“Este mes, las fuentes de IA generaron X visitas y Y ingresos.” La frase parece clara. Muchas veces es demasiado clara. Mezcla hechos distintos: una respuesta de IA menciona la marca, un agente lee una página, una persona hace clic en una recomendación, esa persona muestra intención comercial y quizá una orden puede vincularse con la sesión. Son niveles de evidencia diferentes.
El principal riesgo de la atribución con IA no es solo tener pocos datos. Es juntar datos que no significan lo mismo.
Las cinco capas de AIAA
Answer es la exposición en respuestas de IA. La marca aparece, una página se cita, la información de producto se utiliza. Es visibilidad, no visita.
Request es actividad de máquina. Un agente de IA lee páginas de producto, precios, inventario o políticas. Aquí importan los logs de servidor y Edge. Pero un request no es intención humana.
Visit es la llegada de una persona. Un usuario hace clic desde ChatGPT, Perplexity, Gemini u otra experiencia de IA. Es más valioso que un request, pero todavía no es conversión.
Commerce es el comportamiento con intención: vista de producto, carrito, checkout, formulario, demo. En esta capa la visibilidad de IA empieza a tocar métricas de growth.
Attribution es la prueba más fuerte. Referrer, session, order y CRM permiten explicar por qué un ingreso puede atribuirse a una fuente de IA.
Área | Fuente de datos | Métricas principales | Frecuencia |
|---|---|---|---|
Answer | Muestreo de respuestas IA, monitoreo SOV | Menciones de marca, precisión de citas, comparación competitiva | Semanal |
Request | Logs Edge, logs de servidor | Volumen de requests Agent, rutas, tipos de agente | Diario |
Visit | JS first-party, GA4 AI Assistants | Sesiones IA, landing pages, comportamiento | Diario |
Commerce | Plataforma e-commerce + datos first-party | Vistas PDP IA, carrito, checkout | Diario |
Attribution | Join sesión-orden | Órdenes atribuidas a IA, ingresos, AOV | Semanal |
Capa | Peso | Razón |
|---|---|---|
Answer | 0.2 | Exposición por muestra, no tráfico directo |
Request | 0.3 | Visible en servidor, pero con intención humana débil |
Visit | 0.5 | Llegada humana, sin prueba de conversión |
Commerce | 0.8 | Acción cercana a compra |
Attribution | 1.0 | Revenue conectado con evidencia IA |
Esta estructura evita convertir la contribución de IA en un solo número. Si los requests suben después de conectar Edge logs, puede ser cobertura nueva, no crecimiento real. Si las menciones suben pero no las visitas, el problema puede estar en enlaces, búsqueda de marca, páginas de producto o fuentes externas que los modelos pueden citar.
En reporting conviene separar observed growth y comparable growth. Observed growth muestra todo lo visible hoy. Comparable growth compara solo fuentes existentes en ambos periodos. Sin esta separación, mejorar la medición se confunde con crecimiento de demanda.
Las responsabilidades también cambian por capa. Answer pertenece a GEO y contenido. Request a infraestructura y SEO técnico. Visit y Commerce a growth, e-commerce y analytics. Attribution a BI, CRM, paid media y finanzas. AIAA no es una suma bonita: es una forma de ordenar la calidad de evidencia.
La mezcla crea falsa atribución
Una mención no es una visita. Una visita no es una compra. Una compra no es automáticamente ingreso atribuido a IA. Cuando esos límites se borran, aparecen dos errores: los picos de crawlers se reportan como demanda, y los ingresos normales se presentan como AI revenue sin evidencia suficiente.
Puede verse bien en un reporte mensual, pero debilita la confianza. Un CMO o CFO no necesita el número de IA más grande. Necesita un número que pueda defender.
Un dashboard útil
Un dashboard AIAA debe mostrar las cinco capas por separado. Debe indicar qué fuente de datos alimenta cada capa. También debe marcar cuándo se conecta una nueva fuente, porque un salto después de activar Edge logs puede ser visibilidad nueva, no crecimiento real.
La distinción entre observed growth y comparable growth es clave. Observed growth muestra todo lo que se ve hoy. Comparable growth compara solo fuentes presentes en ambos periodos. Sin esa separación, expansión de cobertura y crecimiento del mercado se confunden.
Para equipos de e-commerce y B2B, esto es especialmente importante. La IA suele influir en la investigación inicial, mientras el último clic puede venir de branded search, direct o retargeting. Last click subestima la IA. Llamar todo “IA” la sobreestima. AIAA intenta quedarse en el medio: más completo, pero defendible.
Gravity conecta GEO, evidencia del sitio, logs, paid media y CRM. La IA descubre hechos, los agentes leen páginas, las personas visitan y el revenue aparece después. La atribución debe conectar esa cadena sin borrar las diferencias entre pruebas.
FAQ
Q1: ¿Qué diferencia hay entre tráfico de IA y contribución de IA?
A: El tráfico habla de visitas. La contribución incluye exposición, requests, visitas, comportamiento comercial e ingresos atribuidos.
Q2: ¿Por qué separar crawlers y sesiones?
A: Los crawlers son actividad de máquina. No prueban intención humana.
Q3: ¿Qué capa es más importante?
A: Para finanzas, Attribution. Para señales tempranas, Answer y Request.
Q4: ¿Cuál es un error común?
A: Interpretar el salto tras conectar logs como crecimiento real, cuando puede ser solo nueva visibilidad.
Q5: ¿Cómo empezar?
A: Con un dashboard que separe Answer, Request, Visit, Commerce y Attribution.