--- title: "Los modelos de IA prefieren marcas conocidas en sus búsquedas: estudio" description: "Un análisis de geoSurge sobre 3.960 respuestas encontró que los modelos de IA buscan marcas que ya conocen 3,2 veces más que las desconocidas. El 63% de las búsquedas con nombre de marca involucró una de las cinco marcas más familiares para cada modelo." slug: "modelos-ia-prefieren-marcas-conocidas-estudio-geosurge-26-07-31" canonical: "https://www.revenuehublatam.com/noticias/marketing-demanda/modelos-ia-prefieren-marcas-conocidas-estudio-geosurge-26-07-31" language: "es" section: "Noticias" category: "Marketing y Demanda" published: "2026-07-31T20:25:00+00:00" updated: "2026-07-31T20:25:00+00:00" tags: ["AEO", "visibilidad en IA", "estudio", "marcas B2B", "geoSurge"] keywords: ["modelos de IA marcas conocidas", "estudio geoSurge visibilidad IA", "AEO Chile", "visibilidad de marca en ChatGPT", "búsquedas derivadas IA", "marketing B2B Latinoamérica", "answer engine optimization", "memoria de modelos de IA"] source_name: "Search Engine Land" source_url: "https://searchengineland.com/ai-models-favor-familiar-brands-search-study-484054" publisher: "Revenue Hub Latam" publisher_url: "https://www.revenuehublatam.com" --- # Los modelos de IA prefieren marcas conocidas en sus búsquedas: estudio > Un estudio de geoSurge publicado el 30 de julio de 2026 encontró que los modelos de IA buscan marcas que ya conocen 3,2 veces más seguido que marcas desconocidas: 55,7% de las veces frente a 17,4% para marcas fuera de su top 10. Solo el 31% de las búsquedas derivadas incluyó un nombre de empresa, y cuando lo hicieron, el 63% involucró una de las cinco marcas más familiares para el modelo. Para empresas B2B en Chile y Latinoamérica, esto implica que la memoria del modelo actúa como filtro previo a la búsqueda. Un estudio de la firma geoSurge, reportado por Search Engine Land el 30 de julio de 2026, midió por separado dos cosas que suelen confundirse: lo que un modelo de IA _recuerda_ sobre una marca y lo que un modelo _busca_ cuando responde una consulta de compra. El resultado tiene consecuencias directas para cualquier empresa que hoy invierte en visibilidad en ChatGPT, Perplexity o Gemini. Los modelos buscaron marcas que ya conocían **3,2 veces más seguido** que marcas desconocidas. En cifras: 55,7% de las veces para marcas familiares, contra 17,4% para marcas fuera de su top 10. ## ¿Qué midió exactamente el estudio? Los investigadores probaron 66 consultas de compradores estadounidenses, repetidas 60 veces cada una entre el 29 de mayo y el 9 de junio de 2026. El corpus final: **3.960 respuestas, 13.281 búsquedas derivadas y 1.416 observaciones a nivel de marca**. Dos hallazgos secundarios ordenan el panorama: - **La mayoría de las búsquedas derivadas no menciona ninguna marca.** Solo el 31% incluyó un nombre de empresa. El resto son consultas genéricas de categoría. - **Cuando sí aparece una marca, la concentración es brutal.** El 63% de esas búsquedas involucró una de las cinco marcas más familiares para ese modelo. ## ¿Varía según la industria? Sí, y con rangos amplios. Los modelos buscaron marcas familiares entre 41% y 82% de las veces, frente a 9% a 23% para las desconocidas. Las industrias analizadas fueron viajes, automotriz, finanzas, software empresarial, educación, alimentación y restaurantes, lujo, fitness y bienestar, y moda. Los propios investigadores advierten que algunas categorías estaban representadas por apenas seis prompts, así que conviene leer los extremos con cautela. ## ¿Significa que una marca nueva no tiene opción? No. El estudio documenta contraejemplos. En uno de ellos, Gemini buscó Lemon Squeezy al responder una consulta sobre proveedores de pagos en línea, pese a que esa marca no figuraba en su memoria medida. La búsqueda en vivo sí puede encontrar marcas desconocidas, sobre todo en categorías donde el modelo se apoya menos en lo que ya sabe. > Los autores aclaran que los resultados muestran una relación entre memoria y comportamiento de búsqueda, pero no prueban que una cosa cause la otra. ## ¿Qué implica para las empresas B2B de Chile y Latinoamérica? La lectura práctica es incómoda para las marcas medianas de la región. Si el modelo tiende a buscar lo que ya conoce, la visibilidad en motores de IA no se resuelve solo optimizando páginas: depende de