El rank tracking ha muerto: mide marca e ingresos

AI Search

El rank tracking ha muerto: mide marca e ingresos

Vakho Mtchedlishvili · 22 oct 2026 4 min lectura · Asistido por IA

Septiembre y octubre de 2026 han sido el golpe definitivo al rank tracking tradicional. Google ha endurecido sus medidas contra el scraping de SERPs para evitar que terceros, especialmente actores del ecosistema IA, se aprovechen de sus resultados curados. El resultado: caídas simultáneas en decenas de herramientas SEO, retrasos en Search Console y agencias enteras incapaces de entregar reportes estandarizados a sus clientes.

Lo que para muchos es un problema operativo, para mí es la señal que llevábamos años esperando. La posición media de una keyword ha dejado de describir la realidad del usuario. Y si tu reporting sigue girando en torno a esa métrica, estás vendiendo una foto que ya no existe. Toca reconstruir el modelo de medición desde cero, y hacerlo rápido.

Qué ha pasado exactamente con las herramientas

Google ha cambiado el HTML de sus SERPs de forma agresiva y recurrente, rompiendo los parsers de scrapers que alimentan la mayoría de rank trackers del mercado. Semrush, Ahrefs, Sistrix, SE Ranking y herramientas más pequeñas han sufrido blackouts intermitentes durante semanas. A esto se suma el retraso en el procesamiento de datos en Google Search Console, justo después de que terminara el spam update de septiembre, dejando a muchos sin forma de atribuir cambios de tráfico.

El problema no es técnico, es estructural. Google no quiere que su índice alimente a Perplexity, ChatGPT Search o cualquier motor que compita con AI Overviews y AI Mode. Y la cadena de suministro de datos SEO, construida durante quince años sobre el scraping, se ha quedado sin cimientos.

Por qué la posición media ya no significa nada

En un entorno dominado por query fan-out, grounding queries y respuestas sintetizadas, la idea de una posición numérica única pierde sentido. Las consultas internas que lanza un LLM para construir una respuesta no son búsquedas humanas, no generan una SERP visible, pero sí contaminan los datos que vemos en Search Console y en tracker de terceros.

Un usuario puede ver tu marca mencionada en un AI Overview sin hacer clic, mientras tu herramienta reporta una caída brutal de posición. Ninguna de las dos cosas es mentira, pero juntas no cuentan la historia. Y para el mercado hispanohablante, donde los AI Overviews se han desplegado de forma desigual entre España y LatAm, el ruido es aún mayor.

El nuevo marco: serving, citing e ingresos

Mi propuesta para los próximos doce meses pasa por tres capas de medición que sustituyen al rank tracking clásico:

  • Serving (presencia): frecuencia y amplitud con la que tu marca aparece en cualquier superficie de resultados, desde los diez enlaces azules hasta AI Overviews, People Also Ask, Perplexity o ChatGPT Search.
  • Citing (citación): cuántas veces un LLM te nombra explícitamente como fuente dentro de su respuesta sintetizada, con URL o mención de marca.
  • Revenue atribuible: ingresos conectados a sesiones orgánicas y a tráfico referido desde interfaces IA, medidos con modelos de atribución que acepten la opacidad del canal.

Para ecommerce, que es donde yo trabajo, la tercera capa es la única no negociable. Un cliente no te paga por aparecer en una respuesta de Gemini, te paga porque esa aparición acaba generando pedidos.

Tres reglas prácticas para medir visibilidad en IA

Si vas a montar un stack de medición para AI Search, estas son las reglas que estoy aplicando con clientes ahora mismo:

  • Elige una herramienta y quédate con ella. Profound, Peec AI, Otterly, AthenaHQ o la que prefieras: cada una calcula visibilidad de forma distinta. Comparar entre herramientas es inútil, lo valioso es la serie temporal dentro de un mismo entorno.
  • Olvida el crecimiento lineal. Vas a ver fluctuaciones brutales por citation drift, personalización y la aleatoriedad de las grounding queries. Asumirlo evita conversaciones absurdas con dirección.
  • Segmenta tus prompts por capas. Un stack core de reporting, uno experimental, uno de edge cases y otro para medir tu propio drift. Meter todo en el mismo cubo, como hacíamos con keywords, no refleja cómo se forman las respuestas.

Qué cambia en el reporting al cliente

El informe mensual tipo «keywords en top 3, top 10 y top 20» está muerto. En su lugar, el reporting de 2026 debería incluir cuota de voz en AI Overviews para un conjunto de prompts comerciales, número de citaciones directas en ChatGPT y Perplexity por categoría de producto, evolución de tráfico orgánico segmentado por tipo de superficie y, sobre todo, ingresos atribuidos con modelos data-driven que acepten el tráfico oscuro.

Esto obliga a reeducar al cliente. Muchos directores de marketing en España siguen pidiendo capturas de posiciones en Google España. Hay que explicarles, con datos, que esa foto representa cada vez menos de la realidad comercial y que seguir obsesionados con ella es administrar la decadencia.

Conclusión práctica

El apagón de rank tracking de septiembre no es un bache, es el acta de defunción de un modelo. Si lideras SEO en una marca o agencia, mi recomendación es clara: audita hoy tus informes y elimina cualquier métrica que no conecte con marca, citación o ingreso. Elige un tracker de IA, monta tres stacks de prompts y empieza a educar a stakeholders sobre volatilidad. El SEO del próximo ciclo no se mide en posiciones, se mide en cuánto espacio ocupa tu marca en cada superficie donde el usuario toma decisiones, y cuánto dinero entra por ello.

Fuente original: Search Engine Journal

Autor

Vakho Mtchedlishvili

SEO Lead especializado en ecommerce y AI Search. Ayudo a negocios digitales a crecer en Google y en los nuevos entornos de búsqueda con IA.

Deja un comentario