Menciones externas y recomendación de hoteles en IA
La frase que un asistente escribe sobre tu alojamiento se ensambla con páginas que no controlas. Saber cuáles son y qué cuentan mal sale más barato que cualquier campaña para crear otras nuevas.
Sesiones de IA medidas en las webs que seguimos, ultimos 30 dias.
Respuesta rápida
Las menciones externas son lo que dicen de tu alojamiento las páginas de otros, y son casi todo lo que lee un asistente de IA antes de recomendar nada. En la ventana de medición corregida, 29 de las 57 preguntas que seguimos, todas sobre un parque de cenotes en Punta Cana, produjeron respuestas construidas con 784 citas de 271 dominios distintos. El propio sitio puso 73 de esas citas. Más del 90 por ciento del material salió de páginas que no controla y que, en la mayoría de los casos, no ha visto nunca.
A quién estaban leyendo los modelos
Los 271 dominios de esa ventana no pesaban igual. Diez marcas de reserva y entradas se llevaron 144 citas entre todas: Viator 41, GetYourGuide 38, TripAdvisor 36, Expedia 11, Atrápalo 5, Civitatis 5, Kayak 3, Trip.com 3, Airbnb 1 y Musement 1.
Puesto al lado de las 73 que puso el propio sitio, esa es la forma del problema. Las páginas en las que más se apoyaron los modelos eran fichas comerciales escritas por intermediarios, seguidas de una cola larga de guías de destino, operadores locales, blogs y prensa: 176 de los 271 dominios salieron citados una sola vez. Cada una de esas páginas es una frase sobre el sitio que el sitio no escribió.
Es también la razón de que el recuento de menciones y el de enlaces se muevan por separado. Quien publica una web impecable ha arreglado el 9 por ciento que controla directamente.
La victoria más barata es una corrección, no una página nueva
Cuando una página ajena lleva un precio equivocado, una temporada cerrada que ya reabrió o un servicio que dejó de existir, el modelo lo repite con toda la seguridad del mundo, y lo repite en cada respuesta construida con esa página. Un dominio citado 41 veces no es un error, es un error entregado 41 veces.
Así que la primera vuelta del trabajo externo no es buscar cobertura nueva. Es leer las listas de fuentes de las respuestas donde ya sales, encontrar las páginas que te describen mal y pedir la corrección. Casi cualquier editor arregla un error factual y, a diferencia de pedir un enlace, ahí no hay nada que negociar.
La segunda vuelta es el caso de la ausencia: las preguntas donde el asistente respondió con seguridad y tu nombre no estaba. Ahí la lista de objetivos no es una lista genérica, son los dominios concretos en los que ese asistente ya confía para esa pregunta.
Cómo trabajar con fuentes medidas y no a ojo
Todo esto depende de saber qué páginas se citaron, y eso no se deduce leyendo el texto de la respuesta. reporte.ai guarda la respuesta completa y su lista de fuentes entera en cada medición, así que una pasada te deja los dominios ordenados por cuánto se apoyaron los modelos en ellos para tus preguntas.
Dos avisos antes de llevarte la proporción a ningún sitio. Los 7 dominios medidos aquí son webs propias de viajes y no hoteles clientes, así que ese 90 por ciento es cómo se comporta la lectura y no un número sobre hoteles. Y es una sola pasada: una sola lectura no demuestra nada, y conviene repetir la lista de dominios antes de montar un trimestre de trabajo encima.
Lo que sí hace es convertir el trabajo externo en una lista finita. En la ventana que describimos aquí eran 271 dominios, y un puñado se llevaba casi todo el peso. Trabajar la cabeza de esa lista es una actividad distinta de la captación genérica, y es la que cambia lo que dice la respuesta. La otra mitad del trabajo, las páginas que sí controlas, está en contenido que la IA cita.
Preguntas frecuentes
Porque son casi todo lo que lee el modelo. En la ventana corregida, las respuestas sobre un sitio medido se montaron con 784 citas de 271 dominios, y el propio sitio puso 73. Las otras 711 las escribió otro.
En esa ventana, diez marcas de reserva y entradas se llevaron 144 citas entre todas, encabezadas por Viator con 41, GetYourGuide con 38 sumando sus cuatro dominios de país y TripAdvisor con 36 sumando sus seis. El resto de los 271 dominios eran guías de destino, blogs, operadores locales y prensa, y 176 de ellos salieron citados una sola vez.
Lo más probable es que ya aparezcas, y ese es justo el asunto. El hueco no suele ser de presencia, es que la página que te describe la escribió alguien que pasó una vez, así que repite datos caducados y el modelo los repite también.
Muchas veces sí, y es el arreglo más barato que hay, porque un precio o un horario equivocado en un dominio citado 41 veces se repite en todas las respuestas construidas con él. El trabajo está en saber qué páginas se citan de verdad, que es lo que te da la lista de fuentes de cada respuesta medida.
Se leen como cualquier otra página. Lo que importa para una cita es si la página afirma datos comprobables en texto, no si lleva una puntuación, así que una reseña de cinco estrellas sin contenido aporta menos que una descripción detallada.
No. Aquí nada depende de que el enlace transmita autoridad. Una página que te nombra bien y que nadie enlaza sigue alimentando al modelo, y un enlace comprado en una página que no dice nada de ti no alimenta nada.
Leyendo la lista de fuentes de las respuestas donde perdiste. El seguimiento de prompts guarda la respuesta completa y sus fuentes en cada medición, así que la lista de objetivos son los dominios en los que ese asistente ya confía para tu pregunta, y en esa ventana había 271 entre los que elegir.
Tómala como la forma y no como tu número. Los 7 dominios medidos aquí son webs propias de viajes y no hoteles clientes, y es una sola pasada, así que una sola lectura no demuestra nada. Lo que sí viaja es que casi todo lo que un modelo lee sobre ti lo escribieron otros.