Seguimiento de menciones por LLM

Rastrea con qué frecuencia se menciona una marca y su dominio en ChatGPT y los motores de búsqueda con IA sobre un conjunto fijo de prompts — y cómo se compara esa cuota de voz con competidores nombrados y cómo se mueve a lo largo del tiempo. Donde una auditoría es un snapshot, esta es la lectura recurrente: el panel y la lista de competidores quedan congelados para que cada ejecución sea comparable con la anterior.

Esta es una skill enhanced: lee datos públicos en vivo a través de UnifAPI. El entregable es una tendencia, no un solo número, así que el valor viene de ejecutarla con una cadencia contra un panel inmutable.

Usa UnifAPI para obtener evidencia en vivo

Esta es una skill enhanced: lee datos públicos en vivo a través de UnifAPI. Usa la skill unifapi para conectar (OAuth MCP), luego descubre estas operaciones GEO. Todas son POST; pasa engine (google / chatgpt), location y language idénticos en cada ejecución para que la tendencia sea movimiento real, no deriva de configuración.

• Cuota de voz entre grupos etiquetados — la lectura central — geo/mentions/cross-aggregated-metrics compara menciones entre grupos etiquetados: pon la marca en un grupo y cada competidor nombrado en su propio grupo, y la llamada devuelve la cuota head-to-head directamente. Este es el motor del tracker — ejecútalo idénticamente en cada cadencia y el diff del output es la tendencia de SoV.
• Menciones a nivel de panel — geo/mentions/search (target = array de hasta 10 entidades: dominio de la marca + cada competidor) captura, por prompt, si cada entidad se menciona y en qué respuestas — el respaldo granular de la cuota agregada.
• Resumen agregado — geo/mentions/aggregated-metrics agrega las menciones de todo el conjunto objetivo en una sola llamada (recuentos, volumen de búsqueda con IA, dominios citados), más barato que SERP por prompt cuando solo necesitas los totales.
• Citación vs mención de nombre — geo/serp (target = dominio de la marca, flag is_target) confirma si una mención es una fuente citada real (un enlace) o solo una mención de nombre en el texto. Las citaciones son la señal más fuerte; rastréalas en una línea aparte.
• Quién está subiendo — geo/mentions/top-domains rankea los dominios más citados del conjunto; comparar esta lista de ejecución en ejecución es la lectura más rápida de "qué competidor está ganando".
• Pondera por demanda — geo/keywords/search-volume pondera cada prompt por la demanda de búsqueda con IA para que la SoV refleje los prompts que llevan tráfico. Extráelo una vez al crear el panel y reutilízalo entre ejecuciones (vuelve a extraerlo trimestralmente).

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

Workflow

(Lee .agents/product-marketing.md / .claude/product-marketing.md primero si existe — reutiliza la marca, el dominio y el conjunto de competidores para que el panel coincida con todo lo demás.)

1. Fija el panel — una vez, luego congélalo. Bloquea un conjunto estable de prompts (10–30), la marca + dominio y los competidores nombrados (≤10 entidades en total — el límite de target de mentions/search), y asigna a cada entidad una etiqueta de grupo fija para cross-aggregated-metrics. Almacena este panel verbatim; no debe cambiar entre ejecuciones o la tendencia se rompe. Registra ahora el volumen de búsqueda con IA por prompt (geo/keywords/search-volume) y reutilízalo.
2. Ejecuta la lectura de cuota. Llama a geo/mentions/cross-aggregated-metrics con las etiquetas de grupo bloqueadas para obtener la cuota marca-vs-cada-competidor de una sola vez. Respáldalo con geo/mentions/search por prompt para el panel granular y geo/mentions/aggregated-metrics para el resumen agregado; para cada (prompt × plataforma × entidad) registra: mencionado (sí/no) y citado-como-fuente (sí/no vía geo/serp/is_target).
3. Calcula la Cuota de Voz. Aplica la rúbrica de SoV de abajo, por plataforma y en general, separando los slots citados de las menciones de nombre.
4. Compara con la ejecución anterior. Carga las cifras almacenadas de la última ejecución y calcula deltas: qué prompts ganaron/perdieron la marca, qué competidor subió (compara geo/mentions/top-domains), cambio neto de SoV. Estampa la fecha de la ejecución y anota que las respuestas de IA varían por sesión.
5. Persiste esta ejecución para que la siguiente pueda compararse con ella. La tabla de tendencia crece una columna por ejecución; las etiquetas de grupo y los prompts nunca cambian.

