En resumen: Desde finales de agosto de 2026, los anuncios en ChatGPT están disponibles. No se compran por palabras clave. El sistema los adapta al sentido de toda la conversación, al contenido de la página de destino y a la descripción de la situación en la que el cliente necesita ayuda. El anuncio se muestra directamente debajo de la respuesta del modelo, por lo que su efectividad también depende de lo que ChatGPT haya dicho sobre la marca en la oración anterior. Los estudios de Brand Semantics en once sectores, desde la construcción e industria hasta hoteles, moda y servicios legales, muestran que este contexto rara vez es neutral. Esto cambia el conjunto de competencias necesarias para llevar a cabo una campaña: de la gestión de pujas y frases a la gestión de significado, contexto y representación de la marca en modelos de lenguaje. A continuación, explico cómo funciona este canal, por qué puede cambiar las reglas del juego en la conversión y qué requiere de una empresa que desea aprovecharlo.
1. Qué ha sucedido realmente
OpenAI anunció los anuncios en ChatGPT el 9 de febrero de 2026 y los probó durante seis meses en Estados Unidos. El 24 de agosto de 2026, el canal se lanzó en 31 países europeos. El Administrador de Anuncios (Ads Manager) opera en versión beta. En Europa, las primeras campañas comenzaron a través de socios, y la autoayuda se irá habilitando gradualmente.
Algunos hechos que vale la pena mencionar, ya que organizan el resto:
El anuncio aparece debajo de la respuesta de ChatGPT, está marcado como patrocinado y visualmente separado del texto del modelo. No está incrustado en la respuesta.
Un formato: nombre de la marca con favicon, encabezado de hasta 30 caracteres, descripción de hasta 60 caracteres, imagen cuadrada de 256×256 px y enlace a la página de destino. Sin video, sin carrusel.
Por ahora, lo ven los usuarios de planes gratuitos (Free, y en mercados donde existe, también Go). OpenAI declara que no muestra anuncios en los planes Plus, Pro o Business, ni a personas menores de 18 años. Los anuncios tampoco aparecen en chats temporales y para usuarios no registrados. Es importante tener esto en cuenta al planificar el alcance. También es recomendable seguir si esta política cambia.
El anunciante no tiene influencia sobre la respuesta del modelo y no recibe ningún dato sobre el usuario: ni contenido de la conversación, ni historial, ni dirección de correo electrónico.
Facturación: CPM (por mil impresiones), CPC (por clic; OpenAI recomienda tarifas de 3–5 USD) y – desde agosto – oCPC, es decir, optimización para conversiones. Se ha eliminado el mínimo presupuestario anterior de 50,000 USD.
Medición: impresiones, clics, CTR, CPC y CPM promedio, gastos, conversiones. Las campañas se pueden etiquetar con parámetros UTM, y las conversiones medir con píxeles y a través de la API de Conversiones. OpenAI advierte que el canal no tiene aún benchmarks de efectividad entre industrias.
Fuentes: OpenAI Help Center – Ads in ChatGPT: The Basics, OpenAI Help Center – Create ads for ChatGPT Ads, Socialpress – ChatGPT Ads startują w Polsce, StackAdapt – How to advertise on ChatGPT.
2. Cómo ChatGPT selecciona el anuncio. Y por qué no es "el nuevo Google Ads"
En el buscador, la mecánica es conocida desde hace casi un cuarto de siglo: el usuario escribe una frase, el anunciante puja por la frase, gana quien tiene la mejor combinación de puja y resultado de calidad. La frase es el denominador común. Se puede comprar, excluir, medir.
En ChatGPT no hay tal denominador. Según la documentación de OpenAI, el sistema adapta el anuncio en función de cuatro cosas a la vez:
el contexto y la intención de toda la conversación, no solo de la última oración;
el contenido de la página de destino del anuncio, que OpenAI lee con su propio robot (OAI-AdsBot) y verifica en cuanto a conformidad con la política publicitaria;
el título y la descripción del anuncio;
las pistas contextuales proporcionadas por el anunciante – y, si el usuario ha activado la personalización, señales seleccionadas de sus conversaciones anteriores.
