Brand mentions vs. backlinks: el estudio de Ahrefs con 75K marcas

Por qué las menciones de marca son ahora decisivas para la visibilidad en IA

La forma en que se encuentra a las marcas está cambiando. Durante años, en el SEO clásico decidía el grafo de enlaces: quien tenía más y mejores backlinks posicionaba mejor. En sistemas de búsqueda con IA como ChatGPT Search, Perplexity, los AI Overviews de Google y el AI Mode de Google, esa ecuación ya no funciona. Un análisis a gran escala de Ahrefs aporta la prueba más clara hasta la fecha.

Según sus propios datos, Ahrefs analizó 75.000 marcas para entender qué factores influyen en la aparición de marcas en los AI Overviews. El resultado es incómodo para la práctica: no son los backlinks, sino las menciones de marca en la web abierta, lo que más se correlaciona con la visibilidad en IA. Un segundo análisis sobre tres sistemas de IA mostró que las menciones en YouTube, con alrededor de 0,737, presentan la correlación más fuerte con la visibilidad en IA, por encima de cualquier otro factor analizado.

Para las empresas B2B en Europa, esto no es un detalle académico. El uso de la búsqueda con IA crece rápidamente. Según Bitkom, en Alemania ya el 50 % de los internautas de 16 años o más usa al menos de vez en cuando chats de IA en lugar de buscadores clásicos, y el 12 % lo hace incluso de forma mayoritaria o exclusiva. En Austria, según una encuesta de Reppublika y Handelsverband, alrededor del 70 % de los consumidores usa un servicio de IA al menos de forma esporádica. Quien no aparece en estas respuestas desaparece de una parte creciente del customer journey.

El estudio de Ahrefs sobre 75K marcas en detalle: metodología y resultados

El estudio se basa en correlaciones de rango de Spearman entre, por un lado, las señales clásicas de búsqueda y de marca y, por otro, la frecuencia con la que aparecen las marcas en los AI Overviews de Google. Se analizaron dominios con un Domain Rating superior a 40, es decir, marcas consolidadas, no webs de nicho. La clasificación de correlaciones más importante está claramente dominada por factores off-site: las Branded Web Mentions se correlacionan con 0,664, los branded anchors con 0,527 y el volumen de búsqueda de marca con 0,392, mientras que el número de backlinks solo alcanza 0,218.

De ahí se desprende el hallazgo central: las menciones de marca se correlacionan con la visibilidad en IA unas tres veces más que los backlinks. Un estudio posterior de Ahrefs, también con 75.000 marcas, sobre ChatGPT, AI Mode y AI Overviews confirma el panorama y lo matiza. La correlación de las Branded Web Mentions se sitúa allí en 0,709 para AI Mode, en 0,664 para AI Overviews, como en el primer estudio, y en 0,656 para ChatGPT. Los backlinks y el URL Rating solo muestran relaciones muy débiles en todos los sistemas.

Una advertencia metodológica importante: correlación no implica causalidad. Las marcas fuertes reciben muchas menciones y aparecen con frecuencia en las respuestas de IA; ambas cosas pueden tener una causa común, como la notoriedad y la relevancia. El estudio no demuestra que una mención adicional genere mecánicamente una aparición adicional en la IA. Pero sí muestra con mucha claridad que la señal tradicional de los backlinks pierde poder explicativo en el mundo de la IA y que las señales de marca ocupan su lugar. Para priorizar recursos, esa es la información decisiva.

Por qué los LLM entienden las marcas por el contexto y no por los enlaces

La diferencia de 3:1 entre menciones de marca y backlinks se explica por el funcionamiento de los grandes modelos de lenguaje. Históricamente, los buscadores clásicos evalúan la autoridad mediante el grafo de enlaces: un enlace es una recomendación cuantificable de un dominio a otro. Los modelos de lenguaje funcionan de otra manera. Aprenden del texto y deducen el significado a partir del contexto de las palabras y la coocurrencia, es decir, de los contextos en los que un nombre de marca aparece junto a determinados temas, categorías y atributos.

Para un LLM, la afirmación «el proveedor X es líder en la solución Y para el sector Z» es una señal fuerte aunque no contenga ningún enlace. Ahí está precisamente la ruptura con el linkbuilding clásico: las menciones sin enlace, las llamadas unlinked mentions, apenas tenían valor en el SEO tradicional. Para la visibilidad en IA son una señal clave, porque el modelo capta el nombre de la marca y su contexto semántico, con o sin hipervínculo.

