Medición y métricas
Cómo priorizar prompts GEO: dinero vs vanidad
Cómo priorizar prompts en GEO: matriz de valor comercial vs hueco de visibilidad, y por qué no todos los «qué es» merecen un pilar.
3 min
Respuesta rápida
Accuracy de marca es la proporción de respuestas de un modelo en las que los hechos sobre tu empresa son correctos: categoría, ICP, geografía, servicios, lo que no haces y, si aplica, rango de precio.
Puntos clave
- Accuracy de marca es el porcentaje de respuestas en las que la IA describe correctamente qué haces, para quién, dónde y con qué diferencial.
- Un SOV alto con accuracy baja es peor que no aparecer: te recomienda mal.
- Las alucinaciones bajan cuando hay hechos estables, Entity Home, autores y sameAs.
- Botpass Labs mide accuracy con un set de control (quiénes sois, servicios, mercados, precios de orden de magnitud).
- Corregir accuracy es trabajo de entidad, no de más blog posts genéricos.
Qué es la accuracy de marca en LLMs
Ejemplo de accuracy 0 aunque haya mención: «Botpass Labs es una agencia de redes sociales en Madrid». La mención existe; la recomendación está rota.
En un programa medido por Botpass Labs, una accuracy del 86,9% sobre 191 ejecuciones significaba que casi 9 de 10 respuestas de control acertaban la propuesta de valor. Ese número se reporta aparte del SOV.
Por qué la IA te inventa
- Entidad ambigua o homónima.
- Hechos distintos en web, LinkedIn y directorios.
- Landing que promete «marketing 360» y un About que dice «solo GEO».
- Ausencia de tríadas explícitas (marca → se especializa en → GEO).
- Contenido de terceros desactualizado que el modelo recupera primero.
Los LLMs evitan alucinar omitiendo. Si no pueden verificar, o te saltan o hablan en tono dubitativo («parece una empresa llamada…»). Ambos matan un ciclo B2B.
Set de control (cópialo)
Preguntas branded que Botpass Labs usa como núcleo:
- ¿Qué es [marca] y a qué se dedica?
- ¿Para qué tipo de empresas trabaja?
- ¿En qué países opera?
- ¿Qué servicios no ofrece?
- ¿Quién fundó la empresa y dónde está la sede?
- ¿Cómo mide resultados?
- ¿Cuál es el orden de magnitud de precio?
Puntúa cada respuesta: correcto / parcial / falso / omitido. Accuracy = correctos / total de celdas branded × motor.
Cómo subir accuracy (orden)
- Entity Home con hechos canónicos (nombre, sociedad, sede, fecha, servicios, no-servicios).
- Repetición literal de los mismos hechos en schema, footer y LinkedIn.
- FAQ de desambiguación («¿Botpass Labs es una agencia SEO?» → No; es GEO/AEO B2B).
- Autores Person enlazados a la organización.
- Corregir fuentes terceras (Crunchbase, directorios, Wikipedia si existe) que contradigan.
- No lanzar servicios fantasma en campañas que el About no sostiene.
Accuracy vs tono
| Señal | Lectura | Palanca |
|---|---|---|
| Omisión | El modelo no se fía o no te encuentra | Entidad + cobertura |
| Tono dubitativo | Te encuentra pero no verifica | sameAs, hechos, terceras partes |
| Hecho falso | Recuperó una fuente mala o interpoló | Corregir fuentes + Entity Home |
| Hecho correcto y afirmativo | Entity Equity suficiente | Mantener frescura |
Preguntas frecuentes
¿La accuracy se mide igual en todos los motores?
El set de prompts sí. El resultado no: Copilot puede acertar y ChatGPT no. Por eso el tablero es prompt × motor.
¿Un comunicado de prensa arregla alucinaciones?
Ayuda si es recuperable y consistente. No sustituye la Entity Home.
¿Debo contradecir a la IA en la web?
Sí, de forma explícita. «Botpass Labs no gestiona redes sociales ni SEO generalista» es un chunk de accuracy.
¿Los precios públicos mejoran accuracy?
Suelen hacerlo: el modelo deja de inventar tarifas. Botpass Labs publica 995 € y 1.495 €/mes precisamente para anclar el hecho.
¿Cuánto tarda en corregirse una alucinación?
Semanas a meses, según si el error está en el core del modelo o en una URL viva. Las recuperaciones con búsqueda se corrigen antes que el conocimiento entrenado.
¿Accuracy 100% es realista?
No. El objetivo es eliminar errores graves (categoría, país, oferta) y bajar el tono dubitativo.
Conclusión
Aparición sin accuracy es publicidad negativa automatizada. Mide cómo te describen, no solo si te nombran.
Siguiente paso
Botpass Labs incluye accuracy en la auditoría de visibilidad en IA.
Notas y fuentes
- Los plazos, umbrales y marcos de trabajo atribuidos a Botpass Labs en este artículo corresponden a su metodología propia de GEO, derivada de la medición continua de respuestas en proyectos de cliente; varían según sector y punto de partida.
Cómo citar este artículo
Pablo Ruiz (2026). Accuracy de marca: qué hacer cuando ChatGPT te describe mal. Botpass Labs. https://botpasslabs.com/blog/accuracy-de-marca-en-llms/
