Com corregir la manera com la IA descriu la teva marca

El mes passat un fundador em va escriure amb una captura. Havia preguntat a ChatGPT per la seva pròpia empresa i la resposta la descrivia com "una alternativa més petita a [competidor], popular entre equips joves amb poc pressupost".

Cada paraula era tècnicament defensable. I cada paraula li estava enfonsant les vendes al segment enterprise.

Aquest és el problema amb la manera com la IA descriu les marques. Gairebé mai és una mentida neta que puguis assenyalar i desmentir. És un enquadrament. Un grapat d'adjectius. Una comparació que no vas acceptar mai. I es repeteix, amb paraules lleugerament diferents, en milions de converses que no veuràs mai.

Jo construeixo LLM Pulse, una plataforma de visibilitat en IA, així que em passo gairebé tota la setmana mirant exactament això: les frases que els models generen sobre les empreses. Vull ser honest amb tu sobre què pots canviar, què no, i com distingir una cosa de l'altra.

Les paraules importen més que el rànquing

Gairebé tothom que es preocupa per la visibilitat en IA fa una sola pregunta: hi surto o no?

Aquesta és la pregunta fàcil. La difícil, la que de debò mou la facturació, és: quan hi surto, què diu exactament el model?

Una marca pot sortir sense parar i quedar descrita d'una manera que la descarta en silenci. "Fiable però antiquada." "L'opció barata." "Bona per començar." "Va tenir caigudes fa un temps." Res d'això és un problema de visibilitat. Són problemes de reputació, i viuen dins de les paraules.

L'incòmode és que un sol adjectiu dolent, repetit per un model en què confien centenars de milers de persones, fa més mal que una pàgina en desena posició de Google. Ningú no llegeix el desè resultat. Tothom llegeix el paràgraf que li serveix ChatGPT.

Així que la feina no és només sortir. És sortir ben descrit.

Per què la IA s'equivoca amb la teva marca

Abans d'arreglar les paraules cal entendre d'on surten. Segons la meva experiència gairebé sempre és una d'aquestes quatre fonts, i cadascuna té una solució diferent.

Dades d'entrenament caducades. El model et va conèixer per una foto del web de fa un o dos anys. Si et vas reposicionar, vas aixecar ronda, vas retirar un producte o vas canviar els preus, potser el model continua descrivint la versió antiga de tu. És la causa més habitual de les respostes del tipus "això era veritat el 2024".

Fonts de tercers que no controles. Webs de ressenyes, fils de Reddit, listicles, pàgines comparatives, un article vell d'un mitjà, l'"alternatives a" d'un competidor. Els models s'hi recolzen molt perquè sona independent. Si una comparativa molt citada et diu "l'opció barata", el model també ho farà, digui el que digui la teva home.

El teu propi contingut vague o desactualitzat. De vegades el model et cita amb precisió i el problema ets tu. Si el teu web encara arrenca amb el missatge de fa dos pivots, o amaga el que fas de debò sota eslògans difusos, el model no té res millor amb què treballar.

Al·lucinació pura. Menys freqüent del que la gent es pensa, però real. El model s'inventa una funció que no tens, et penja una polèmica que és d'una altra empresa, o et fusiona amb una marca de nom semblant. Aquesta treu de polleguera perquè no hi ha cap font per corregir.

Detectar bé importa perquè la solució per a les dades caducades (aconseguir contingut fresc i rastrejable indexat) no té res a veure amb la d'una mala font de tercers (anar a influir en aquella font), que al seu torn és diferent de la d'una al·lucinació (generar prou senyal clar perquè el model deixi d'endevinar). Si les tractes igual, perds mesos.

Pas u: esbrina què s'està dient de debò

No pots arreglar unes paraules que no has llegit. I no les llegeixes preguntant una vegada a ChatGPT, perquè la resposta canvia segons el model, la manera de preguntar, el país i el dia.

Pregunta "és bo X?" contra "quins són els punts febles de X?" contra "X vs Y" i et surten tres retrats diferents. Pregunta a Gemini en lloc de a ChatGPT i canvia una altra vegada. Pregunta des de Catalunya en comptes de des dels Estats Units i es mouen les fonts.

La versió manual d'aquesta auditoria és així: tries 20 o 30 prompts que un comprador real escriuria, els passes pels models que t'importen, en els mercats que t'importen, i copies les frases exactes que els models fan servir sobre tu. Ho repeteixes la setmana següent per veure si s'ha mogut res. És tediós i no escala, però és real, i fer-ho a mà una sola vegada t'ensenyarà més que qualsevol dashboard.

Les eines existeixen perquè ningú no continua fent això a mà. Aquesta és la part per a la qual es va construir LLM Pulse, i t'ho dic clar: soc part interessada. El que fan les nostres funcions de Reputació i sentiment és extreure les paraules exactes amb què els models et descriuen, no un marcador de content o trist, i marcar les que són negatives, errònies o fora de to. Veus l'adjectiu, la frase on viu, i quin model i quin prompt l'han produït. Després vigiles aquella redacció al llarg del temps, així que quan una resposta passa de "fiable" a "sembla que va tenir problemes" te n'assabentes en dies, no quan es cau una venda.

Seguim cinc models principals a tots els plans (ChatGPT, Perplexity, Gemini, Google AI Mode i Google AI Overviews) i pots afegir Claude, Copilot, Grok, DeepSeek i Meta AI. Aquest ventall importa aquí, perquè una marca que sona bé a ChatGPT pot estar mal descrita a Gemini, i no ho sabries si només en mires un.