Las pistas contextuales no son palabras clave. OpenAI afirma claramente que no funcionan como coincidencia exacta y no garantizan la aparición en una conversación específica. Se trata de una descripción de la situación de necesidad: quién pregunta, qué, en qué momento de la decisión. En lugar de la frase "sistema CRM", el anunciante describe "un equipo de ventas que compara herramientas de automatización de informes y quiere reducir el trabajo manual". La decisión final sobre la emisión la toma el modelo de relevancia de OpenAI.
Además, hay una subasta. Es una subasta de segundo precio ponderada por relevancia: la puja es solo una de las entradas, y la relevancia del anuncio y de la página de destino en relación con la conversación co-decide quién gana y cuánto paga. En otras palabras: si la página de destino describe claramente qué es el producto, para quién, en qué situaciones y en qué se diferencia de las alternativas, el sistema tiene una base para la adaptación, y el anuncio gana más barato.
Elemento | Anuncio en buscador | Anuncio en ChatGPT |
|---|---|---|
Unidad de compra | palabra clave | situación de necesidad descrita en lenguaje natural |
Señal de coincidencia | consulta | sentido de toda la conversación + página de destino + creatividad + pistas |
Control del anunciante | alto (frases, exclusiones, coincidencias) | limitado (pistas sin garantía, geografía, plataforma, listas propias) |
Qué ve el usuario sobre el anuncio | lista de enlaces | respuesta lista del modelo, a menudo con recomendación |
Subasta | puja × resultado de calidad | segundo precio ponderado por relevancia |
Formatos | texto, gráfico, video, compras | una tarjeta: encabezado, descripción, imagen, enlace |
Datos del usuario para el anunciante | limitados | ninguno |
La consecuencia es clara: en este canal no se puede "configurar una campaña" por palabras clave. Hay que saber cómo las personas realmente conversan con el modelo sobre una categoría determinada, en qué momento de la decisión ocurre y qué responde el modelo antes de mostrar el anuncio.
3. Por qué la conversión puede verse diferente que en el buscador
Honestamente: OpenAI no publica benchmarks, y el mercado apenas está recopilando los primeros datos. Pero hay tres razones independientes que permiten entender por qué este canal tiene un potencial de conversión diferente al de los medios clásicos.
Primero, el momento. El usuario de ChatGPT no "busca"; ya está conversando. Ha hecho una pregunta, ha recibido una respuesta, a menudo ha precisado. El anuncio aparece en el momento en que la necesidad ya ha sido nombrada y los criterios de selección discutidos. Es el momento de decisión más cercano que la publicidad ha tenido jamás.
Segundo, la calidad del tráfico. Shopify informó que en el primer trimestre de 2026, el tráfico de asistentes GenAI convertía un 49% mejor en la página del producto que el tráfico del buscador, y el número de visitas de esta fuente aumentó ocho veces año tras año. Criteo, en una muestra de 500 vendedores, midió que el tráfico enviado por modelos de lenguaje convierte aproximadamente 1.5 veces mejor que otros canales de referencia. Estos son datos sobre tráfico orgánico, no pagado, pero muestran con qué tipo de usuario estamos tratando: una persona que ya ha pasado la etapa de comparación en la conversación.
Tercero, las primeras pruebas pagadas. Una prueba de dos semanas de SE Ranking en mercados de habla inglesa dio un 1.30% de CTR en más de 97,000 impresiones. Otra prueba, publicada por una agencia canadiense, dio un 0.65% de CTR con un costo por clic de aproximadamente 4.4–4.9 CAD. La variabilidad es alta y debe ser tratada como una señal de que el canal funciona, no como un benchmark.
También hay otra cara de la moneda que debe ser igualmente clara. Los anuncios llegan hoy a los usuarios de planes gratuitos, no a los suscriptores Plus, Pro o Business. Dos pruebas B2B publicadas sugieren que los tomadores de decisiones empresariales utilizan más frecuentemente que el usuario promedio los planes de pago, es decir, aquellos en los que por ahora no hay anuncios. Un clic cuesta entre 3 y 5 USD. El inventario es limitado, hay un formato, y las herramientas de optimización son jóvenes. Cada coincidencia errónea es costosa en este canal. Precisamente por eso, la precisión del contexto deja de ser una cuestión estética y se convierte en una condición de rentabilidad.
