Hazle la misma pregunta dos veces a un asistente de IA y puedes recibir dos respuestas distintas. Eso hace que todo puntaje de visibilidad en IA sea una estimación — y la mayoría se construye con muchas menos respuestas de las necesarias para sostener las conclusiones que se sacan de ellos.
Los modelos de lenguaje grandes muestrean su salida. La misma pregunta, hecha de la misma manera, puede nombrar tu marca en una respuesta y dejarla fuera en la siguiente. Así que “¿ChatGPT nos recomienda?” no tiene una respuesta de sí o no; tiene una tasa. Estimas esa tasa preguntando muchas veces y contando — y como toda estimación a partir de una muestra, viene con un margen de error.
Cada fila muestra una marca observada en la mitad de sus respuestas muestreadas, y el intervalo de confianza del 95% de su visibilidad real (intervalo de puntuación de Wilson, que se comporta bien con muestras pequeñas). La última columna es el margen ± de los libros de texto al 50%, como comparación.
| Respuestas muestreadas | Observado | Rango del 95% de la visibilidad real | Margen simple |
|---|---|---|---|
| 5 | 2 de 5 (40%) | 12%–77% | ±44 pts |
| 10 | 5 de 10 (50%) | 24%–76% | ±31 pts |
| 15 | 7 de 15 (47%) | 25%–70% | ±25 pts |
| 25 | 12 de 25 (48%) | 30%–67% | ±20 pts |
| 50 | 25 de 50 (50%) | 37%–63% | ±14 pts |
| 100 | 50 de 100 (50%) | 40%–60% | ±10 pts |
| 200 | 100 de 200 (50%) | 43%–57% | ±7 pts |
| 400 | 200 de 400 (50%) | 45%–55% | ±5 pts |
Cinco respuestas es un tamaño común para una revisión rápida — incluida nuestra propia revisión gratis. Si la visibilidad real de una marca es exactamente 50%, estas son las probabilidades de cada puntaje:
| Puntaje | 0/5 | 1/5 | 2/5 | 3/5 | 4/5 | 5/5 |
|---|---|---|---|---|---|---|
| Probabilidad | 3.1% | 15.6% | 31.2% | 31.2% | 15.6% | 3.1% |
Una revisión de cinco respuestas sirve para una cosa: decirte si apareces siquiera. Si sacas 0/5, tu visibilidad real probablemente es baja (el límite superior del 95% es 43%). No sirve para distinguir 40% de 60%, ni esta semana de la pasada.
Comparar dos periodos es más difícil que medir uno, porque las dos lecturas tienen ruido. La tabla da el cambio más pequeño que podrías detectar de forma fiable (80% de potencia, 5% de significancia, alrededor de 50% de visibilidad) con el mismo número de respuestas en cada periodo.
| Respuestas por periodo | Cambio mínimo detectable |
|---|---|
| 5 | 89 pts |
| 15 | 51 pts |
| 25 | 40 pts |
| 50 | 28 pts |
| 100 | 20 pts |
| 200 | 14 pts |
| 400 | 10 pts |
Así que un dashboard que reporta “+8 puntos esta semana” con 25 respuestas a la semana reporta sobre todo ruido. Las líneas de tendencia de muchas semanas, o agrupadas entre muchas preguntas, son mucho más fiables que cualquier variación de una semana a otra.
Las matemáticas de arriba suponen que cada respuesta es un sorteo independiente. No lo son del todo: las respuestas repetidas a la misma pregunta están correlacionadas, así que 5 preguntas hechas 3 veces cada una aportan menos información que 15 preguntas distintas. Reparte tu muestra entre muchas preguntas de compradores distintas en vez de repetir unas pocas, y toma los rangos de arriba como el mejor caso.
Nuestras palabras clave rastreadas hacen cada una de cinco preguntas congeladas tres veces por ejecución justo por esta razón, y nuestra metodología muestra la muestra detrás de cada cifra. Para las fórmulas de las métricas en sí, mira cómo calcular el share of voice en IA.
Puedes citar y graficar estas cifras con un enlace de vuelta. Cita sugerida: Mentioned, “¿Cuántas respuestas de IA necesitas para medir la visibilidad? Las matemáticas del margen de error”, 25 de octubre de 2026, https://mentioned.at/learn/ai-visibility-margin-of-error. Los datos y el texto se publican bajo CC BY 4.0.