La auditoría de prompts es una revisión sistemática de consultas en motores de respuesta (ChatGPT, Perplexity, Gemini, Google AI Overviews) para identificar temas donde los competidores son citados en las respuestas de IA y tu contenido no está presente. A diferencia de una auditoría SEO tradicional, que analiza las posiciones en los resultados de búsqueda, una auditoría de prompts registra qué fuentes eligen los LLM para sintetizar la respuesta, qué fragmentos citan y qué formulaciones de consultas provocan que tu marca o la de tus competidores aparezcan.
Según Search Engine Land, las empresas que realizan auditorías de prompts encuentran cientos de consultas donde los competidores aparecen en las respuestas de IA y ellos no. La reacción de la mayoría es publicar masivamente publicaciones generadas por IA. Esto es un error: Google no recompensa los flujos de contenido promedio, y los LLM no citan materiales sin datos únicos. El siguiente paso correcto es convertir los resultados de la auditoría en un plan editorial, priorizado por brechas de visibilidad, valor comercial y la posibilidad real de producir material de calidad.
Qué es una auditoría de prompts y en qué se diferencia de una auditoría SEO
Una auditoría SEO responde a la pregunta: «¿Dónde rankeamos y los competidores están por encima de nosotros?» Una auditoría de prompts responde a otra pregunta: «¿Dónde los LLM incluyen a los competidores en la respuesta y a nosotros no, y por qué?»
Diferencias clave:
- Unidad de medida: no es la posición en los resultados, sino la presencia en la respuesta sintetizada: cita, mención de marca, enlace o paráfrasis.
- Pluralidad de resultados: la misma consulta da diferentes respuestas en ChatGPT, Perplexity y Gemini. La auditoría debe cubrir al menos 3 motores.
- Formulación de la consulta: los usuarios preguntan a los LLM de manera diferente a como buscan en Google: más largas, más conversacionales, con contexto. La matriz de consultas debe incluir formulaciones conversacionales.
- Volatilidad: las respuestas de los LLM cambian con más frecuencia que los SERP. La auditoría es una instantánea que debe actualizarse cada 4–8 semanas.
Por qué un medio editorial necesita una auditoría de prompts ahora mismo
Los LLM utilizan cada vez más herramientas de búsqueda para recuperar páginas actuales y generar respuestas a partir de su contenido. Cuanto más alto rankee tu contenido en las preguntas que los usuarios hacen a los LLM, mayor será la probabilidad de que tu material se convierta en la fuente de la respuesta. Pero hay una distancia entre «rankear» y «ser citado en la respuesta».
La auditoría de prompts acorta esa distancia porque:
- Muestra no solo el hecho de presencia/ausencia, sino también el tipo de presencia: cita completa, mención de marca, enlace o contribución invisible a una paráfrasis.
- Identifica clústeres temáticos donde tu contenido está ausente de forma sistemática, no puntual.
- Proporciona datos de entrada para el plan de contenido: consultas específicas para las que se necesita producir o mejorar materiales.
- Crea una línea base para medir el progreso de los esfuerzos de AEO a lo largo del tiempo.
Paso 1. Construcción de la matriz de consultas
La matriz de consultas es la base de la auditoría. Sin ella, obtienes observaciones aleatorias, no una imagen sistemática.
Fuentes de consultas
- Sugerencias de búsqueda de Google y Related Searches para tus temas principales.
- People Also Ask: bloques de preguntas en los resultados de búsqueda que a menudo se formulan de manera conversacional.
- Reddit y Quora: preguntas reales de los usuarios en hilos de discusión. Los LLM citan activamente Reddit.
- Datos internos: consultas de búsqueda de Search Console que generan tráfico pero con un CTR bajo (posiblemente el usuario busca una respuesta, no un artículo).
- Contenido de la competencia: títulos y H2 de artículos de los 3 principales competidores en tu nicho.
