Este es un escenario sintético. Los números sirven para explicar el marco de medición; no son datos de clientes de Gravity ni de una marca específica. Con monitoreo completo, el equipo no ve solo un número mayor en GA4, sino cinco capas: referrals rastreables, impresiones de AI Overview, Dark AI Traffic, crawler intent y Citation SOV. La pregunta cambia de "¿IA es grande en GA4?" a "¿qué capa está subestimada y qué capa requiere acción operativa?"
Level 0: GA4 nativo
Confirmar AI Assistant, conservar custom groups históricos, ajustar prioridades y añadir plataformas no reconocidas por regex: DeepSeek, Perplexity, Kimi, Doubao, Tongyi Qianwen, Zhipu, ERNIE, Yuanbao, Poe, You.com, Grok, Mistral. Resultado: Layer 1 parcialmente visible.
Level 1: GSC AI Reports + análisis cruzado
Registrar AI impressions, páginas citadas y tendencia. Si impressions suben y Organic clicks bajan, hay Great Decoupling. Las páginas citadas son tu storefront en búsqueda IA y deben estar actualizadas.
Level 2: server-side + intent classification
Dimension | GA4 (Client-Side) | Server-Side |
|---|---|---|
AI crawler visibility | Invisible | Visible |
Referrer-stripped traffic | Direct | Identificable con UA + IP |
AdBlocker impact | Bloqueado | Menos afectado |
AI platform coverage | alcance nativo limitado | cobertura multi-plataforma extensible |
Crawler intent classification | No | Cinco intenciones |
Data latency | 24-48 h | Casi real-time |
Aquí aparecen AI Crawler Profile, user_fetch, Dark AI y GEO Score. La marca deja de ver solo clicks humanos y empieza a ver atención e intención del ecosistema IA.
Level 3: Citation SOV
Definir queries, ejecutarlas en plataformas IA y medir menciones, posición, contexto, sentiment y competidores.
Metric | Meaning |
|---|---|
Citation Rate | Porcentaje de queries donde aparece la marca |
Average Position | Posición media |
Platform Coverage | Plataformas con mención |
Sentiment Distribution | Tono |
Competitive SOV | Share frente a competidores |
Resumen
Level | Investment | New Coverage | Expected Outcome |
|---|---|---|---|
L0 | 5 min | Layer 1 parcial | Referral IA visible parcialmente |
L1 | 30 min/semana | Layer 2 impressions | Entender decoupling |
L2 | Inversión técnica | Layer 1/3/4 | Actividad e intención visibles |
L3 | Operación continua | Layer 5 | Zero-click medible |
Todas las marcas deben hacer L0. Con más de 10 000 visitas mensuales, L1. Si IA es prioridad de crecimiento, L2. Líderes de categoría, L3.
Estos niveles deben verse como un modelo de madurez, no como una lista de herramientas. L0 responde si los referrals evidentes de IA ya son visibles. L1 responde si la marca aparece en superficies IA de Google. L2 responde si los ecosistemas IA leen, buscan o recuperan páginas por usuarios. L3 responde si la IA recomienda la marca frente a competidores. Cada nivel reduce una incertidumbre distinta.
Para decisiones de presupuesto, el reporte no debe mostrar solo "AI traffic %". Debe mostrar qué capas están cubiertas, cuáles siguen ciegas y qué hipótesis quedan abiertas. Así el CMO puede decidir si el siguiente dólar debe ir a contenido, infraestructura técnica, Citation SOV o conversión.
Un plan pragmático puede ejecutarse por trimestre. Mes 1: configurar GA4 y GSC y crear baseline para AI Assistant, Organic, Direct y AI Impressions. Mes 2: activar logs server-side y clasificar los principales crawlers. Mes 3: iniciar Citation SOV en las queries de categoría priorizadas. La pregunta deja de ser "¿IA es grande?" y pasa a ser "¿qué capa limita el crecimiento?".
Esta hoja de ruta también necesita ownership. Marketing define query sets y prioridades de contenido; Engineering garantiza acceso a datos; Data controla calidad de medición; Leadership asigna presupuesto según cobertura por capa. Sin ownership, AI Monitoring es otro dashboard. Con ownership, se convierte en un sistema de crecimiento.
El equipo debe revisar el progreso en ciclos fijos. No basta con instalar medición una vez. Cada mes se debe preguntar qué páginas ganaron citas, qué plataformas aumentaron user_fetch, qué Direct parece tener origen IA y qué cambios de contenido mejoraron respuesta o conversión.
También conviene convertir esas preguntas en una agenda semanal. Primero se revisan anomalías de tráfico y Direct. Luego se revisan páginas con mayor AI impression y Citation SOV. Después se miran crawlers por intent y páginas con user_fetch. Finalmente se asignan acciones: actualizar FAQ, mejorar pricing, corregir Schema, reforzar trust proof o ajustar landing pages. Sin esa secuencia, los datos existen pero no cambian decisiones.
Esa agenda evita reducir IA a un pequeño canal referral. Si una página gana citas pero no convierte, el problema puede estar en oferta o landing page. Si los crawlers no leen páginas de confianza, el problema es contenido y acceso técnico. El reporte debe terminar con responsables y fechas, no con una gráfica más.
Para una marca DTC, el resultado práctico es una lista corta de mejoras. Una página de producto puede necesitar mejor tabla de especificaciones; una página de garantía puede necesitar lenguaje más claro; una comparativa puede necesitar datos actualizados; una landing page puede necesitar prueba social o entrega más visible. El monitoreo de IA solo crea valor cuando termina en esos cambios concretos.
FAQ
Q1: ¿Custom groups chocan con AI Assistant?
A: Pueden. Déjalos para plataformas no reconocidas nativamente.
Q2: ¿Shopify sin servidor puede hacer Level 2?
A: Sí, con Cloudflare Workers, Vercel Edge Functions o CDN layer.
Q3: ¿Cuántos samples necesita Citation SOV?
A: Mínimo 30 queries, 3 plataformas y 4 semanas; un volumen mayor mejora la fiabilidad.
Q4: ¿Coste aproximado?
A: L0 gratis, L1 tiempo, L2 desarrollo o SaaS, L3 depende de frecuencia.
Q5: ¿Si solo hago uno?
A: Level 2 por ROI y por abrir crawler intent.