Com mesurar la teva visibilitat a la IA sense enganyar-te

Resposta curta. Preguntar una vegada a ChatGPT per la teva empresa no mesura la teva visibilitat a la IA: la resposta canvia gairebé cada vegada i, si la pregunta porta el teu nom, només comprova que el model et coneix. Per mesurar-la cal fer servir un panell fix de preguntes de client, sempre les mateixes, comptar en quin percentatge de respostes apareixes a cada motor per separat, donar-lo amb el seu marge d’error i creuar-lo amb Search Console, Bing Webmaster Tools i Google Analytics 4.

Vam comprovar totes les dades el 25 d’octubre de 2026.

Menys d’1 de cada 100. Probabilitat que ChatGPT o la IA de Google donin la mateixa llista de marques en dues respostes (SparkToro i Gumshoe).

99,4 % davant 3,32 %. Preguntes pel seu nom en què un model va reconèixer una startup, davant cerques obertes en què la va anomenar (The Discovery Gap).

Fins a ±13 punts. Marge d’error d’un percentatge mesurat amb 50 respostes (càlcul nostre).

Per què no serveix preguntar-li una vegada a ChatGPT?

Perquè una resposta d’IA és una mostra, no un rànquing. En l’estudi de SparkToro i Gumshoe, uns 600 voluntaris van fer 12 preguntes a ChatGPT, Claude i la IA de Google i van reunir 2.961 respostes. La probabilitat que ChatGPT o la IA de Google repetissin la mateixa llista de marques va ser inferior a 1 de cada 100; en el mateix ordre, d’al voltant d’1 de cada 1.000.

El que era estable era el percentatge. Les grans marques d’auriculars apareixien en el 55–77 % de les respostes, tot i que les preguntes eren molt diferents. L’autor conclou que el percentatge de visibilitat sobre desenes o centenars de preguntes repetides és, probablement, «una mètrica raonable», i que una «posició a la IA» no ho és.

Hi ha un segon motiu. Google explica que el Mode IA i AI Overviews «poden fer servir models i tècniques diferents, de manera que el conjunt de respostes i enllaços que mostren variarà» (traducció nostra de la versió en castellà). Si ajuntes diversos motors en una sola xifra, barreges coses diferents.

Quines preguntes cal fer servir per mesurar?

Les que faria un client que encara no et coneix. Si preguntes «què saps de [la teva empresa]?», només comproves que el model sap que existeixes.

A The Discovery Gap (arXiv, gener del 2026) es van provar 112 startups amb un model d’OpenAI consultat per API. Pel seu nom, les va reconèixer en el 99,4 % de les preguntes; en preguntes obertes de descoberta, només les va anomenar en el 3,32 %.

Un panell útil barreja tres tipus de pregunta:

1. De descoberta, sense la teva marca: «quina gestoria em recomanes a Girona per a autònoms?».
2. Comparatives: «què és millor per a una botiga en línia petita, X o Y?».
3. De dades, amb la teva marca: horaris, preus, serveis. Mesuren l’exactitud, no la visibilitat.

Escriu diverses formulacions per intenció: en l’estudi de SparkToro, 142 preguntes escrites per persones diferents amb el mateix objectiu tenien una similitud semàntica mitjana de 0,081. Després, congela el panell; si el canvies, compara només les preguntes comunes.

Quantes respostes calen?

Les suficients perquè el marge sigui menor que el canvi que vols detectar. Un «apareixes en el 30 %» tret de 10 respostes pot voler dir gairebé qualsevol cosa. Les respostes poden sortir de moltes preguntes diferents o de repetir les mateixes; si pots triar, afegir preguntes diferents sol estrènyer més el marge que repetir. I per donar per bo un canvi entre dues mesures cal encara més: amb 50 respostes i una presència propera al 30 %, només es distingeix de l’atzar una pujada o una baixada d’uns 18 punts.

Amb 10 respostes, un 30 % és compatible amb qualsevol valor real entre el 10,8 % i el 60,3 %. Amb 50, entre el 19,1 % i el 43,8 %; amb 200, entre el 24,1 % i el 36,7 %. Són càlculs nostres, amb l’interval de Wilson al 95 %.