De ello se deriva un cambio estratégico. En lugar de evaluar dominios por su potencial de enlaces, lo que cuenta es con qué frecuencia, en qué contexto y con qué coherencia se menciona una marca en la web junto a sus temas principales. La co-citación, es decir, la mención conjunta con términos relevantes y competidores, gana importancia frente al enlace dofollow individual. Eso cambia las acciones con las que se construye la visibilidad.

YouTube, el canal GEO infravalorado

El hallazgo más sorprendente del estudio posterior tiene que ver con el vídeo. En los tres sistemas de IA, las menciones en YouTube son, con alrededor de 0,737, la señal individual más fuerte de visibilidad en IA, incluso por delante de las ya de por sí fuertes Branded Web Mentions. Tiene sentido, porque Google y sus sistemas de IA pueden procesar directamente los contenidos de YouTube, y las transcripciones constituyen una fuente de texto rica y temáticamente densa en la que las marcas se nombran de forma explícita.

Para el B2B, esto no significa montar un canal de entretenimiento. Significa plasmar el conocimiento experto de forma sistemática en vídeo:

• Formatos con expertos: vídeos explicativos breves y centrados en cuestiones técnicas, en los que se nombre explícitamente a la empresa y el producto, no solo en el título, sino también en lo que se dice.
• Grabaciones de webinars: reutilizar los webinars B2B existentes como vídeos de YouTube con una transcripción limpia.
• Vídeos de producto y de aplicación: casos de uso e implementaciones que nombren con claridad el sector, el problema y la solución, para que el modelo pueda reconocer la coocurrencia.
• Denominación coherente: usar en cada vídeo, de forma explícita, los términos de marca, producto y tema, ya que los sistemas de IA analizan principalmente el texto de la transcripción.

Así, YouTube pasa de ser un canal de alcance a una señal de visibilidad para las respuestas de IA. La salvedad metodológica sigue siendo importante: la correlación no es una garantía. Pero ningún otro canal muestra en el estudio posterior una relación tan fuerte.

Earned media y PR digital en lugar del linkbuilding clásico

Si las menciones de marca son la señal decisiva, la palanca se desplaza del dominio propio a fuentes ajenas y creíbles. Según el comunicado que lo acompaña, un análisis de Muck Rack de más de un millón de prompts de IA concluyó que el 85,5 % de las citas de IA procede de earned media, no de las webs de las marcas. La web propia es, por tanto, necesaria, pero ni de lejos suficiente para ser citable en las respuestas de IA.

De ahí se desprende una lógica de PR distinta a la del linkbuilding clásico. El objetivo principal no es conseguir el enlace, sino la mención con un contexto sólido en fuentes en las que confían los sistemas de IA:

• Medios especializados y portales sectoriales: artículos, entrevistas y comentarios de experto en publicaciones B2B de referencia, en los que la marca aparezca asociada a sus temas principales.
• Aceptar las unlinked mentions: las menciones sin enlace ya no son un fracaso, sino una señal válida que conviene buscar de forma activa.
• Descripción coherente de la entidad: comunicar en todas las fuentes el mismo posicionamiento claro, para que el modelo construya una comprensión estable de la marca.
• PR digital en lugar de outreach para enlaces: colocar temas y datos que se citen, en lugar de intercambiar enlaces.

Para las marcas B2B, esto significa, en concreto, estar presentes en los medios especializados relevantes de su mercado y en su idioma, ya que los sistemas de IA recurren a fuentes regionales para las consultas regionales.

Front-loading y answer islands: tácticas on-page de la investigación sobre GEO

El earned media construye la señal de marca desde fuera. On-page se decide si tus propios contenidos son citables siquiera. La base académica la aporta el estudio de Princeton sobre Generative Engine Optimization, que muestra que el GEO puede aumentar hasta un 40 % la visibilidad en las respuestas generativas. Funcionan sobre todo los contenidos que un modelo de lenguaje puede extraer con facilidad.

Dos principios ocupan el centro. Front-loading significa poner la respuesta al principio: cada sección empieza con una afirmación clara y autónoma, antes de la justificación y el contexto. Las answer islands son bloques de texto autocontenidos que un modelo puede citar enteros sin necesitar el resto del artículo.

