Share of Model (SoM): la métrica norte de visibilidad IA en 2026 que reemplaza al Share of Voice clásico — cómo medirla en 60 minutos, qué benchmarks marcan dominio en software fitness B2B y plan de 90 días para llevarla del 8% al 25% en gimnasios, entrenadores personales y clínicas de fisioterapia

Respuesta rápida

El Share of Voice (SoV) clásico —porcentaje del tráfico orgánico, social y display que captura una marca frente a sus competidores— ha dejado de ser representativo del juego real en 2026. La razón es estructural: cuando un comprador B2B de software fitness pregunta a ChatGPT, Perplexity, Gemini, AI Mode o Claude "cuál es el mejor software de gestión de gimnasios para una cadena multisede en España" o "qué app cliente con IA recomendarías para una clínica de fisioterapia", la respuesta no se entrega en formato lista de 10 enlaces azules. Se entrega en formato síntesis con 2-5 marcas mencionadas y citas seleccionadas a un puñado de dominios. El SoV de Google no captura esta nueva superficie. El Share of Model (SoM) sí. SoM es el porcentaje de respuestas IA en las que tu marca aparece —como cita explícita, como recomendación dentro del texto o como mención sentiment-neutro o positiva— sobre un universo fijo de 30-100 prompts comerciales representativos de cada motor de IA. Es la única métrica que se mueve en consonancia con el pipeline B2B real cuando la mitad del journey ocurre fuera de Google. Esta guía explica qué es SoM exactamente y por qué SoV ya no funciona, cómo medirlo manualmente en 60 minutos o automatizado con Profound, Otterly, AthenaHQ, Peec o Wellows, qué prompt set elegir para que la métrica sea estable y comparable mes a mes, qué benchmarks separan irrelevancia (0-5%) de competidor visible (10-20%) y de dominio de categoría (>25%) en software fitness B2B, cómo cruzar SoM con sentiment y accuracy para que la métrica capture calidad y no solo presencia, cómo conectarlo con leads cualificados y cierre, qué arquitectura de dashboard semanal funciona, qué errores destruyen la fiabilidad de la métrica y un plan operativo de 90 días para pasar de no medir nada a tener SoM como North Star compartido entre marketing, producto y customer success.

Este post cubre ocho frentes: qué es SoM y por qué reemplaza al SoV; cómo elegir el prompt set fitness B2B; cómo medirlo en 60 minutos a mano; qué herramientas automatizan la auditoría y cuándo justifican el coste; benchmarks de SoM por categoría de software fitness; cómo cruzar SoM con sentiment, accuracy y pipeline; arquitectura de dashboard semanal; y plan operativo de 90 días.

Qué es Share of Model y por qué Share of Voice clásico ya no funciona

El Share of Voice tradicional medía la porción de "atención dirigida" a tu marca en un universo finito de canales: SERP de Google, redes sociales, anuncios display, menciones en medios. La premisa era que ese 10% de SoV se convertía linealmente en demanda. En 2026, la premisa se rompe por dos motivos.

El primero, superficie distinta. Las cinco grandes IAs (ChatGPT, Perplexity, Gemini, AI Mode, Claude) entregan una capa nueva de respuesta sintética que precede al SERP clásico, capta entre el 30% y el 70% del journey de evaluación en B2B SaaS y no tiene equivalente directo en SoV. Si tu SoV en Google es 12% pero tu SoM en ChatGPT es 0%, la mitad del mercado nunca te ve.

El segundo, mecánica de respuesta distinta. Google clásico premia el ranking individual de una URL para una query. Las IAs premian la incorporación de tu marca como entidad en una respuesta sintética que cita 3-8 fuentes. Aparecer significa o ser citado (link explícito) o ser nombrado (la IA escribe "Fitai Labs" en el texto) o las dos cosas. El cómputo es completamente distinto.

Share of Model resuelve los dos problemas. Definición operativa:

Share of Model (SoM) = porcentaje de respuestas IA, sobre un universo fijo de prompts representativos, en las que tu marca aparece —como cita, como recomendación o como mención positiva— en los primeros 200 tokens de la respuesta o en el bloque de fuentes.

