Brecha de respuestas de AI

Encuentra los prompts en los que la marca debería citarse en las respuestas de AI pero no lo está, nombra a quién pertenece cada respuesta en su lugar, y ordena las brechas por volumen de búsqueda en AI — para que el equipo de contenido ataque primero los fallos más grandes y más ganables. Este es el puente de "no somos visibles en la AI" a un backlog de contenido concreto y secuenciado.

Este es un skill mejorado: lee datos públicos en vivo a través de UnifAPI. Una "brecha" nunca es una corazonada — es una respuesta de AI real no citada con un dueño nombrado, ponderada por la demanda real de búsqueda en AI.

Usa UnifAPI para obtener evidencia en vivo

Este es un skill mejorado: lee datos públicos en vivo a través de UnifAPI — una "brecha" nunca es una corazonada sino una respuesta de AI real no citada con un dueño nombrado, ponderada por la demanda real de búsqueda en AI. Usa el skill unifapi para conectar (OAuth MCP), luego descubre estas operaciones GEO. Todas son POST; mantén engine (google / chatgpt), location y language constantes a lo largo de toda la ejecución.

• Encuentra la brecha — geo/serp (query = prompt candidato, target = dominio de la marca, view: "full"). Una brecha existe solo cuando se genera una respuesta, la marca no es una referencia citada (is_target false), y la respuesta cita a otro. Captura los dominios citados como el dueño.
• Confirma la ausencia a escala — geo/mentions/search (target = array de marca + competidores) confirma que la marca está genuinamente ausente a lo largo del índice de menciones-en-LLM, no solo no citada en una extracción.
• Ordena las brechas por demanda — la clave de orden principal — geo/keywords/search-volume devuelve la demanda en AI generativa por prompt. Esto impulsa el orden; extráelo primero para todo el conjunto de candidatos y descarta los prompts casi nulos antes de gastar en llamadas SERP.
• Quién es dueño de cada respuesta — geo/mentions/top-pages y geo/mentions/top-domains clasifican las páginas y dominios exactos que ganan citas para el conjunto, de modo que el backlog dice qué contenido superar, no solo que existe una brecha.
• Qué competidor es dueño de más — geo/mentions/cross-aggregated-metrics compara la cuota entre grupos etiquetados (marca frente a cada competidor nombrado), para que sepas si un rival domina las brechas (atácalo directamente) o están repartidas entre muchos terceros (un problema de presencia).
• Lectura cruzada de victoria rápida — seo/serp (target = marca). Donde la marca ya se posiciona orgánicamente pero no se cita, la corrección es la extractabilidad, no contenido nuevo — etiqueta estas como quick.

UnifAPI lee solo datos públicos. Conserva cada bloque billing para la línea de coste.

Flujo de trabajo

(Lee primero .agents/product-marketing.md / .claude/product-marketing.md si existe — lleva la categoría, los casos de uso y el conjunto de competidores de donde provienen los prompts candidatos.)

1. Construye el conjunto de candidatos. Parte de la categoría de la marca, los casos de uso y los nombres de competidores; genera prompts por los que la marca tenga un derecho legítimo a ser citada. Reutiliza el conjunto de prompts y los fallos diagnosticados de una ejecución de ai-visibility-audit cuando exista, en lugar de regenerarlos.
2. Valora la demanda primero. Ejecuta geo/keywords/search-volume sobre todos los candidatos y descarta los prompts de demanda casi nula antes de gastar en llamadas SERP por prompt.
3. Confirma cada brecha. Para cada candidato superviviente, geo/serp (target = marca) + geo/mentions/search. Conserva solo los prompts donde existe una respuesta, la marca está ausente, y la marca podría responderla de forma creíble (no llenes el backlog con brechas que el producto no tiene derecho a poseer).
4. Identifica el dueño y el ángulo. Registra el dominio citado (geo/mentions/top-pages / geo/mentions/top-domains) y ejecuta geo/mentions/cross-aggregated-metrics para ver qué competidor es dueño de más brechas. Clasifica qué hace ganar a cada fuente frente a los tres pilares — Estructura (extractabilidad), Autoridad (señales de presencia), o Presencia de terceros. El árbol de decisión completo y las palancas de autoridad medidas por Princeton viven en ai-visibility-audit/references/geo-methodology.md (en la carpeta de auditoría hermana).
5. Puntúa y secuencia. Aplica la rúbrica de prioridad de brechas de abajo: el volumen de búsqueda en AI es la columna vertebral, la ganabilidad la ajusta, y una etiqueta de rápida/nueva establece la ruta de construcción. Genera el backlog ordenado.