Estructura de la matriz
La matriz debe contener al menos 4 columnas:
| Consulta | Tipo de consulta | Valor comercial | Prioridad de auditoría |
|---|---|---|---|
| «cómo elegir un CRM para pequeñas empresas» | informativo | alto | 1 |
| «CRM vs Excel para ventas» | comparativo | medio | 2 |
| «cómo migrar datos de un CRM a otro» | práctico | alto | 1 |
El tipo de consulta determina el formato de la respuesta esperada del LLM: informativo: definición + lista; comparativo: tabla o pros/contras; práctico: instrucción paso a paso.
El volumen objetivo de la matriz para la primera auditoría es de 150–300 consultas. Menos no es suficiente para identificar patrones. Más es difícil de procesar manualmente sin automatización.
Paso 2. Ejecución de prompts por lotes
La revisión manual de 300 consultas en tres motores implica 900 consultas. Esto es irreal para un equipo editorial sin un sistema.
Enfoque con API
Si tienes acceso a la API de OpenAI, Anthropic o Google Gemini, puedes automatizar el envío de consultas y la recopilación de respuestas. El prompt para la auditoría debe estar estructurado:
Eres un analista de visibilidad de contenido. Te envío una consulta de búsqueda del usuario.
Respóndela como lo haría ChatGPT/Perplexity/Gemini, utilizando solo
información de internet. Al final de la respuesta, indica:
- Qué fuentes citarías (nombre del sitio + URL)
- Qué fragmento de cada fuente utilizaste
- Por qué elegiste esas fuentes
Esto te da no solo la respuesta, sino también la justificación de la elección de fuentes: la parte más valiosa de la auditoría.
Enfoque sin API
Si no se dispone de API, utiliza un proceso semimanual:
- Divide la matriz en lotes de 20–30 consultas.
- Envía cada consulta a ChatGPT (con búsqueda web), Perplexity y Gemini.
- Registra: si apareció tu marca, si apareció un competidor, qué fuentes se citaron, qué tipo de respuesta se generó.
- Utiliza una hoja de cálculo compartida para registrar los resultados.
El tiempo para un lote de 30 consultas en tres motores es de aproximadamente 2–3 horas de trabajo de un analista o editor.
Paso 3. Categorización de las brechas de visibilidad
Los datos recopilados deben convertirse en una imagen manejable. Cada fila de la matriz, después de la auditoría, recibe uno de cuatro estados:
- Presencia con cita: tu sitio fue citado, se utilizó un fragmento. Esta es tu zona de fortaleza.
- Presencia sin cita: la marca se menciona, pero sin enlace o fragmento. Parcialmente exitoso.
- Ausencia, competidor presente: brecha de visibilidad con un competidor conocido. Prioridad para el plan de contenido.
- Ausencia, nadie presente: «punto ciego». El LLM no encuentra una fuente de calidad. La mayor oportunidad para producir contenido original.
Mapa de brechas
Después de la categorización, agrupa las brechas por clústeres temáticos. Por ejemplo, si 12 de 15 consultas en el clúster «integraciones CRM» muestran ausencia de tu contenido, no son 12 tareas separadas, sino un proyecto de contenido: una serie de artículos o una guía ampliada sobre integraciones.
La clusterización revela tres tipos de situaciones:
- Brecha sistemática: falta todo un clúster. Solución: producción de un nuevo proyecto de contenido.
- Brecha puntual: consultas específicas en un clúster donde hay contenido, pero no se cita. Solución: mejora de los artículos existentes: estructura, datos, citabilidad.
- Brecha de formato: hay contenido, pero el formato no coincide con lo que extraen los LLM. Por ejemplo, tienes un artículo tipo ensayo, pero los LLM buscan una tabla comparativa. Solución: reestructuración.
Paso 4. Priorización del plan de contenido
No todas las brechas merecen ser cerradas. La priorización es un paso crítico que diferencia el AEO con sentido de la producción sin reflexión.
