Visibilidad en IA de empresas energéticas en España: análisis completo

Ya hemos hecho otros análisis:

Y visto, paso por paso, cómo puedes empezar tu propio análisis de visibilidad en IA y hasta una plantilla para que puedas empezar fácilmente.

Hoy vamos a analizar la visibilidad en IA de las empresas energéticas en España, para entender cuáles son las más visibles, qué temas son los más relevantes y qué fuentes están siendo el “alimento” de la IA.

Antes de empezar, me gusta hacer un breve resumen de lo que implica analizar la visibilidad en IA, cómo lo hacemos y qué debes tener en cuenta.

Seré breve, porque tienes información más completa en cualquiera de los artículos que he enlazado más arriba, así que si necesitas más detalle, ya sabes dónde acudir.

La visibilidad en IA es la proporción y frecuencia con la que una marca, producto o servicio aparece en las interacciones de usuarios con plataformas de inteligencia artificial como ChatGPT, Claude, Perplexity o AI Overviews de Google como mención o cita.

Es decir, cuando las personas preguntan o interactúan con una plataforma de IA, como ChatGPT, ¿aparece tu marca mencionada o enlazada como fuente? ¿En qué proporción, comparada con la competencia? ¿Qué atributos se mencionan? ¿Son positivos o negativos? ¿Las respuestas están actualizadas?

Por ejemplo, si estás a punto de comprar tu primer calzado minimalista / barefoot, puede que le preguntes algo así a ChatGPT:

Ahora que ya sabemos de qué hablamos, vamos a ver algunas consideraciones.

Es un campo en continuo desarrollo. Creo que nunca había visto tal explosión de herramientas y conocimiento tan rápido, pero… No es oro todo lo que reluce.

Ten en cuenta que:

Es importante leer los datos con estas limitaciones en mente: no se puede monitorizar la IA como hacíamos con la búsqueda tradicional.

Ahora que estamos alineados, vamos a empezar.

Para empezar, necesitamos elegir las empresas que analizaremos y con las que nos compararemos.

Todos los sectores presentan sus retos y, como hemos visto en análisis anteriores, determinar la cuota de mercado a veces no es tan fácil como parece.

En el caso de la energía, es especialmente complicado y no es el objeto de este análisis, pero sí conviene conocer un poco cómo funciona antes de entrar en materia:

En resumen, a día de hoy, el transporte y distribución de energía (las redes) son monopolios naturales regulados. La liberalización aplica a la generación y comercialización de energía, no sobre las redes. 

Cuando nos cambiamos “la empresa de la luz”, lo que hacemos es cambiar de comercializadora (la empresa con la que firmamos el contrato y que nos factura). La red y la distribuidora de la zona siguen siendo las mismas.

La comercializadora se encarga de comprar la energía (en el mercado o con contratos a plazo) para cubrir tu consumo. En algunos casos pertenece a un grupo que también genera electricidad, pero para ti el cambio es contractual y de facturación. En la CNMC lo explican mejor (hay, en el momento de escribir esto, 899 comercializadoras).

Tras valorar distintas opciones para elegir las empresas del análisis, lo hice con la ayuda de ChatGPT a partir de datos de la CNMC (Comisión Nacional de Mercados y Competencia).

Aunque la cuota de mercado no es 100% y hemos hecho algunos supuestos que aclaramos más abajo, creo que es suficiente para los propósitos de este análisis:

Fuentes: Economía Digital, CNMC.

Para empezar nuestro análisis lo primero es entrar en Brand Radar:

Ahora, ponemos el nombre de nuestra marca (en este caso, usaremos el de la líder de mercado, Iberdrola) y el resto de marcas, separadas por comas:

También tendrás accesible tus informes (después guardaremos el nuestro) y la opción de añadir tus propios prompts (esto no lo haremos en este artículo, es un tema para explorar en otro momento).

Como queremos centrarnos en España, elegimos esa ubicación:

Una vez elegido, vamos a echar un vistazo a los nombres de marca.

Un error que he cometido en muchos análisis es el de escribir el nombre de marca “demasiado bien”. Por ejemplo, cuando analicé la visibilidad en IA del mercado automovilístico en España me pasó con “Škoda” o “Citroën”. Técnicamente, se escriben así, pero la mayor parte de personas escriben simplemente “skoda” o “citroen”.

Por eso, asegúrate de que incluyes algunas variaciones lógicas en los nombres de cada marca:

Y echa un vistazo para asegurarte de que todo tenga sentido.

Finalmente, cuando estés satisfecho, guarda el informe para que no tengas que empezar de cero.

Estas serán las bases de nuestro análisis a lo largo de todo el artículo:

Ahora sí, vamos a empezar el análisis.

Vamos a empezar comparando la visibilidad en IA, para entender qué marcas son más o menos visibles.

Usaremos el Índice de Presencia en IA, que nos da el porcentaje de impresiones de marca sobre el total de impresiones para respuestas que mencionan cualquier marca monitorizada.

Es una métrica que viene por defecto en Brand Radar, para llegar a este informe, desde la Vista general y asegurándote de tener seleccionada la “Visiblidad de IA”, ve a “Índice de Presencia IA”.

Me gusta poner los datos en una tabla, con una escala de colores:

Así, de un vistazo, vemos como Repsol parece sobrerrepresentado. Aunque no hay ningún motivo por el que la cuota de mercado deba trasladarse tal cual a su índice de presencia IA, sí que es es extraño una diferencia tan grande como la que vemos. En este caso, lo que pasa es que Repsol tiene otros productos energéticos (como gasolineras) y eso hace que su pequeña cuota de mercado en la electricidad del hogar se dispare en visibilidad en IA.