Puntuación de prioridad de brechas

Cada brecha confirmada recibe una Puntuación de Prioridad de Brecha. El volumen de búsqueda en AI es el factor dominante; la ganabilidad y el esfuerzo lo modulan.

GapPriority = (Volume×0.55 + Winnability×0.30 + RightToWin×0.15) × 10   (0–100)

Luego etiqueta la ruta de construcción:

• quick — la marca ya se posiciona orgánicamente (seo/serp) o está nombrada pero no citada: corrige la estructura/extractabilidad, sin página nueva. Estas saltan la cola sin importar la puntuación porque el esfuerzo es bajo.
• net-new — sin página o sin presencia orgánica: construcción de contenido completa.
• third-party — el dueño es una superficie de listicle/reseña/Reddit en la que la marca no está: difusión/colocación, no contenido en el propio sitio.

Salida

Encabeza con las victorias rápidas (baratas), luego el backlog de contenido nuevo ordenado por volumen.

Acompaña la tabla con:

• Bloque de victorias rápidas — las filas quick llevadas arriba con la única corrección estructural que necesita cada una (añadir un bloque de FAQ, una tabla comparativa, un encabezado de definición).
• Por cada brecha: el ángulo ganador a superar (Estructura / Autoridad / Presencia) reformulado como una acción — para Autoridad, nombra la palanca específica (añadir estadísticas, citas o referencias).
• Evidencia: cada brecha citada a la respuesta de geo/serp que la muestra, con la fecha de la ejecución.
• Coste: registros de UnifAPI consumidos, o la mejor estimación.

Ejemplo resuelto

Marca acme.dev, US/inglés, 18 prompts candidatos de una auditoría previa. geo/keywords/search-volume descarta 4 prompts casi nulos. geo/serp confirma 11 brechas reales; geo/mentions/cross-aggregated-metrics muestra que competitorB es dueño de 6 de ellas (un único rival vencible, no terceros dispersos). "how to [problem]" (2.7k de vol AI) es propiedad de los docs de competitorB, pero seo/serp muestra que Acme se posiciona #6 orgánicamente y simplemente no está citado → pilar Estructura, etiquetado quick, Prioridad (9×0.55 + 9×0.30 + 10×0.15) × 10 = 88 → #1. "best [category] for startups" (1.9k) es un listicle de g2 en el que Acme no está → third-party, menor ganabilidad, Prioridad 71.

Salvaguardas

• Solo lectura: identifica y prioriza brechas. No escribe contenido, edita el sitio ni publica en ningún lugar — pasa el backlog ordenado al propio asistente del operador y al equipo de contenido.
• Las respuestas de AI no son deterministas y varían según la sesión y el momento. Una brecha confirmada es una instantánea fechada; vuelve a comprobarla antes de comprometer una gran construcción de contenido.
• Solo lleva al backlog las brechas que la marca tiene un derecho creíble a ganar (el factor de derecho a ganar existe para filtrarlas) — no infles la lista con prompts que el producto no puede responder honestamente.
• El volumen de búsqueda en AI es una estimación de datos públicos — presenta rangos y nunca prometas que llenar una brecha garantice una cita.
• Mantén la distinción entre citado-frente-a-nombrado: una mención por nombre es una victoria rápida de extractabilidad (quick), no una brecha cerrada.

Skills relacionados

• ai-visibility-audit: el diagnóstico previo que revela y explica los fallos que este skill prioriza. Su references/geo-methodology.md aporta el árbol de decisión de causa de fallo de los tres pilares y las palancas de autoridad de Princeton usadas en el paso 4.
• llm-mention-tracking: vuelve a ejecutar después de publicar contenido para confirmar que las brechas se cierran con el tiempo
• unifapi: el skill de datos compartido (conecta MCP, descubre las operaciones GEO/SEO que este skill lee)