Tres matices importantes:

"Aparecer" debe ser explícito. Mencionar "plataforma con IA para entrenadores" sin nombrar tu marca no cuenta. Solo cuenta si aparece el nombre comercial o un link al dominio.
El umbral de 200 tokens es funcional. Más allá de los primeros 200 tokens, la mayoría de usuarios ya ha decidido qué leer en detalle y qué ignorar. Mediciones más allá no capturan presencia útil.
Sentiment y accuracy se miden aparte. SoM mide presencia. Si apareces en el 30% de los prompts pero el sentiment es negativo o la información es errónea, la métrica es engañosa. Se cruzan obligatoriamente.

Conecta con medir menciones en ChatGPT, Perplexity y Google AI: KPIs IA fitness, con Brand SERP IA: controlar la respuesta de ChatGPT, Perplexity y Gemini sobre tu marca y con tráfico IA: medir, atribuir y convertir desde ChatGPT, Perplexity y Google AI.

Cómo elegir el prompt set: la decisión que determina si la métrica es útil o ruido

El error más común al implantar SoM en software fitness B2B es medirlo sobre un prompt set arbitrario, sesgado a favor de la marca o demasiado pequeño. Tres reglas:

El prompt set debe ser representativo del journey de compra real. No prompts de marca ("¿qué es Fitai Labs?") que siempre te van a citar y no aportan señal. Prompts categoría que el comprador real escribiría.
Tamaño mínimo funcional: 30 prompts. Por debajo, la varianza semana a semana hace que un movimiento puntual parezca tendencia. Por encima de 100 prompts se entra en sobreingeniería sin valor extra mes a mes.
Distribución equilibrada por intención. Mezcla de evaluación ("mejor X para Y"), comparativa ("X vs Y"), problema ("cómo resolver Z") y precio ("cuánto cuesta Z").

Plantilla de prompt set para software fitness B2B (40 prompts, ajustar a tu nicho):

Intención	% del set	Ejemplos
Evaluación general categoría	30%	"mejor software de gestión de gimnasios 2026 España", "mejor plataforma para entrenadores personales con app cliente", "mejor software para clínica de fisioterapia con app paciente"
Comparativas head-to-head	25%	"Trainerize vs TrueCoach 2026", "Mindbody vs Glofox para boutique studio", "Fitai Labs vs Trainerize comparativa"
Problema operativo	20%	"cómo automatizar reservas en gimnasio con IA", "cómo reducir no-shows en clínica de fisioterapia", "cómo dar servicio personalizado escalable como entrenador personal online"
Integraciones técnicas	10%	"software gimnasio que se integre con Cal.com y Stripe", "plataforma entrenador con n8n Make Zapier"
Precio y modelo de negocio	10%	"cuánto cuesta un software de gestión de gimnasios", "ROI software fitness IA", "plataforma entrenador personal con precios públicos"
Cumplimiento y región	5%	"software fitness compliance AI Act EU 2026", "software gimnasio RGPD España alojamiento UE"

Tres recomendaciones operativas:

Idioma local cuando aplica: para España + LatAm, prompts en español. Para mercados anglos, traducir los mismos en inglés. SoM se mide por idioma porque los modelos responden distinto.
Versionado del prompt set: congelarlo trimestralmente. Si cambias prompts cada semana, no puedes comparar.
Anotación pública de cambios: cuando añades o quitas un prompt, documentarlo en el changelog del dashboard.

Conecta con investigación de prompts: preguntas reales de clientes para GEO, con preguntas de precio "cuánto cuesta entrenador / gimnasio" en ChatGPT y Perplexity y con query fan-out: subconsultas y razonamiento en ChatGPT, Google AI Mode y Perplexity.

Cómo medir SoM en 60 minutos a mano (auditoría reproducible)

Antes de pagar herramienta, hacerlo a mano una vez tiene tres beneficios: entiendes la mecánica, calibras el ruido inherente y validas que la herramienta automatizada después dé resultados coherentes.