En otros análisis he tomado la decisión de acotar el mercado (por ejemplo, con las aseguradoras de salud), pero en este vamos a hacer la comparativa de las 15 marcas.

Como era de esperar, las 4 empresas energéticas más grandes lideran claramente, pero no podemos ignorar a algunas marcas emergentes que consiguen una visibilidad para nada despreciable: sobre todo, Total Energies y Octopus Energy, pero también Holaluz y Gana Energía tienen resultados destacables.

Para descontar parte del efecto “tamaño de empresa”, vamos a usar una métrica que tenga en cuenta la cuota de mercado.

Para comparar de forma gráfica la presencia con la IA con la cuota de mercado podemos hacer una simple resta:

DPIA = Índice de Presencia en IA - cuota de mercado

Y así resulta fácil ver qué marcas salen perdiendo y ganando:

Como ya habíamos adelantado Repsol destaca (aunque, como veremos luego, no solo por su presencia en la electricidad).

Además, vemos que:

Ahora, vamos a complementar este análisis con un ratio: el Índice Relativo de Impacto en IA.

Para comparar la presencia relativa, usamos el IRIA:

IRIA = Índice de Presencia en IA / cuota de mercado

Al dividirlo, las marcas que quedan por encima de 1, consiguen mejor presencia relativa, las que están por debajo, peor:

Como ya hemos comentado, Repsol destaca, pero, en el fondo, “tiene truco”.

Especialmente destacable es el caso de Octopus Energy, que consigue multiplicar por cinco su presencia comparativa a su cuota.

Ahora que ya tenemos un resumen de la visibilidad en IA de las principales energéticas en España, vamos a ver los temas de las consultas y las respuestas que da la IA.

Ahora que sabemos qué marcas son más visibles, vamos a un punto clave: queremos entender en qué temas estamos apareciendo, y cómo.

En el informe de temas, Brand Radar agrupa las consultas por temáticas similares:

Por ejemplo, puedes ver los prompts que están agrupados dentro de “mejores compañías de luz y gas”, y echar un vistazo (o descargar) los prompts y las respuestas que da la IA elegida (AI overviews, ChatGPT o la que selecciones):

Supongamos que queremos detectar temas en los que nuestra marca (recuerda, en este caso, Iberdrola) no es ni citada ni mencionada (es decir, no se usan páginas de Iberdrola como fuente, ni se nos menciona).

Simplemente, hacemos un filtro como este:

Le damos a aplicar y…

Vemos temas como:

En alguno de estos temas es posible que nos gustara estar presentes. Podríamos estudiarlos más a fondo y ver el tipo de respuestas que da la IA y qué fuentes usa (algo que veremos a continuación).

Por ejemplo, podríamos analizar en qué temas está presente Endesa (el competidor más cercano a Iberdrola por tamaño) pero no Iberdrola:

Como puedes ver, encontramos unos cuantos relacionados con precios y tarifas económicas.

Es posible que esto sea una decisión de posicionamiento (no entrar a competir en precio), pero en caso contrario, puede tener sentido mejorar la presencia temática en todo lo relacionado con el precio.

Cuando entramos en el informe de páginas y dominios, lo que vemos es importante: son las fuentes que están usando las distintas plataformas de IA como Gemini o ChatGPT para elaborar sus respuestas. Y, recordemos, por lo que sabemos, las menciones en webs de terceros son más importantes que las menciones en nuestra propia web.

Vamos a echar un vistazo a las páginas más citadas en Google AI overviews:

Y en ChatGPT:

En el caso de Google AI overviews, hay una mayor presencia de comparadores, mientras que en ChatGPT, casi todas las páginas más citadas, son de empresas.

En cualquier caso, ten en cuenta que hablamos de miles de resultados (decenas de miles) y apenas hemos realizado un análisis superficial.

Tenemos infinitas posibilidades a la hora de analizar: desde ver en qué páginas salen los competidores y nosotros no, segmentar por tema, agrupar por tipo de página o analizar las diferencias entre distintas plataformas de IA.

Si, por ejemplo, queremos averiguar cuáles son nuestras páginas más referenciadas en ChatGPT (es decir, cuáles de nuestras páginas son las que más se están usando como fuente en ChatGPT), podemos hacerlo fácilmente:

En Brand Radar, pon el nombre de tu marca (no el resto, solo la que quieras analizar).

Por ejemplo, Iberdrola:

Después, ve al informe de “Dominios citados” y elige “España” en ubicación y “ChatGPT”:

Ahí verás los dominios más citados, con Iberdrola.com a la cabeza.

Ahí, haz clic en el número de páginas, y listo:

Es curioso como ChatGPT usa algunas de las páginas en inglés como fuente, por lo que puede que necesites asegurarte de que están correctamente traducidas y actualizadas.

Puedes hacer lo mismo con AI Overviews:

Esto nos sirve para saber qué páginas debemos priorizar para actualizar, para evitar que la IA nos cite o mencione con datos incorrectos.

Con todo lo que hemos aprendido, llega la hora de sacar algunas conclusiones y cerrar por hoy.

Para este artículo / análisis hemos usado Brand Radar de Ahrefs, herramienta diseñada para medir la presencia de marcas en respuestas generadas por IA.

Con Brand Radar puedes:

Todos los datos de Brand Radar han sido recogidos a finales de enero de 2026.

Además de todos los enlaces que dejamos en la introducción y a lo largo del artículo, puedes seguir aprendiendo con estos enlaces:

Estamos creando constantemente contenido sobre AEO, GEO y LLMO, echa un vistazo a nuestra categoría “Búsqueda con IA” si quieres estar al día.

Si necesitas alguna aclaración, o te apetece comentar algo puedes escribirnos en nuestro X o LinkedIn (ambos en español)