El 74% de los compradores ya descubre productos con IA. Tu marca probablemente no aparece en las respuestas

El 27 de agosto, NIQ y World Data Lab publicaron un reporte que le pone número a algo que todo retailer ya sentía: el 74% de los compradores usa IA en algún punto del descubrimiento de productos. El reporte llama a la recomendación por IA un cuarto camino de descubrimiento, junto a búsqueda, redes sociales y marketplaces, y dimensiona en 184 mil millones de dólares el mercado de retail media detrás de esto. Lee el número dos veces. Dice que los compradores se movieron. No dice que te estén encontrando. En la mayoría de las auditorías GEO que corremos, no te encuentran.

Qué mide realmente ese 74%

El reporte, "A Tale of Two Consumers", es de NIQ junto con World Data Lab, y vale la pena leerlo más allá del titular. El 74% cubre a compradores que usan IA para descubrir productos: pedir recomendaciones, comparar opciones, armar listas cortas antes de abrir una sola página de producto. Los 184 mil millones son el mercado de retail media que alimenta ese comportamiento. El mensaje incómodo para las marcas: la lista corta ahora la arma una máquina, antes de que tu página de producto, tus anuncios o tu equipo de ventas tengan una oportunidad.

Creo que el titular incluso se queda corto para B2B, donde el comportamiento es más viejo y más agudo. Los compradores llevan años preguntando "qué herramienta usamos para X". Lo que cambió es que la respuesta ahora llega prefabricada por una IA, en lugar de que el comprador la arme a través de diez pestañas abiertas. Misma mecánica, embudo más rápido.

Por qué tu marca es invisible en las respuestas

El AI Citation Source Index 2026 sintetizó más de 680 millones de citaciones entre ChatGPT, Claude, Gemini, Perplexity y Google AI Overviews. Un grupo pequeño de dominios absorbe la mayoría: Reddit, Wikipedia, YouTube, LinkedIn, Forbes. Para preguntas de producto, el patrón que vemos es todavía más estrecho. El modelo cita plataformas de reseñas como Amazon y G2, hilos de comunidades, reviews de YouTube y listas comparativas que escribió alguien más. Tu página de producto casi nunca es la fuente principal. Lo que se cita es la reseña de tu producto, o el hilo de Reddit que lo compara, o una lista de "los mejores" que tú no escribiste.

Por eso una marca puede estar en primer lugar de Google para su categoría y desaparecer por completo de la respuesta de ChatGPT a "cuál es el mejor [categoría] para [caso de uso]". Los dos sistemas leen pilas de fuentes distintas. La mayoría de los equipos de ecommerce todavía trata la visibilidad en IA como "SEO con pasos extra". No lo es. Es un problema de distribución: no estás distribuido en las superficies que el modelo lee.

Qué lee el modelo antes de responder

Corre una consulta real y mira las citaciones. Prueba "mejor escritorio de pie por menos de 500 dólares para un departamento pequeño". La respuesta casi nunca cita una página de producto. Cita un hilo de Reddit donde alguien con un departamento pequeño comparó tres escritorios, un ranking de un sitio de reseñas, una ficha de Amazon para las specs y el precio, y tal vez un review de YouTube. Fíjate qué necesitó el modelo de cada uno: el hilo de Reddit para el empate de restricción, el ranking para la lista corta, la ficha para las dimensiones y el peso soportado, el video para las afirmaciones de durabilidad. Si tu escritorio no tiene ninguna de esas superficies, el modelo no tiene razón para saber que existe.

La consecuencia práctica: la calidad de los datos de producto importa más que el copy de la página. Cuando el modelo cita tu producto, cita hechos: la cubierta de 48 pulgadas, el límite de peso, la ventana de devolución. Que estén correctos y legibles en todos lados donde el modelo lee, porque un error en tu ficha de Amazon se convierte en un error en cada respuesta de IA que la cita.

La brecha que vemos en las auditorías GEO

Cuando corremos nuestra auditoría GEO de 30 minutos para una marca de producto, revisamos las mismas 10 a 15 consultas de categoría en ChatGPT, Claude, Gemini, Perplexity y AI Mode. El resultado más común: la marca aparece en cero a dos de esas respuestas mientras está en la primera página de Google. No porque el modelo le tenga manía. Porque la marca optimizó para una superficie que el modelo no lee, y descuidó las que sí.

La recompensa es real, por eso seguimos publicando nuestros números. En nuestro reporte de tráfico GEO compartimos meses de medición: las sesiones referidas por IA son pocas, decenas por semana, no cientos, pero convierten varias veces mejor que el orgánico. La gente que llega desde una respuesta de IA llega pre-filtrada. Hicieron una pregunta específica y el modelo respondió por ti. Esa es la calidad que la mayoría de las marcas de producto está dejando sobre la mesa, y por eso nunca vendemos la visibilidad en IA como una jugada de volumen. Es una jugada de lista corta.

Cuatro movimientos para aparecer en las respuestas de IA

1. Gana las consultas comparativas, no los términos de cabecera. El modelo responde "mejor X para Y", "X vs Z", "X para cocinas pequeñas" desde contenido comparativo. Si no existes en ese contenido, no te pueden comparar. Publicar tu propia comparación honesta, tu producto contra los líderes con specs reales, está subestimado y cuesta poco. Las marcas nuevas enfrentan el mismo bucle que explicamos en nuestra guía de arranque en frío: sin menciones no hay citaciones, y la salida es esa consulta comparativa específica que el incumbente escribió de forma genérica.

2. Haz que los datos de tu producto sean legibles. El modelo extrae hechos: dimensiones, precios, materiales, garantía, compatibilidad. Si esos datos viven solo en un carrusel de imágenes o detrás de JavaScript, el modelo no los lee. Tablas de specs, datos estructurados, precio y stock escritos en texto plano, bloques de FAQ en la página. Es el trabajo menos glamuroso del marketing y el que más citaciones nos genera.

3. Controla las superficies de reseñas que el modelo lee. Amazon y Walmart para B2C, G2 y Capterra para B2B, más Reddit y YouTube. Responde las reseñas negativas con datos, los modelos sí citan respuestas. Y mete tu producto en las listas comparativas que ya están siendo citadas. Pegarte a un activo que ya tiene citaciones rinde más rápido que construir las tuyas desde cero, es la etapa cuatro de nuestro framework de arranque en frío.

4. Mide menciones, no rankings. Sigue a tu marca en un panel fijo de consultas de categoría cada semana. Registra la consulta, la respuesta y la fuente que el modelo usó cuando te nombra. Cuando ya puedes ver una citación ocurriendo, repetirla en la consulta de al lado es un proceso, no suerte.

Corre la prueba antes de gastar un dólar

El 74% no es una tendencia para observar, es un canal que ya está abierto. El diagnóstico más barato que puedes correr hoy: pregúntale a ChatGPT, Claude y Gemini "cuál es el mejor [tu categoría] para [tu cliente]" y cuenta cuántas veces aparece tu marca frente a tus competidores. Veinte minutos. La mayoría de las marcas nunca lo ha corrido, y el resultado suele decidir si la próxima partida de presupuesto va a más anuncios en Google o a ser nombrable en las respuestas.

Para software y B2B aplica la misma mecánica con las mismas palancas, el patrón que documentamos en nuestro análisis de AI Overviews y marcas citadas. La advertencia honesta: el descubrimiento de productos por IA hoy manda menos clics que Google, y quien te diga lo contrario te está vendiendo algo. Pero el clic que sí llega trae una intención que Google no puede comprar. La lista corta la está armando una máquina que lee la web. Hazte legible, y quédate en la sala cuando se haga la pregunta.