Cómo calcular la pérdida de tráfico orgánico por IA (con calculadora)

La IA ya no complementa la búsqueda. La reemplaza.

Hasta hace poco, buscar en Google era un acto de exploración: escribías palabras clave, revisabas 3 o 4 resultados, volvías atrás, ajustabas la query. Hoy la dinámica es otra. Un usuario le escribe a ChatGPT una pregunta larga, rica en contexto, y recibe una respuesta completa sin salir de la interfaz. No hay click. No hay visita. No hay sesión en tu GA4.

El buscador tradicional funciona como un bibliotecario: te entrega una lista de libros para que investigues por tu cuenta. Los Answer Engines son otra cosa. Se comportan como un asistente con formación de posgrado que, además de identificar las zapatillas que buscas, te recomienda la mejor opción para tu caso, tu presupuesto y tu talla. Te ahorra pasos, te ahorra visitas, y te entrega una decisión casi final.

A medida que los usuarios adoptan estos chatbots, la forma de escribir consultas cambia también. Ya no son dos o tres palabras sueltas. Son preguntas largas, ricas en contexto, tipo conversación. Y la personalización del resultado es tan alta que el usuario puede resolver en una sola interacción lo que antes le tomaba ocho clicks y tres búsquedas distintas.

¿Qué tan rápido crece esto? La data de consultoras con clientes en e-commerce, finanzas y educación en Latinoamérica muestra que el tráfico referido desde LLMs todavía es bajo en términos absolutos (entre 0,02% y 0,03% de las sesiones totales), pero crece a un ritmo de 5x al año. ChatGPT concentra el 95% de ese tráfico. Y por ahora, a diferencia de Google, no hay anuncios compitiendo en esa interfaz.

Qué industrias pierden más tráfico (y por qué)

No todas las consultas son iguales ante la IA. Las preguntas informativas ("qué es una cuenta corriente", "síntomas de la diabetes", "requisitos para estudiar ingeniería") son las que los LLMs resuelven con mayor facilidad. Y son las que dejan de generar visitas a tu sitio.

Los sectores más expuestos son salud, educación y sitios de noticias. En estas industrias, la respuesta del LLM basta para satisfacer la intención del usuario. El e-commerce y los servicios financieros están en una zona intermedia: las fases de investigación ya se resuelven dentro del chatbot, pero la transacción todavía requiere visitar un sitio. Eso puede cambiar cuando los Answer Engines integren funcionalidades de shopping directo, algo que OpenAI ya está probando con feeds de producto.

Para negocios estacionales (un retailer con pico en febrero-marzo, por ejemplo), el impacto se concentra en los periodos de mayor búsqueda informativa previa a la compra. Por eso, la temporalidad del análisis importa: idealmente, se calcula sobre un año completo para capturar estos ciclos.

El modelo de pérdida orgánica, paso a paso

Avinash Kaushik, referente en analítica digital y autor del blog Occam's Razor, publicó a finales de 2025 un modelo de forecasting de pérdida y recuperación para la era de los Answer Engines. Su premisa: las empresas van a perder hasta un 30% de su tráfico orgánico y un 15% del pagado durante 2026 si no toman acciones de AEO.

La lógica del modelo es clara: no todo tu tráfico orgánico está igual de amenazado. El riesgo depende de la intención de búsqueda detrás de cada keyword. El modelo clasifica las consultas en cuatro tipos y les asigna un porcentaje de pérdida potencial:

¿Por qué las informativas pierden tanto? Porque la IA puede responderlas completas. No hay razón para hacer click. ¿Por qué las de marca pierden poco? Porque si alguien busca "Falabella" o "Scotiabank", la intención es ir a ese sitio, y el LLM lo respeta. La lección estratégica: el brand marketing nunca fue tan importante como ahora.