Torno després a les alternatives, perquè segons la teva mida et pot encaixar millor una altra eina.

Pas dos: arregla la font, no el símptoma

Aquí hi ha l'error que veig tota l'estona. Una marca troba una descripció dolenta a ChatGPT i intenta arreglar ChatGPT. No pots. No hi ha cap panell on editis el que diu el model.

El que sí que pots fer és canviar el que el model llegeix. La descripció ve de les fonts. Ves riu amunt.

Si el problema són dades caducades, la teva feina és publicar contingut clar, actual i rastrejable que digui sense embuts el que ets ara. No copy enginyós. Frases planes que un model pugui agafar: què fas, a qui serveixes, què va canviar, què no ets. I assegura't que les teves pàgines són accessibles per als crawlers d'IA (GPTBot, ClaudeBot, PerplexityBot i companyia), perquè si els estàs bloquejant li estàs lliurant al model només la versió antiga de tercers.

Si el problema és una font de tercers, identifica les pàgines concretes que citen els models i ves a treballar-les. Una sol·licitud de correcció de dades al web de ressenyes. Una comparativa pròpia millor i més actual que posicioni. Contactar amb l'autor del listicle que et va congelar com "el barat". És feina lenta de relacions, però és el de més palanca que pots fer, perquè els models confien més en aquelles fonts que en tu.

Si el problema és una al·lucinació, la solució contraintuïtiva és volum i claredat de senyal correcte. Els models s'inventen coses quan hi ha buit. Publica prou informació inequívoca i consistent sobre el tema inventat perquè la versió correcta pesi més que la conjectura. Dades estructurades, un FAQ que respongui a la bola exacta, la mateixa redacció repetida a totes les teves propietats.

Res d'això és instantani. Els models tornen a rastrejar i a reentrenar segons el seu propi calendari. Però he vist descripcions canviar en setmanes un cop van canviar les fonts de sota, i aquest és el termini honest: setmanes, de vegades un parell de mesos, no dies.

Pas tres: monitoritza la redacció, no només la menció

Arreglar-ho una vegada no és la victòria. La victòria és assabentar-te quan torna a torçar-se.

Les actualitzacions de model ho barregen tot de nou. Un nou entrenament, un model per defecte diferent, un canvi en quines fonts se citen, i la teva descripció acuradament corregida pot recaure de la nit al dia. Un competidor publica una comparativa agressiva i de cop el seu enquadrament de tu s'escola a les respostes.

Així que la redacció necessita una línia base i una alarma. Captura com et descriuen avui, en frases concretes i citables, i que t'avisin quan aquelles frases canviïn. Això és una feina de monitorització, no una auditoria d'un sol cop, i és la part més infravalorada del GEO.

Connectar el teu GA4 o el teu Plausible tanca el cercle, perquè aleshores no només vigiles paraules, vigiles si ChatGPT, Perplexity i Gemini de debò t'envien visites i conversions mentre la redacció millora. Aquell enllaç entre "la descripció ha millorat" i "s'ha mogut la facturació" és el que gairebé ningú arriba a mesurar.

Quina eina, amb honestedat

Construeixo una d'aquestes, així que pren el que segueix com a informat però interessat. Aquí és on de debò t'enviaria a un altre lloc.

Si ets una marca gran o un enterprise que necessita el conjunt de dades més profund, SOC 2, SSO, on-prem i anàlisi de volum de prompts, mira bé Profound. És el pes pesant i s'ho guanya. Va per demo, sense preus públics, i per a un gran compte això està bé.

Si ets una agència o un equip que vol bon seguiment regional i multiidioma amb comparació de competidors per país, Peec AI és genuïnament bo, des d'uns 89 $/mes, amb seients il·limitats. Compte: inclou tres models i els extra són add-ons de pagament per model.

Si vols el punt d'entrada honest més barat i captures de les sortides reals de la IA, Otterly.ai arrenca a 29 $/mes i porta un servidor MCP i una API pública.

I si ja pagues Ahrefs o Semrush, les seves funcions Brand Radar i AI Toolkit són més superficials que les dels especialistes, però ja són a la teva subscripció. Per a una primera mirada, és un lloc raonable per on començar.

On posaria jo LLM Pulse a la teva llista curta: quan el que concretament t'importa és la redacció i la seva reputació al llarg del temps, amb preus públics i justos, sense trucada comercial. Els plans arrenquen a 49 €/mes i tots porten seients il·limitats, sense cost per usuari, més 14 dies de prova. La feina de Reputació i sentiment de què va tot aquest article és als plans de pagament, al costat de l'analítica de trànsit d'IA i un servidor MCP allotjat que porta les teves pròpies dades directes a Claude o ChatGPT.

Aquests són els preus actuals, perquè comparis peres amb peres.

Els preus canvien, així que comprova les xifres actuals abans de contractar. I si la resposta honesta per al teu cas és Profound, Peec o Otterly, pren-la. Una eina que de debò faràs servir guanya la de la millor llista de funcions.

La part que ningú vol sentir

No ets l'amo de com et descriu la IA. La influeixes. Els models seuen entre tu i tothom que busca el teu nom, i et parafrasejaran amb les fonts en què confiïn, actualitzades en un calendari que tu no marques.

Això no és motiu per rendir-se. És motiu per tractar la teva descripció en IA com una cosa viva: llegeix-la, rastreja les paraules fins a la seva font, arregla la font i vigila la redacció per enxampar el dia que es torça.

Perquè ara mateix, en algun lloc, un model li està explicant a un comprador què és la teva empresa en un paràgraf segur de si mateix. L'única pregunta és si tu l'has llegit.