Cómo filtrar tus datos por modelo de IA, país, etiqueta y fecha en AmICited

Cada número en AmICited responde a un mismo control: la barra de filtros global en la parte superior de la aplicación. Modelo de IA, país, etiqueta y rango de fechas reenfocan todo el producto a la vez — por eso aprender a usar estos filtros es la clave para interpretar correctamente cualquier otra vista.

Qué es la segmentación de visibilidad en buscadores de IA

La visibilidad en buscadores de IA mide con qué frecuencia, y con qué grado de protagonismo, una marca es citada por asistentes de IA — ChatGPT, Perplexity, Gemini y Google AI Overviews — cuando las personas hacen preguntas relacionadas con la categoría de esa marca. A diferencia de un rastreador de rankings SEO tradicional, que reporta una posición por palabra clave y por motor de búsqueda, un motor de respuestas de IA puede citar cero, una o varias fuentes en una sola respuesta, en cualquier orden, y la respuesta en sí puede variar de un momento a otro. Esa variabilidad es precisamente la razón por la que un único número agregado de visibilidad rara vez es suficiente para actuar — te dice que algo cambió, no por qué.

La segmentación consiste en desglosar ese número agregado a lo largo de las dimensiones que realmente explican la varianza: qué motor de IA generó la respuesta, en qué país o idioma se formuló la consulta, a qué tema o campaña pertenece el prompt, y qué ventana temporal cubren los datos. Cada dimensión aísla un tipo distinto de desviación. Una marca puede ser citada constantemente en ChatGPT y nunca en Gemini, porque ambos modelos se entrenan de forma diferente y ponderan las fuentes de manera distinta — eso es un efecto de modelo. Una marca puede dominar su mercado local pero ser invisible en el extranjero, porque AI Overviews y Perplexity se apoyan en fuentes y señales lingüísticas específicas de cada región — eso es un efecto de país. La cuota de voz de una marca puede parecer sólida en conjunto y, sin embargo, ocultar el hecho de que está ganando en prompts informativos y perdiendo en los comerciales — eso es un efecto de etiqueta, o de tema. Y cualquiera de estos factores puede cambiar tras una actualización de modelo, una publicación de contenido o el lanzamiento de un competidor — algo que solo una comparación por rango de fechas revelará.

Esto importa para el trabajo de optimización para motores generativos porque la solución para “no nos están citando” es completamente distinta según cuál sea la dimensión que impulsa esa brecha. Si la brecha es específica de un modelo, la solución puede ser técnica — asegurarte de que tu contenido sea rastreable y esté bien estructurado para el proceso de recuperación de información de ese motor. Si es específica de un país, la solución puede ser contenido localizado o relaciones públicas y citaciones específicas de esa región. Si es específica de una etiqueta, la solución suele ser de cobertura de contenido — simplemente no has publicado nada que responda bien a esos prompts. Filtrar no es una función cosmética de la interfaz; es el paso de diagnóstico que convierte un vago “nuestra visibilidad en IA cayó” en una hipótesis concreta y accionable.

Los cuatro filtros de AmICited se corresponden directamente con este marco de trabajo, y como se pueden combinar entre sí — puedes cruzar País y Etiqueta, o Modelo de IA y Rango de fechas, al mismo tiempo — te permiten formular preguntas realmente acotadas, como “¿cómo rinden nuestros prompts de precios en EE. UU. en Perplexity durante los últimos 30 días?”, en lugar de mirar siempre la cuenta completa de una sola vez.

Dónde encontrarla

La barra de filtros se ubica en la barra superior, presente en todas las páginas de la aplicación: Todos los modelos de IA, Todos los países, Todas las etiquetas, y un control de rango de fechas (por ejemplo, Últimos 30 días), situada junto al botón de actualizar y a la acción + Nuevo prompt. Al estar fija en el encabezado en lugar de escondida en un panel de configuración, permanece visible y ajustable sin importar en qué vista te encuentres — Panel, Prompts, Fuentes o Competidores — así que nunca tienes que volver a navegar para cambiar tu alcance de análisis.

Qué hace cada filtro

• Modelo de IA — enfoca cada gráfico y tabla en un único motor (ChatGPT, Perplexity, Gemini o Google AI Overview) o los muestra todos combinados. Es el filtro que con más frecuencia explica una cifra global desconcertante: los motores obtienen datos de índices distintos, ponderan las citaciones de IA de forma diferente y se actualizan en ciclos distintos, de modo que una puntuación agregada puede ocultar un problema real en un motor concreto.
• País — enfoca los resultados en un mercado específico. Si monitoreas la visibilidad en IA en varias regiones, este filtro es imprescindible — los motores de respuestas de IA localizan los resultados, y una marca bien citada en la versión de Perplexity de un país puede estar prácticamente ausente en otro.
• Etiqueta — enfoca en un grupo de prompts que hayas etiquetado, ya sea por campaña, etapa del embudo, línea de producto o tema. Las etiquetas te permiten tratar tu biblioteca de prompts no como una simple lista plana, sino como un conjunto de cohortes con nombre propio que puedes reportar de forma independiente.
• Rango de fechas — define la ventana temporal sobre la que se calcula cada línea de tendencia, promedio y variación. Es lo que convierte una métrica puntual en una tendencia, y es el filtro al que recurrirás con más frecuencia al investigar un cambio concreto.