Fuentes: Brand Semantics – datos Shopify Q1 2026 en la página principal, Choice OMG – ChatGPT Ads 2026 field guide, Socialpress.
4. Una ventana, dos capas: lo que el modelo dice sobre tu anuncio
Aquí llegamos a algo que no se encuentra en ninguna guía sobre ChatGPT Ads, y que, en mi opinión, decide el resultado de la campaña.
El anuncio se muestra debajo de la respuesta del modelo. El usuario primero lee lo que ChatGPT piensa sobre su problema, qué soluciones recomienda, qué marcas menciona y cómo las describe. Solo después ve la tarjeta patrocinada. Esto significa que en una sola ventana hay dos capas del mensaje sobre la marca: la representación orgánica de la marca en la respuesta del modelo y la tarjeta pagada. El anunciante solo controla esta última.
Consideremos tres situaciones típicas que observamos en los estudios de respuestas de modelos realizados con nuestra herramienta de investigación Semantio:
Situación A: el modelo recomienda a un competidor. El usuario pregunta sobre una solución en la categoría, el modelo menciona tres marcas y recomienda una de ellas. Debajo aparece el anuncio de una cuarta marca: la tuya. La tarjeta pagada compite con la recomendación que el usuario acaba de leer y en la que confía. El clic es posible, pero el anuncio comienza desde una posición que el modelo ya ha perdido.
Situación B: el modelo proporciona información incorrecta sobre la marca. En la respuesta aparece tu marca, pero con un precio incorrecto, un certificado inexistente, una ubicación errónea o una característica asignada a un competidor. El anuncio debajo lleva a una página que dice lo contrario. El usuario recibe un mensaje contradictorio y no sabe a quién creer.
Situación C: el modelo no conoce la marca. La respuesta es sobre la categoría, pero tu marca no aparece en ella. El anuncio es el primer contacto – y el único argumento. Este es el escenario más costoso, porque todo el trabajo persuasivo recae en 30 caracteres del encabezado y 60 caracteres de la descripción.
También hay situación D: el modelo recomienda tu marca, y el anuncio lo confirma. Entonces, las dos capas trabajan juntas: la respuesta orgánica genera confianza, la tarjeta pagada ofrece el camino más corto a la acción. Este es el único arreglo en el que el costo por clic tiene la oportunidad de ser rentable.
Qué vemos en los estudios: once sectores, el mismo mecanismo
Los siguientes ejemplos provienen de estudios sobre la representación de marcas que realizamos en 2026 en Semantio para clientes de Brand Semantics y como parte de un estudio de Fundación AI Business Center con datos de Semantio. Indicamos los sectores y la escala del estudio porque muestran que el mecanismo es independiente del sector. Cada resultado es una fotografía fechada de un día del estudio – los modelos cambian sus respuestas con el tiempo, por lo que la medición se repite.
