Datos de Brand Radar: Así recogemos y modelamos los datos de visibilidad en IA
Por Rebekah Bek
Product Marketing at Ahrefs
Brand Radar te deja monitorizar y explorar qué tan visibles son las marcas en IA y en buscadores. En este post te contamos cómo se recoge, se modela y se mantiene al día toda esa data.
Versión corta: Un resumen rápido
Hacemos millones de preguntas reales a plataformas de IA como ChatGPT, Perplexity, Gemini, Copilot y las AI Overviews de Google — y guardamos sus respuestas para que puedas buscarlas y ver dónde aparece tu marca.
Recogemos keywords y SERPs de la base de datos de Ahrefs (más de 100 mil millones de keywords), y sacamos las preguntas de Google People Also Ask de esas SERPs para modelar cómo pregunta la gente de forma natural online. Lanzamos esas preguntas en plataformas de IA y guardamos las respuestas, para que puedas buscar en el texto y en los enlaces dónde aparece tu marca (o cualquier término).
Los sets de preguntas se actualizan y se testean en los chatbots cada mes, usando una ventana de informes de 90 días.
Métricas como Índice de presencia e Impresiones estimadas modelan la visibilidad de una marca en temas populares según el interés real de búsqueda. Muestran visibilidad potencial, no alcance real.
Versión extendida
Brand Radar ayuda a las empresas a entender cómo aparece su marca en IA y en buscadores. Calcula el Índice de presencia según cuántas veces se mencionan o citan marcas en respuestas de ChatGPT, Perplexity, Gemini, Microsoft Copilot y las AI Overviews y AI Mode de Google.
1. Recogida de datos
Brand Radar modela el comportamiento real de los usuarios, no inventa prompts.
Las consultas vienen de Google “People Also Ask” y de la base de datos de 110 mil millones de keywords de Ahrefs (28,7 mil millones monitorizadas), lo que refleja demanda real de búsqueda y formas naturales de preguntar.
Cada consulta se ejecuta en las interfaces de IA compatibles. Guardamos las respuestas tal cual, y los usuarios pueden buscarlas para encontrar citas (URLs enlazadas) y menciones (coincidencias de texto) de cualquier término.
Volumen mensual de consultas (aprox.):
ChatGPT – 10,6 millones
Perplexity – 13,1 millones
Gemini – 7,2 millones
Copilot – 13,3 millones
AI Overviews – 134 millones
AI Mode – 13,5 millones
Todos los prompts se ejecutan en las interfaces web públicas y gratuitas de ChatGPT, Gemini, Perplexity, Copilot y otras plataformas compatibles, para reflejar la experiencia real del usuario.
La configuración por países e idiomas replica las proporciones de búsquedas en nuestra base de datos de keywords, para una representación proporcional por mercado.
2. Modelado de datos
Como los prompts posibles en IA son infinitos, Brand Radar se centra en temas de alta demanda y recurrentes que reflejan el interés de búsqueda. Las métricas son indicadores direccionales, no recuentos exactos de tráfico — piensa en ellas como señales de visibilidad modelada, no métricas de rendimiento.
- Impresiones estimadas: pondera menciones según el volumen de búsqueda en Google para modelar la exposición potencial.
La cadencia de actualización depende de la plataforma:
- ChatGPT, Perplexity, Gemini y Copilot se actualizan cada mes, usando una ventana de 90 días para más estabilidad. Cada informe incluye todas las preguntas que sigan siendo válidas en los 90 días previos a la fecha seleccionada.
- Google AI Overviews y AI Mode se actualizan de forma continua, alineados con los ciclos de actualización de la base de datos de keywords.
- Los informes de “Todas las plataformas” combina datos de todos los grupos.
3. Transparencia y limitaciones
- Cobertura – Más fuerte en inglés; los mercados no angloparlantes se representan de forma proporcional.
- Alcance – El uso de chatbots es súper personalizado y la cantidad de consultas posibles en IA es infinita. Priorizamos las preguntas más comunes y de mayor demanda según la popularidad de nuestro dataset de 110B keywords y de People Also Ask. Esto cubre los tipos de preguntas que más suelen aparecer en resultados de IA, aunque prompts de nicho o consultas de cola larga no siempre entren.
- Anomalías – A veces los modelos generan enlaces inventados o mal formados. No los filtramos porque forman parte del output real.
- Cadencia – La frecuencia de actualización por plataforma está en la sección de Modelado de datos.
4. Cómo interpretar los datos
Brand Radar sirve sobre todo para:
- Comparar visibilidad de marca e índice de presencia en IA.
- Comparar cobertura de competidores entre plataformas de IA
- Detectar patrones de co-citación y huecos de visibilidad
No es un sustituto de métricas de audiencia ni de analytics de tráfico. Piensa en ello como una auditoría de visibilidad: muestra lo que aparece en IA y en buscadores — no quién lo vio.
5. Base de datos
Brand Radar se apoya en la infraestructura de datos de Ahrefs:
- 28,7 mil millones de keywords filtradas de 110 mil millones descubiertas
Esta base asegura que Brand Radar combine datos de búsqueda verificados con visibilidad en IA modelada y transparente — manteniendo el enfoque de Ahrefs en precisión y comportamiento real.
Encargada del Marketing en Ahrefs. Cuando Rebekah no está desafiando a las reglas de la escritura, probablemente la encontrarás jugando videojuegos o comiendo. Tal vez incluso las dos cosas juntas.