Procedimiento paso a paso para 40 prompts en 6 motores (ChatGPT GPT-5, Perplexity, Gemini 3, AI Mode, Claude Opus 4.7, Grok 4). Tiempo total: 50-60 minutos con un asistente IA ayudando a tabular.

Paso 1: preparar hoja de cálculo (5 minutos)

Columnas: prompt_id, prompt_texto, intencion, motor, aparece (sí / no), posicion (top-3 / 4-8 / 9+), formato (cita link / mención texto / ambos), sentiment (positivo / neutro / negativo), accuracy_flag (correcto / error menor / error grave), competidor_1, competidor_2, competidor_3, notas.

Paso 2: ejecutar los 40 prompts en cada motor (35 minutos)

Una sesión limpia por motor, sin historial ni memoria, en modo invitado o ventana privada. Copy/paste prompt → copy/paste respuesta a la hoja → marcar columnas. Promedio 8-10 segundos por prompt × 40 prompts × 6 motores = 32-40 minutos efectivos.

Paso 3: calcular SoM bruto por motor (5 minutos)

SoM por motor = (prompts donde apareces / total prompts) × 100. Ejemplo: en ChatGPT apareciste en 9 de 40 prompts = SoM ChatGPT 22,5%. SoM agregado = media simple de los 6 motores.

Paso 4: calcular SoM cualificado (10 minutos)

SoM cualificado descuenta apariciones sentiment-negativo o con accuracy-grave (datos incorrectos sobre tu producto, atribución a competidor por error). Suele estar 1-3 puntos porcentuales por debajo de SoM bruto. Es el número que importa para pipeline real.

Paso 5: registro y comparación (5 minutos)

Guardar hoja con fecha. Una vez al mes (mismo día de la semana, misma hora aproximada) repetir. Comparar SoM por motor vs mes anterior y vs los 3 competidores principales.

Conecta con herramientas de visibilidad de marca IA: Profound, Otterly, AthenaHQ, Peec, con por qué ChatGPT cita a tu competidor: auditoría GEO y con alucinaciones IA sobre tu marca: cuando ChatGPT y Perplexity dan información incorrecta.

Herramientas que automatizan SoM y cuándo justifican el coste

A partir del segundo o tercer mes, hacerlo a mano se vuelve repetitivo y propenso a error de fatiga. Hay cinco herramientas de mercado en 2026 que automatizan la auditoría diaria o semanal sobre tu prompt set y producen el dashboard SoM. Comparativa funcional para software fitness B2B:

Herramienta	Coste mensual aprox.	Motores cubiertos	Frecuencia mínima	Cuándo encaja
Profound	800-2.500 €	ChatGPT, Perplexity, Gemini, AI Mode, Claude, Copilot	Diaria	Empresas con > 5 M€ ARR y equipo GEO dedicado
Otterly	250-800 €	ChatGPT, Perplexity, Gemini, Claude	Semanal	Equipos pequeños con disciplina y prompt set ya definido
AthenaHQ	500-1.500 €	ChatGPT, Perplexity, Gemini, AI Mode, Claude	Diaria	Empresas con foco fuerte en sentiment + accuracy
Peec	350-900 €	ChatGPT, Perplexity, Gemini, AI Mode	Diaria	Buen equilibrio precio / cobertura para mid-market
Wellows	150-400 €	ChatGPT, Perplexity, Gemini	Semanal	Punto de entrada para empresas pequeñas / proyectos piloto

Cuándo justifica pagar:

Cuando el prompt set supera 50 prompts y la auditoría manual excede 2 horas/semana. El coste de tiempo del responsable supera la cuota de la herramienta.
Cuando hay más de un responsable que necesita consultar el dashboard sin tener que pedir el Excel. Sale más barato Otterly o Peec que tener un Excel desactualizado.
Cuando el comité de dirección pide SoM en revisión mensual. La automatización elimina excusas de "no hemos podido actualizar este mes".

Cuándo no compensa todavía:

Empresa con < 3 M€ ARR donde no hay equipo dedicado a marketing y el dashboard lo va a usar una sola persona.
Cuando el prompt set aún no está congelado y se está cambiando cada dos semanas.
Cuando todavía no hay claridad de qué hacer con los resultados (medir sin acción no aporta).

