Seguimiento de visibilidad en IA con n8n para tus clientes

Revisión trimestral de herramientas. Alguien del equipo propone contratar una plataforma de visibilidad en IA. Otra la vio anunciada con informes en marca blanca. Una tercera ha encontrado una comparativa de tres opciones con doce diferencias en funciones y precio. Nadie sabe cuál elegir, y lo que sí sabéis es que cada suscripción nueva se come margen.

Ese debate está en todas partes este mes. Hay herramientas nuevas orientadas a agencias cada semana: seguimiento de prompts, seguimiento de competidores, informes con tu logo. Algunas arrancan en torno a 49 dólares al mes; otras apuntan claramente a empresa grande.

Antes de pagar, vale la pena saber que el seguimiento de visibilidad en IA básico se puede montar con n8n en pocos días. No sustituye a una plataforma en todo. Pero para muchas agencias cubre lo que de verdad necesitan: saber si sus clientes aparecen, frente a quién, y si lo que se dice es correcto.

Qué es el seguimiento de visibilidad en IA

Consiste en lanzar periódicamente un conjunto fijo de preguntas a los asistentes de IA y registrar, en cada respuesta:

• Si aparece la marca del cliente.
• En qué posición o con qué peso dentro de la respuesta.
• Si se cita con enlace.
• Qué competidores aparecen.
• Si la información es correcta.

Es exactamente lo que hacen las plataformas de pago. La diferencia está en la escala, la comodidad y quién mantiene el sistema.

Antes del flujo: una advertencia honesta

Las respuestas de un asistente de IA no son estables. Cambian según la sesión, la ubicación, la versión del modelo y si en ese momento busca en la web o no. Lo que devuelve la API tampoco es idéntico a lo que ve un usuario en la aplicación de ChatGPT.

Esto no invalida la medición. Obliga a hacerla bien:

• Mismas preguntas, siempre.
• Mismo método: mismo modelo, mismos parámetros, misma frecuencia.
• Varias ejecuciones por pregunta si quieres suavizar el ruido.
• Documentarlo en el informe, para que el cliente sepa qué está viendo.

Lo que obtienes es una tendencia, no una verdad absoluta. Y para decidir qué contenido crear o corregir, la tendencia es lo que importa. Las plataformas de pago tienen el mismo problema, por cierto; solo que no siempre lo explican.

Las piezas del flujo

Si ya montaste el reporting mensual con n8n, la arquitectura te sonará. Cinco partes.

1. Listado de preguntas. Una hoja o tabla con cliente, pregunta, tipo (marca, categoría, comparación) y competidores a vigilar. Es la pieza que más criterio necesita y la que menos se automatiza: la escribe una persona que conoce el negocio del cliente.

2. Disparador. Un Schedule Trigger mensual, o semanal si el cliente lo justifica. No hace falta más.

3. Consulta a los asistentes. Un nodo por plataforma. Para OpenAI y otros proveedores hay nodos nativos; lo que no tenga nodo entra por HTTP Request contra su API. Si el proveedor ofrece un modo con búsqueda web, úsalo: se parece más a lo que ve el usuario final.

4. Análisis de cada respuesta. Un nodo Code que busca el nombre de la marca y de los competidores en el texto, con sus variantes (con y sin tildes, abreviaturas, nombre comercial). Para la exactitud, puedes pedir a un modelo que compare la respuesta con una ficha de datos correctos del cliente y marque discrepancias. Esa marca es una alerta para revisión humana, no un veredicto.

5. Almacén. Cada resultado, a una tabla propia: fecha, cliente, pregunta, plataforma, aparece sí/no, competidores, texto completo de la respuesta. Guarda siempre el texto completo. Dentro de seis meses querrás releer qué decía la IA antes de un cambio.

Cómo escribir buenas preguntas

El flujo es lo fácil. Lo difícil es el listado. Una pregunta mal elegida mide algo que al cliente no le importa.

Tres tipos, y conviene tener de todos:

• De categoría. “¿Qué gestoría recomiendas para autónomos en Madrid?”. Es donde se gana o se pierde negocio nuevo.
• De comparación. “¿Es mejor [cliente] o [competidor] para una pyme?”. Aquí salen los errores y los artículos comparativos de la competencia.
• De marca. “¿Qué opinan de [cliente]?”. Sirve para vigilar la exactitud.

Escríbelas como hablaría un cliente real, no como una keyword. Nadie le pregunta a ChatGPT “gestoría autónomos Madrid precio”. Y revisa el listado cada trimestre: si el cliente lanza un servicio nuevo, necesita sus propias preguntas.

Paso a paso, empezando pequeño

Mismo consejo que con cualquier automatización: no diseñes el sistema para toda la cartera el primer día.