En la práctica, esto significa que las estadísticas con fuente, las definiciones concisas y las frases bien formuladas y ricas en datos aumentan la probabilidad de ser citado. Precisamente estos elementos (cifras, afirmaciones documentadas y claridad lingüística) son los que la investigación sobre GEO identifica como palanca. Para el día a día, esto implica formular cada hecho central de modo que encaje en una respuesta de IA sin necesidad de reformularlo.

Tráfico de referencia desde IA y conversión: por qué el ROI compensa pese al bajo volumen

Una objeción habitual al GEO es que la búsqueda con IA apenas genera tráfico medible. Es cierto que el volumen es bajo, pero el valor por visita es alto. Ahrefs informa, para su propia web, de que el 0,5 % del tráfico procedente de la búsqueda con IA generó el 12,1 % de todos los registros y de que los visitantes que llegan desde la IA convierten unas 23 veces más que el tráfico orgánico clásico. Un análisis más amplio de Semrush apunta en la misma dirección: el visitante medio de la búsqueda con IA vale, medido por la tasa de conversión, 4,4 veces más que una visita orgánica clásica.

La explicación está en la posición dentro del funnel. Quien sigue una respuesta de IA ya ha precisado su pregunta y está más cerca de la decisión. En B2B, con contratos de importe elevado, esto cambia claramente las cuentas. Incluso unas pocas visitas muy cualificadas justifican la inversión si la conversión es lo bastante alta.

Además, es probable que el volumen aumente. Según Semrush, a lo largo de 2025 los AI Overviews pasaron de activarse en el 6,49 % de las búsquedas en enero al 24,61 % en julio y al 15,69 % en noviembre, y Semrush prevé que de aquí a principios de 2028 la búsqueda con IA podría llevar más visitantes a las webs que la búsqueda clásica. Quien invierte pronto en la señal de marca toma ventaja en un canal en crecimiento.

Share of Model: cómo medir bien la nueva métrica

Los rankings clásicos se quedan cortos para medir la visibilidad en IA. La magnitud relevante es el Share of Model, a veces también llamado Share of Citation: con qué frecuencia, con qué protagonismo y con qué valoración aparece una marca en las respuestas de IA, en relación con la competencia. No es un valor único, sino un conjunto de indicadores.

• Frecuencia de mención: ¿en qué proporción de un conjunto definido de prompts relevantes se menciona siquiera la marca?
• Share of Voice en las respuestas de IA: proporción de apariciones propias frente a las de los competidores mencionados.
• Fuentes citadas: ¿qué dominios se enlazan como fuente y está tu marca entre ellos?
• Tono: ¿se presenta la marca de forma neutral, positiva o desfavorable en la comparación?
• Cobertura por plataforma: ¿en qué sistemas aparece la marca: ChatGPT, Perplexity, AI Overviews o AI Mode?

La magnitud de los efectos subraya por qué merece la pena medirlo. En el primer estudio de Ahrefs, las marcas del cuartil superior en menciones web obtuvieron de media unas 169 apariciones en AI Overviews, más de diez veces las del siguiente cuartil, que obtuvo unas 14. Los dos cuartiles inferiores prácticamente no aparecen. La visibilidad en IA se reparte, por tanto, de forma extremadamente desigual, lo que hace aún más importante medir tu posición y la distancia con la competencia.

Diferencias entre plataformas: no todos los sistemas ponderan igual las marcas

El estudio posterior muestra que ChatGPT, AI Mode y AI Overviews ponderan las señales de marca con distinta intensidad. En varias métricas, entre ellas las Branded Web Mentions, los branded anchors y el volumen de búsqueda de marca, AI Mode presenta de forma constante correlaciones más fuertes con las señales de marca clásicas que ChatGPT o AI Overviews. Por eso Ahrefs describe AI Mode como una especie de máquina de consenso que recomienda preferentemente marcas que mucha gente ya conoce y busca.

Para la priorización, de ahí se desprende una línea clara. En los sistemas que se apoyan mucho en señales de marca consolidadas, la notoriedad y las menciones coherentes rinden especialmente. Los sistemas con un vínculo de marca más débil tienden a dejar más espacio a contenidos bien estructurados y temáticamente sólidos, también de proveedores menos conocidos. Por eso, una estrategia GEO sensata sigue ambas vías en paralelo: reforzar la señal de marca mediante earned media y vídeo y, al mismo tiempo, crear contenidos on-page citables. Qué plataforma es la más importante para un negocio concreto depende de dónde busca realmente su público objetivo, algo que debería formar parte de la medición.