Conecta con investigación de prompts: preguntas reales de clientes para GEO, con optimizar GEO en cada motor: ChatGPT, Perplexity, Gemini, AI Mode y con Search Console Generative AI performance reports en 2026.

Benchmarks de SoM por categoría de software fitness B2B en 2026

Tras auditar SoM en cinco subcategorías de software fitness durante el primer semestre de 2026, los rangos observados son los siguientes. Sirven como referencia para situar tu propio número.

Subcategoría	SoM "invisible"	SoM "competidor visible"	SoM "dominio de categoría"
Software de gestión de gimnasios (España + LatAm)	0-4%	8-18%	> 25%
Plataformas para entrenadores personales con app cliente	0-5%	10-22%	> 28%
Software de estudios boutique (Pilates, yoga, cycling, HIIT)	0-6%	9-20%	> 26%
Software de clínicas de fisioterapia	0-5%	8-19%	> 24%
Software de cadenas y franquicias multisede	0-3%	6-14%	> 20%

Cuatro lecturas clave para fitness:

El rango "invisible" (0-5%) es donde está la mayor parte del mercado. Estar ahí no es excepcional, es lo normal cuando no se ha trabajado GEO. No es excusa para no actuar, pero quita la presión de "deberíamos estar ya en el 30%".
Subir del 5% al 15% es relativamente accesible con 90 días de trabajo serio: fichas G2/Capterra completas, presencia honesta en Reddit, 3-5 listicles "best X for Y" 2026, mejora del Brand SERP IA y schema bien hecho.
Subir del 15% al 25% requiere 6-12 meses adicionales: comparativas firmadas que aparezcan en datasets de pretraining, cita Wikipedia, autoridad EEAT real, programa sostenido de reseñas verificadas y refresco editorial trimestral.
Superar el 25% en una categoría madura es zona de dominio. Implica que la IA te asume como candidato por defecto, que tu nombre aparece antes que el de los líderes históricos y que el journey B2B se cierra con ventaja estructural.

En sectores menos saturados (calistenia, EMS, clubes running, escalada, golf, padel, escuelas de natación, retiros wellness) los umbrales bajan 4-7 puntos: en una categoría así, 18-20% ya es dominio funcional.

Conecta con AEO Score y benchmark de visibilidad IA en fitness, con AEO vs GEO vs SEO: estrategia tres capas y con Gemini 3 reset de citaciones AI Overviews.

Cómo cruzar SoM con sentiment, accuracy y pipeline B2B

Medir SoM aislado da una foto incompleta. La métrica gana valor real cuando se cruza con tres dimensiones complementarias.

Sentiment IA

Para cada aparición en respuesta IA, etiquetar como positiva (te recomienda explícitamente o describe ventajas), neutra (te menciona sin valoración) o negativa (te excluye o desaconseja). En auditoría manual se etiqueta a ojo; en herramientas se hace con un clasificador entrenado.

Distribución sana en software fitness B2B:

Positivo: 50-70%
Neutro: 25-40%
Negativo: < 10% (si supera 15% hay un problema reputacional concreto que investigar)

Accuracy

Por cada aparición, marcar si la IA describe correctamente tu producto. Tres niveles:

Correcta: la descripción es fiel.
Error menor: detalle equivocado (precio, integración, feature secundaria) que no afecta a la decisión.
Error grave: confusión con otro producto, atribución de feature inexistente o, peor, atribución a competidor.

Una distribución sana tiene < 5% de error grave. Por encima, hay problema de disambiguation que se trabaja con Wikipedia, Wikidata, Schema y citaciones cruzadas.

Pipeline B2B atribuible

La métrica de cierre. En el formulario de demo añadir el campo "¿Cómo nos has conocido?" con opciones diferenciadas: ChatGPT/Perplexity/Gemini/Claude, G2/Capterra/GetApp, Google, LinkedIn, recomendación humana, otros. Cruzar con UTM y referrer en GA4.

