Glosario de Términos

Métrica clave para medir el éxito de una estrategia. En LLMO, los KPIs principales son: Visibilidad en IA, Posición Media, Sentiment Score y Share of Voice.

KPI que mide el promedio de posiciones que tu marca ocupa en las respuestas donde es mencionada. Menor número = mejor posición.

Puntuación (típicamente 0-100) que mide el tono general de las menciones de una marca: positivo, neutro o negativo. KPI clave en LLMO.

Porcentaje de menciones que tu marca recibe comparado con competidores en un conjunto de prompts. Mide tu presencia relativa en el mercado de IA.

Porcentaje de prompts monitorizados donde tu marca es mencionada. Si apareces en 30 de 100 prompts, tu tasa de mención es 30%.

KPI principal de LLMO que mide con qué frecuencia tu marca aparece en respuestas de modelos de IA para prompts relevantes de tu industria.

Disciplina de optimización enfocada en aparecer como respuesta directa en cualquier sistema que proporcione respuestas, incluyendo featured snippets de Google, asistentes de voz y chatbots de IA.

Formato de marcado (como Schema.org) que ayuda a los motores de búsqueda y IA a entender el contenido de una página. Incluye tipos como FAQ, Product, HowTo, etc.

Proceso de ajustar un modelo de IA pre-entrenado con datos específicos para mejorar su rendimiento en tareas o dominios particulares.

Disciplina de optimización específica para motores de búsqueda generativos que crean respuestas completas en lugar de mostrar listas de enlaces.

Conjunto de técnicas para optimizar cómo los modelos de lenguaje grande perciben, procesan y recomiendan una marca en sus respuestas.

Técnica que combina un LLM con búsqueda de información externa para generar respuestas más precisas y actualizadas. Usado por Perplexity y ChatGPT Browse.

Vocabulario de datos estructurados (schema.org) que ayuda a los motores de búsqueda a entender el contenido. Tipos comunes: FAQ, Product, Organization, HowTo.

Arquitectura de modelo de lenguaje desarrollada por OpenAI. Base de ChatGPT y otros modelos similares.

Modelo de inteligencia artificial entrenado con grandes cantidades de texto para entender y generar lenguaje natural. Ejemplos: GPT-4, Claude, Gemini, Llama.

LLM pre-entrenado antes de cualquier fine-tuning o personalización. Contiene el conocimiento general aprendido durante el entrenamiento inicial.

Arquitectura de red neuronal base de los LLMs modernos. Permite procesar secuencias de texto entendiendo relaciones contextuales.

Funcionalidad de algunos LLMs (como ChatGPT) que permite buscar información en internet en tiempo real para complementar su conocimiento base.

Referencia a una fuente externa que un motor generativo incluye en su respuesta. Perplexity y Bing Copilot muestran citas explícitas; otros modelos las usan internamente.

Marca que aparece en las mismas respuestas de IA que tu marca, compitiendo por la atención del usuario en el mismo contexto o categoría.

Información que un LLM aprendió durante su entrenamiento inicial. Este conocimiento tiene una fecha de corte (knowledge cutoff) y no incluye eventos posteriores.

Representación numérica de texto que los LLMs usan internamente para entender significado y relaciones semánticas. Fundamental para sistemas RAG.

Proceso mediante el cual un LLM aprende de grandes cantidades de texto. El contenido usado en entrenamiento influye en lo que el modelo 'sabe' sobre marcas y temas.

Fragmento destacado que Google muestra en la parte superior de los resultados de búsqueda, proporcionando una respuesta directa extraída de una página web.

Sitio web o publicación que los modelos de IA consideran confiable y priorizan al generar respuestas. Ejemplos: Wikipedia, medios reconocidos, directorios de industria.

Cuando un modelo de IA genera información falsa o inventada que presenta como verdadera. Riesgo importante en LLMO: el modelo puede inventar características de tu marca.

Proceso por el cual los motores de búsqueda y sistemas RAG almacenan y organizan contenido para poder recuperarlo posteriormente.

Objetivo real del usuario al hacer una pregunta. Puede ser informacional, navegacional, transaccional o comercial. Entender la intención es clave para AEO.

Fecha límite del conocimiento de un LLM. Información posterior a esta fecha no está en el conocimiento base del modelo (aunque puede acceder vía browsing).

Historia y posicionamiento que los modelos de IA asocian con tu marca. Incluye características, beneficios, público objetivo y diferenciadores percibidos.

Resultado que aparece antes del primer enlace orgánico en Google, típicamente un featured snippet. Objetivo principal de AEO tradicional.

Pregunta o instrucción que un usuario da a un modelo de IA. En LLMO, monitorizamos prompts relevantes para ver si nuestra marca aparece en las respuestas.

Texto creado por un modelo de IA en respuesta a un prompt. A diferencia de resultados de búsqueda tradicionales, es contenido original sintetizado por el modelo.

Unidad básica de texto que procesa un LLM. Puede ser una palabra, parte de palabra o símbolo. Los modelos tienen límites de tokens por consulta.

Proceso de confirmar que la información que un LLM proporciona sobre tu marca es correcta. Importante para detectar hallucinations.

Sistema de búsqueda que proporciona respuestas directas en lugar de listas de enlaces. Incluye ChatGPT, Perplexity, Google SGE y asistentes de voz como Alexa o Siri.

Motor de búsqueda que utiliza IA generativa para crear respuestas personalizadas. Ejemplos: Perplexity, Google SGE, Bing Copilot.

Motor de búsqueda generativo que combina LLMs con búsqueda en tiempo real, proporcionando respuestas con citas a fuentes verificables.

Funcionalidad de Google que muestra resúmenes generados por IA en la parte superior de los resultados de búsqueda. También conocido como AI Overview.

Base de datos optimizada para almacenar y buscar embeddings. Componente clave de sistemas RAG para recuperar información relevante.

Enciclopedia colaborativa que es una de las fuentes más influyentes para el conocimiento base de LLMs. Tener presencia en Wikipedia mejora significativamente la visibilidad en IA.

Métrica que mide con qué frecuencia y en qué contexto una marca es mencionada en respuestas generadas por modelos de inteligencia artificial como ChatGPT, Claude o Perplexity.

Instancia en la que una marca es nombrada explícitamente en una respuesta de IA. Puede ser positiva, neutra o negativa según el contexto.

Cuando dos o más marcas aparecen juntas en la misma respuesta de IA. Analizar co-menciones revela con qué competidores te asocia el modelo.

Referencia a una marca en contexto desfavorable: críticas, problemas, comparaciones negativas. Afecta negativamente al Sentiment Score.

Referencia a una marca en contexto favorable: recomendaciones, elogios, casos de éxito. Contribuye positivamente al Sentiment Score.

Lugar que ocupa tu marca en una lista de recomendaciones de IA. Aparecer primero tiene mayor impacto que aparecer al final de la lista.