research

Cómo medimos la reputación de marca en la IA: el método detrás del Rankfor Index 2026

July 13, 2026
8 min read
n=35,640
Dmitrij Żatuchin
AI VisibilityMethodologyRankfor IndexAI Reputation IndexBrand ReputationMultilingual AI

Cada página de marca de este sitio muestra un número: una puntuación de Visibilidad en IA sobre 100. Este artículo explica de dónde sale ese número, paso a paso, para que puedas juzgarlo, reproducirlo o discutirlo.

La versión corta: hacemos a tres modelos de IA las preguntas que hacen los compradores reales, en todos los idiomas de la región, muchas veces seguidas. Después puntuamos lo que devuelven según cinco componentes y publicamos el resultado de cada marca que medimos.

El corpus

La edición nórdico-báltica cubre 66 marcas en 11 mercados. Cada marca se consultó en 12 idiomas (lituano, letón, estonio, finés, polaco, checo, eslovaco, sueco, noruego, danés, alemán, inglés) en tres modelos de IA con anclaje web en vivo: GPT, Gemini y Perplexity Sonar. Eso produjo 35.640 respuestas ancladas que llevaban 131.667 citas de 21.077 dominios únicos.

La edición de Polonia cubre 46 marcas de consumo con prompts de comprador en polaco sobre los mismos tres modelos, lo que arrojó 17.891 citas de 1.907 dominios.

Los prompts de intención de compra lo impulsan todo. Preguntamos lo que preguntaría un cliente ("mejor servicio de streaming de música en Suecia", "qué banco debería usar una pequeña empresa en Eslovaquia"), nunca "háblame de la marca X". Una marca gana su puntuación apareciendo sin que se la nombre.

Los cinco componentes

La puntuación compuesta de cada marca es una suma ponderada de cinco componentes, todos normalizados de 0 a 100:

  • Sentimiento (25%): con cuánta positividad describen los modelos a la marca cuando aparece.
  • Recomendación (25%): la proporción de prompts de intención de compra en los que los modelos nombran a la marca. Este es el componente que se traduce de forma más directa en pipeline.
  • Calidad de fuentes (20%): qué tipo de dominios anclan las respuestas. Los medios de primer nivel y los informes sectoriales puntúan más alto que las páginas anónimas de cola larga.
  • Consistencia (20%): si la historia se mantiene igual a través de idiomas y formulaciones.
  • Estabilidad (10%): si la misma pregunta hecha de nuevo devuelve la misma respuesta. La medimos con el mismo protocolo de prompt repetido que nuestro Dice Roller gratuito.

La compuesta se traduce en bandas con nombre: 85 o más se lee como Altamente recomendada, de 70 a 84 Recomendada, de 40 a 69 Emergente, por debajo de 40 Invisible para la IA. La puntuación más alta del ranking 2026 es 67, lo que te dice algo sobre cuánto margen de mejora tienen incluso los ganadores.

Las métricas que no encontrarás en ningún otro sitio

Tres mediciones del Index existen porque los datos multilingües revelan cosas que los estudios en un solo idioma no pueden ver.

Penalización bilingüe. Comparamos el Índice de Reputación en IA de cada marca en su idioma local frente al inglés. Latvijas Gāze puntúa 60,1 en letón y 42,9 en inglés, una ventaja local de 17,2 puntos que desaparece en el momento en que un comprador cambia de idioma. Tatra Banka muestra el mismo patrón con +13,6. Marcas globales como Spotify se mantienen dentro de un punto en los doce idiomas. Si tu plan de expansión asume que tu reputación local viaja contigo, este número dice si lo hace.

Concentración de citas (HHI de fuentes). Un índice de Herfindahl-Hirschman sobre los dominios que anclan las respuestas de una marca. Por encima de 0,72 significa que unos pocos dominios controlan la narrativa, lo que tiene dos caras: es frágil, pero se puede arreglar con dos o tres alianzas de dominios. Por debajo de 0,50 significa que la historia está muy repartida y es resistente.

