Publicado en nicolasbillia.com — Octubre 2026 · Serie brightonSEO San Diego 2026
Disclaimer
Este contenido fue escrito con ayuda de IA a partir de mis desgrabaciones y fotos de las charlas de brightonSEO + Hero Conf San Diego (15 y 16 de septiembre de 2026) y de datos de proyectos de Nomadic. Los datos del evento llevan el nombre de quien los presentó; los de clientes van sin nombre y por rubro. Las fotos de las slides son mías.
Cuando un cliente me pregunta cuántos clientes le trae la IA, casi siempre ya miró en GA4 el tráfico que llega desde chatgpt.com. Ese número responde otra pregunta. En San Diego, tres charlas sobre medición llegaron por caminos distintos a la misma conclusión: el efecto de aparecer en una respuesta de IA se ve en los leads y en la búsqueda de marca, no en el referral del chatbot.
En corto
- El referral de ChatGPT es el único rastro de la IA que GA4 etiqueta como tal. El resto cae en Directo, en búsquedas de marca o en Orgánico.
- En el panel que mostró Baruch Toledano (US, desktop, junio 2026), las sesiones que combinan IA y búsqueda convierten 23,0%; las de IA sola, 12,5%.
- En un cliente fintech de préstamos, los leads del canal Directo en Colombia pasaron de 152 a 1.487 en un año, con las sesiones directas apenas duplicándose.
- El tráfico de IA escondido en Directo se puede separar mirando solo URLs profundas y comparando su comportamiento contra el orgánico del propio sitio (el método de Ramp).
- El cálculo se valida preguntando “¿cómo nos conociste?” en el formulario o en la llamada de ventas.
¿Por qué el tráfico que llega desde ChatGPT no muestra el impacto de la IA?
Porque el que lee una respuesta de IA muchas veces no hace clic: cierra el chat y vuelve más tarde, buscando la marca en Google o tipeándola en el navegador.
Baruch Toledano lo mostró con un deck de Similarweb en “What is the ROI of AI Visibility? Downstream Data”: el usuario “closes the browser, come back later and actually search for things”. En analytics crece el orgánico mientras el tráfico desde ChatGPT “looks completely flat”. Y al medir qué canal se llevaba la visita después de una recomendación de IA: “Yes, we saw also direct traffic. But search is the big one.”
Su gráfico muestra en qué momento del journey de compra entra cada herramienta:
De las sesiones de compra que usan IA, en el 76,1% la IA aparece en el medio del recorrido; es el primer paso en el 23,2% y el último en el 18,4%. De las que usan búsqueda, en el 56,2% la búsqueda es el último paso antes del sitio transaccional. La IA se usa para decidir; el paso que lleva al sitio suele ser otro.
La otra mitad del problema es técnica. En “Your CEO Is Already Searching” (Laurel Stewart, según la agenda) se detalló qué registra el canal “AI Assistant” de GA4: solo el tráfico de los LLM que Google reconoce y que llegan con referrer. Lo que viene de AI Overviews y de AI Mode entra como Orgánico. Lo que viene de un LLM sin referrer entra como Directo.
¿Qué hace la gente después de que una IA le recomienda una marca?
Va a esa marca. Toledano mostró un corte del vertical financiero con el mismo panel de usuarios expuestos a una recomendación de IA:
| La IA recomienda | Visitó American Express | Visitó Capital One |
|---|---|---|
| American Express | 7% | 3,4% |
| Capital One | 3,8% | 14% |
Misma categoría: cambiar la recomendación cambió a qué sitio fue la gente. Sobre tres verticales y seis marcas, la marca recomendada recibió entre 2 y 4 veces más visitas que la no recomendada.
Y esto es lo que pasa cuando esa gente entra al sitio:
Las sesiones de IA sola convierten 12,5%, las de búsqueda sola 17,3% y las que combinan las dos 23,0%. Si el reporte aísla el canal IA, muestra el grupo que peor convierte y deja afuera al mejor, que en analytics figura como orgánico o directo. Por eso Toledano cerró con “Report AI together with search”: lado a lado, antes y después, y midiendo el lift en búsqueda de marca.
Límite del dato: es un panel de comportamiento de Estados Unidos, en desktop y en sesiones de compra, mostrado por un proveedor de datos. No declara el tamaño de la muestra. Sirve para entender el mecanismo, no como tasa para trasladar a un sitio de LATAM.