Sector (cliente) | Escala del estudio | Qué hace el modelo en la respuesta sobre la que se mostraría el anuncio | Situación |
|---|---|---|---|
Fabricante de puertas y ventanas (premium, construcción) | 150 respuestas, 4 sistemas | Sentimiento 8.1/10, pero 0% de recomendaciones directas en la fase de decisión; en preguntas generales, los modelos mencionan marcas masivas y de bajo costo en el 88% de los casos. Además, los modelos "asignan" a la marca una garantía de por vida que el fabricante no ofrece. | A + B |
Fabricante polaco de sistemas ERP (software B2B) | 225 respuestas, 5 sistemas | Visibilidad del 9.3% en preguntas generales, 49–51% en comparaciones y decisiones. 11 de 225 respuestas contienen información falsa – la más peligrosa: asignación del sistema a fabricantes competidores. | C, luego B |
Productor regional de embutidos con tienda online | 120 respuestas, 4 sistemas | 0 de 40 respuestas a preguntas generales sobre compras con entrega en la región mencionan la marca; los modelos indican redes nacionales. Cuando se menciona el nombre: 24 de 120 respuestas contienen información falsa (falta de pan en la oferta, falta de entrega el mismo día, entrega a Varsovia) – todas en la fase de consideración y decisión. El modelo basa su respuesta en la página de la marca solo en el 17% de los casos. | C + B |
Fabricante de iluminación (hogar y B2B) | 199 respuestas, 4 sistemas | 95% de visibilidad después del nombre, 40% sin nombre. 18 respuestas con alerta de error o problema de representación – 16 de ellas con alta recomendación. El modelo recomienda, pero con información incorrecta. | D con riesgo de B |
Fabricante de ventilación contra incendios (industria, B2B) | 130 respuestas, 5 sistemas | 0 de 30 respuestas a preguntas sobre la categoría mencionan la marca; 82 de 100 respuestas con nombre la recomiendan "altamente". 14 respuestas con información falsa, incluyendo la asignación repetida de la empresa polaca a grupos de capital extranjeros. En una de cada tres respuestas: "falta de datos públicos, pregunte al fabricante". | C, D, B – dependiendo de la etapa |
Firma de abogados y consultoría (servicios profesionales) | 240 respuestas, 4 sistemas | Sin sugerencia de nombre, la marca aparece en 1 de 92 respuestas – en la octava posición de la lista. En 7 respuestas, el modelo confunde el nombre del fundador. En el 51.5% de las preguntas sobre pruebas de competencia, remite al cliente "para una verificación adicional". | C |
Hotel premium (Cracovia, turismo y MICE) | 225 respuestas, 5 sistemas | Visibilidad del 47%, sentimiento 8/10, pero el modelo reduce el objeto a "hotel wellness" y lo omite en escenarios de conferencias a pesar de su infraestructura desarrollada. La misma ubicación en unas respuestas es una ventaja, en otras una desventaja. | D en wellness, A en MICE |
Hotel boutique (Cracovia; estudio paralelo en el mercado noruego) | 5 sistemas, dos mercados | Uno de los sistemas interpretó el nombre propio del hotel como una categoría de objeto y en base a eso desaconsejó directamente como lugar para turistas de Noruega. | B (error de entidad) |
Marca de calzado (moda, comercio electrónico) | 200 respuestas, 5 sistemas | Visibilidad del 55%, buena recomendación en la fase de consideración, pero en la fase de decisión los modelos repiten menciones sobre problemas de durabilidad y reclamaciones. El anuncio bajo tal respuesta lleva al cliente que acaba de leer una advertencia. | A en la decisión |
Fabricante de perfiles de plástico (industria, B2B, empresa en grupo internacional) | 180 respuestas, 6 sistemas | 0 de 60 escenarios de conciencia; 82% de recomendaciones cuando la marca ya se menciona. Solo el 7% de las respuestas cita el dominio polaco – los modelos asignan referencias y certificados a la empresa matriz extranjera. | C + B |
Centro de construcción (comercio, mercado local) | auditoría de página + Semantio | Los robots que leen internet ven en la página de la empresa "una hoja en blanco" – el contenido se renderiza solo en el navegador del cliente. Para los modelos, la oferta no existe; las recomendaciones las recoge la competencia. | C – y landing page sin relevancia |
Tres cosas de esta tabla tienen una relación directa con ChatGPT Ads.
Primero, "falta de marca en preguntas sobre la categoría" es la norma, no la excepción. En ocho de once estudios, la marca está casi ausente cuando el cliente aún no conoce su nombre, es decir, exactamente en esas conversaciones en las que la publicidad debería entrar. La publicidad en tal contexto opera en la situación C: es el único argumento y paga el precio completo por cada clic.
Segundo, una alta recomendación no significa un contexto seguro. En el fabricante de iluminación, 16 de 18 errores aparecieron en respuestas en las que el modelo recomendaba la marca. En el fabricante de ventilación, los modelos recomendaban la empresa y al mismo tiempo la asignaban a un grupo de capital extranjero. Un anuncio bajo tal respuesta refuerza la recomendación y el error junto con ella.