Lo que se observa en software fitness B2B en 2026:

Leads que vienen vía IA cualificada cierran 1,8-2,7× más que leads de Google Ads pura.
SoM subiendo 5 puntos suele anticipar pipeline IA subiendo 30-50% con 6-10 semanas de retraso.
SoM bajando con sentiment estable suele indicar que un competidor ha lanzado contenido nuevo y debe activarse refresco editorial.

Conecta con lead scoring IA en gimnasios y entrenadores: leads y demos, con KPIs gimnasio y entrenador personal 2026 y con ROI IA en gimnasios y entrenadores personales 2026.

Arquitectura de dashboard SoM semanal que de verdad se usa

El dashboard SoM ideal cumple cinco propiedades: cabe en una pantalla, tiene un único número de cabecera, se actualiza solo con frecuencia conocida, permite drill-down por motor y prompt y vive en una herramienta que el equipo abre cada semana.

Bloques recomendados:

Cabecera (siempre visible)

SoM agregado cualificado (un solo número grande).
Variación vs semana anterior y vs mes anterior.
Bandera roja / ámbar / verde según el threshold de la categoría (definido en el apartado anterior).

Bloque de motores (filtros por defecto los 5 grandes)

SoM por motor: ChatGPT, Perplexity, Gemini, AI Mode, Claude.
Visualización con barras horizontales comparando contigo y con 3 competidores principales.
Indicador de tendencia 4 semanas.

Bloque de intenciones

SoM por tipo de prompt (evaluación, comparativas, problema operativo, integraciones, precio, cumplimiento).
Detecta agujeros: por ejemplo, SoM 25% en evaluación pero 4% en comparativas indica gap concreto que trabajar.

Bloque de sentiment + accuracy

Distribución porcentual de sentiment y accuracy de las apariciones de la semana.
Lista de los 3-5 prompts donde el sentiment cayó o donde apareció error grave (link al texto exacto de la respuesta).

Bloque de pipeline

Leads atribuidos a IA esa semana.
Conversión demo → cliente segmentada por origen.

Bloque de antipatrones automatizado

Alerta cuando: SoM cae > 5 puntos sin causa conocida, accuracy grave supera 5%, sentiment negativo supera 12%, competidor concreto sube > 8 puntos en una semana.

Conecta con chunking semántico y bloques extraíbles para citas IA, con contenido answer-first extractivo y TLDR y con FAQ hub con preguntas reales para ChatGPT, Perplexity y Google AI.

Plan operativo de 90 días para pasar de "no medimos SoM" a "SoM es nuestra North Star"

Semanas 1-2: definición y baseline

Definir prompt set de 40 prompts representativos según la plantilla del apartado correspondiente.
Auditoría manual completa de los 40 prompts en los 6 motores. Hoja maestra con SoM por motor, sentiment, accuracy y competidores.
Calcular SoM agregado cualificado de partida. Compartir con dirección como número 1 de baseline.
Documentar 3 competidores principales y su SoM observado.

Semanas 3-4: dashboard mínimo viable

Construir dashboard en Google Sheets o Notion con los seis bloques descritos: cabecera, motores, intenciones, sentiment / accuracy, pipeline, antipatrones.
Activar cadencia semanal de actualización (mismo día, misma persona).
Acordar con marketing, producto y customer success que el dashboard es la fuente única para la conversación de visibilidad IA.

Semanas 5-8: acciones de mejora dirigidas por SoM

Identificar los 5-8 prompts con sentiment negativo o accuracy grave. Crear plan concreto por cada uno: ficha de producto a actualizar, página de comparativa a publicar, respuesta a reseña a redactar, schema a corregir.
Identificar los 5-8 prompts con cero presencia donde el competidor sí aparece. Construir contenido específico (listicle, comparativa, FAQ) que responda exactamente a la query.
Refrescar 3 piezas cornerstone existentes con datos 2026, autor explícito, FAQ extra y schema actualizado.
Lanzar la campaña sostenida de reseñas verificadas en G2 / Capterra / GetApp.

