Consultas de Búsqueda IA que tu LLM Dispara a Mitad de Respuesta

El nuevo keyword research vive dentro del modelo

El keyword research tradicional empieza por lo que los humanos teclean en una caja de búsqueda. La búsqueda IA ha producido una nueva capa por encima: cuando un usuario hace una pregunta en lenguaje natural a ChatGPT, Claude o Gemini, el modelo a menudo dispara sus propias búsquedas web a mitad de respuesta para fundamentar su respuesta. Esas consultas internas no son visibles en Google Search Console. Nunca llegan a tu analytics tradicional. Pero son la señal de intención de compra de mayor calidad disponible hoy, porque las generó un modelo que ya entendió la intención del usuario y la tradujo a la consulta más probable a producir una respuesta útil.

El usuario dijo "vale la pena Profound para un SaaS pequeño". ChatGPT lo tradujo a "Profound vs Lumos vs Peec AI" y fue a buscar grounding. La consulta traducida es la que necesitas ser encontrable. Optimizar para la del usuario es optimizar la vieja superficie de SEO. Optimizar para la traducida es optimizar la nueva.

Lo que ves dentro de Lumos

La preview de arriba es un snapshot de las consultas que ChatGPT y Claude dispararon a mitad de respuesta sobre Lumos y GEO esta semana. Al registrarte, la misma captura corre sobre tu librería de prompts.

• Prompt del usuario → consulta traducida. Cada fila empareja la pregunta natural original con la consulta web que la IA disparó para groundear. Ambos lados importan — necesitas saber qué dicen los usuarios y qué traduce la IA.
• Frecuencia y score de intención. Las consultas que se repiten en múltiples prompts de usuario tienen más señal. Una consulta disparada una vez es ruido; disparada en 14 prompts es un activo fijo de tu categoría.
• Páginas fuente devueltas. Lumos captura las URLs reales que cada consulta devolvió para que veas qué páginas la IA groundea.
• Desglose por motor. ChatGPT y Claude disparan consultas distintas para el mismo prompt porque sus prompts de tool-use y estrategias de grounding difieren.

Cómo Lumos captura las consultas

La consulta a mitad de respuesta es el artefacto del tool use del modelo. Lumos corre tu librería en cada motor con tool-use habilitado y captura:

1. El prompt natural del usuario.
2. Las consultas web a mitad de respuesta que disparó el modelo (a veces una, a menudo 3-5).
3. Las URLs devueltas por cada consulta.
4. Cómo la respuesta final citó o parafraseó esas URLs.
5. La versión del modelo y motor para comparar semana a semana.

El log crudo se guarda junto a tu data normal. Puedes filtrar, buscar, exportar. La capa de agregación deduplica y rankea por frecuencia × score de intención.

Cómo usar las consultas capturadas

Construye contenido que matchee la forma traducida. La IA busca títulos exact-match como "Profound vs Lumos vs Peec AI". Si tu contenido se titula "Por qué construimos Lumos", la IA no lo surfaceará para esa consulta por bueno que sea. Lumos empareja cada consulta capturada con una sugerencia de citabilidad — un set de título y encabezados que matchee.

Corre las consultas en Google. Google sigue rankeando mucho las páginas en las que los motores IA groundean. Abre las top 5 en una pestaña incógnita y lee qué devuelve. Esas páginas son tu competencia real para visibilidad IA — a menudo muy distintas de las que rankean para la versión user-facing.

Usa las consultas como radar de competidores. Si la IA dispara "X vs Y" y tú no estás en la lista, eres invisible en ese momento de decisión. La respuesta correcta es publicar una página "X vs Lumos" o "Y vs Lumos" que la IA recoja. La lista de consultas te dice qué comparaciones construir.

Vigila consultas nuevas que aparecen. Cuando ChatGPT empieza a disparar una consulta que no disparaba el mes pasado, algo en la categoría cambió — un producto lanzado, un vendor nuevo, una pregunta de pricing emergente. Pon una alerta Lumos sobre consultas nuevas para captar esos shifts en días.

Errores comunes al leer consultas a mitad de respuesta

Confundirlas con sugerencias de autocomplete. El autocomplete de Google es lo que los humanos podrían teclear. Las consultas a mitad de respuesta son lo que la IA realmente dispara. Se parecen pero son señales muy distintas — el autocomplete es amplio, mid-answer es agudo.

Optimizar solo para las de mayor frecuencia. Las top 3 reciben atención. La cola larga — consultas disparadas solo unas veces pero sumando — suele representar casos específicos que merecen su propio contenido. No la ignores.

Leer consultas de un solo motor. ChatGPT, Claude y Gemini disparan consultas distintas para el mismo intent. Una alta en ChatGPT y silenciosa en Gemini sigue valiendo construir contenido, pero pondérala por el motor que usan tus compradores.

Tratar el log como un brief sin editar. Las consultas capturadas son output crudo. Algunas son oro, otras ruido. Úsalas como inspiración para el backlog, no como brief acabado.

Próximos pasos

• Corre el tracker sobre tu marca: regístrate, importa tu librería de prompts, captura consultas en minutos.
• Pareja con análisis de citación: AI Citation Source Tracker.
• Lee la estrategia: How to appear in ChatGPT.