Share of voice als LLMs, explicat com cal

Share of voice és una d'aquelles expressions que fa servir tothom i que gairebé ningú defineix igual.

Al SEO de tota la vida solia voler dir la teva part de clics o impressions per a un conjunt de keywords. A la cerca amb IA s'ha convertit en una altra cosa, i les eines que ho mesuren no sempre estan d'acord en què és "això".

Ho vull aclarir aquí, perquè no paro de veure presentacions on "share of voice" és un número gran i segur sense cap mètode al darrere.

Un avís abans de continuar: jo construeixo LLM Pulse, una plataforma de visibilitat a IA. O sigui que soc part interessada. Tot i així, et diré on es maltracta el concepte, fins i tot en eines de la meva mateixa categoria, i on potser un competidor t'encaixarà millor.

Què vol dir share of voice de veritat en un LLM

Oblida un moment la motxilla del SEO.

El share of voice en un LLM és fàcil d'enunciar: per a un conjunt definit de prompts, amb quina freqüència apareix la teva marca a la resposta, en relació amb els teus competidors.

Ja està. Tries les preguntes que els teus compradors fan a una IA. Les llances. Comptes qui menciona. La teva quota són les teves mencions dividides pel total de mencions d'aquest grup competitiu.

El problema, com sempre, viu en tres paraules: "prompts", "aparèixer" i "comptar".

Equivoca't en qualsevol d'elles i el teu número és ficció amb un decimal.

El conjunt de prompts és el veritable experiment

Abans de discutir sobre respostes o URLs, entén una cosa: el teu share of voice és tan honest com els prompts que hagis triat.

Si vens programari de gestió de projectes i el teu conjunt de prompts és ple de "millor eina de gestió de projectes per a equips en remot", en sortiràs esplèndid. Canvia'l per "eina de gestió de projectes més barata per a autònoms" i la teva quota pot ensorrar-se, perquè aquesta pregunta la dominen altres marques.

Cap dels dos números és fals. Responen preguntes diferents.

Per això desconfio de qualsevol xifra de share of voice presentada sense el seu conjunt de prompts. Un percentatge sol sense les preguntes visibles al darrere és una mètrica de vanitat disfressada de laboratori.

Regla u, doncs: defineix un conjunt de prompts que reflecteixi la demanda real, mantén-lo estable per poder-lo seguir en el temps i sigues honest sobre què cobreix i què no.

Respostes contra URLs, i per què importa tant

Aquí hi ha la distinció que se li escapa a gairebé tothom.

Hi ha dues coses completament diferents que pots comptar quan un LLM respon:

1. El text de la resposta: el model ha anomenat la teva marca en allò que ha escrit a l'usuari?
2. Les cites: la teva URL ha aparegut a les fonts o enllaços que el model ha adjuntat?

No són el mateix, i tractar-les com si ho fossin és l'error de mesura més comú que veig.

Un LLM pot recomanar "eines com Notion i Asana" a la seva resposta mentre cita com a fonts un listicle de G2 i un fil de Reddit. En aquesta resposta, Notion i Asana tenen visibilitat a nivell de resposta. G2 i Reddit la tenen a nivell de cita. L'usuari llegeix els noms de marca, no les notes al peu.

Ara gira-ho. Un model pot citar la teva pàgina de documentació com a font i no anomenar la teva marca ni una vegada al text. T'has endut el rastreig i la cita. No t'has endut la recomanació.

Si només comptes URLs, mesures qui llegeix el model. Si comptes respostes, mesures qui recomana.

Per a gairebé totes les marques, la recomanació és el que mou ingressos. Qui pregunta a ChatGPT "què hauria de fer servir per a X" actua sobre els noms de la frase, no sobre els enllaços blaus de sota que la majoria no clica mai.

Per què comptar respostes és la mètrica més difícil i millor

Comptar URLs és fàcil. Estan estructurades, vénen allà a la resposta, qualsevol scraper les agafa.

Comptar mencions de marca en text lliure és més difícil. Has de bregar amb el caos real del llenguatge:

• Àlies i abreviatures. "GA4", "Google Analytics" i "Analytics" són la mateixa marca? Normalment sí.
• Falsos positius. "Apple" l'empresa contra "apple" la fruita. Passa amb marques que també són paraules comunes.
• Context negatiu. Que t'anomenin en un "evita eines com X" no és el mateix que una recomanació, i un comptador ingenu puntua totes dues com a menció.

Aquí és on cau molt recompte barat de visibilitat a IA. Trobar una cadena de domini és trivial. Entendre que "jo m'allunyaria de MarcaX" és una menció dolenta exigeix llegir la frase de veritat.

Així que quan una eina et doni el teu share of voice, fes-li una pregunta directa: estàs comptant el meu nom a la resposta, la meva URL a les cites, o una barreja de totes dues? Les tres són legítimes. Fingir que són intercanviables, no.

Els paranys que espatllen el número sense que te n'adonis

Alguns paranys en què he vist caure gent, fins i tot gent molt bona.

Un sol model no és el mercat. ChatGPT, Perplexity i Gemini mostren marques diferents per a la mateixa pregunta. He vist una marca amb un 40 % de quota en un model i gairebé zero en un altre. Si la teva eina segueix un únic motor i l'anomena "share of voice a IA", et dóna un angle de càmera i et diu que és l'estadi sencer.

