Ir al contenido

Marketing y publicidad20:05

15 preguntas locales comprueban si ChatGPT menciona su taller

Un programa de prueba con 15 prompts locales muestra de dónde toman ChatGPT y Gemini el nombre de la empresa al preguntar por un taller en Cracovia. En el texto: orden de actuación, coste de 0–300 PLN al mes y plazo hasta el primer cambio.

Imagen generada por IA.

Escuche el resumen del artículo

Voz sintética.
0:00
0:00

Recopilamos aquí experiencias de implementaciones y las compartimos de forma gratuita; no sustituyen la visión de un abogado o asesor contable para su caso particular. Cuando alguien pregunta a ChatGPT o Gemini por el mejor taller mecánico en Cracovia, el asistente no recorre la ciudad. Rastrea la red buscando señales emitidas previamente por empresas, clientes y medios locales. El propietario de un taller de 15 empleados ve en la respuesta al competidor de la calle contigua y se pregunta de dónde ha sacado el asistente ese nombre concreto. La documentación oficial de OpenAI indica que ChatGPT puede utilizar resultados locales, sitios web de empresas, clasificaciones, reseñas y directorios, pero no publica una lista ponderada de fuentes. Lo viable es auditar la visibilidad propia mediante 15 consultas y optimizar una a una las fuentes que los asistentes citan de forma efectiva.

Programa de prueba: 15 preguntas durante 4 semanas

El punto de partida es la medición, no la optimización. En la práctica, funciona un conjunto de 15 prompts locales que combinan tres variables: servicio, ubicación y especialización. Para un taller mecánico, por ejemplo: «taller recomendado Cracovia», «buen mecánico Cracovia Zwierzyniec», «el mejor taller mecánico Cracovia», «taller especializado en BMW Cracovia», «dónde reparar el turbo en Cracovia» y «opiniones taller Cracovia». La prueba abarca cuatro herramientas: ChatGPT, Gemini, Perplexity y Google con AI Overviews. Conviene formular cada consulta en 2–3 variantes, modificando el orden de las palabras o incluyendo y omitiendo el distrito.

Los resultados se registran en una hoja de cálculo con cinco columnas: fecha, consulta exacta, variante de la consulta, presencia de la empresa en la respuesta y fuente citada. Una respuesta aislada no refleja una tendencia, por lo que las mediciones se realizan durante 4 semanas consecutivas. Tras este periodo se detecta si el asistente llega a considerar el nombre de la empresa, a quién menciona en su lugar y qué dominios aparecen en el panel de fuentes. Solo con estos datos tiene sentido aplicar cambios; antes, cualquier decisión supondría adivinar la causa.

Imagen generada por IA.

Orden de actuación tras la medición

Si la hoja de cálculo muestra que el taller no aparece en las respuestas, el primer paso consiste en optimizar el perfil de empresa en Google: nombre corporativo completo, dirección con distrito, teléfono, horarios de apertura, categoría y enlace de reserva. Es la fuente de la cual el asistente puede extraer datos locales, aunque OpenAI no garantice su prioridad. El segundo paso es implementar el marcado schema.org LocalBusiness en la web del taller con cinco campos: nombre, dirección, horario, área de servicio y reseñas. Los datos estructurados no garantizan la cita, pero facilitan al modelo la identificación de la entidad «esta empresa = este taller = esta ubicación».

El tercer elemento comprende un mínimo de 20 reseñas en Google con una media igual o superior a 4.3. Las reseñas deben ser auténticas y coincidentes con la web: mismo nombre de empresa, dirección y teléfono. El cuarto paso consiste en lograr 3 menciones independientes en medios locales o foros que incluyan el nombre exacto de la empresa, dirección o distrito, especialización y argumento de la recomendación. Según un análisis de JazzSEO, los asistentes priorizan las menciones externas frente a la autopromoción de la empresa; se trata de una recomendación del sector, no de una regla oficial de OpenAI o Google. Sin mediciones propias resulta imposible asegurar que tres publicaciones basten.

Paralelamente, conviene revisar el archivo robots.txt y confirmar si la web permite el rastreo por parte de OAI-SearchBot. Permitir el robot garantiza la accesibilidad, no la citación, pero si el bot está bloqueado, el asistente no podrá extraer contenidos del sitio. La documentación de OpenAI detalla el mecanismo de búsqueda y citación, y nuestro artículo anterior explica cómo Search Console registra un enlace en AI Overviews, no una simple mención del sitio.

Presupuesto: 0–300 PLN al mes y de 2–6 semanas

Gestionar una hoja de cálculo con 15 preguntas en 4 herramientas requiere 2–4 horas semanales de un empleado. Con cuentas gratuitas, el coste de monitorización es de 0 PLN al mes. Si la empresa opta por versiones de pago o por la recopilación semiautomatizada de resultados, el coste sube a 200–300 PLN al mes, según el número de cuentas y el alcance de las pruebas. Aplicar los cambios tras la medición suele requerir 2–4 días de trabajo del responsable de marketing interno, sin necesidad de un proveedor externo.