Semana 1. Un cliente, diez preguntas, una plataforma. El flujo lanza, guarda en una hoja y ya está. Aprenderás más de formatos de respuesta y límites de API que planificando.

Semana 2. Añade la detección de menciones y competidores. Revisa a mano veinte respuestas y comprueba que el nodo Code acierta. Los falsos positivos (una marca con nombre de palabra común) y los falsos negativos (una variante que no contemplaste) aparecen aquí.

Semana 3. Segunda plataforma y ejecuciones repetidas por pregunta. Empiezas a ver cuánto varían las respuestas.

Semana 4. Segundo cliente. Si el flujo aguanta sin tocar nada, está listo para escalar.

Lo que se rompe (y cómo evitarlo)

Costes de API que crecen sin avisar. Preguntas × plataformas × repeticiones × clientes se multiplica rápido. Calcula el volumen antes de lanzar y pon un límite.

Cambios de modelo. Cuando el proveedor actualiza el modelo, las respuestas cambian de golpe. Registra qué modelo se usó en cada ejecución para poder explicar saltos bruscos en el informe.

Detección frágil. Buscar la marca por texto exacto falla más de lo que parece. Mantén una lista de variantes por cliente y revísala cada trimestre.

Fallos silenciosos. Como en cualquier flujo de n8n: flujo de error que avise por Slack o correo, y una comprobación de sensatez (si un cliente devuelve cero respuestas, algo va mal).

n8n o herramienta de pago: cómo decidir

Hay un argumento que se repite en la comunidad de n8n este mes: gente cansada de pagar cientos de dólares al mes por herramientas de IA que hacen algo que se puede montar con más control. Tiene sentido, pero no siempre.

Tiene sentido n8n si:

• Gestionas pocos clientes o pocas preguntas por cliente.
• Quieres controlar el método y explicarlo con detalle.
• Los datos no deben salir de tu infraestructura (n8n se puede autoalojar).
• Ya tienes n8n funcionando para otras cosas.

Tiene sentido pagar si:

• Necesitas cientos de preguntas por cliente y muchas plataformas a la vez.
• Quieres datos de competencia agregados que no vas a generar tú.
• Nadie en el equipo va a mantener el flujo cuando falle.

Y una tercera vía que funciona bien: empezar con n8n para entender qué necesitas de verdad, y contratar una herramienta después, ya sabiendo qué pedirle.

De los datos al trabajo

El seguimiento solo tiene valor si genera tareas. Cada mes, tres preguntas:

• ¿En qué preguntas no aparece el cliente y sí su competencia? Ahí falta contenido o falta claridad.
• ¿Qué dice la IA que sea incorrecto? Ahí hay que buscar la fuente y corregir, como explicamos en qué responder cuando tu cliente pregunta por su estrategia de búsqueda IA.
• ¿Qué ha cambiado respecto al mes anterior y por qué?

Eso va al informe, con la lectura de una persona. El flujo recoge; el criterio sigue siendo vuestro.

Si quieres montar este flujo para tu agencia sin quitarle horas a tu equipo, es el tipo de proyecto que hago en automatización con n8n para agencias. O cuéntame tu caso.

Preguntas frecuentes

¿Se puede medir la visibilidad en ChatGPT de forma exacta?

No del todo. Las respuestas cambian según la sesión, la ubicación, la versión del modelo y si el asistente busca en la web o no. Lo que sí se puede es medir de forma consistente: mismas preguntas, mismo método, misma frecuencia. Eso da una tendencia fiable aunque cada respuesta individual varíe.

¿Las respuestas de la API son iguales que las que ve un usuario en ChatGPT?

No necesariamente. La aplicación de consumo añade búsqueda web, memoria y ajustes que la API no replica tal cual. Para acercarte, usa en la API los modelos o herramientas con búsqueda web cuando existan, y documenta en el informe cómo se ha medido para no comparar peras con manzanas.

¿Cuándo compensa pagar una herramienta de visibilidad en IA en lugar de n8n?

Cuando necesitas volumen alto de preguntas, muchas plataformas a la vez, datos de competencia ya preparados o informes listos sin mantenimiento. Si tu agencia gestiona pocos clientes o quiere controlar el método y los datos, un flujo propio en n8n suele ser suficiente y más barato de operar.

¿Qué hago con los datos una vez los tengo?

Llevarlos al informe mensual del cliente con tres métricas: cuota de menciones frente a competidores, exactitud de lo que se dice de la marca y evolución respecto al mes anterior. Y, sobre todo, convertirlos en tareas: qué contenido crear o corregir para las preguntas donde la marca no aparece.