Share of voice en LLMs, explicado como toca

Share of voice es una de esas expresiones que usa todo el mundo y que casi nadie define igual.

En el SEO de siempre solía referirse a tu porción de clics o impresiones para un conjunto de keywords. En la búsqueda con IA se ha convertido en otra cosa, y las herramientas que lo miden no siempre están de acuerdo en qué es "eso".

Quiero aclararlo aquí, porque no paro de ver presentaciones donde "share of voice" es un número grande y seguro sin ningún método detrás.

Aviso antes de seguir: yo construyo LLM Pulse, una plataforma de visibilidad en IA. Así que soy parte interesada. Aun así te voy a contar dónde se maltrata el concepto, incluso en herramientas de mi propia categoría, y dónde puede que un competidor te encaje mejor.

Qué significa share of voice de verdad en un LLM

Olvida un momento la mochila del SEO.

El share of voice en un LLM es fácil de enunciar: para un conjunto definido de prompts, con qué frecuencia aparece tu marca en la respuesta, en relación con tus competidores.

Ya está. Eliges las preguntas que tus compradores le hacen a una IA. Las lanzas. Cuentas a quién menciona. Tu cuota son tus menciones dividido entre el total de menciones de ese grupo competitivo.

El problema, como siempre, vive en tres palabras: "prompts", "aparecer" y "contar".

Equivócate en cualquiera de ellas y tu número es ficción con un decimal.

El conjunto de prompts es el verdadero experimento

Antes de discutir sobre respuestas o URLs, entiende una cosa: tu share of voice es tan honesto como los prompts que hayas elegido.

Si vendes software de gestión de proyectos y tu conjunto de prompts está lleno de "mejor herramienta de gestión de proyectos para equipos en remoto", vas a salir estupendo. Cámbialo por "herramienta de gestión de proyectos más barata para autónomos" y tu cuota se puede desplomar, porque esa pregunta la dominan otras marcas.

Ninguno de los dos números es falso. Responden a preguntas distintas.

Por eso desconfío de cualquier cifra de share of voice presentada sin su conjunto de prompts. Un porcentaje suelto sin las preguntas visibles detrás es una métrica de vanidad disfrazada de laboratorio.

Regla uno, entonces: define un conjunto de prompts que refleje la demanda real, mantenlo estable para poder seguirlo en el tiempo y sé honesto sobre lo que cubre y lo que no.

Respuestas frente a URLs, y por qué importa tanto

Aquí está la distinción que se le escapa a casi todo el mundo.

Hay dos cosas completamente distintas que puedes contar cuando un LLM responde:

1. El texto de la respuesta: ¿el modelo ha nombrado tu marca en lo que le ha escrito al usuario?
2. Las citas: ¿tu URL ha aparecido en las fuentes o enlaces que el modelo ha adjuntado?

No son lo mismo, y tratarlas como si lo fueran es el error de medición más común que veo.

Un LLM puede recomendar "herramientas como Notion y Asana" en su respuesta mientras cita como fuentes un listicle de G2 y un hilo de Reddit. En esa respuesta, Notion y Asana tienen visibilidad a nivel de respuesta. G2 y Reddit la tienen a nivel de cita. El usuario lee los nombres de marca, no las notas al pie.

Ahora dale la vuelta. Un modelo puede citar tu página de documentación como fuente y no nombrar tu marca ni una vez en el texto. Te has llevado el rastreo y la cita. No te has llevado la recomendación.

Si solo cuentas URLs, mides a quién lee el modelo. Si cuentas respuestas, mides a quién recomienda.

Para casi todas las marcas, la recomendación es lo que mueve ingresos. Quien le pregunta a ChatGPT "qué debería usar para X" actúa sobre los nombres de la frase, no sobre los enlaces azules de debajo que la mayoría nunca pincha.

Por qué contar respuestas es la métrica más difícil y mejor

Contar URLs es fácil. Están estructuradas, vienen ahí en la respuesta, cualquier scraper las coge.

Contar menciones de marca en texto libre es más difícil. Tienes que lidiar con el caos real del lenguaje:

• Alias y abreviaturas. ¿"GA4", "Google Analytics" y "Analytics" son la misma marca? Normalmente sí.
• Falsos positivos. "Apple" la empresa frente a "apple" la fruta. En español pasa con marcas que son también palabras comunes.
• Contexto negativo. Que te nombren en un "evita herramientas como X" no es lo mismo que una recomendación, y un contador ingenuo puntúa ambas como mención.

Aquí es donde se cae mucho recuento barato de visibilidad en IA. Encontrar una cadena de dominio es trivial. Entender que "yo me alejaría de MarcaX" es una mención mala exige leer la frase de verdad.

Así que cuando una herramienta te dé tu share of voice, hazle una pregunta directa: ¿estás contando mi nombre en la respuesta, mi URL en las citas, o una mezcla de las dos? Las tres son legítimas. Fingir que son intercambiables no.

Las trampas que estropean el número sin que te des cuenta

Algunas trampas en las que he visto caer a gente, incluso a gente muy buena.

Un solo modelo no es el mercado. ChatGPT, Perplexity y Gemini muestran marcas distintas para la misma pregunta. He visto una marca con un 40 % de cuota en un modelo y casi cero en otro. Si tu herramienta sigue un único motor y lo llama "share of voice en IA", te está dando un ángulo de cámara y diciéndote que es el estadio entero.