Cómo usarlo

1. Cambia un filtro a la vez. Cuando estés comparando cifras, ajusta un solo control para saber exactamente qué provocó el cambio en el número. Cambiar Modelo de IA y Rango de fechas simultáneamente hace imposible determinar cuál de los dos cambios causó la diferencia que observas.
2. Diagnostica por motor. Cambia el filtro Modelo de IA a cada motor por turno para descubrir dónde eres fuerte y dónde eres invisible. Es habitual ver una puntuación de visibilidad en IA global saludable que en realidad está siendo sostenida por un solo motor, mientras otro apenas muestra actividad — un patrón que nunca detectarías mirando solo la vista de “Todos los modelos de IA”.
3. Segmenta por mercado y temática. Combina País y Etiqueta para responder preguntas concretas como “¿cómo rinden nuestros prompts de precios en EE. UU. en Perplexity?”. En este tipo de filtrado combinado reside el verdadero valor diagnóstico — un solo filtro te dice que algo no va bien, dos filtros juntos empiezan a decirte dónde.
4. Elige la ventana correcta. Amplía el Rango de fechas para leer tendencias a largo plazo — ¿la cuota de voz sube o baja a lo largo de un trimestre? — o redúcelo para examinar un cambio reciente, como los días inmediatamente posteriores a la publicación de contenido, al lanzamiento de un competidor o a una actualización de modelo conocida.
5. Vuelve a revisar la barra de filtros antes de confiar en cualquier cifra. Como los filtros persisten al moverte entre páginas, es fácil arrastrar un alcance reducido (por ejemplo, un solo país, últimos 7 días) hacia una vista en la que pretendías ver el panorama completo. Adquiere el hábito de mirar primero la barra cada vez que una métrica parezca inesperadamente alta, baja o plana.

Cómo interpretar correctamente los datos filtrados

Unos pocos hábitos prácticos evitan que las vistas filtradas confundan en lugar de aclarar. Primero, vigila el tamaño de la muestra: reducir simultáneamente por País, Etiqueta y Modelo de IA puede disminuir tanto el número de prompts y respuestas de IA subyacentes que las variaciones semana a semana pasan a ser puro ruido, no una señal real — si un gráfico filtrado se ve errático, amplía primero una de las dimensiones antes de concluir que algo ha cambiado. Segundo, trata el valor predeterminado “Todos los modelos de IA” como un punto de partida, no como la respuesta — es útil para una revisión rápida del estado general, pero cualquier investigación real sobre por qué se movió una cifra debería derivar de inmediato hacia vistas por motor, ya que los motores se comportan lo suficientemente como canales independientes como para que promediarlos oculte la historia real. Tercero, cuando estés elaborando un informe recurrente — por ejemplo, una actualización mensual para un cliente si gestionas la visibilidad en IA de toda la cartera de clientes de una agencia — guarda la combinación de filtros a la que llegues como tu vista estándar, de modo que las comparaciones mes a mes midan siempre el mismo fragmento de datos, en lugar de comparar peras con manzanas por accidente porque un rango de fechas se restableció de forma distinta.

Las etiquetas merecen una mención especial porque, a diferencia de Modelo de IA y País, son algo que tú mismo defines. Una configuración de seguimiento de prompts bien organizada suele etiquetar los prompts a lo largo de al menos dos ejes — tema (por ejemplo, “precios”, “comparación”, “cómo hacer”) y etapa del embudo (por ejemplo, “descubrimiento”, “consideración”, “decisión”) — de modo que filtrar por Etiqueta pueda responder tanto a “¿somos visibles en preguntas con intención comercial?” como a “¿somos visibles en las primeras etapas del recorrido del comprador, cuando la consideración de marca todavía se está formando?”. Si tu biblioteca de prompts se importó o creció de forma orgánica sin etiquetas, vale la pena dedicar tiempo a añadirlas retroactivamente; la barra de filtros se vuelve mucho más útil una vez que cada prompt lleva al menos una etiqueta significativa. Para los equipos que aún están decidiendo cómo estructurar ese conjunto de prompts desde el principio, revisar cómo encontrar qué prompts hacen que la IA mencione tu marca es un buen siguiente paso antes de empezar a etiquetar.

Dónde encaja esto en un flujo de trabajo de GEO

La barra de filtros no es una comodidad de generación de informes añadida al panel — es el mecanismo que hace que cualquier otra vista de AmICited sea fiable. Una tendencia de citaciones, una comparación con la competencia o un desglose de fuentes solo son tan útiles como la certeza que tengas de saber exactamente qué modelo, mercado, tema y ventana temporal los produjeron. Una vez que te sientas cómodo alternando entre estos cuatro filtros, el siguiente paso natural es observar qué te están indicando hacer realmente las vistas filtradas — ya sea cerrar una brecha en un motor concreto, priorizar contenido para un país con bajo rendimiento, o redirigir el esfuerzo hacia las etiquetas de prompts donde tu rastreador de rankings en IA muestra la mayor oportunidad. Domina la barra de filtros y cada otra función de esta Academia se volverá más precisa, porque siempre sabrás con exactitud qué fragmento de datos estás mirando antes de actuar sobre él.