Si no apareixes en cap de 50 respostes, no diguis «0 %»: amb un 95 % de confiança, el valor real és per sota del 7,1 %.

Què cal comptar en cada resposta?

Separem quatre coses, perquè cadascuna es corregeix de manera diferent:

• Menció: la IA anomena la teva empresa.
• Cita: enllaça o atribueix una pàgina teva com a font.
• Recomanació: et proposa com a opció, no només t’anomena.
• Exactitud: les dades que dona de tu (preu, horari, serveis) són correctes.

Una pàgina teva es pot citar en una resposta que en recomana un altre, i una menció pot venir amb un horari equivocat.

Compta també les vegades que la IA no contesta. En un estudi de Seer Interactive sobre la seva pròpia marca (28.123 respostes de sis plataformes), les IA no van respondre en el 31,2 % de les preguntes sobre la marca, i en les comparatives, en el 80,3 %. Quan sí que responien, encertaven de mitjana el 95,9 %.

Quines dades donen els mateixos cercadors?

Tres eines gratuïtes completen el panell, encara que cap no diu què respon la IA.

• Google Search Console. Des del 31 d’agost de 2026, tots els webs tenen els informes de rendiment d’IA generativa. Mostren impressions: quantes vegades han aparegut URL teves a les funcions d’IA de la Cerca i de Discover, per pàgina, país, dispositiu (a la Cerca) i data. L’anunci de Google no esmenta clics.
• Bing Webmaster Tools. El seu informe AI Performance compta les cites del teu web a Microsoft Copilot, als resums d’IA de Bing i en algunes integracions de socis. També ensenya les pàgines citades i una mostra de les grounding queries, les frases que la IA va fer servir per buscar el contingut que va citar.
• Google Analytics 4. El canal predeterminat «AI Assistant» agrupa les visites des d’assistents com ChatGPT, Gemini, Deepseek, Copilot o Grok. Compte: Google el defineix sense AI Overviews ni el Mode IA, el trànsit dels quals compta com a cerca orgànica.

Per què el trànsit no n’hi ha prou per mesurar?

Perquè bona part de la visibilitat a la IA no genera clic. Pew Research Center va analitzar 68.879 cerques de 900 adults dels EUA el març del 2025. Amb un resum d’IA a la pàgina, els usuaris van fer clic en un resultat tradicional en el 8 % de les visites, davant el 15 % sense resum; en un enllaç del mateix resum, només en l’1 %.

Si algú llegeix el teu nom en una resposta i després et busca a Google, aquesta visita no s’atribueix a la IA. Per això creiem que Analytics es queda curt amb el trànsit d’IA (és una deducció nostra, no una dada mesurada).

Quins errors de mesura enganyen més?

Quins errors de mesura enganyen més?

Error	Per què enganya	Què fer en lloc seu
Preguntar una sola vegada	Les llistes gairebé mai no es repeteixen	Fer servir un panell fix de moltes preguntes i donar un percentatge
Preguntar amb el teu nom	Mesura si et coneix, no si et recomana	Fer servir preguntes de descoberta sense marca
Parlar de «posició»	L’ordre canvia gairebé a cada resposta	Donar el percentatge de respostes en què apareixes
Barrejar motors	Cada motor fa servir models i fonts diferents	Una sèrie per motor, mai una mitjana
Donar xifres sense marge	3 de 10 és compatible amb un 11–60 %	Publicar «k de n» i l’interval
Mesurar només el trànsit	Moltes respostes no generen clic	Creuar panell, Search Console, Bing i Analytics
Atribuir-ho tot als teus canvis	Un canvi de model pot moure les xifres sense que facis res	Anotar la data de cada canvi, teu i del motor

Preguntes freqüents

Pas següent

Ningú no controla què respon una IA. Google ho diu del seu propi cercador: «Ningú no et pot assegurar el primer lloc als resultats de Google». El que sí que es pot fer és mesurar amb mètode, canviar el que depèn de tu i tornar a mesurar amb les mateixes preguntes.

Si vols saber d’on parteixes, el diagnòstic gratuït és el primer pas. Si ja ho tens clar, a serveis expliquem com implementem els canvis i en fem el seguiment mes a mes.