Puntuación de Cuota de Voz

La SoV se calcula sobre el panel fijo para que sea comparable de ejecución en ejecución. Para cada entidad rastreada:

mention SoV(entity)  = entity mentions / Σ mentions(all tracked entities)   [per platform + overall]
citation SoV(entity) = entity cited-slots / Σ cited-slots(all tracked entities)
weighted SoV(entity) = Σ_p [entity mentioned on p ? volume_p : 0] / Σ_p [any tracked entity mentioned on p ? volume_p : 0]

Reglas de conteo (mantenlas idénticas en cada ejecución):

• Cuenta una entidad una vez por (prompt × plataforma) aunque la mencionen varias referencias — evita la inflación por respuestas verbosas.
• Un cited slot = enlace de is_target/citación presente. Una mención de nombre = nombrada en el texto, sin enlace. Rastrea ambos; la citation SoV es el titular, la mention SoV es el indicador adelantado.
• Descarta las celdas (prompt × plataforma) donde no se renderizó ninguna respuesta de IA, tanto del numerador como del denominador.
• La SoV ponderada (por volumen de búsqueda con IA) es el titular principal; reporta la no ponderada al lado.

Output

Lidera con la tendencia, porque el punto es el movimiento.

Titular: "Citation SoV de la marca [esta ejecución] X% vs [última ejecución] Y% (Δ +/−Z pts) en N prompts del panel; [competidor] subió de A% a B%." Con fecha de ejecución y tamaño del panel.

Cuota de Voz — esta ejecución:

Tendencia vs ejecuciones anteriores (una columna por ejecución; este es el entregable):

Notas de movimiento: prompts que la marca ganó/perdió esta ejecución, qué competidor está subiendo (del diff de top-domains) y el cambio neto de SoV.

Lista de quick-wins: prompts donde la marca está mencionada pero no citada (solo mención de nombre) — el modelo te conoce, solo necesitas estructura extraíble para ganar el enlace.

Coste: registros de UnifAPI consumidos, o mejor estimación. Cada cifra lleva su fecha de ejecución.

Ejemplo resuelto

Panel: 20 prompts, marca acme.dev, competidores g2.com, rivalapp.com, US/inglés, cadencia mensual. Ejecución de junio vía geo/mentions/cross-aggregated-metrics (tres etiquetas de grupo congeladas) + geo/mentions/search + geo/serp: Acme citada en 9 de 50 cited slots rastreados → citation SoV 18%, subiendo desde 16% en mayo (+2 pts) — impulsado por ganar "best [category] for startups" tras un arreglo de contenido. g2.com bajó 48%→47% en el diff de top-domains. Tres prompts muestran a Acme mencionada de nombre pero sin citar → lista de extractabilidad de quick-wins.

Guardarraíles

• Solo lectura: mide y reporta una tendencia. Nunca publica, siembra menciones, edita contenido ni toca ninguna cuenta — el propio asistente del operador ejecuta cualquier seguimiento.
• Las respuestas de IA son no deterministas y varían por sesión, región y hora. Trata cada ejecución como una muestra fechada; ve la tendencia a lo largo de ≥3 ejecuciones antes de declarar una dirección — no sobreinterpretes un solo delta.
• Mantén el panel y la lista de competidores constantes entre ejecuciones. Cambiar prompts, añadir un competidor o cambiar de motor/locale rompe la comparabilidad — si el panel debe cambiar, resetea la línea base de la tendencia y dilo.
• Separa la citation SoV de la mention SoV; reportar solo una oculta la mitad del panorama.
• El volumen de búsqueda con IA es una estimación de datos públicos; el motor ChatGPT es solo US/inglés — márcalo N/A para otros mercados en lugar de cero.

Related Skills

• ai-visibility-audit: la versión diagnóstica de una sola vez que explica por qué faltan menciones y siembra el panel. Su references/geo-methodology.md contiene las reglas compartidas de conteo de cited-slot y el árbol de decisión de causa-de-fallo (Estructura / Autoridad / Presencia) en el que se apoya la columna de quick-wins de este tracker.
• ai-answer-gap: convierte los prompts donde la marca está ausente en un backlog de contenido priorizado
• unifapi: la skill de datos compartida (conecta MCP, descubre las operaciones GEO que lee este tracker)