Cómo hacer el cálculo con tus propios datos

No necesitas un equipo de data science. Necesitas Search Console, GA4 y un spreadsheet. Estos son los pasos:

1. Exporta tus keywords de Search Console (últimos 90 días, 6 meses o un año). Necesitas la lista completa con los clicks de cada query. Para negocios estacionales, usa al menos 12 meses.
2. Clasifica cada keyword por intención: informativa, comercial, transaccional no-brand o de marca. Si tu lista tiene miles de keywords, usa el prompt de IA que incluimos más abajo para automatizar este paso.
3. Suma los clicks de cada categoría y calcula el porcentaje de participación (share) de cada una sobre el total.
4. Obtén de GA4 las sesiones orgánicas y los ingresos orgánicos del mismo periodo. Importante: usa el reporte de sesiones (no usuarios) y filtra por canal orgánico (Google/Organic como fuente/medio principal).
5. Calcula el valor SEO por visita: ingresos orgánicos dividido sesiones orgánicas. Si tu sitio no vende online, usa un valor estimado por lead o por conversión.
6. Redistribuye las sesiones de GA4 según los porcentajes de cada categoría (los que calculaste en paso 3). Esta es una atribución proporcional: los clicks de Search Console y las sesiones de GA4 no coinciden 1:1, pero la distribución porcentual es la mejor proxy disponible.
7. Aplica los porcentajes de pérdida de la tabla anterior a cada categoría. El resultado es tu pérdida proyectada en sesiones y en revenue.

Si todo esto suena a mucho Excel, tranquilo. Más abajo hay una calculadora que hace los pasos 3 al 7 automáticamente. Y acá va un shortcut para el paso 2:

Eres un experto en SEO y análisis de intención de búsqueda. Te voy a adjuntar un archivo CSV/Excel exportado de Google Search Console con una lista de keywords (queries) y sus clicks.

Tu tarea es clasificar CADA keyword en exactamente una de estas 4 categorías de intención de búsqueda:

1. INFORMATIVA — El usuario busca aprender o entender algo. Incluye preguntas tipo "qué es", "cómo funciona", "diferencia entre", "guía de", "tutorial", definiciones, conceptos, síntomas, explicaciones.

2. COMERCIAL — El usuario está investigando opciones antes de decidir. Incluye "mejor", "top", "comparativa", "vs", "opiniones de", "recomendaciones", "alternativas a", reviews.

3. TRANSACCIONAL NO-BRAND — El usuario quiere realizar una acción (comprar, contratar, descargar) pero NO menciona una marca específica. Incluye "comprar", "precio de", "contratar", "descargar", "cotizar", "reservar", "abrir cuenta".

4. MARCA / NAVEGACIONAL — El usuario menciona una marca específica o busca ir a un sitio particular. Incluye el nombre de nuestra marca, nombres de productos propios, o variaciones de nuestra URL.

INSTRUCCIONES:
- Devuelve una tabla con 3 columnas: keyword | clicks | categoría
- NO cambies el texto de las keywords ni los clicks
- Si una keyword es ambigua, clasifícala según la intención MÁS PROBABLE
- Al final, incluye un resumen con los totales de clicks por categoría y el porcentaje de cada una

CONTEXTO DE MI NEGOCIO (ajusta según corresponda):
- Industria: [COMPLETAR]
- Nombre de marca: [COMPLETAR]
- Productos/servicios principales: [COMPLETAR]

El archivo adjunto contiene las queries exportadas. Clasifícalas todas.

Calculadora de pérdida de tráfico por IA

Ingresa los datos que obtuviste de Search Console y GA4 (o los que te generó el prompt anterior). La calculadora aplica el modelo de Kaushik y te muestra tu pérdida proyectada en sesiones y revenue, más el potencial de recuperación con acciones AEO.

Mira el micro-training completo en video

Este artículo se basa en el micro-training de la comunidad SearchBrand donde Cristóbal y Catalina de D2B presentaron el modelo con ejemplos en vivo. Si quieres ver la plantilla funcionando paso a paso, acá está la grabación:

Cómo recuperar parte de ese tráfico: las 6+6 acciones del modelo

Calcular la pérdida es solo la mitad del ejercicio. El mismo modelo propone 6 acciones de recuperación y 6 tácticas de crecimiento, cada una con un porcentaje estimado de ganancia.

