Cómo funciona esta comprobación
Esta es la única comprobación que pregunta a una inteligencia artificial. Scanaris le pasa a un modelo de lenguaje tu dominio (sin el www) y el título de tu página, y le pide que responda únicamente si tiene conocimiento previo, real y específico de esa web o marca, con la instrucción expresa de responder que no si tendría que adivinar por el nombre. El modelo devuelve un sí o un no. Si es no, abre un hallazgo informativo que no resta puntos. Si el modelo falla o no responde en el formato esperado, no se abre nada: ante la duda, no se inventa un hallazgo. Se usa un modelo pequeño y rápido para que la prueba sea barata y consistente.
Qué significa el resultado
Un "no" quiere decir que, en el conocimiento con el que se entrenó ese modelo, tu marca no aparece lo suficiente como para que la reconozca. Es una aproximación, no una medida exacta: cada asistente se entrena con datos distintos y además puede buscar en directo. Pero es una señal útil, porque los modelos se entrenan con fuentes parecidas, y si uno no te conoce, es probable que los otros tampoco. Y la consecuencia es concreta: cuando alguien pregunta a ChatGPT, Claude o Perplexity "qué herramienta uso para X", los asistentes recomiendan lo que conocen. Si no te conocen, no te recomiendan, por bueno que sea tu producto. Para una marca nueva es el resultado esperado; lo interesante es volver a escanear dentro de unos meses y ver si cambia.
Cómo mejorarlo
No hay un atajo técnico: los modelos aprenden de lo que se escribe sobre ti en sitios que rastrean. Lo que funciona, por orden de impacto:
- Estar donde los modelos leen. GitHub, Product Hunt, directorios de tu categoría, G2 y Capterra si eres software, respuestas útiles en Reddit, Stack Overflow y Hacker News, artículos en medios de tu sector. Menciones consistentes de tu nombre junto a lo que haces.
- Contenido que responda preguntas reales. Los asistentes citan páginas que contestan directamente a lo que la gente pregunta: "cómo proteger una app hecha con Lovable", no "soluciones innovadoras de seguridad". Cada pregunta, una página o una sección con su encabezado.
- Datos estructurados con
OrganizationysameAsapuntando a tus perfiles, para que las máquinas unan tu web con lo que ya saben de ti en otras fuentes; lo mide datos estructurados. - Un nombre de marca distintivo y usado siempre igual. Una marca que es una palabra común es casi imposible de reconocer.
- Dejar que te lean: no bloquear los rastreadores de IA y servir el contenido en HTML, no solo en JavaScript.
Cuenta con meses, no semanas: los modelos se reentrenan con cierta periodicidad y las búsquedas en directo necesitan que haya fuentes que citar.
Comprueba que está arreglado
No hay un comando para esto. Lo más parecido es preguntar tú mismo a tres asistentes, en una ventana sin tu historial: "¿Qué es tudominio.com?" y después "¿Qué herramientas recomiendas para [tu categoría]?". Anota las respuestas y repite cada trimestre. El siguiente escaneo de Scanaris vuelve a hacer la prueba automática.
Preguntas frecuentes
El modelo dice que no me conoce pero ChatGPT sí me encuentra.
ChatGPT con búsqueda activada visita la web en directo, que es otra cosa: te encuentra como lo haría Google. Esta comprobación mide el conocimiento previo, el que hace que te recomienden sin que nadie te haya buscado. Cómo comprobar la otra parte está en cómo saber si ChatGPT ve tu web.
¿Por qué es informativo y no resta?
Porque no es un fallo tuyo, es el estado de tu notoriedad. Una web recién lanzada con todo perfecto sacará "no" igualmente. Es una línea base para medir el progreso.
¿Puedo "engañar" al modelo?
No desde tu web: el modelo no la visita en esta prueba, responde con lo que ya sabe. Lo único que cambia el resultado es que haya más información fiable sobre ti en el mundo.