Tu web es la fuente que lee la IA y aun así no te nombra

Preguntamos a Google qué cadena hotelera es mejor para alojarse en España, con España y español fijados de forma explícita.

La primera fuente que citó la respuesta fue la web oficial de una cadena hotelera. Por delante de los directorios, por delante de los comparadores, por delante de los blogs de viajes.

Esa cadena no aparece nombrada en ninguna parte de la respuesta.

No es que estuviera abajo del todo. No está. El modelo abrió su página, la usó para construir la respuesta, la enlazó como fuente, y luego escribió un párrafo recomendando a otras seis.

Aviso: EchoWi vende software para medir esto. Las dos mediciones de abajo se hicieron el 6 de agosto de 2026 y se publican tal cual salieron, incluidos los detalles que no nos convienen.

La versión corta

1. Ser citado como fuente y ser nombrado en la respuesta son dos cosas distintas, y hay marcas que consiguen la primera sin la segunda.
2. Lo medimos en dos sectores sin relación, hoteles y universidades, en el mismo mercado y el mismo día. Pasa en los dos.
3. Es la única forma de invisibilidad que se puede demostrar en una frase: tu página está en la lista de fuentes, tu nombre no está en el texto.
4. La causa más probable no es técnica, es que tu página no dice nada que responda a la pregunta que te haría ganar.
5. Una marca con nombre genérico lo tiene peor, porque el modelo tiene que resolver a qué empresa se refiere antes de poder nombrarla.

Qué medimos, exactamente

Dos consultas, en la formulación que escribiría un cliente, sin ninguna marca dentro. País e idioma fijados en cada pasada, porque el valor por defecto de casi toda herramienta es Estados Unidos e inglés y eso te devuelve la foto de otro mercado.

Las marcas que la respuesta de hoteles sí nombró: Meliá, Barceló, NH, Iberostar, RIU y Eurostars. La respuesta de universidades nombró a Comillas, CEU San Pablo, Europea de Madrid, Nebrija y CUNEF.

El caso de las universidades es todavía más limpio

En hoteles la fuente era la web de la propia marca, lo que ya es incómodo. En universidades el mecanismo se ve aún mejor, porque la fuente es un tercero.

Google citó tres dominios al responder. Uno de ellos es smartresidences.es, una empresa de residencias de estudiantes. Su artículo sobre universidades privadas de Madrid abre nombrando a una universidad concreta, en el primer puesto de su propia lista.

Esa universidad no está en la respuesta de Google.

O sea: hay una página que el modelo leyó, que el modelo consideró suficientemente buena como para citarla, y que dice en su primera línea el nombre de una institución que la respuesta final decidió no mencionar. El nombre estaba delante. No sobrevivió al último paso.

Y hay un detalle que conviene no pasar por alto. Ninguna de las tres fuentes citadas era la web de una universidad. Ese es el hallazgo de nuestro estudio sobre educación: las universidades se nombran mucho y se citan cero. Lo de hoy es la vuelta de tuerca, la marca que sí está en las fuentes y aun así no llega a la respuesta.

Por qué pasa esto

Aquí hay que ser cuidadoso, porque nadie fuera de Google puede ver el interior del sistema. Lo que sigue son mecanismos plausibles, ordenados de más a menos probable, y están etiquetados como hipótesis porque eso es lo que son.

1. Recuperar y redactar son dos pasos, y tu nombre tiene que sobrevivir a los dos. El sistema primero busca páginas y luego escribe un resumen a partir de ellas. Una página puede entrar en la lista de fuentes por un dato y aportar solo ese dato. Si tu web oficial es la mejor página que existe sobre precios en la costa, puede citarse por eso y no llevarte a la frase donde se recomiendan cadenas.

2. Tu página no compara, y la pregunta pide una comparación. Una web oficial de hotel está construida para cerrar una reserva: buscador, calendario, botón. No dice para quién es mejor esa cadena, ni frente a quién, ni por qué. Un plan de estudios tampoco compara. La pregunta que decide la venta sí compara, así que no hay nada que extraer.