Errores frecuentes

• Seguir invirtiendo el presupuesto sobre todo en backlinks: el primer estudio de Ahrefs muestra que los backlinks, con 0,218, solo se correlacionan débilmente con la visibilidad en los AI Overviews. El linkbuilding puro ataca la señal equivocada.
• Ignorar las unlinked mentions: quien descarta las menciones sin enlace como inútiles pasa por alto la señal de marca central para los modelos de lenguaje.
• Excluir el vídeo de plano: YouTube es el predictor individual más fuerte del estudio posterior. Despacharlo como inadecuado para B2B es desaprovechar la mayor palanca medida.
• Optimizar solo el dominio propio: con un 85,5 %, la mayor parte de las citas de IA procede de earned media. La web propia por sí sola no basta.
• Medir el GEO por el volumen de tráfico: el tráfico de IA es bajo, pero convierte muy bien. Quien solo cuenta sesiones subestima sistemáticamente el ROI.
• Tratar todas las plataformas por igual: AI Mode, ChatGPT y AI Overviews ponderan las señales de marca de forma distinta. Una táctica genérica desaprovecha la priorización.
• Vender la correlación como causalidad: las cifras muestran relaciones, no garantías. Un trabajo de GEO serio lo comunica abiertamente.

llms.txt: baño de realidad

En el entorno del GEO, el archivo llms.txt se presenta a menudo como una solución técnica. Es un estándar propuesto que pretende indicar a los sistemas de IA, en un archivo Markdown estructurado, qué contenidos de una web son especialmente relevantes. La conclusión sin adornos: llms.txt es una propuesta, no un estándar vinculante ni ampliamente admitido por los grandes proveedores de IA. El archivo puede aportar estructura y orientación, pero no sustituye a la señal de marca.

Los datos de Ahrefs dejan claras las prioridades. Si las menciones de marca se correlacionan con la visibilidad en IA unas tres veces más que los backlinks y la mayor parte de las citas procede de earned media, la palanca no está en un archivo técnico, sino en generar menciones, presencia en vídeo y contenidos citables. Los archivos técnicos de GEO aportan, como mucho, orden; no son el factor decisivo. Si tienes recursos limitados, inviértelos primero en la señal de marca.

Métricas y medición de un vistazo

Una medición de GEO fiable combina señales externas con la observación concreta de la visibilidad. Lo razonable es un ritmo mensual:

• Volumen y contexto de las menciones de marca: evolución de las menciones en la web, incluidas las que no llevan enlace, y entorno temático en el que aparecen.
• Share of Model: proporción de apariciones propias en un conjunto fijo de prompts relevantes, desglosada por ChatGPT, Perplexity, AI Overviews y AI Mode.
• Fuentes citadas: qué dominios usan los sistemas de IA como fuente y si tu marca o tus fuentes de earned media están entre ellos.
• Tráfico de referencia desde IA y conversión: registrar en GA4 los dominios de IA a través de las fuentes de referencia y los canales de origen, y mostrar la tasa de conversión separada del tráfico orgánico para hacer visible el alto valor por visita.
• Presencia en vídeo: alcance y menciones de tus temas en YouTube, ya que es la señal más fuerte medida.

Lo realista es un horizonte de varios meses. Los sistemas de IA actualizan su base de conocimiento con retraso, y las señales de marca se construyen poco a poco a través de menciones coherentes.

Para profundizar

El estudio de Ahrefs sobre 75K marcas cambia la premisa básica sobre cómo se encuentra a las marcas. Para los sistemas de búsqueda con IA cuenta mucho más la comprensión de la marca que los modelos de lenguaje deducen de las menciones, el contexto y el vídeo que el grafo de enlaces clásico. Para las marcas B2B en Europa, de ello se deriva un orden claro: primero, reforzar la señal de marca mediante earned media, medios especializados y YouTube; después, crear contenidos on-page citables con front-loading; y, por último, medir el Share of Model y la conversión del tráfico de referencia desde IA. Los archivos técnicos de GEO y el linkbuilding puro quedan en segundo plano. Quien invierte pronto en un canal en el que la visibilidad en IA está distribuida de forma tan extremadamente desigual se asegura oportunidades desproporcionadas antes de que la competencia reaccione.