¿Dónde aparece el efecto en un cliente real?
En los leads del canal Directo y en los clics de marca. En un cliente fintech de préstamos, cruzando GA4, Search Console y el CRM, el impacto de los asistentes apareció en tres rastros:
- Llegada directa desde el asistente: en Argentina, chatgpt.com mandó 7.591 sesiones y 370 ofertas registradas en el CRM.
- El canal “AI Assistant” de GA4: en Argentina pasó de 670 sesiones en junio a 2.259 en agosto de 2026.
- El indirecto, que no se atribuye: en Colombia los leads del canal Directo pasaron de 152 a 1.487 en un año (×9,8), con las sesiones directas apenas duplicándose. En Argentina, los clics de marca crecieron 27,8% contra 19,5% de los no-marca en el mismo tramo.
El tercero no aparece en ningún reporte de “tráfico de IA”: cada vez más gente llega sabiendo a qué viene, y la recibe el canal Directo.
El referral tampoco dice en qué motor aparecés. En 23 prompts sin marca para Argentina, ChatGPT no nombraba al cliente en ninguno y Gemini lo nombraba en 10. ChatGPT mandaba 7.591 sesiones; Gemini, 92. Leyendo solo el referral, ChatGPT parece el motor fuerte, y es el motor donde no aparece en las preguntas sin marca.
Aclaración para que no se lea mal: que los leads directos se multipliquen por 9,8 no prueba que sea la IA. La pauta y el boca a boca mueven las mismas dos métricas. Lo reportamos como señal, no como atribución. Para acercarlo a algo defendible están las dos secciones que siguen.
¿Cómo se separa el tráfico de IA que cae en Directo?
El procedimiento más ordenado que encontré es el método de Ramp. No es del evento, pero baja a GA4 lo que en San Diego quedó planteado en abstracto: medir el lift en el tráfico directo. Parte de una observación: el directo histórico es corto (alguien entra a su cuenta, mira un dato, se va), y el que llega desde una respuesta de IA se comporta como el orgánico: lee.
Paso 1. Quedarse solo con las URLs profundas. Una URL profunda es cualquier página que no sea la home, pricing, login o las páginas principales de la marca: una nota del blog, un glosario, una guía. Algo como /blog/como-armar-un-framework-seo-b2b. Nadie tipea de memoria una dirección de 60 caracteres: si a esas páginas entra tráfico “directo”, alguien le sacó el referrer en el camino.
Paso 2. Comparar su comportamiento contra el orgánico del propio sitio y contra el período anterior. El umbral de cada métrica sale del promedio orgánico de tu sitio, no de un benchmark externo. Si el directo a URLs profundas sube y se parece al orgánico y no al directo histórico, viene de un motor de búsqueda o de respuesta.
| Métrica | Qué indica que viene de una IA | Contra qué se compara |
|---|---|---|
| Tiempo de interacción por sesión | Alto, parecido al del orgánico | Promedio del orgánico del sitio |
| Páginas por visita | Después de la primera, sigue navegando | Promedio del orgánico del sitio |
| Profundidad de scroll | Pasa del 50-75% de la página | Promedio del orgánico del sitio |
Un detalle de implementación: el evento de scroll que GA4 trae por defecto se dispara recién al 90% de la página. Para el corte de 50-75% hace falta un disparador de profundidad de scroll propio en Tag Manager.
Paso 3. Estimar cuánto pesa. En Ramp, entre el 30 y el 40% del directo a sus URLs de contenido resultó ser tráfico de motores de respuesta, y esa porción la suman al reporte de impacto orgánico y GEO como tráfico incremental de IA. Ese porcentaje es el de su sitio: en otro se calcula con los pasos 1 y 2, no se copia.
Paso 4. Dar por perdido lo que llega a la home. Tras conversaciones largas, ChatGPT o Claude a veces mandan a la home y no a la página exacta. Ese tráfico rebota y no se puede aislar: el método queda conservador a propósito.
En B2B, Ramp lo baja a leads según la etapa: en tope de embudo aplica el 30-40% al directo de URLs profundas para reportar MQLs; en mitad y fondo espera que el orgánico baje en volumen y suba su tasa de conversión, porque llegan prospectos más filtrados.