Semanas 9-12: automatización y ritualización

Evaluar herramienta automatizada (Wellows o Otterly como punto de entrada; Profound / AthenaHQ si ARR y equipo lo justifican).
Migrar el dashboard a la herramienta. Mantener el Excel como auditoría de control trimestral.
Establecer "comité SoM" mensual de 30 min: marketing + producto + customer success revisan tendencia, deciden 2 acciones para el mes siguiente, asignan responsable y fecha.
Repetir auditoría manual completa a los 90 días para comparar con baseline y calibrar la herramienta automatizada.
Si SoM ha subido > 5 puntos en 90 días, documentar las 3 acciones que más impactaron. Si no, hacer post-mortem honesto.

Antipatrones que destruyen la fiabilidad de SoM

Cinco antipatrones recurrentes que vemos en empresas de software fitness B2B que adoptan SoM en 2026:

Cambiar el prompt set cada mes con la excusa de "ahora son más representativos". Hace imposible comparar tendencia. Congelar trimestralmente.
Mezclar prompts de marca con prompts categoría y reportar SoM global hinchado. Los prompts de marca dan SoM 90-100% que diluyen la señal real. Reportar siempre por separado o usar solo prompts categoría.
Medir solo en ChatGPT porque "es donde está el tráfico". Pierdes Perplexity (alta intención compra), Gemini (volumen creciente vía Workspace) y Claude (uso enterprise). SoM solo es útil agregado y por motor.
No medir sentiment ni accuracy y celebrar subidas de SoM mientras la IA describe mal tu producto. SoM bruto sin matiz puede ser veneno.
Dejar el dashboard sin dueño. Si SoM no tiene un responsable nombrado con cadencia semanal, en mes 3 está desactualizado y nadie confía en él.

Conecta con autoridad de autor EEAT: experiencia, experto, autoridad, confianza, con frescura y actualización de contenido GEO y con citation decay y refresco de 13 semanas.

Cómo se conecta SoM con tu plataforma operativa fitness

SoM solo paga si la plataforma operativa convierte la nueva visibilidad en clientes y la usa para mejorar:

CRM con campo "fuente de lead" diferenciado entre ChatGPT, Perplexity, Gemini, Claude, G2/Capterra/GetApp, recomendación humana, Google, LinkedIn y otros.
Página de pricing pública con rangos visibles y todas las integraciones declaradas para que la IA pueda extraer y citar con confianza.
Página de "sobre nosotros" con fundadores, año, sede, clientes notables y datos verificables que permiten disambiguation de marca.
Página de comparativas reales vs tus competidores principales (Trainerize, TrueCoach, Mindbody, Glofox, Virtuagym, Wodify) honesta y actualizada cada 6 meses.
Customer Success con hito de invitación a reseña en día 60-90, distribuido en el tiempo.
Comité SoM mensual con marketing, producto y customer success en la misma mesa.

Si tu empresa de software fitness B2B (gestión de gimnasios, plataforma para entrenadores personales, app cliente con IA, estudio boutique, clínica de fisio o cadena) quiere implantar Share of Model como North Star y construir el dashboard semanal en 90 días, agenda una demo de Fitai Labs y revisamos tu prompt set, tu SoM actual en los 6 motores y el plan operativo realista para los próximos 3 meses. Si prefieres por WhatsApp, escríbenos aquí.

Preguntas frecuentes

¿Cuál es la diferencia entre Share of Voice y Share of Model?

Share of Voice mide presencia en superficies históricas (SERP Google, social, display, medios). Share of Model mide presencia en la nueva capa de respuesta sintética de las cinco grandes IAs (ChatGPT, Perplexity, Gemini, AI Mode, Claude). En 2026, el 50-70% del journey B2B SaaS pasa por la capa IA, por lo que SoV ya no representa la pelea real.

¿Cuántos prompts necesito como mínimo para que la medición sea fiable?

30 prompts representativos es el mínimo funcional. Por debajo, la varianza semana a semana hace que cambios puntuales parezcan tendencia. 40-60 es el rango óptimo para software fitness B2B. Por encima de 100 entras en sobreingeniería sin valor extra mes a mes.

¿Cada cuánto tengo que medir SoM?