Este es el mismo corte que encontramos midiendo vuelos: los tres dominios de reserva estables eran comparadores y ninguno era transaccional. Y midiendo auriculares en Estados Unidos, el único sitio comercial estable fue un minorista que publica comparativas entre marcas que él mismo vende.

3. Tu nombre no se resuelve como entidad. Si tu marca es una expresión común, el modelo tiene que decidir a qué se refiere antes de poder nombrarla, y en la duda no la nombra. Lo hemos documentado dos veces en nuestra propia categoría: las búsquedas de “AEO” son en gran parte una asociación de oficinas y una cotización de bolsa, y el 88 % del volumen de “wellows” corresponde a una marca de calcetines de compresión. Una empresa cuyo nombre es un adjetivo del sector arrastra ese problema a todas las respuestas.

4. La respuesta se queda con los nombres más repetidos. Las seis cadenas nombradas son las que aparecen en más artículos, rankings y comparativas de terceros. Eso no es un ranking de calidad, es un ranking de cuánto se escribe sobre ti fuera de tu web.

Por qué esto vale más que cualquier otra métrica de visibilidad

La mayoría de los informes de visibilidad en IA te dicen un porcentaje. Apareces el 34 % de las veces. Vale, ¿y ahora qué?

Este dato es distinto porque es una frase con acción dentro: tu página está en la lista de fuentes y tu nombre no está en el texto. No hay que interpretarla, no hay que compararla con un histórico, y no depende de un umbral que alguien fijó por su cuenta.

Y elimina de un plumazo las excusas técnicas. Si el modelo citó tu página, entonces:

• Tu sitio es rastreable. No es un problema de robots.txt.
• Tu contenido es legible sin JavaScript. No es un problema de renderizado.
• Tu página se consideró relevante para esa consulta. No es un problema de intención.
• Y aun así no te nombra.

Lo que queda es lo único que quedaba: lo que dice tu página no sirve para responder la pregunta que te haría ganar el cliente. Eso es un problema de contenido, y los problemas de contenido se arreglan.

Compáralo con el caso opuesto, que es el habitual y el más frustrante: no sales, no te citan, y no sabes si es porque no te encuentran, porque no te entienden o porque no te consideran. Ahí hay tres hipótesis y ninguna forma barata de separarlas.

Cómo comprobarlo en tu empresa esta tarde

No necesitas comprar nada para hacer esta medición una vez. Necesitas hacerla bien.

El paso cinco es el que casi nadie da, y es donde está todo. Que te citen es un dato de la herramienta. Que tu nombre esté dentro de una fuente citada y fuera de la respuesta es un dato que solo aparece si abres la página y lees.

Sobre cuántas pasadas hacen falta. Para una tasa de mención cercana al 30 %, cien pasadas dan un intervalo del 21 % al 39 %. Detectar una mejora de cinco puntos pide unas 1.400 por condición. Así que la recomendación honesta no es comprar más pasadas: es agregar sobre un conjunto de preguntas y comparar ventanas de tiempo amplias, en vez de reaccionar a movimientos semanales. Esa aritmética está en nuestra reseña de Evertune, que es el único proveedor del mercado que publica su muestreo.

Y antes que todo lo demás, comprueba que hay respuesta que medir. En dos de las cinco categorías españolas que hemos medido, Google no sirve ningún AI Overview: electrónica de consumo y clínicas oftalmológicas, catorce y seis pasadas respectivamente, cero respuestas y cero errores. Un sector sin capa de respuesta no tiene todavía un problema de visibilidad, y quien te venda monitorización para él te está vendiendo un panel que no se va a rellenar.