Criterios de priorización
- Valor comercial de la consulta: si la consulta está relacionada con el producto, servicio o etapa del embudo donde la conversión es real.
- Frecuencia de la consulta: cuántas veces aparece una variante de esta consulta en Search Console, Reddit, PAA.
- Tipo de brecha: «punto ciego» (nadie presente) tiene prioridad sobre «competidor presente», porque la barrera de entrada es más baja.
- Costo de producción: si puedes crear material con datos únicos (datos primarios, experiencia experta, investigación original) que los LLM quieran citar.
- Importancia estratégica del clúster: si el clúster está relacionado con el tema central de la marca o es periférico.
Matriz de prioridades
Cruza el valor comercial y el tipo de brecha:
- Valor alto + punto ciego → producir inmediatamente, esta es tu oportunidad de convertirte en la fuente original.
- Valor alto + competidor presente → producir con diferenciación: datos primarios, experiencia experta, estructura más completa.
- Valor bajo + cualquier brecha → posponer o delegar para mejorar el contenido existente.
- Valor alto + presencia sin cita → mejorar el material existente: añadir fragmentos citables, datos estructurados, definiciones claras.
Paso 5. Transformación de los resultados en un plan editorial
El resultado de una auditoría de prompts no es un informe, sino un plan de contenido actualizado. Cada brecha prioritaria debe convertirse en una tarea específica en el sistema editorial.
Tipos de tareas
- Nuevo material: para «puntos ciegos» y clústeres donde el contenido falta por completo. Tema, formato, consultas objetivo, tipo de respuesta LLM esperada.
- Mejora del existente: para brechas puntuales y de formato. Cambios específicos: añadir tabla comparativa, definición estructurada, bloque de FAQ, datos primarios.
- Actualización de contenido obsoleto: para consultas donde tu contenido era relevante, pero dejó de citarse. Los LLM prefieren fuentes frescas.
Integración en el flujo de trabajo
La auditoría de prompts no debe ser un proyecto único. Intégrala en el ciclo editorial:
- Cada 4–8 semanas: auditoría completa de la matriz de consultas.
- Semanalmente: monitoreo de 10–15 consultas clave de la matriz para rastrear cambios.
- Antes de lanzar un proyecto de contenido: mini-auditoría de 20–30 consultas en el clúster del tema para refinar el enfoque y la estructura.
Paso 6. Medición del progreso
Sin medición, la auditoría de prompts se convierte en un ejercicio sin resultado. Rastrea tres métricas:
- Proporción de presencia: porcentaje de consultas de la matriz donde tu contenido aparece en las respuestas de los LLM. Línea base después de la primera auditoría, objetivo: crecimiento de 5–10 puntos porcentuales por ciclo.
- Proporción de presencia con cita: porcentaje de consultas donde tu sitio no solo se menciona, sino que se cita con un fragmento. Esta es una métrica de calidad, no solo de alcance.
- Velocidad de cierre de brechas: cuántas brechas de la auditoría anterior se cerraron en la actual. Muestra la eficiencia de la producción de contenido.
Errores comunes al iniciar una auditoría de prompts
- Uso de un solo motor: ChatGPT, Perplexity y Gemini dan respuestas diferentes. Auditar en un solo motor crea un punto ciego.
- Ignorar las formulaciones conversacionales: si la matriz consiste solo en «palabras clave» al estilo Google, no verás las consultas reales de los usuarios de LLM.
- Reaccionar con publicación masiva: el escenario más común según Search Engine Land: encontrar cientos de brechas e inundarlas con contenido de IA. Esto perjudica tanto al SEO como al AEO.
- Falta de clusterización: trabajar cada brecha individualmente sin agrupar por temas conduce a contenido fragmentado que los LLM no citan.
- Ignorar el tipo de presencia: la mención de marca sin cita no es una victoria. El objetivo es convertirse en la fuente que los LLM citan con un fragmento.