No determinisme. Pregunta al mateix model el mateix dues vegades i pots obtenir marques diferents. No és una errada de l'eina, és com funcionen aquests sistemes. La solució és volum i repetició: llança cada prompt diverses vegades, fes la mitjana entre execucions, segueix la tendència en lloc d'obsessionar-te amb un sol dia. Un share of voice d'una única execució per prompt és soroll.

Posició i prominència. Que t'esmentin primer en una recomanació val més que ser el cinquè nom en una llista amb matisos. Un recompte pur de mencions les tracta totes dues igual. És un bon punt de partida, però no confonguis "esmentat" amb "recomanat amb claredat".

Ceguesa al sentiment. Com deia, que t'anomenin en un advertiment és una menció que el teu comptador sumarà ben content al total. El share of voice sense sentiment pot afalagar una marca que la IA en realitat descriu fatal.

El grup competitiu equivocat. La quota és relativa. Si et compares amb tres rivals diminuts i ignores el líder de la categoria, la teva quota sembla fantàstica i no vol dir res. Tria els competidors amb qui els teus compradors et comparen de debò.

Com comparar-te amb la competència sense enganyar-te

Un benchmark que valgui la pena té unes quantes propietats.

Els mateixos prompts per a tothom. Tu i els teus competidors puntueu sobre el conjunt idèntic de preguntes, o la comparació està trucada.

Prou prompts per ser estable. Cinquanta prompts ben triats sobre les teves preguntes de compra reals valen més que cinc-cents de farciment. Però cinc prompts no són un benchmark, són una anècdota.

Diversos models, informats per separat i en conjunt. Vols veure la foto combinada i el desglossament per model, perquè els teus punts febles s'amaguen a la mitjana.

Seguit en el temps. Un share of voice és una foto fixa. El valor és al pendent. Es va moure el teu número després de publicar aquella pàgina comparativa, de guanyar aquell fil de Reddit, d'entrar en aquell listicle que tothom cita? Aquesta és la pregunta que val la pena respondre.

Com ho mesura LLM Pulse, en concret

Com que és en el que treballo cada dia, aquí va com ho fem, i ho mantinc factual.

Tu defineixes el teu conjunt de prompts. LLM Pulse els llança sobre cinc models base a tots els plans: ChatGPT, Perplexity, Gemini, Google AI Mode i Google AI Overviews. Pots afegir Claude, Copilot, Grok, DeepSeek i Meta AI si vols més cobertura. Importa perquè el share of voice en un sol model és, ja ho he dit, un únic angle de càmera.

Comptem les mencions de marca a la resposta, no només les URLs de les cites, i seguim les cites per separat perquè vegis totes dues. Recomanació i lectura són coses diferents, així que no les barregem en un número tou.

El sentiment va per sobre, de manera que una menció en context negatiu no es cola com a victòria. Pots veure les paraules exactes amb què la IA et descriu.

Un exemple concret de per què importa la distinció. Una marca d'eines que vaig analitzar estava encantada amb els seus números de cites: la seva documentació es rastrejava i es citava sense parar. Però el seu share of voice a nivell de resposta era baix, perquè els models citaven les seves pàgines mentre recomanaven pel seu nom dos competidors. El recompte d'URLs deia "anem guanyant". El de respostes deia "som el material de referència i la recomanació és d'un altre". Només comptant respostes surt aquest forat. Comptant només URLs, s'amaga.

El preu és públic i arrenca als 49 € al mes, que en aquesta categoria encara no és l'habitual. Aquesta és la forma que té, a data de juliol de 2026 (els preus canvien, mira'ls al web abans de contractar):

Seients il·limitats a tots els plans, sense cost per usuari, i hi ha 14 dies de prova. També hi ha un servidor MCP allotjat amb més de 45 eines sobre OAuth, inclòs fins i tot a la prova, perquè puguis estirar el teu share of voice directament a Claude o ChatGPT i preguntar-li el que vulguis.

On potser un competidor és millor opció

Vaig prometre anar de cara, així que aquí va.

Si ets una marca del Fortune 500 que necessita les dades més profundes possibles, estimacions de volum de prompts, analítica d'agents, SOC 2, SSO i on-prem, Profound està fet just per a això. Va per demo, sense preu públic, i per a grans empreses aquesta profunditat es paga sola.

Si vols el punt d'entrada honest més barat i t'agrada veure captures reals de les sortides d'IA, Otterly.ai comença en 29 $ al mes. Si ets una agència o un equip que vol un seguiment fort per país, Peec AI és una opció sòlida, només tingues en compte que allà els models extra són add-ons de pagament.

I si ja pagues Ahrefs o Semrush, les seves funcions de visibilitat a IA són més superficials que les dels especialistes, però ja vénen a la teva subscripció. Per a molta gent aquest és un punt de partida raonable abans de gastar més.

Crec que LLM Pulse dóna el millor equilibri de cobertura de models, mesura honesta a nivell de resposta i preu públic per a la majoria de SEOs, agències i fundadors. Però "millor per a la majoria" no és "millor per a tothom", i prefereixo que triïs l'eina correcta abans que la que t'afalaga.

L'única cosa que t'hauries d'endur

El share of voice als LLMs no és un número màgic. És un experiment amb un conjunt de prompts, un mètode de recompte i una llista de competidors, i cadascuna d'aquestes tres coses és una decisió que va prendre algú.

Així que la propera vegada que un panell et deixi anar un percentatge segur, fes-li l'única pregunta que importa: estàs comptant qui recomana el model, o només qui llegeix? El forat entre aquestes dues respostes sol ser justament on hi ha la feina de veritat.