Mínimo mensual para tendencia. Semanal si tienes herramienta automatizada y el dashboard se usa en comité. Diariamente solo justifica si tienes lanzamiento de producto, campaña de PR o crisis reputacional activa.

¿Qué SoM es "bueno" en software de gestión de gimnasios?

En 2026, en España + LatAm: 0-4% es invisible, 8-18% es competidor visible y > 25% es dominio de categoría. Subir del 5% al 15% lleva ~90 días de trabajo serio; del 15% al 25%, 6-12 meses adicionales.

¿Tengo que pagar Profound u Otterly para medirlo?

No al principio. Una auditoría manual mensual sobre 40 prompts en 6 motores se hace en 60 minutos. La herramienta justifica coste cuando: el prompt set supera 50 prompts, hay más de un responsable consultando o cuando el comité de dirección lo pide en revisión mensual.

¿Cómo distingo aparición real de mención hueca?

Tres reglas: aparece el nombre comercial o link al dominio en los primeros 200 tokens de la respuesta o en el bloque de fuentes; el sentiment no es negativo; la descripción es accurate (no atribuye features de competidor a tu producto). Si falla cualquiera de las tres, no cuenta para SoM cualificado.

¿Por qué cae mi SoM en una semana sin que hayamos hecho nada distinto?

Causas habituales: actualización del modelo (Gemini 3, GPT-5 mini, Claude 4.7); competidor publica listicle "best X for Y" que la IA empieza a citar; Wikipedia se actualiza con tu categoría; cambia el corte de Common Crawl. Si la caída supera 5 puntos en una semana sin razón identificada, auditoría manual de 10 prompts críticos para descartar accuracy grave.

¿Puedo usar SoM como métrica única o necesito combinarla?

Solo es realmente útil combinada con sentiment, accuracy y pipeline B2B. SoM bruto puede engañar: subes presencia pero la IA describe mal tu producto o te asocia a sentiment negativo. Reportar siempre el cuarteto SoM cualificado + sentiment + accuracy + leads atribuidos.

¿Cómo separo SoM de marca vs SoM de categoría?

Prompts de marca ("¿qué es Fitai Labs?") suelen dar SoM 90-100% y no aportan señal nueva. Prompts de categoría ("mejor software de gestión de gimnasios") son los que importan para la pelea real. Reportar las dos métricas por separado para no diluir.

¿Qué hago si mi SoM es 0%?

Plan de 90 días estándar: ficha completa en G2 / Capterra / GetApp, presencia honesta en Reddit, 3-5 listicles "best X for Y" pitch a medios sectoriales, comparativas reales con competidores, schema y FAQ bien hechos, refresco editorial trimestral. Las primeras señales suelen aparecer en semanas 6-10.

¿Tiene sentido medir SoM por idioma?

Sí, obligatorio. Los modelos responden distinto en español y en inglés. Para fitness España + LatAm hay que mantener SoM por idioma. Lo mismo si vendes a Brasil (portugués), Francia o Alemania.

¿Qué pasa si mi competidor tiene SoM 35% y yo 8%, debería rendirme?

No. Ese gap es habitual cuando el competidor lleva años bien posicionado en G2, Capterra y Reddit y tú llevas pocos meses. Tres rutas paralelas: nicho específico donde 8% sí compita; refuerzo de red de terceros (PR, Reddit, comparativas) para compensar; programa sostenido 12-18 meses. El error es darse por vencido en mes 3.

¿Cómo presento SoM al comité de dirección sin que se asusten?

Cuatro láminas: definición de SoM con un ejemplo concreto; baseline tuyo vs 3 competidores en una tabla; thresholds de la categoría (irrelevante, visible, dominio); plan de 90 días con 3 acciones priorizadas. Nada de jerga, sí mucho ejemplo concreto.

¿Qué error me costaría más caro al medir SoM en los próximos 12 meses?

Reportar SoM sin sentiment ni accuracy. Subes presencia mientras la IA atribuye features de competidor a tu producto, y celebras la subida sin darte cuenta de que estás generando expectativas mal calibradas que después rompen leads y queman pipeline.