No determinismo. Pregúntale al mismo modelo lo mismo dos veces y puedes obtener marcas distintas. No es un fallo de la herramienta, es cómo funcionan estos sistemas. La solución es volumen y repetición: lanza cada prompt varias veces, promedia entre ejecuciones, sigue la tendencia en lugar de obsesionarte con un solo día. Un share of voice de una única ejecución por prompt es ruido.

Posición y prominencia. Que te mencionen primero en una recomendación vale más que ser el quinto nombre en una lista con matices. Un recuento puro de menciones trata ambos igual. Es un buen punto de partida, pero no confundas "mencionado" con "recomendado con claridad".

Ceguera al sentimiento. Como decía, que te nombren en una advertencia es una mención que tu contador sumará tan contento al total. El share of voice sin sentimiento puede halagar a una marca que la IA en realidad describe fatal.

El grupo competitivo equivocado. La cuota es relativa. Si te comparas con tres rivales diminutos e ignoras al líder de la categoría, tu cuota parece fantástica y no significa nada. Elige a los competidores con los que tus compradores te comparan de verdad.

Cómo compararte con la competencia sin engañarte

Un benchmark que valga la pena tiene unas cuantas propiedades.

Los mismos prompts para todos. Tú y tus competidores puntuáis sobre el conjunto idéntico de preguntas, o la comparación está trucada.

Prompts suficientes para ser estable. Cincuenta prompts bien elegidos sobre tus preguntas de compra reales valen más que quinientos rellenos. Pero cinco prompts no son un benchmark, son una anécdota.

Varios modelos, informados por separado y en conjunto. Quieres ver la foto combinada y el desglose por modelo, porque tus puntos débiles se esconden en la media.

Seguido en el tiempo. Un share of voice es una foto fija. El valor está en la pendiente. ¿Se movió tu número después de publicar esa página comparativa, de ganar ese hilo de Reddit, de entrar en ese listicle que todos citan? Esa es la pregunta que vale la pena responder.

Cómo lo mide LLM Pulse, en concreto

Como es en lo que trabajo cada día, aquí va cómo lo hacemos, y lo mantengo factual.

Tú defines tu conjunto de prompts. LLM Pulse los lanza sobre cinco modelos base en todos los planes: ChatGPT, Perplexity, Gemini, Google AI Mode y Google AI Overviews. Puedes añadir Claude, Copilot, Grok, DeepSeek y Meta AI si quieres más cobertura. Importa porque el share of voice en un solo modelo es, ya lo he dicho, un único ángulo de cámara.

Contamos las menciones de marca en la respuesta, no solo las URLs de las citas, y seguimos las citas por separado para que veas ambas. Recomendación y lectura son cosas distintas, así que no las mezclamos en un número blandito.

El sentimiento va por encima, de modo que una mención en contexto negativo no se cuela como victoria. Puedes ver las palabras exactas con las que la IA te describe.

Un ejemplo concreto de por qué importa la distinción. Una marca de herramientas que analicé estaba encantada con sus números de citas: su documentación se rastreaba y se citaba sin parar. Pero su share of voice a nivel de respuesta era bajo, porque los modelos citaban sus páginas mientras recomendaban por su nombre a dos competidores. El recuento de URLs decía "vamos ganando". El de respuestas decía "somos el material de referencia y la recomendación es de otro". Solo contando respuestas aflora ese hueco. Contando solo URLs se esconde.

El precio es público y arranca en 49 € al mes, que en esta categoría todavía no es lo habitual. Esta es la forma que tiene, a fecha de julio de 2026 (los precios cambian, míralos en la web antes de contratar):

Asientos ilimitados en todos los planes, sin coste por usuario, y hay 14 días de prueba. También hay un servidor MCP alojado con más de 45 herramientas sobre OAuth, incluido incluso en la prueba, para que puedas tirar de tu share of voice directamente en Claude o ChatGPT y preguntarle lo que quieras.

Dónde puede que un competidor sea mejor opción

Prometí ir de frente, así que aquí va.

Si eres una marca del Fortune 500 que necesita los datos más profundos posibles, estimaciones de volumen de prompts, analítica de agentes, SOC 2, SSO y on-prem, Profound está hecho justo para eso. Va por demo, sin precio público, y para grandes empresas esa profundidad se paga sola.

Si quieres el punto de entrada honesto más barato y te gusta ver capturas reales de las salidas de IA, Otterly.ai empieza en 29 $ al mes. Si eres una agencia o un equipo que quiere un seguimiento fuerte por país, Peec AI es una opción sólida, solo ten en cuenta que allí los modelos extra son add-ons de pago.

Y si ya pagas Ahrefs o Semrush, sus funciones de visibilidad en IA son más superficiales que las de los especialistas, pero ya vienen en tu suscripción. Para mucha gente ese es un punto de partida razonable antes de gastar más.

Creo que LLM Pulse da el mejor equilibrio de cobertura de modelos, medición honesta a nivel de respuesta y precio público para la mayoría de SEOs, agencias y fundadores. Pero "mejor para la mayoría" no es "mejor para todos", y prefiero que elijas la herramienta correcta antes que la que te halaga.

Lo único que deberías llevarte

El share of voice en LLMs no es un número mágico. Es un experimento con un conjunto de prompts, un método de recuento y una lista de competidores, y cada una de esas tres cosas es una decisión que tomó alguien.

Así que la próxima vez que un panel te suelte un porcentaje seguro, hazle la única pregunta que importa: ¿estás contando a quién recomienda el modelo, o solo a quién lee? El hueco entre esas dos respuestas suele ser justo donde está el trabajo de verdad.