Visibilitat a la IA B2B: no hi ha un playbook universal

Fa any i mig que sents la mateixa recepta per guanyar visibilitat a la IA B2B: puja el teu Domain Authority, omple la web de contingut, optimitza el domini i ChatGPT acabarà citant-te. La ven gairebé qualsevol agència de GEO. El problema no és que es quedi curta. És que mesura la palanca equivocada. Ahrefs va analitzar 75.000 marques i va mesurar què es correlaciona amb aparèixer a les respostes d'IA de Google (els AI Overviews): el que més, amb diferència, són les mencions de la teva marca repartides per la web —correlació de 0,664—, molt per sobre dels backlinks, que es queden en 0,218. El teu Domain Rating cau al mig, en 0,326: importa, però la meitat que les mencions.

Visibilitat a la IA B2B: la IA reconeix entitats, no força de domini

Un model no rastreja el teu link graph quan decideix a qui cita. No compta quants enllaços apunten al teu domini. Mira si la teva marca apareix, de manera consistent, en llocs que ell tracta com a fiables. Per això una dècada de link-building pesa menys que estar mencionat als llocs correctes: el model mesura reconeixement, no referències.

El teló de fons ho confirma. Muck Rack va analitzar més de 25 milions d'enllaços citats per ChatGPT, Claude i Gemini, i el 84% de les cites ve d'earned media —contingut amb suport editorial o de tercers, no el material que tu controles amb intenció comercial directa—. Aquest percentatge s'ha mogut entre el 82% i el 89% en les seves tres edicions des del juliol de 2025: no és el caprici d'una actualització de model, és com aquests sistemes trien d'on treuen el que diuen. La teva pàgina de producte, la teva landing, el post escrit per vendre: res d'això és el que el model aixeca com a font.

Fins aquí, la conclusió fàcil seria "deixa la web i ves a buscar mencions". Seria una altra recepta única. I les receptes úniques són justament el que això ve a desmuntar.

La IA cita igual una marca a tots els models?

No. I aquesta és la peça que gairebé ningú posa sobre la taula. Semrush va analitzar 325.000 prompts i 89.000 URL de LinkedIn citades a cercadors d'IA, i el patró no és un de sol: LinkedIn es cita de manera desigual segons el motor —14,3% a ChatGPT Search, 13,5% a Google AI Mode i només 5,3% a Perplexity—. El que et fa visible en un pot no moure't res en un altre.

Aquí cau el "fes això i la IA et citarà", sigui quin sigui l'"això". No hi ha una resposta a on invertir en visibilitat a la IA B2B que serveixi per a totes les empreses, perquè depèn del motor on pregunta el teu comprador. Una consultora els clients de la qual pregunten a ChatGPT i una SaaS els compradors tècnics de la qual viuen a Perplexity no haurien de tenir la mateixa estratègia, per molt que el titular de moda digui el contrari. Mateix sector, assignació diferent. Qui et vengui el playbook universal t'està venent fum.

Què li costa al teu pipeline quedar fora de la shortlist del dia u

Aquí és on un CMO hauria de començar a sumar, perquè això no es mesura en abast, es mesura en pipeline. El 94% dels compradors B2B fan servir models d'IA durant el procés de compra (6sense). I la dada que ho converteix en diners: el 95% acaba comprant a un dels proveïdors que ja eren a la seva shortlist el primer dia (6sense).

Ajunta les dues xifres. Si la llista inicial es forma cada cop més preguntant a una IA, i tu no hi apareixes perquè vas optimitzar el canal que aquell model no cita, no estàs disputant el deal en desavantatge. Estàs fora del 95% del negoci abans que arrenqui la conversa. I el pitjor és que no ho veus venir: aquest pipeline no entra al teu CRM com a oportunitat perduda, perquè mai no va arribar a entrar-hi.

Abans de moure un euro de pressupost, hi ha una pregunta que cal contestar amb dades i no amb intuïció: quines entitats teves —el teu domini, la teva marca, els perfils de les teves persones— cita cada model quan es parla de la teva categoria. L'informe de visibilitat d'Antropus ho mesura motor per motor, perquè sàpigues en quins apareixes i en quins no abans de decidir on gastar.

La Matriu Entitat-Model: el teu pressupost de visibilitat a la IA B2B, repartit amb dades

De tot això surt un model, i cap en tres línies, les tres números.

El primer és quines entitats teves cita la IA quan algú pregunta per la teva categoria: no és el mateix que t'anomeni a tu, al teu domini o al teu competidor. El segon és aquest repartiment obert per model, perquè ChatGPT i Perplexity no coincideixen i una mitjana et menteix amb cara de dada. El tercer, el que gairebé ningú calcula, és el pes real de cada model entre els teus compradors —no entre el públic general—, perquè el teu pressupost segueix qui et compra, no la quota de mercat d'OpenAI.

A Elevam fem servir l'HSA Protocol —que va desenvolupar l'Asier López Ruiz— per mesurar Share of Response per entitat i per model abans de decidir on invertir: un escombrat sistemàtic de prompts contra els quatre models principals, repetit en diverses iteracions perquè el resultat no depengui d'una resposta solta. És el que converteix "creiem que hauríem de publicar més a LinkedIn" en "al model on compren els teus clients, la teva marca apareix per sota del teu competidor, i per això el pressupost va aquí". Sense aquesta mesura, la Matriu Entitat-Model és una idea bonica. Amb ella, és una decisió que defenses davant d'un comitè sense suar.

I queda la part incòmoda. Una marca amb autoritat real fora dels models pot no existir encara dins d'ells. Pots ser una referència al teu sector i que ChatGPT no t'anomeni quan un comprador pregunta qui ho fa bé. Aquest és exactament el problema: la visibilitat a la IA generativa no s'hereta de la teva reputació de fora. Es construeix —i, abans de construir-la, es mesura.

Preguntes freqüents