El primer cambio en las respuestas de los asistentes suele tardar de 2 a 6 semanas tras actualizar el perfil de empresa y los datos de la web. El plazo depende de la frecuencia con la que los bots vuelven a rastrear el sitio, la rotación de los resultados locales y el volumen de señales de la competencia recopiladas en la ciudad. No existe un umbral fijo a partir del cual el taller comience a aparecer. Sin embargo, registrar cuatro mediciones en una hoja propia permite confirmar si hay avances reales o si solo varían las consultas.

Qué falló en la primera pasada

El primer error en empresas locales consiste en empezar por el contenido web en lugar de medir. El taller publica una sección de preguntas frecuentes y artículos sobre marcas, pero el asistente sigue omitiendo su nombre, ya que en el origen de datos no figuraban la ficha de Google ni las reseñas. El segundo problema radica en confiar en una única respuesta. A la consulta «mejor taller Cracovia», el sistema muestra la empresa A un día y la B al siguiente: solo 3–4 mediciones con intervalo semanal diferencian el ruido de la tendencia. El tercer error es modificar la ficha y el marcado schema.org sin verificar la fuente: tras dos semanas resulta imposible saber si el cambio responde a una reseña, a una mención o al azar.

El cuarto error surge en las citas: el asistente muestra el nombre y el enlace, pero la fuente asociada es un artículo publicado hace tres años. La documentación de OpenAI advierte expresamente de que las citas pueden ser incompletas, obsoletas o erróneas. Por tanto, es necesario verificar cada mención del taller en la fuente original: comprobar la fecha, confirmar que la ubicación corresponde a Cracovia y validar si el texto respalda la recomendación o solo nombra a la empresa de pasada.

Imagen generada por IA.

Qué haríamos diferente

En primer lugar, separaríamos la medición de los cambios. Las primeras cuatro semanas se dedicarían exclusivamente a la hoja de cálculo, sin tocar la web. Después aplicaríamos una sola modificación cada vez: primero el perfil de empresa, tras dos semanas schema.org y en la siguiente fase las reseñas, para aislar el factor determinante. En segundo lugar, ampliaríamos las pruebas más allá de lo habitual. La consulta «mejor taller Cracovia» difiere de «mecánico especialista en BMW en Cracovia» y de «dónde reparar el aire acondicionado en Cracovia». Sin probar tres variantes por servicio, los datos no reflejan el posicionamiento real de la empresa.

En tercer lugar, no trataríamos al asistente como un motor de búsqueda. ChatGPT puede utilizar la ubicación del dispositivo y los nombres de las ciudades en la consulta, pero no publica un ranking de empresas locales. Esto significa que la misma optimización puede ofrecer un resultado distinto en Cracovia y en Lublin: depende del número de empresas, las reseñas y las publicaciones locales. En cuarto lugar, conseguiríamos menciones en medios y foros con una justificación concreta: por qué este taller, qué especialización, qué distrito. Una mención sin motivo no aporta al modelo argumentos para recomendar.

¿Para quién tiene sentido este escenario? Para una empresa de servicios de 10–50 personas que dispone de ficha de Google y web, pero nunca ha comprobado si el asistente la menciona. Especialmente para talleres, clínicas y bufetes en ciudades de más de 100 000 habitantes, donde las consultas sobre «el mejor X de la ciudad» surgen a diario. ¿Para quién no? Para una empresa con una sola reseña y sin datos estructurados: primero es necesario asentar las bases, después monitorizar las respuestas. Y tampoco para quien espere garantías de que ChatGPT empezará a recomendar la empresa tras la implementación. Ningún ajuste de la ficha puede garantizarlo.

La monitorización de la visibilidad local en IA es una tarea recurrente, no un proyecto puntual. Una hoja de cálculo con 15 preguntas, actualizada una vez por semana, muestra de dónde toma el asistente el nombre de la empresa: de la ficha, las reseñas, una mención o la web. El tiempo que tarda en reflejarse un cambio tras actualizar los datos solo puede determinarse tras cuatro mediciones. Pero es justo entonces cuando el propietario del taller deja de especular y empieza a ver qué fuente conviene corregir en primer lugar.

Fuentes

Materiales consultados durante la redacción. El texto anterior es nuestro; estas fuentes no se responsabilizan de su contenido ni lo han autorizado.

Reunión sin compromiso

Reservar taller con Paul

Treinta minutos o un taller completo, usted elige. Reserve fecha en el calendario y reciba la confirmación al instante.

Paul Lazniak

Fundador de HEXART