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 y la industria hasta hoteles, moda y servicios legales, muestran que este contexto rara vez es neutral. Por lo tanto, este es un canal para empresas preparadas. Una marca sin entidades organizadas, sin una página de destino clara y sin conocimiento de lo que los modelos dicen sobre ella hoy, no obtendrá una ventaja aquí: comprará clics para una conversación que ya perdió en la oración anterior. Esto cambia el conjunto de competencias necesarias para llevar a cabo una campaña: de la gestión de pujas y frases a la gestión del significado, el contexto y la representación de la marca en los modelos de lenguaje. A continuación, explico cómo funciona este canal, por qué puede cambiar las reglas del juego en la conversión, qué requiere de una empresa que quiera aprovecharlo y cómo verificar si están listos para ello.
1. ¿Qué ha sucedido realmente?
OpenAI anunció los anuncios en ChatGPT el 9 de febrero de 2026 y los probó durante seis meses en los Estados Unidos. El 24 de agosto de 2026, el canal se lanzó en 31 países europeos. El Administrador de Anuncios (Ads Manager) está en versión beta. En Europa, las primeras campañas se lanzaron a través de socios, y el autoservicio se irá habilitando gradualmente.
Algunos hechos con los que vale la pena comenzar, 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 integrado 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 ni 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 el contenido de la conversación, ni el historial, ni la dirección de correo electrónico.
Liquidación: CPM (por mil impresiones), CPC (por clic; OpenAI recomienda tarifas de 3 a 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 se pueden medir con píxeles y a través de la API de Conversiones. OpenAI advierte que el canal no tiene aún benchmarks de efectividad entre sectores.
2. Cómo ChatGPT selecciona el anuncio. Y por qué no es "el nuevo Google Ads"
En el motor de búsqueda, 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 para asegurarse de que cumple con la política publicitaria;
el título y la descripción del anuncio;
las indicaciones contextuales proporcionadas por el anunciante – y, si el usuario ha activado la personalización, señales seleccionadas de sus conversaciones anteriores.
Las indicaciones 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 para la automatización de informes y quiere reducir el trabajo manual". La decisión final sobre la emisión la toma el modelo de relevancia de OpenAI.
A esto se suma la subasta. La puja es solo una de las entradas, y la relevancia del anuncio y 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 el motor de búsqueda | Anuncio en ChatGPT |
|---|---|---|
Unidad de compra | frase clave | situation de necesidad descrita en lenguaje natural |
Señal de coincidencia | consulta | sentido de toda la conversación + página de destino + creación + indicaciones |
Control del anunciante | alto (frases, exclusiones, coincidencias) | limitado (indicaciones sin garantía, geografía, plataforma, listas propias) |
Lo que 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 frases. 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 motor de búsqueda
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. Este es el momento más cercano a la decisión 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 se convirtió un 49% mejor en la página del producto que el tráfico del motor de búsqueda, y el número de visitas de esta fuente aumentó ocho veces interanualmente. 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 por 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 grande y debe ser tratada como una señal de que el canal funciona, no como un benchmark.
También hay otro lado de la moneda que debe ser igualmente claro. Los anuncios llegan hoy a los usuarios de planes gratuitos, no a los suscriptores de Plus, Pro o Business. Dos pruebas B2B publicadas sugieren que los tomadores de decisiones empresariales utilizan con más frecuencia los planes de pago que el usuario promedio, 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. Cualquier coincidencia incorrecta 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.
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, determina 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 cuatro 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. Hacer 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 incorrecta 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 en quién confiar.
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, ya que 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. En este caso, las dos capas trabajan juntas: la respuesta orgánica genera confianza, y la tarjeta pagada ofrece el camino más corto hacia la acción. Este es el único arreglo en el que el costo por clic tiene la oportunidad de recuperarse con creces.
Lo que 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 en el marco de la investigación 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 presupuesto en el 88% de los casos. Además, los modelos "otorgan" a la marca una garantía de por vida que el fabricante no ofrece. | A + B |
Fabricante polaco de 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 cadenas 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 la 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 sistemas 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 cuatro asignaciones 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 legal y consultoría (servicios profesionales) | 240 respuestas, 4 sistemas | Sin sugerencias 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 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 tener una infraestructura desarrollada. La misma ubicación es una ventaja en unas respuestas y una desventaja en otras. | 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, sobre esa base, 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 debajo de 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 la página + Semantio | Los robots que leen internet no 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; la competencia recoge recomendaciones. | C – y landing page sin relevancia |
Tres cosas de esta tabla tienen una relación directa con ChatGPT Ads.
Primero, "la falta de marca en preguntas sobre la categoría" es la norma, no la excepción. En ocho de los 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 donde 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 debajo de 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 creación. Es una cuestión de cómo el modelo representa la marca antes de que la campaña comience. Y eso no se ve en ningún panel publicitario. 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 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 función de 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 con qué frecuencia 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 anuncios 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 su 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 relaciona 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 afirmaciones 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 motor de búsqueda, una mejor fuente para los 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 indicaciones contextuales surjan de datos, no de una lluvia de ideas
Una indicación 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 indicaciones 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 indicaciones a partir de la intuición – y las verifica solo con el presupuesto.
5.3. Medición de la representación de la marca – antes de la campaña, durante ella y después de ella
Esta es una competencia que diferencia 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 sobre 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 indicaciones 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 reportación de 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 conservar 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 los 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 a los robots de OpenAI (OAI-AdsBot y OAI-SearchBot – bloquear cualquiera de ellos significa rechazo del anuncio o desaparición de las respuestas orgánicas).
Escenarios → indicaciones contextuales y creaciones. 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 dos capas. Paralelamente: resultados de la campaña del Ads Manager y medición cíclica de respuestas orgánicas de los modelos en Semantio. Si el contexto orgánico trabaja en contra del anuncio, se realizan acciones de GEO en las fuentes y contenidos, no solo en las pujas.
Informe con prueba. Qué dijo el modelo, qué hizo el anuncio, qué cambió entre las mediciones – con logs y un registro verificable de respuestas.
7. Quién debería entrar ahora y quién debería 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 considerados, 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 vale la pena si la empresa quiere ganar 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, la representación orgánica de la marca en las respuestas, que ven todos los usuarios, independientemente del plan, es más importante. En el estudio del fabricante de ventilación, 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 propia respuesta;
el producto es FMCG o un servicio local de bajo valor de carrito – con un CPC de 3 a 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 restringidos, y fuera de EE. UU. en su mayoría no están permitidos);
la empresa no tiene una página de destino que el modelo pueda entender – en ese caso, 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, es recomendable responder a 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 la publicidad 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 a OAI-AdsBot y OAI-SearchBot?
¿Tenemos escenarios de intención para las tres etapas de decisión, de los cuales surgen las indicaciones 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, qué dijo el modelo 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 creación y las indicaciones contextuales del anunciante, y no en palabras clave.
Indicaciones 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 incorrecta, 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 afirmaciones 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 la respuesta. 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 "el mejor X en Varsovia"? No. No hay palabras clave. Se puede describir la situación de necesidad en la que el anuncio tiene sentido y asegurarse de que la página de destino y la creación sean relevantes para ello. La decisión de emisión la toma el modelo de relevancia de OpenAI.
¿Cuánto cuesta un clic? OpenAI recomienda tarifas de CPC de 3 a 5 USD. Las primeras pruebas publicadas en el extranjero se encuentran dentro de este rango. No hay benchmarks polacos aún.
¿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 estas las que deciden si la marca entra en la lista corta.
¿Por dónde empezar? Por la medición: qué dicen 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.