Tercero, la misma pregunta en diferentes sistemas da un contexto diferente. En el productor regional de embutidos, la evaluación de la recomendación (en una escala de 0 a 100) varió de 16 a 51 dependiendo del sistema; en el fabricante de ventilación, cuatro sistemas vieron la marca en 20 de 20 preguntas, y el quinto en 13 de 20. La campaña en ChatGPT se refiere a un solo sistema, pero el cliente compara en varios – y el contexto orgánico debe conocerse en cada uno de ellos.
La diferencia entre la situación A y D no es una cuestión de puja ni de creatividad. Es una cuestión de cómo el modelo representa la marca antes de que la campaña comience. Y eso no se ve en ningún panel de anuncios. Para verlo, hay que hacer a los modelos las mismas preguntas que hacen los clientes – muchas veces, en muchas variantes, en varios sistemas – y medir las respuestas. Esto es precisamente el objeto de la Optimización del Motor Generativo (GEO) y el objeto de la medición en Semantio.pro.
5. Cuatro competencias que requiere este canal
Dado que ChatGPT no adapta anuncios a frases, sino a significados, la pregunta es: ¿quién puede trabajar con significados? Desde nuestra experiencia, se necesitan cuatro competencias. Vale la pena verificar cuáles de ellas tiene el equipo que lleva a cabo la campaña – interno o externo.
5.1. Mapa de entidades y mapa de afirmaciones – para que la página de destino sea comprensible para el modelo
El sistema OpenAI lee la página de destino y en base a ella evalúa la relevancia del anuncio para la conversación. Si la página describe a la empresa como "un socio tecnológico innovador", el modelo no tiene de dónde inferir en qué conversaciones tiene sentido el anuncio. Si la página dice claramente: qué producto, para quién, para qué problema, en qué categoría, con qué pruebas y en qué se diferencia de las alternativas – el modelo tiene una base para la adaptación.
Dos ejemplos de nuestras auditorías muestran cuán a menudo esta condición no se cumple. La página de un centro de construcción local renderizaba todo el contenido solo en el navegador del cliente – los robots que leen internet veían en ella "una hoja en blanco"; lo único que podían leer eran dos palabras. Tal página como landing page de un anuncio en ChatGPT no tiene cómo ganar la subasta de relevancia, y el robot OAI-AdsBot no tiene qué verificar. Por otro lado, un fabricante polaco que opera en un grupo internacional tenía en el mapa de la página 699 de 729 direcciones que conducían al dominio de la empresa matriz extranjera; los modelos citaban el dominio polaco en el 7% de las respuestas y asignaban referencias y certificados a otra empresa. Un anuncio de tal marca llevaría a una página que el modelo no conecta con el sujeto del que habla en la respuesta anterior.
Lo llamamos unicidad semántica. En la práctica, esto significa separar dos cosas: mapa de entidades (qué objetos forman el mundo de la marca: productos, destinatarios, problemas, competidores, pruebas) y mapa de afirmaciones (qué oraciones sobre estos objetos deben ser verdaderas, confirmadas por fuentes y posibles de ser asumidas por el modelo). Una página de destino preparada de esta manera es al mismo tiempo una mejor página en el buscador, una mejor fuente para modelos de lenguaje y un landing más barato en la subasta ponderada por relevancia. Es un solo trabajo, tres efectos.
5.2. Escenarios de intención – para que las pistas contextuales surjan de datos, no de una lluvia de ideas
Una pista contextual es una descripción de la situación de necesidad: quién, qué necesidad, qué contexto, qué momento de decisión. Para escribirla bien, hay que saber cómo los clientes realmente preguntan a los modelos sobre una categoría determinada – en la etapa de descubrimiento ("cómo resolver el problema X"), comparación ("en qué se diferencia A de B") y decisión ("dónde comprar, a quién encargar").
En Semantio trabajamos exactamente con tales unidades: escenarios, es decir, preguntas completas enmarcadas en una persona concreta, producto y etapa de decisión, dirigidas a sistemas seleccionados. Una empresa que ha estado investigando escenarios de compra en la categoría del cliente durante meses escribe pistas contextuales a partir de la medición: sabe qué situaciones terminan en recomendación, en cuáles el modelo menciona competidores y en cuáles la marca está ausente. Un equipo que no tiene tal medición escribe pistas a partir de la intuición – y las verifica solo con el presupuesto.
