SISTRIX Prompt Research, el keyword research de la búsqueda con IA

SISTRIX ha sacado Prompt Research, y es lo más parecido que hay ahora mismo a un planificador de palabras clave para la búsqueda con IA. La idea de fondo es sencilla de contar y difícil de resolver: en Google la gente escribe «barbacoa de gas» y tú puedes mirar cuántas veces al mes; en ChatGPT esa misma persona escribe «busco una barbacoa de gas de al menos 3 quemadores para mi terraza, a poder ser compacta y con quemador lateral, presupuesto hasta 500 €». Y la de al lado escribe otra cosa distinta.

El resultado es que casi ningún prompt se repite. No hay volumen que medir porque no hay dos búsquedas iguales, y montar contenido prompt a prompt no lo hace nadie.

La jugada de SISTRIX es agrupar, no contar

En vez de analizar prompts sueltos, Prompt Research los agrupa en temas. Un tema reúne todas las formas de preguntar lo mismo con la misma intención, da igual que la pregunta venga larga o corta, y da igual la plataforma. «Guardar la barbacoa de gas en invierno» es un tema, y dentro caben las cincuenta maneras de preguntarlo.

La base son más de 62 millones de preguntas reales de usuarios, agrupadas en más de 1,4 millones de temas. Buscas una palabra y te devuelve los temas que coinciden literalmente y los que coinciden por semántica. Para «barbacoa de gas» encuentra 485 temas, desde la guía de compra hasta el almacenaje en invierno o la optimización del calor. Cubre el ciclo entero, no solo la parte de comprar.

Lo que enseña de cada tema

Cada tema trae cuatro métricas de cabecera: volumen de búsqueda, longitud del diálogo, intención y fase del recorrido de compra.

La longitud del diálogo es la métrica que a mí más me ha interesado, porque no tiene equivalente en el SEO clásico. Mide cuántos turnos de conversación necesita el usuario para quedarse tranquilo. Un 1,5 es una consulta de dato: quiere una respuesta corta y exacta. Un 3,5 significa que va a preguntar cuatro veces más, y ahí el contenido tiene que traer comparativas, secciones y ayudas a la decisión. Un tema con volumen alto y diálogo largo es, básicamente, un aviso de que hay hueco para contenido serio.

Debajo está la parte que convierte esto en un briefing. Te da el perfil de comprador (para la compra de barbacoas de gas, «el aficionado preocupado por la seguridad que busca comodidad pero pesa el desembolso frente al beneficio real»), el motor emocional que hay detrás (aquí, el miedo a equivocarse en una compra cara), la siguiente pregunta que va a hacer el usuario y el siguiente paso lógico, que no siempre es comprar.

Las preguntas que nadie hace

De todo el panel, el dato con más recorrido es el de las preguntas no formuladas: cosas que el usuario no ha preguntado pero debería saber antes de decidir. En el ejemplo de la barbacoa, cuánto cuestan las bombonas al año comparado con el carbón, o si un modelo bueno necesita funda especial para durar.

Ahí está la diferencia entre un artículo más y uno que se nota escrito por alguien que sabe. Todo el mundo responde lo obvio, y responder lo obvio ya no te distingue de nada. Los modelos, además, tienden a premiar esa profundidad cuando eligen de dónde documentarse.

Cada plataforma se pregunta distinto

La herramienta desglosa los prompts por plataforma: AI Mode, ChatGPT, AI Overviews, Gemini, Copilot y Perplexity. Y no es un desglose decorativo, porque la gente pregunta de forma distinta en cada sitio.

En AI Overviews los prompts son cortos y tiran a palabra clave, casi como una búsqueda de Google de toda la vida. En AI Mode aparecen preguntas de investigación, conversacionales, que buscan síntesis y comparación. En ChatGPT se alargan muchísimo, con contexto, situación personal y requisitos concretos. Gemini va más al grano del problema.

Esto tiene consecuencias prácticas. Si quieres salir en AI Overviews necesitas respuestas factuales y directas; si lo que quieres es que ChatGPT te use como fuente, el contenido tiene que aguantar preguntas largas y llenas de matices. No es el mismo texto.

Los Deep Dives y los filtros

Hay cuatro análisis con IA sobre los datos reales: oportunidades de contenido con formato ya propuesto, preocupaciones y preguntas sin responder, perfil de preguntas por plataforma y tipos de comprador. Se puede seguir preguntando en un chat dentro de cada uno.

Los filtros son lo que hace manejables los 485 temas. Además de intención y fase, se filtra por longitud de diálogo, siguiente paso, perfil de comprador y motor emocional. Filtrar por «siguiente paso contiene comprar» te deja los temas con intención comercial de verdad; filtrar por «motor emocional contiene miedo» te da los temas donde el contenido tiene que trabajar la confianza. Se combinan y se guardan.

Y ahora la letra pequeña del volumen

Aquí conviene frenar, porque el volumen de búsqueda de Prompt Research no es una medición. Es una estimación modelada, y SISTRIX lo dice sin esconderlo, cosa que le honra.

El cálculo va en cuatro pasos. Parten del volumen global de las plataformas (OpenAI declara más de 2.500 millones de mensajes al día en ChatGPT; para el resto usan datos comparables o referencias del sector) y lo limpian estadísticamente para quitar el uso que no es búsqueda, o sea escritura creativa, programación y demás. Luego reparten por país según la cuota de visitantes, y para AI Overviews meten su propio rastreo, que mide para qué temas Google muestra AI Overview. Después reparten ese total entre temas usando la demanda real de Google como clave de distribución. Y al final redondean, para no aparentar una precisión que no existe.

El punto delicado es el tercer paso. La premisa es que la distribución relativa de la demanda entre temas se parece en la IA y en Google. Puede ser razonable como aproximación, pero es exactamente lo que habría que demostrar, no dar por hecho. Hay temas que en ChatGPT van a estar disparados y en Google apenas se buscan, y al revés. La propia SISTRIX admite ese sesgo y añade que el reparto entre plataformas refleja el mercado global, no cada tema.

Tampoco existe una definición común de qué es «una búsqueda»: un AI Overview no es lo mismo que un mensaje suelto dentro de una conversación larga de ChatGPT. Y ningún proveedor publica demanda por tema. Así que una medición exacta no es que sea difícil, es que no es posible con lo que hay.

Cómo usarlo sin engañarte

Sirve para priorizar temas, comparar potencial entre ellos y hacerte una idea del tamaño de un área temática. El orden de magnitud vale; el número exacto, no. Un 25.000 en pantalla quiere decir «esto es grande», no veinticinco mil consultas.

No sirve para comparar con el volumen de Google, porque miden ecosistemas distintos. No sirve para aislar una plataforma: el dato es del mercado entero, no de ChatGPT solo. Y no sirve para tendencias del día, porque son medias mensuales.

Dicho todo esto, la parte de temas, intenciones, perfiles, preguntas no formuladas y prompts por plataforma me parece útil desde el primer día, incluso ignorando el volumen. Es material de briefing, y de eso hay poco. La cifra de al lado tómala como un semáforo de prioridad, no como una medida. SISTRIX ya avisa de que el modelo seguirá cambiando, y de que los valores pueden moverse hacia atrás cuando se actualice la metodología.