cuánta presencia acumulada tenga la marca en el corpus con el que el modelo fue entrenado y en las fuentes que consulta al responder. Para una empresa B2B en Chile o Latinoamérica, esto significa que competir por respuestas de IA en categorías dominadas por marcas globales exige otra estrategia que competir en su nicho local o vertical específico, donde la concentración de memoria del modelo es mucho menor. ## Análisis de Revenue Hub Este estudio pone un número a algo que veníamos observando en los diagnósticos de visibilidad: el AEO no es SEO con otro nombre. En SEO clásico, una página excelente puede rankear aunque el dominio sea desconocido. Acá hay un filtro anterior: si el modelo no te tiene en memoria, en la mayoría de los casos ni siquiera te va a buscar. Optimizar contenido para un motor que no te consulta es gastar en el eslabón equivocado. La decisión que esto fuerza en un líder comercial o de marketing es de asignación de presupuesto. Perseguir consultas genéricas de categoría (donde el 69% de las búsquedas derivadas ni menciona marcas y el 63% de las que sí lo hacen se concentra en cinco nombres) tiene un techo bajo si tu marca no está entre esos cinco. El retorno está en dos frentes distintos: primero, consultas específicas de nicho, vertical o geografía, donde la memoria del modelo está mucho menos concentrada y una marca chilena o regional puede ser la respuesta natural. Segundo, presencia en las fuentes que los modelos efectivamente consultan al responder, que es un trabajo de relaciones y publicación, no de meta tags. El riesgo de no actuar es silencioso: la marca sigue apareciendo en Google, el tráfico orgánico se ve estable un par de trimestres más, y la pérdida ocurre en la etapa de consideración, donde el comprador ya llegó con una lista corta que armó un modelo. Puedes revisar más cobertura de este frente en [Noticias de marketing y demanda](/noticias/marketing-demanda) y análisis de fondo en nuestro [blog](/blog). ## Preguntas frecuentes ### ¿Qué encontró el estudio de geoSurge sobre marcas y modelos de IA? Que los modelos de IA buscan marcas que ya conocen 3,2 veces más seguido que marcas desconocidas: 55,7% de las veces frente a 17,4% para marcas fuera de su top 10. ### ¿Cuántas respuestas analizó el estudio? Se probaron 66 consultas de compradores estadounidenses, repetidas 60 veces cada una entre el 29 de mayo y el 9 de junio de 2026, generando 3.960 respuestas, 13.281 búsquedas derivadas y 1.416 observaciones a nivel de marca. ### ¿Qué porcentaje de las búsquedas de IA menciona una marca? Solo el 31% de las búsquedas derivadas incluyó un nombre de empresa. Cuando sí lo hicieron, el 63% involucró una de las cinco marcas más familiares para ese modelo. ### ¿Una marca desconocida puede aparecer en respuestas de IA? Sí. El estudio documenta el caso de Gemini buscando Lemon Squeezy en una consulta sobre pagos en línea pese a que la marca no estaba en su memoria medida. La búsqueda en vivo puede encontrar marcas desconocidas, sobre todo en categorías donde el modelo se apoya menos en su memoria. ### ¿En qué industrias es más fuerte el sesgo hacia marcas conocidas? El rango va de 41% a 82% para marcas familiares según la industria, frente a 9% a 23% para desconocidas. Se analizaron viajes, automotriz, finanzas, software empresarial, educación, alimentación, lujo, fitness y moda. ### ¿AEO es lo mismo que SEO? No. En SEO tradicional una página fuerte puede rankear aunque el dominio sea poco conocido. En motores de IA existe un filtro previo: si el modelo no tiene la marca en memoria, en la mayoría de los casos no la incluye en sus búsquedas. ### ¿Qué debe hacer una empresa B2B de Chile o Latinoamérica frente a este sesgo? Priorizar consultas de nicho, vertical o geografía específica, donde la memoria del modelo está menos concentrada, y trabajar la presencia en las fuentes que los modelos consultan al responder, en vez de competir de frente en categorías genéricas dominadas por marcas globales. ### ¿El estudio prueba que la memoria del modelo causa las búsquedas? No. Los autores aclaran que los resultados muestran una relación entre memoria y comportamiento de búsqueda, pero no establecen causalidad. --- Fuente original: [Search Engine Land](https://searchengineland.com/ai-models-favor-familiar-brands-search-study-484054) (searchengineland.com)