5.3. Medición de la representación de la marca – antes, durante y después de la campaña
Esta es una competencia que distingue la gestión de campañas en ChatGPT de la gestión de campañas en cualquier otro medio. Dado que sobre el anuncio hay una respuesta orgánica del modelo, hay que saber:
antes del inicio – en qué porcentaje de escenarios de compra el modelo menciona la marca, con qué frecuencia la recomienda, cuál es su Share of Voice frente a los competidores, qué tono utiliza para describirla y si no proporciona información falsa sobre ella;
durante – si la respuesta orgánica favorece el anuncio (situación D), o compite con él (A, B, C); si los cambios en la página y en las fuentes desplazan las respuestas del modelo; qué fuentes cita el modelo cuando habla sobre la categoría;
después de la campaña – qué exactamente dijo el modelo sobre la marca el día de la emisión, en una forma que se puede mostrar a la dirección o al cliente.
En la práctica, esta medición cambia las decisiones de campaña. En el fabricante de puertas y ventanas, el contexto orgánico en la fase de decisión era neutral (0% de recomendaciones directas con un sentimiento de 8.1/10) – el anuncio tiene sentido allí solo junto con pruebas en la página de destino que permitan al modelo justificar un precio más alto. En la marca de calzado, el contexto en la fase de decisión era directamente desfavorable (menciones sobre reclamaciones) – una campaña sin trabajo previo en las fuentes pagaría por clics de clientes que acaban de leer una advertencia. En el hotel premium, el contexto era excelente en escenarios de wellness y malo en conferencias – las pistas contextuales y las páginas de destino deben ser diferentes para cada uno de estos segmentos.
Semantio mide estas dimensiones en respuestas en vivo de ChatGPT, Gemini, Claude, Perplexity, Google AI Overview, Microsoft Copilot, Grok y DeepSeek: Tasa de Visibilidad, Share of Voice, nivel de recomendación, sentimiento, impacto de fuentes y detección de afirmaciones contradictorias con hechos verificados sobre la marca. Cada resultado es una medición fechada de un estudio específico, no una proyección de señales en la página. Gracias a esto, la campaña en ChatGPT no se lleva a cabo a ciegas: sabemos en qué contexto orgánico se muestra el anuncio y si ese contexto trabaja a su favor o en su contra.
5.4. Prueba – para que el resultado pueda ser defendido
En un canal sin benchmarks y con un retraso de 24 a 48 horas en la información sobre conversiones, es especialmente importante que el diagnóstico y las conclusiones sean auditables. En Semantio, cada respuesta del modelo se registra en un log junto con metadatos, clasificación y fuentes citadas, y se pueden preservar respuestas seleccionadas como un registro verificable e independiente, protegido contra modificaciones de lo que un sistema dijo en un día determinado.
6. Cómo llevamos a cabo campañas en ChatGPT
En Brand Semantics, llevamos a cabo campañas de ChatGPT Ads desde el diagnóstico hasta el informe – con acceso directo al Ads Manager y en nuestra propia herramienta de medición. El proceso es el siguiente:
Diagnóstico de la representación de la marca en los modelos. Estudio en Semantio: escenarios de compra reales en la categoría del cliente, en el lenguaje del mercado, en varios sistemas. Resultado: dónde se recomienda la marca, dónde pierde frente a competidores, dónde se equivocan los modelos, qué fuentes moldean la respuesta.
Mapa de entidades y preparación de la página de destino. Organizar lo que el modelo debe entender sobre la marca y traducirlo a la página de destino: clara, basada en fuentes, que permita el acceso a los robots de OpenAI (OAI-AdsBot y OAI-SearchBot – bloquear cualquiera de ellos significa rechazar el anuncio o desaparecer de las respuestas orgánicas).
Escenarios → pistas contextuales y creatividades. De la medición surgen situaciones de necesidad en las que el anuncio tiene sentido, y variantes de encabezados y descripciones adaptadas a la etapa de decisión.
Campaña en Ads Manager. Objetivo (alcance, clics o conversiones), geografía, plataforma, presupuesto diario, medición de conversiones con píxeles y a través de la API de Conversiones configurada antes del inicio.
