de la combinación.

Diseña la medición antes de calcular

Define entidad, dominios propios, mercados, idiomas, modelos y conjunto de prompts antes de recopilar datos. Conserva el prompt exacto, modelo, fecha, respuesta y URL citadas. Si existe un modo con navegación, registra si estaba activo porque cambia el comportamiento de citación.

Repite los prompts. Las respuestas generativas varían, las fuentes cambian y los proveedores actualizan sus sistemas. Una tasa mensual basada en una sola generación por prompt es una instantánea. La repetición permite medir estabilidad: aparecer en nueve de diez ejecuciones no equivale a aparecer una vez, aunque la última respuesta de ambos casos incluya la marca.

Mantén separados los modelos al principio. Más adelante puede construirse un agregado con pesos transparentes, pero una media prematura oculta que un sistema muestra fuentes y otro rara vez lo hace. Lo mismo se aplica a idiomas y mercados: una cifra global no debe ocultar debilidad en el idioma comercialmente importante.

Interpreta los cuatro resultados posibles

Cuando hay mención y cita propia, verifica si la fuente respalda lo dicho y si la página ayuda también a una persona. Con mención sin cita, investiga qué narrativas externas impulsan el reconocimiento y si la web documenta claramente los mismos hechos.

Con cita sin mención, examina el fragmento utilizado y el contexto de entidad: la fuente puede ser útil pero estar desconectada de la propuesta de la marca. Si faltan ambas, compara competidores y tipos de fuente antes de publicar más. La brecha puede deberse a cobertura, autoridad, acceso técnico, claridad de entidad o a un prompt que no corresponde con la marca.

Este enfoque resulta más productivo que intentar “optimizar el porcentaje”. Cada resultado conduce a una pregunta editorial o técnica verificable. La guía de visibilidad AI y GEO sitúa las observaciones dentro de un programa continuo.

Compara periodos sin fabricar progreso

Usa la misma cohorte de prompts, mercado, idioma, configuración y reglas de inclusión. Si incorporas prompts, calcula una tasa comparable sobre la cohorte estable y presenta la ampliada por separado. De lo contrario, un cambio de muestra parecerá una mejora.

Conserva los recuentos junto a los porcentajes. Pasar de una mención en diez respuestas a dos supone diez puntos, pero sigue siendo evidencia débil. Pasar de 100 a 200 en 1.000 observaciones comparables es más estable, aunque necesita revisión cualitativa. El tamaño de muestra aumenta la confianza; no crea certeza.

Preguntas frecuentes

¿Una mención equivale a una recomendación?

No. La marca puede aparecer de forma neutral, negativa o dentro de una lista larga. Fuerza y posición son dimensiones secundarias útiles, pero no sustituyen la definición transparente de la mention rate.

¿Todas las respuestas AI contienen citas?

No. Depende del sistema, modo y consulta. Compara tasas solo en condiciones documentadas y separa fallos de respuestas válidas sin fuentes.

¿Cuentan las citas de terceros para mi marca?

Conviene seguirlas, pero no mezclarlas con las del dominio propio. Las primeras describen el entorno informativo; las segundas muestran si las propiedades de la marca se seleccionan como evidencia.

¿La mention rate predice tráfico desde AI?

No directamente. Una mención puede no tener enlace y una cita recibir pocos clics. Referral, conversiones y recorridos asistidos son métricas de resultado complementarias.

Mide reconocimiento y evidencia juntos

La mention rate muestra si la marca entra en la respuesta; la citation rate, si determinadas fuentes la sostienen. Con prompts estables, observaciones repetidas y revisión cualitativa forman un sistema diagnóstico, no una métrica decorativa.

Qué conserva BeKnow

Conserva intervenciones, hipótesis, recursos, observaciones y decisiones en un workspace consultable. Registra lo conocido y lo pendiente de verificar.

Una variación posterior no demuestra que la intervención la causara. La atribución entre plataformas y un dashboard estadístico completo no están disponibles hoy.

La memoria y las importaciones no requieren una clave de modelo AI. El cliente AI externo puede tener costes propios. BYOK solo corresponde a funciones disponibles que realmente llaman a un proveedor externo.

Siguiente paso

Empieza con un proyecto, un cambio documentado y las pruebas necesarias para revisarlo. Conexiones de fuentes.

Registra la primera intervención. Cómo funciona.