6 acciones de recuperación directa

La primera es adaptar contenido existente para que funcione como respuesta de IA: preguntas en los H2, respuestas directas y concisas en el primer párrafo de cada sección, y en e-commerce, agregar contenido que responda preguntas dentro de las páginas de producto (PDP) y de categoría (PLP).

La segunda es implementar schemas JSON-LD (producto, FAQ, HowTo, organización, review y aggregate rating), con una recuperación estimada del 4%. La tercera es construir autoridad temática sólida: biografías de autores, datos estructurados de organización, y feeds de producto bien armados para funcionalidades como el shopping de OpenAI. Eso aporta un 3%.

Luego viene optimizar las consultas de marca para controlar los resultados enriquecidos (que tú seas la fuente cuando alguien busca tu nombre), crear contenido comparativo donde tu marca destaque contra competidores, y generar guías prácticas con casos de uso y beneficios diferenciadores que la IA pueda usar al responder consultas comerciales.

6 tácticas de crecimiento adicional

Agrupar contenidos que resuelvan un mismo problema en topic clusters. Crear contenido por caso de uso específico (no solo por keyword). Escalar autoridad con contenido de terceros y link building editorial. Incorporar video y audio sobre los productos (los LLMs indexan transcripciones de YouTube). Integrar reseñas como contenido propio dentro del CMS, no como embeds de Facebook o Google que la IA no puede leer. Y preparar el sitio para escenarios de comercio vía IA con feeds de producto completos y estructurados.

Para los equipos de PPC: el modelo estima pérdidas del 15-20% en tráfico pagado. Las recomendaciones son evolucionar el copywriting de los anuncios hacia respuestas útiles (no solo ofertas y descuentos), migrar presupuesto hacia Performance Max donde los ROAS están siendo 4 a 5 veces superiores al search tradicional, y alimentar las plataformas con first-party data de CRM y email marketing para mejorar la segmentación. Todo el contenido que se genera para SEO/AEO debe usarse como señal en las campañas pagadas.

Recuperar tráfico empieza por medir dónde estás hoy

Calcular la pérdida potencial es el primer paso. El segundo es saber qué dicen hoy las IAs sobre tu marca. ¿Apareces cuando alguien le pregunta a ChatGPT por tu industria? ¿Qué dice Gemini de tus competidores? ¿Qué fuentes citan cuando responden?

Herramientas como SearchBrand.ai permiten consultar múltiples LLMs en tiempo real, ver si tu marca aparece o no en las respuestas, identificar qué fuentes están siendo citadas, y monitorear tu score de visibilidad a lo largo del tiempo y contra la competencia. Para las marcas en LATAM que recién están evaluando su posición en este nuevo canal, ese diagnóstico inicial es el punto de partida antes de implementar cualquier acción de recuperación.

Fuentes y metodología

Este artículo se basa en el micro-training de la comunidad SearchBrand, presentado por Cristóbal y Catalina de D2B, una consultora con 7 años de experiencia en marketing digital en Latinoamérica. Los porcentajes de pérdida y recuperación siguen el modelo publicado por Avinash Kaushik en su newsletter Occam's Razor. Los datos de tráfico referido desde LLMs provienen de la base de clientes de D2B (e-commerce, finanzas, educación). Los porcentajes de pérdida del modelo son ajustables según la industria y el comportamiento histórico de cada sitio.

• Micro-training SearchBrand: Cómo cuantificar el impacto de la IA (Video completo)
• Loss Recovery Growth Model: Answer Engine Optimization (AEO), Avinash Kaushik, Occam's Razor (dic. 2025)
• AI Age Marketing: Bye SEO, Hello AEO!, Avinash Kaushik, Occam's Razor (jul. 2025)
• Gartner: proyección de 25% del volumen de búsqueda migrando a chatbots de IA en 2026
• Seer Interactive: tráfico desde ChatGPT convierte al 16% vs. 1.8% de Google Organic

Preguntas frecuentes