Monitoreo de las dos capas. Paralelamente: resultados de la campaña del Ads Manager y medición cíclica de las respuestas orgánicas de los modelos en Semantio. Si el contexto orgánico trabaja en contra del anuncio – acciones de GEO en fuentes y contenidos, no solo en pujas.
Informe con prueba. Qué dijo el modelo, qué hizo el anuncio, qué cambió entre mediciones – con logs y un registro verificable de respuestas.
7. Quién debería entrar ahora, y quién esperar
Vale la pena probar ahora, si la marca opera en una categoría en la que el cliente compara, pregunta y vuelve con más preguntas: comercio electrónico con productos en consideración, electrónica, finanzas personales (dentro de la política publicitaria de OpenAI), telecomunicaciones, automoción, viajes, educación, servicios seleccionados tras investigación, así como productos para el hogar, productos de construcción y acabados o artículos para niños. También es recomendable si la empresa quiere adquirir experiencia en el canal antes de que lo haga la competencia – en un canal joven, el costo de aprendizaje es menor que el costo de la tardanza.
Vale la pena esperar, si:
los clientes son principalmente tomadores de decisiones B2B que utilizan planes de pago de ChatGPT – la publicidad por ahora no llegará a ellos; en este caso, es más importante la representación orgánica de la marca en las respuestas, que ven todos los usuarios, independientemente del plan. En el estudio del fabricante de ventilación contra incendios, lo llamamos "una licitación perdida antes de la licitación": el diseñador pregunta al modelo qué incluir en la especificación, recibe una lista sin marca – y la marca entra solo como sustituto en la etapa de ejecución, compitiendo en precio. Esto no lo solucionará una tarjeta patrocinada, sino la presencia en la misma respuesta;
el producto es FMCG o un servicio local de bajo valor de carrito – con un CPC de 3–5 USD, la economía no se sostiene;
la industria está sujeta a restricciones de política publicitaria (alcohol, juegos de azar, contenido político están prohibidos; salud y servicios financieros están limitados, y fuera de EE.UU. en su mayoría no permitidos);
la empresa no tiene una página de destino que el modelo pueda entender – entonces el primer paso no es la campaña, sino organizar la representación de la marca.
Independientemente de si la empresa entra en publicidad pagada, la capa orgánica siempre funciona: el usuario de un plan de pago no verá el anuncio, pero verá lo que el modelo dice sobre la marca. Para muchas empresas B2B, este es hoy un canal más importante que cualquier tarjeta patrocinada.
8. Lista de verificación de preparación para ChatGPT Ads
Antes de lanzar una campaña, vale la pena responder diez preguntas:
¿Sabemos en qué porcentaje de preguntas de compra reales en nuestra categoría ChatGPT menciona nuestra marca?
¿Sabemos a quién recomienda en lugar de nosotros – y por qué (qué fuentes)?
¿El modelo proporciona información falsa sobre nosotros que el anuncio reforzaría en lugar de corregir?
¿La página de destino describe claramente el producto, el destinatario, el problema y las pruebas – en un lenguaje que el modelo pueda asumir?
¿La página permite el acceso a OAI-AdsBot y OAI-SearchBot?
¿Tenemos escenarios de intención para las tres etapas de decisión, de los cuales surgen las pistas contextuales?
¿Tenemos varias variantes de encabezado y descripción, cada una mostrando un beneficio diferente, y no el mismo mensaje?
¿La medición de conversiones (píxel, API de Conversiones, UTM) está configurada antes del inicio, y no después?
¿Nuestros clientes utilizan el plan gratuito de ChatGPT?
¿Tenemos una forma de mostrar a la dirección, después de la campaña, lo que el modelo dijo sobre la marca el día de la emisión – en una forma que se pueda verificar?
Si las respuestas a las preguntas 1–3 son "no sabemos", la campaña se lanzará a ciegas – independientemente de quién la dirija.
9. Glosario de términos
ChatGPT Ads – canal publicitario de OpenAI, en el que las tarjetas patrocinadas se muestran debajo de las respuestas de ChatGPT a los usuarios de planes gratuitos; la adaptación se basa en el contexto de la conversación, la página de destino, la creatividad y las pistas contextuales del anunciante, y no en palabras clave.