Qué no demuestra este estudio

• Nada sobre la calidad de nadie. Que una cadena no se nombre no dice nada sobre sus hoteles, y que otra se nombre seis veces no la hace mejor.
• No es una ley. Son dos sectores, un mercado, un idioma y un día. El patrón se repite en los dos y eso lo hace interesante, no concluyente.
• No sabemos por qué el modelo decidió lo que decidió. Las cuatro explicaciones de arriba son hipótesis con una observación detrás, y las damos como tales.
• No mide otras superficies. Esto es Google AI Overview. ChatGPT, Perplexity y Gemini construyen la respuesta de otra forma y pueden dar otro resultado, que es el hallazgo de nuestro estudio en tres mercados.
• No hemos probado que arreglarlo funcione. Una revisión de 45 estudios publicada en julio de 2026 no encontró ninguna técnica con efecto causal, estable y multiplataforma sobre las citas de IA. Cualquiera que te prometa lo contrario va por delante de la evidencia, nosotros incluidos.

Por qué no damos los nombres de las marcas ausentes

Podríamos. El hallazgo es más llamativo con nombres, y el titular se escribiría solo.

No lo hacemos por una razón sencilla: a esas empresas se lo contamos antes de contárselo a internet. Encontrar que una marca es invisible y publicarlo antes de decírselo es una forma rara de empezar una conversación, y no es la que queremos tener con las empresas para las que trabajamos.

Lo que sí damos es todo lo necesario para que cualquiera lo reproduzca: la consulta exacta, la superficie, el país, el idioma, la fecha y el número de pasadas. Si quieres el nombre, la medición cuesta cinco minutos y te lo dice ella.

Los dominios que sí citamos por su nombre son los que salen bien parados. Estar entre las fuentes de una respuesta es un buen sitio donde estar, y no hay razón para ocultarlo.

Preguntas frecuentes sobre este estudio

¿Qué significa que te citen como fuente pero no te nombren?

Significa que el sistema encontró tu página, la consideró útil y la enlazó, pero al escribir la respuesta no incluyó tu marca. Recuperar la página y nombrar a la empresa son dos pasos distintos del proceso, y una marca puede pasar el primero sin pasar el segundo. Es el diagnóstico más preciso que existe en visibilidad en IA, porque descarta de golpe los problemas de rastreo, de renderizado y de relevancia.

¿Cómo sé si me está pasando a mí?

Lanza la pregunta que hace un cliente antes de comprarte, sin tu marca dentro, con tu país e idioma fijados. Repítela varias veces. Apunta qué dominios se citan y luego abre cada uno y busca tu nombre dentro. Si tu nombre aparece en una fuente citada y no aparece en el texto de la respuesta, te está pasando.

¿Se arregla con datos estructurados?

No hay evidencia de que sí. Un test controlado sobre 1.885 páginas frente a unos 4.000 controles no encontró aumento de citas al añadir marcado schema, y una revisión de 45 estudios de julio de 2026 no encontró ninguna técnica con efecto causal demostrado. El marcado tiene otros usos legítimos, pero venderlo como la palanca de las citas en IA va por delante de los datos.

¿Entonces qué hago si mi web es la fuente y no salgo?

Mira qué le falta a tu página para responder la pregunta. Casi siempre es lo mismo: la página vende y no compara. Una web oficial de hotel dice dónde reservar y no dice para quién es mejor esa cadena, frente a quién, y por qué. En las cuatro categorías que hemos medido, el contenido que compara entra en el conjunto estable de fuentes y el que solo vende no, incluso cuando la marca que solo vende es mucho más grande.

¿Esto vale para ChatGPT y Perplexity o solo para Google?

Lo medido aquí es Google AI Overview y no lo extendemos más allá. Cada superficie construye la respuesta de forma distinta, y en nuestro estudio de tres mercados ninguna herramienta se citaba de forma estable en más de un país, así que dar por hecho que un resultado se traslada es justo el error que ese estudio documenta. La medición se hace por superficie y por mercado.

¿Cuántas veces hay que repetir la consulta?

Más de una, siempre. Las respuestas varían entre peticiones idénticas, así que una pasada no distingue una cita estable de una casualidad. Para una tasa cercana al 30 %, cien pasadas dan un intervalo del 21 % al 39 %, y detectar cinco puntos de mejora pide unas 1.400 por condición. En la práctica lo sensato es agregar sobre un conjunto de preguntas y comparar ventanas amplias en vez de perseguir variaciones semanales.