Idiomas ciegos. El número de idiomas del estudio en los que la puntuación de una marca cae por debajo del suelo regional de 45 puntos. Una marca puede liderar su mercado local y ser prácticamente invisible en ocho de doce idiomas.

Qué publicamos

Cada marca medida obtiene una página pública en /ai-visibility/{brand} con su puntuación, su rango, el sentimiento por modelo, un gráfico de divergencia por idioma y las fuentes de las citas: Spotify, Wise, Amica, y 108 más. El ranking completo, los cortes por país y el informe descargable viven en el hub del Index, con las condiciones de reutilización en el kit de prensa.

Medimos visibilidad, narrativa y recomendabilidad en las respuestas de la IA. No valoramos la calidad de la empresa ni del producto. Una puntuación baja significa que la IA no cuenta tu historia, y eso es un problema de marketing que tiene solución, no un veredicto sobre el negocio.

Fechas y versiones

Los datos nórdico-bálticos se recopilaron y publicaron en abril de 2026 y se actualizaron por última vez en mayo de 2026. La edición de Polonia se publicó en junio de 2026. Las versiones de los modelos se fijan por estudio; cuando volvemos a ejecutar el Index, las puntuaciones anteriores quedan archivadas para que el movimiento se pueda medir.

¿Preguntas sobre el método, o quieres que midamos tu categoría? Habla con el equipo.

Continue Reading

research

Where AI Gets Its Answers: 167,551 Citations Behind Brand Reputation

A cross-market citation dataset: 167,551 URL-grounded citations across 128 brands, 13 languages, and 12 markets from GPT, Gemini, and Perplexity. AI grounds brand answers in third-party sources 85.7% of the time; 18% of domains carry 80% of citations; Wikipedia is the top domain in 11 of 12 languages. Open under CC-BY-4.0 with DOI.

article

Google-First Poland: Field Notes on Where Buyers Start With AI

A live Warsaw poll says Poland starts search inside Google's ecosystem (75%), with Gemini ahead of ChatGPT. Our 46-brand, 17,891-citation study adds the measured part: YouTube is the only channel where every brand appears, and two ice-cream brands show how differently AI builds a reputation from sources.

article

The State of AI Visibility: Why Brands Are Losing Control Inside AI Answers

Search didn't disappear. It stopped being the place where decisions happen. Traditional SEO assumed that if you ranked well, you would be discovered. AI doesn't work that way. This thought leadership piece defines why AI visibility matters and introduces the four dimensions of AI visibility: Presence, Relevance, Usefulness, and Trust.

research

Cross-Model Response Stability Analysis: A Comparative Study of Brand Mention Consistency in Large Language Models

This study investigates response variability and brand mention consistency across three leading LLMs: Google Gemini 3 Flash, OpenAI GPT-5.2, and xAI Grok-4-1. Using 239 total samples across three prompt variations (husband, wife, 2025), we measured brand mention frequency, response consistency, and cross-model agreement.

BeVisible Club

Get research like this before we publish it.

New AI visibility studies, ranking patterns, and source-stack data delivered to your inbox a week before they go public.

Join BeVisible Club

Want to Know How AI Sees Your Brand?

Rankfor.AI measures your brand's AI visibility across all major platforms and provides actionable recommendations.

About the Author

Dmitrij Żatuchin

Founder

Dmitrij Żatuchin is the founder of Rankfor.AI. A computer scientist with a PhD in semantic web technologies, he bridges the gap between how AI reasons about brands and how brands want to be understood. With over two decades of software architecture experience and academic roles at Estonian Business School and EUAS, Dmitrij builds the measurement infrastructure brands need to transition from optimizing for search engines to becoming visible for reasoning engines.

© 2025-2026 Rankfor.AI™ Todos los derechos reservados.

Ask AI about Rankfor.AI

Rankfor.AI sp. z o.o., Skarbowcow 23B, 53-025 Wroclaw, Poland

KRS: 0001190083 | NIP: 8993033605

Usamos cookies

Utilizamos cookies esenciales para que nuestro sitio funcione. Con su consentimiento, también podemos usar cookies de análisis para comprender cómo utiliza nuestras herramientas (como el Dice Roller) y así poder mejorarlas. Más información