Lista de verificación: lanzamiento de la primera auditoría de prompts
- Recopilar una matriz de 150–300 consultas de 5 fuentes: Search Console, PAA, Reddit, contenido de la competencia, sugerencias de búsqueda
- Etiquetar cada consulta: tipo (informativo/comparativo/práctico), valor comercial, prioridad
- Ejecutar la matriz a través de 3 motores: ChatGPT con búsqueda web, Perplexity, Gemini
- Registrar para cada consulta: presencia de tu marca, presencia de competidores, fuentes citadas, tipo de respuesta
- Categorizar los resultados: presencia con cita / sin cita / ausencia con competidor / punto ciego
- Agrupar las brechas por clústeres temáticos y determinar el tipo: sistemático / puntual / de formato
- Cruzar los clústeres con la matriz de prioridades y transferir las 10 principales brechas al plan editorial como tareas específicas
Cómo se relaciona la auditoría de prompts con el SEO tradicional
Según Avinash Kaushik de Human Made Machine, «el SEO tradicional sigue siendo importante y crea una base sólida para el AEO». La auditoría de prompts no reemplaza a la auditoría SEO: la amplía. El SEO proporciona la base: ranking, indexación, salud técnica. La auditoría de prompts añade una capa: visibilidad en respuestas sintetizadas, tipo de cita, panorama competitivo en respuestas de IA.
Los medios editoriales que implementan la auditoría de prompts como complemento a la auditoría SEO obtienen una imagen más completa: dónde son visibles en los resultados clásicos, dónde en las respuestas de IA, y dónde las brechas en ambos canales coinciden o divergen. La divergencia es una señal especialmente interesante: si el contenido rankea en Google, pero no se cita en los LLM, el problema no es la calidad, sino la estructura y el formato que los LLM no pueden extraer.
Preguntas frecuentes
¿En qué se diferencia la auditoría de prompts de una auditoría SEO normal?
La auditoría SEO analiza las posiciones en los resultados de búsqueda. La auditoría de prompts registra qué fuentes eligen los LLM para sintetizar la respuesta, qué fragmentos citan y en qué formulaciones de consultas tu marca o competidores aparecen en las respuestas de IA.
¿Cuántas consultas se necesitan para la primera auditoría de prompts?
Un mínimo de 150–300 consultas de 5 fuentes: Search Console, People Also Ask, Reddit, contenido de la competencia y sugerencias de búsqueda. Menos no es suficiente para identificar patrones, más es difícil de procesar sin automatización a través de API.
¿Con qué frecuencia se debe repetir la auditoría de prompts?
Una auditoría completa de la matriz cada 4–8 semanas, porque las respuestas de los LLM cambian con más frecuencia que los SERP. Semanalmente se recomienda monitorear 10–15 consultas clave para rastrear la dinámica.
¿Es necesario usar API para la auditoría de prompts o se puede hacer manualmente?
Para la primera auditoría es suficiente un proceso semimanual: lotes de 20–30 consultas en tres motores con registro en una hoja de cálculo. Para auditorías regulares y escalar la matriz por encima de 300 consultas, se recomienda la automatización a través de la API de OpenAI, Anthropic o Google Gemini.
¿Qué hacer con los resultados de la auditoría de prompts?
Categorizar las brechas, agruparlas por clústeres temáticos, priorizarlas por valor comercial y tipo de brecha, y luego transferir las 10 principales al plan editorial como tareas específicas: nuevo material, mejora del existente o actualización de contenido obsoleto.
Conclusión
La auditoría de prompts es el puente entre el SEO y el AEO. Convierte el objetivo abstracto de «ser visible en las respuestas de IA» en una lista concreta de brechas, clústeres y tareas. Los medios editoriales que implementan la auditoría de forma sistemática, con una matriz de consultas, prompts por lotes, categorización y priorización, obtienen no solo otro informe, sino una herramienta de planificación de contenido que conecta directamente la visibilidad en las respuestas de IA con el plan de producción del equipo.
