En els darrers mesos han aparegut desenes d’eines que prometen mesurar el “posicionament a ChatGPT”, “ranking en IA” o “visibilitat en motors generatius”. Moltes empreses ja estan invertint pressupostos rellevants en aquest nou tipus d’analítica.
Però… té sentit mesurar la visibilitat en IA com si fos SEO tradicional? Són prou consistents les respostes de ChatGPT, Google AI o Claude com per parlar de rànquings?
Un estudi recent de Rand Fishkin (SparkToro) aporta, per fi, dades serioses per respondre aquestes preguntes. I les seves conclusions són tan incòmodes com necessàries.
El problema: tractar els LLMs com si fossin Google
Durant anys, el SEO ha girat al voltant d’un concepte relativament estable: el rànquing. Una consulta → una SERP → un ordre més o menys consistent.
Els LLMs (Large Language Models) no funcionen així. Són motors probabilístics, dissenyats per generar respostes diferents a cada execució.
Tot i això, moltes eines del mercat estan venent mètriques com:
- “Estàs en posició #1 a ChatGPT”
- “Has pujat 3 posicions en IA”
- “Rànquing de marques en motors generatius”
L’estudi de Rand Fishkin demostra que aquest enfocament és, com a mínim, metodològicament incorrecte.
L’experiment: són consistents les recomanacions de la IA?
L’estudi va analitzar prop de 3.000 execucions dels mateixos prompts a:
- ChatGPT
- Claude
- Google AI Overview / AI Mode
Els resultats són contundents:
- Menys d’1 de cada 100 execucions retorna la mateixa llista de marques.
- Menys d’1 de cada 1.000 retorna la mateixa llista en el mateix ordre.
- El nombre de resultats varia constantment (de vegades 3, de vegades 10 o més).
Conclusió clara:
Parlar de “rànquing” en IA no té sentit.
Els prompts humans: el gran caos
Un altre descobriment clau de l’estudi és l’enorme variabilitat dels prompts reals.
Persones amb la mateixa intenció formulen preguntes completament diferents. L’anàlisi semàntica de l’estudi mostra una similitud mitjana de només 0,081.
Traduït: mesurar 5 o 10 prompts “bonics” no representa la realitat de l’ús de la IA.
Llavors… la visibilitat en IA no es pot mesurar?
Aquí ve el punt interessant.
Malgrat el caos aparent, quan s’executen molts prompts i moltes vegades, emergeixen patrons clars:
- Algunes marques apareixen en el 60–90% de les respostes.
- D’altres apareixen de manera residual.
- D’altres no apareixen mai.
Això passa fins i tot amb prompts humans molt diferents, sempre que comparteixin la mateixa intenció subjacent.
I aquí hi ha la clau.
La mètrica que sí que té sentit: visibilitat percentual
L’estudi conclou que, tot i que el rànquing és inútil, la visibilitat agregada sí que té validesa estadística.
No es tracta de:
“En quina posició surto?”
Sinó de:
“Amb quina probabilitat apareix la meva marca quan algú pregunta per això?”
Això canvia completament l’enfocament del SEO per a LLMs:
- De posicions → a probabilitats
- De rànquings → a presència
- D’una resposta → a distribucions
Quines mètriques d’IA són vàlides (i quines no)
Mètriques que NO tenen sentit
- Rànquing en IA
- Posició mitjana a ChatGPT
- Pujades/baixades de posicions
Aquestes mètriques ignoren la naturalesa probabilística dels LLMs.
Mètriques que SÍ tenen sentit
- Visibilitat percentual per intenció
- Freqüència d’aparició davant competidors
- Cobertura temàtica (en quins tipus de preguntes apareixes)
- Evolució de la visibilitat en el temps
Sempre que es basin en moltes execucions i no en captures aïllades.
Què implica això per a les eines de mesura d’IA
L’estudi no invalida les eines de mesura de visibilitat en IA. Però sí que invalida com algunes es venen.
Una eina és útil només si:
- Executa prompts de manera repetida
- Treballa amb visibilitat agregada, no amb rànquings
- Agrupa per intenció, no per keyword aïllada
- Mostra distribucions, no posicions absolutes
El valor real no és al dashboard, sinó en la interpretació estratègica.
La nostra posició des de Mindset Digital
A Mindset Digital abordem el SEO per a LLMs des d’una posició clara:
- No venem “posicionament #1 en IA”.
- No prometem rànquings inexistents.
- Mesurem probabilitat d’aparició i context.
Primer mesurem. Després entenem. I només llavors decidim si té sentit executar.
En un entorn probabilístic, el rigor metodològic no és opcional. És l’únic avantatge competitiu real.
FAQs sobre SEO per a LLMs i visibilitat en IA
Sí, sempre que s’entengui com un treball de visibilitat i probabilitat, no com un substitut directe del SEO tradicional ni com un sistema de rànquings.
Depèn del sector i de l’amplitud de l’espai competitiu, però l’estudi suggereix que calen desenes o centenars d’execucions per obtenir dades estadísticament raonables.
Tots dos poden ser útils. Les dades mostren que, si capturen bé la intenció subjacent, els resultats agregats tendeixen a convergir.
No. El SEO per a LLMs és complementari. La visibilitat en IA depèn en gran part dels mateixos actius: contingut, autoritat, claredat i estructura.
Els sectors amb espais de marca més acotats (salut, serveis professionals, SaaS, educació) tendeixen a mostrar patrons de visibilitat més estables i accionables.
