Caso real: auditamos nuestra propia empresa en IA
Antes de pedirle a cualquier empresa que mida su visibilidad en inteligencia artificial, lo hicimos con las nuestras.
En junio de 2026, pasamos nuestras dos aplicaciones — nexux.es (app de citas) y nexux.pro (SaaS para peluquerías) — por el mismo auditor AEO que ofrecemos a clientes. Sin ajustar los números, sin elegir las consultas favorables, sin trampa.
Esto es lo que encontramos.
¿Por qué publicamos esto?
Hay un principio que seguimos en NexuxIntelligence: el dato primero, la promesa después.
Si vamos a decirle a un director de marketing que su empresa tiene un problema de visibilidad en IA, tenemos que ser capaces de demostrar que sabemos medirlo — y que estamos dispuestos a medírnoslo a nosotros mismos con las mismas reglas.
Este artículo es el “antes” de un experimento que termina en julio de 2026. El “después” saldrá cuando tengamos los resultados de la re-auditoría.
Metodología de la auditoría
El auditor lanza 10 consultas representativas por sector en cada uno de los tres motores principales:
- Perplexity — motor de búsqueda conversacional con IA propia
- ChatGPT / Groq — modelo de lenguaje con acceso a datos recientes
- Microsoft Copilot — integrado con Bing, fuerte en búsquedas B2B
Total: 30 consultas por empresa. El AEO Score es el porcentaje de consultas en las que la marca aparece mencionada, ponderado por motor.
Consultas tipo para nexux.es (app de citas)
“¿Cuál es la mejor app de citas en España?” “Aplicaciones de citas más usadas en España en 2025” “Alternativas a Tinder en España para relaciones serias” “App para conocer gente real en España” “Recomendaciones de app de citas para adultos en España”
Consultas tipo para nexux.pro (SaaS peluquerías)
“Software de gestión para peluquerías en España” “Mejores CRM para salones de belleza” “Cómo digitalizar una peluquería — herramientas recomendadas” “App de reservas para peluquería con recordatorios automáticos” “Software agenda para peluquería pequeña”
Resultados — 6 de junio de 2026
nexux.es — App de citas
| Motor | Menciones | Consultas | Score motor |
|---|---|---|---|
| Perplexity | 0/10 | 10 | 0% |
| ChatGPT/Groq | 1/10 | 10 | 10% |
| Microsoft Copilot | 0/10 | 10 | 0% |
| TOTAL | 1/30 | 30 | AEO Score: 8/100 |
nexux.pro — SaaS peluquerías
| Motor | Menciones | Consultas | Score motor |
|---|---|---|---|
| Perplexity | 0/10 | 10 | 0% |
| ChatGPT/Groq | 1/10 | 10 | 10% |
| Microsoft Copilot | 0/10 | 10 | 0% |
| TOTAL | 1/30 | 30 | AEO Score: 9/100 |
Diagnóstico honesto
Score 8–9 sobre 100. En términos prácticos: cuando alguien le pregunta a una IA por apps de citas en España o por software para peluquerías, nuestros productos no aparecen.
El único ChatGPT que nos mencionó fue en una consulta muy directa donde la marca estaba en los datos de entrenamiento — no porque hayamos hecho nada para estar ahí.
¿Es un fracaso?
No exactamente. Es la línea de salida.
La mayoría de empresas B2B en España tienen scores similares. La diferencia es que la mayoría no lo saben — y por tanto no pueden mejorar. Nosotros sí lo sabemos, y tenemos el plan.
¿Qué lo explica?
Tres factores concretos, medibles y corregibles:
1. Sin schema JSON-LD estructurado en las webs principales Los modelos de IA aprenden del contenido web. Si ese contenido no tiene estructura semántica (Organization, SoftwareApplication, FAQPage), el modelo no sabe cómo clasificar la empresa.
2. Sin llms.txt ni instrucciones para rastreadores de IA
El archivo llms.txt es el equivalente al robots.txt para los modelos de lenguaje — les dice quién eres, qué haces y cómo quieres ser citado. Sin él, cada modelo interpreta la web como puede.
3. Escasez de contenido semántico sobre los problemas que resolvemos Los modelos citan empresas cuando pueden asociarlas con la solución a un problema específico. Sin artículos, sin FAQs, sin contenido que responda preguntas reales, la asociación no existe en el modelo.
Las mejoras aplicadas (6 de junio 2026)
Inmediatamente después de la auditoría, aplicamos las correcciones de alta prioridad:
En nexux.es
- Schema
Organization+MobileApplicationconoperatingSystem,applicationCategory,offers - Schema
FAQPageen la landing principal con 5 preguntas reales llms.txten la raíz con descripción semántica de la app- Canonicales y
og:typearticle en todos los artículos del blog
En nexux.pro
- Schema
Organization+SoftwareApplicationenfocado en “software para peluquerías” knowsAboutcon términos clave del sector (gestión citas, recordatorios automáticos, CRM peluquería)llms.txtcon descripción orientada a las consultas del ICP (dueños de peluquerías)- FAQPage con preguntas sobre funcionalidades y precios
¿Qué esperamos en la re-auditoría de julio?
La re-auditoría está programada para mediados de julio de 2026 — entre 5 y 6 semanas después de las mejoras.
Objetivo conservador: AEO Score ≥ 25/100 en ambas apps. Objetivo optimista: AEO Score ≥ 40/100 si los modelos han re-indexado el contenido.
Los modelos de IA actualizan su conocimiento en ciclos variables. Perplexity es el más rápido (puede reflejar cambios en semanas); los modelos de lenguaje cerrados como ChatGPT tardan más.
Lo que este experimento no mide
Para ser rigurosos: el AEO Score mide presencia en respuestas de IA, no conversiones. Una empresa puede aparecer frecuentemente en IA y no generar leads — si el copy no convierte, si la web es lenta, si el proceso de contacto es difícil.
La visibilidad en IA es la parte del embudo que va de “nunca me conocían” a “me conocen”. El resto del embudo (interés, consideración, decisión) sigue siendo trabajo de marketing y producto.
Conclusión
Nuestro AEO Score de salida es 8–9/100. Es bajo. También es el punto de partida más honesto que podíamos publicar.
Si en julio está por encima de 35, habremos demostrado con datos propios que el proceso funciona. Si está por debajo, revisaremos qué falló y lo publicaremos también.
Eso es lo que significa hacer AEO con transparencia.
Próxima publicación: re-auditoría julio 2026 — resultados reales antes/después.
El protocolo que seguimos para llegar a este score está documentado en nuestra metodología, y puedes ver más auditorías reales en casos.