Publica los números que ya tienes: el activo que la IA no puede resumirte de otro
En 301 páginas citadas por motores de IA, la investigación con datos propios es el 2,7 % y se lleva el 8,4 % de las citas: 11,3 por página frente a 3,4 del resto.
En un ecosistema donde la IA resume lo que todo el mundo escribe, lo único que no te puede resumir de otro es el dato que solo tú tienes. El consejo de «publica investigación propia» circula desde hace años; lo que casi nunca circula es una medición de si funciona. Aquí hay una.
1. La medición que faltaba
El dataset: 301 páginas citadas por motores de IA, 316 prompts únicos, 1.075 citas, siete verticales, rastreadas con Gauge, un tracker de citas concreto. Eso último es el límite que viaja con todo lo que sigue: es la muestra de un tracker, no el universo de las citas, así que los números son direccionales. Lo firman Kevin Indig y Amanda Johnson, que en el mismo texto mencionan el AI Visibility Index de Semrush y un producto de pago del propio autor: el ecosistema comercial de siempre, declarado.
2. Pocas páginas, muchas citas
Solo 8 de las 301 páginas citadas son investigación primaria real, con datos propios. Pero esas 8 páginas se llevan 90 de las 1.075 citas: el 8,4 %. Tres veces su peso.
Fuente: Kevin Indig · por qué casi ningún dato original se cita
Las páginas de investigación primaria promedian 11,3 citas por página; el resto del dataset, 3,4. Cada pieza con dato propio rinde más del triple en citas que un artículo genérico del mismo conjunto.
Fuente: Kevin Indig · por qué casi ningún dato original se cita
La lectura no es «el dato propio funciona y ya». Es más interesante: el problema no es que no funcione, es que casi nadie lo produce. Un 2,7 % de las páginas. Esa escasez es exactamente la oportunidad, sobre todo para quien nunca va a poder competir en volumen de contenido.
3. La letra pequeña que lo convierte en método
De las 90 citas a investigación primaria del dataset, 75 se concentran en un solo tipo de pieza: benchmarks de cloud data warehouse — comparativas técnicas con metodología publicada, hechas para responder una decisión de compra concreta.
Fuente: Kevin Indig · por qué casi ningún dato original se cita
Ese es el matiz que separa el consejo del método: el dato propio no gana citas por ser «original» en abstracto. Gana cuando responde a una comparativa comercial que alguien está preguntándole de verdad a la IA, y cuando está empaquetado para que un modelo pueda extraerlo — una tabla, una cifra clara, la metodología a la vista. Y la concentración corta hacia los dos lados: demuestra el mecanismo, pero también deja fina la evidencia fuera de ese nicho (las otras 15 citas se reparten entre todo lo demás). Prometer que cualquier dato propio rinde el triple sería pasarse de frenada.
Hay además un cambio de métrica implícito que conviene hacer explícito: una pieza de datos con pocas visitas puede ser la más citada del sitio. Si el objetivo es que la IA te use como fuente, la métrica correcta es citas por página, no tráfico. Son contabilidades distintas y la segunda lleva años mandando sobre decisiones a las que ya no aplica.
4. El contrapeso: qué no está probado
Este hallazgo vive dentro de una discusión abierta que no vamos a esconder. De un lado, mediciones como esta apuntan a que los contenidos con datos y estadísticas captan más visibilidad en las respuestas de IA. Del otro, la revisión crítica más amplia disponible —un survey académico de 45 trabajos, de Olivier Martinez— concluye que ninguna técnica de «optimización para IA» ha demostrado todavía un efecto causal estable, sostenido en el tiempo y válido en varias plataformas a la vez — y existe algún experimento en el que «optimizar» una página que ya se citaba la empeoró.
Fuente: Martinez · survey crítico del GEO, 45 trabajos (arXiv) · preprint de autor único, sin revisión por pares
La lectura honesta de las dos cosas juntas: el dato propio es la apuesta con mejor señal de las que se han medido, no una táctica de efecto garantizado. La evidencia es correlacional y de un solo dataset. Por eso el plan de abajo termina en medir — antes y después, y con especial cuidado en páginas que ya se citan, que es donde tocar puede salir caro.
No prometemos que publicar datos «te posicione en la IA»: la ratio de 3,3x describe lo que midió un dataset concreto de un tracker concreto, no una constante del mercado. Tampoco entramos en cuántas cifras poner ni en qué parte de la página colocarlas: esas recomendaciones circulan, pero las cifras que las sostienen no han pasado todavía nuestra verificación, y aquí no se publica lo que no se ha comprobado. Cuando la pasen, esta pieza ganará esa segunda capa.
5. El plan mínimo para una pyme
Una pyme no puede competir en volumen con los medios ni con las marcas grandes. Tiene lo que ellos no tienen: números que nadie más posee. Precios reales de su sector en su ciudad, tiempos de servicio, estacionalidad de la demanda, resultados agregados de años de trabajo, lo que contesta su clientela cuando se le pregunta. Casi todo eso está hoy en un cajón — en la caja, en el Excel de los pedidos, en la agenda.
El plan mínimo, por trimestre
Haz inventario del cajón: qué números tienes ya (ventas por temporada, precios, tiempos, tasas de repetición) que responderían una pregunta real de compra en tu sector.
Elige uno y empaquétalo como comparativa: «X frente a Y», con tabla, una cifra clara en el titular y la metodología publicada — cuántos casos, de qué fechas, cómo se contó. Sin metodología no es un dato, es una afirmación.
Publica una pieza así por trimestre. Una. La escasez del formato es la ventaja; la constancia, el método.
Mide citas, no visitas: tus consultas de categoría en ChatGPT y Gemini, antes de publicar y unos meses después. Si no mueve nada, lo sabrás — y ese resultado también será un dato tuyo.
Hay algo casi justo en cómo funciona esto: la IA ha abaratado hasta cero el texto genérico, y al hacerlo ha revalorizado lo único que no puede fabricar — el número que sale de tu caja, de tu taller o de tu agenda. Ese número lleva años ahí. Lo único que nunca ha tenido es metodología y una página propia.
Cifras comprobadas contra el original el 13 de julio de 2026. Todas salen de un único análisis sobre datos del tracker de citas Gauge: son la muestra de un tracker concreto, no el universo de las citas, y se citan como direccionales. La evidencia es correlacional — ninguna técnica de «optimización para IA» tiene hoy efecto causal demostrado de forma estable y multiplataforma—. El texto original menciona el AI Visibility Index de Semrush y un producto de pago del autor. El método de la pieza no caduca; la ratio concreta, sí puede: si otro dataset la replica o la desmiente, lo anotamos aquí.
¿Te resultó útil? Añade Rigol&Co como fuente preferida y verás nuestras noticias más a menudo en tu Búsqueda de Google.
Añadir como fuente preferida en Google¿Qué números tienes ya en el cajón?
Una sesión de inventario: qué datos posee tu negocio que responderían una pregunta real de compra, y cuál merece ser la primera pieza. Sin humo: si no hay nada aprovechable, también se dice.
Relacionados
Que la IA te cite no sirve de nada si no dice tu nombre
«Mira, ChatGPT me está citando.» Verdad a medias: la mayoría de las citas de IA enlazan tu web sin decir tu nombre, y lo que mueve visitas de verdad es el nombre.
De dónde salen las citas de la IA: el mapa con 11.840 millones de citas
«¿Cómo hago para que la IA me cite?» no tiene una respuesta: tiene una por motor. Y por primera vez hay datos suficientes para dibujar el mapa.