¿Cómo se valida que esos leads vinieron de una IA?
Preguntando. Ethan Smith, CEO de Graphite, lo contó en “How to Achieve ROI in AI Visibility: A Playbook”, una charla sobre tests de ChatGPT Ads.
Su equipo le hace la pregunta “How did you hear about us?” a todo el que entra al sitio. Si la respuesta es un chat de IA, repreguntan qué LLM usó y cuál fue el prompt. Él mismo aclaró que las encuestas tienen sesgos y que la atribución sigue siendo difícil aun con la pregunta.
Ramp hace lo mismo del lado comercial: “¿cómo nos conociste?” es obligatoria en las llamadas de discovery, y los “lo vi en ChatGPT” se cruzan contra los MQL clasificados como dark search. Así calibran el porcentaje del paso 3.
En un cliente B2B de staffing nos pasó exactamente esto: 3 leads dijeron en la llamada que habían encontrado al cliente por Claude, y en GA4 los 3 figuraban como Directo. Sin la pregunta, eran tres directos más.
En el mismo cliente, en junio de 2026, GA4 atribuyó por primera vez un lead al canal AI Assistant (fuente claude.ai), con entrada por una nota que Claude citaba en 11 de los 20 prompts del cluster que medíamos. Es un solo lead: muestra que el circuito se cierra, no una tendencia. No sé si es uno de los 3 de la llamada.
¿Qué se le muestra a la dirección cada trimestre?
Dos capas, lado a lado. “Your CEO Is Already Searching” lo planteó con una comparación útil para hablar con gente que no es de SEO:
Como en el boca a boca, no estás en la conversación pero la influís. Y las empresas ya pagan sponsorships o eventos sin atribución clic a clic, midiendo el lift en búsqueda de marca y en tráfico directo. “You already do know one half of how to measure AI search”: medir los resultados que influye.
La otra mitad es la visibilidad, y antes de medirla hay que tomar cuatro decisiones:
Con eso, el reporte queda así:
| Capa | Qué se mide | De dónde sale |
|---|---|---|
| Visibilidad (adelantada) | Citaciones, menciones y share of voice contra los competidores de siempre | Tracking de prompts sobre los tópicos elegidos |
| Resultado (rezagada) | Búsqueda de marca | Search Console |
| Resultado (rezagada) | Tráfico del canal AI Assistant + directo a URLs profundas | GA4, con el filtro del método de Ramp |
| Resultado (rezagada) | Leads, leídos en agregado y no por sesión | GA4 + CRM + la pregunta “¿cómo nos conociste?” |
Se lee trimestre a trimestre. Visibilidad alta sin movimiento en marca ni en leads pide revisar en qué prompts está concentrada. Visibilidad que cae con marca y leads estables es una alerta temprana. Y el share of voice se lee como una encuesta, con margen de error.
Sobre la atribución de esas dos fotos: en la grabación no se dice el nombre de quien habla. Asigno la charla a Laurel Stewart porque es la de la agenda del miércoles sobre explicar AI visibility a la dirección, y porque el texto de las slides coincide literalmente con la desgrabación.
Si tu reporte de IA arranca y termina en el referral de ChatGPT, estás midiendo la parte que se ve. ¿Alguien ya cruzó el “¿cómo nos conociste?” contra el directo de URLs profundas? Me interesa saber qué porcentaje les dio.
Serie brightonSEO San Diego 2026
- ¿Cómo medir el impacto de la IA en tu negocio? En leads y marca, no en el tráfico de ChatGPT (este artículo)
- ¿Qué fuentes cita la IA cuando habla de tu marca? Depende del rubro y del motor
- ¿Por qué una página lenta queda afuera de las respuestas de IA? SEO técnico para bots, con logs
- ¿Qué página cita la IA? La que responde arriba y respalda lo que afirma
- Agentes de IA en SEO: ¿dónde tiene que parar la automatización?
- ¿El volumen de búsqueda mide la demanda? Dónde está la demanda real
- Autoridad offsite en IA: ¿dónde tiene que estar tu marca cuando el motor arma la respuesta?
- ¿Cómo le habla el SEO a dirección ahora que la IA le abrió la puerta?
Toda la serie en un solo lugar: brightonSEO 2026.
