Medir dónde te falta presencia, y por qué.
Nuestra herramienta de auditoría y monitoring (en acceso alpha) cruza dos miradas complementarias sobre tu visibilidad dentro de los LLMs.
Visibilidad en los LLMs
Interrogamos a ChatGPT, Gemini… con prompts reales de usuarios, agrupados por intención, con varias muestras por prompt para medir la estabilidad.
- ScoreScore de visibilidad AEO — la síntesis (p. ej. 17/100).
- SOVShare of voice — a quién nombra la IA, y en qué proporción.
- GapsOrganic gaps & untapped — tu roadmap de contenido y el terreno virgen a ocupar.
- FidelidadCitation timing & source footprint — cuándo y con qué fuentes te citan.
Who AI names. Share of voice por marca y prompts donde los competidores son citados, tú no.
Score AEO. Visibilidad espontánea, alternativa, citation timing y estabilidad sobre 3 muestras.
Gaps. 23 organic gaps + 250 prompts untapped — tu hoja de ruta, por intención.
Auditoría técnica y semántica
Auditamos la página de producto tal y como la ve un agente: acceso (HTTP, robots, WAF), legibilidad (HTML en bruto vs renderizado JS), datos estructurados (Schema.org) y profundidad semántica.
- ReachReach & read — ¿accesible y legible sin JS? llms.txt, markdown, chunkabilidad, Content-Signal.
- DataProduct data — nombre, precio, disponibilidad, descripción y JSON-LD Product en servidor, sin JS.
- SemánticaSemantic — beneficios, casos de uso, audiencia, diferenciadores, FAQ, specs, reseñas.
- AgentesLectura real — lo que Gemini y OpenAI extraen de verdad (y sus conflictos).
Score /100. Sub-scores Reach & read / Product data / Semantic + quick wins priorizados.
Visto por los agentes. Precio, JSON-LD y descripción a menudo ausentes del HTML en bruto → citación improbable.
Profundidad semántica. Descripción decisional, casos de uso, FAQPage, AggregateRating extraíbles.
Dos síntomas, un mismo problema: el dato de producto. La demanda dice dónde te falta presencia, la oferta dice por qué. Se actúa sobre la variable común para cerrar el gap por ambos lados.