Pistas contextuales (context hints) – descripciones de situaciones de necesidad (quién, qué necesidad, qué contexto, qué momento de decisión) que el anunciante proporciona en el Ads Manager; no son coincidencias exactas y no garantizan la emisión.
Optimización del Motor Generativo (GEO) – disciplina que sigue al SEO: en lugar de posiciones en la lista de enlaces, el objetivo es cómo los modelos de lenguaje describen, comparan y recomiendan la marca en la respuesta final. Incluye la organización de entidades y afirmaciones sobre la marca, la construcción de fuentes que los modelos citan, y la medición de respuestas.
Representación de la marca en las respuestas de modelos de lenguaje (LLM brand representation) – forma observable en que la marca está presente, descrita, comparada, recomendada y referenciada en las respuestas de sistemas GenAI en un estudio específico. La visibilidad es solo una de sus dimensiones.
Share of Voice (SoV) – participación de la marca en el "tiempo de aire" de la respuesta del modelo frente a competidores nombrados en un conjunto de escenarios determinado.
Alucinación de marca (brand hallucination) – afirmación del modelo sobre la marca que contradice hechos verificados: precio incorrecto, certificado inexistente, ubicación errónea, característica asignada a un competidor.
Mapa de entidades / mapa de afirmaciones – herramientas para organizar la representación de la marca: lista de objetos que forman el mundo de la marca (productos, destinatarios, problemas, competidores, pruebas) y lista de oraciones sobre estos objetos que deben ser verdaderas, confirmadas por fuentes y posibles de ser asumidas por el modelo.
Semantio – plataforma de investigación de Brand Semantics para analizar y monitorear la representación de marcas en respuestas de ChatGPT, Gemini, Claude, Perplexity, Google AI Overview, Microsoft Copilot, Grok y DeepSeek, en respuestas en vivo, en el lenguaje del mercado, con logs y prueba verificable.
10. Preguntas frecuentes
¿Puede la publicidad en ChatGPT cambiar lo que el modelo dice sobre la marca? No. OpenAI separa el sistema publicitario del modelo. El anunciante no puede influir en el contenido, el orden ni el tono de las respuestas. Cambiar la representación orgánica de la marca solo es posible a través del trabajo en fuentes, contenidos y estructura de información – es decir, a través de GEO.
¿Se puede comprar publicidad para la frase "mejor X en Madrid"? No. No hay palabras clave. Se puede describir la situación de necesidad en la que tiene sentido el anuncio y asegurarse de que la página de destino y la creatividad sean relevantes para ello. La decisión sobre la emisión la toma el modelo de relevancia de OpenAI.
¿Cuánto cuesta un clic? OpenAI recomienda tarifas de CPC de 3–5 USD. Las primeras pruebas publicadas en el extranjero se encuentran dentro de este rango. Aún no hay benchmarks polacos.
¿Lo ven mis clientes B2B? Si utilizan el plan gratuito – sí. En los planes Plus, Pro y Business, por ahora no hay anuncios; sus usuarios ven, sin embargo, las respuestas orgánicas del modelo sobre la marca, y son ellas las que deciden si la marca entra en la lista corta.
¿Por dónde empezar? Por la medición: qué dice hoy ChatGPT y otros modelos sobre la marca en preguntas de compra reales. Sin esto, no se sabe si la publicidad reforzará la recomendación o competirá con ella.
Grzegorz Miłkowski – CEO de Brand Semantics P.S.A., empresa de consultoría y tecnología dedicada a la representación de marcas en modelos de lenguaje y creador de la plataforma de investigación Semantio.
Fuentes: OpenAI Help Center – Ads in ChatGPT: The Basics · OpenAI Help Center – Create ads for ChatGPT Ads · Socialpress – ChatGPT Ads startują w Polsce · StackAdapt – How to advertise on ChatGPT · Choice OMG – ChatGPT Ads in 2026 field guide · Adsmurai – Hints in ChatGPT Ads · Brand Semantics – raport SEO/GEO 2026
