Cómo encontrar queries conversacionales de IA en Google Search Console

Google Search Console NO muestra las consultas del informe de IA generativa. Pero existe una forma de encontrar señales conversacionales dentro del informe de rendimiento que ya utilizás.

Y algunas de esas consultas son bastante peculiares:

• «sí»
• «sí, sigue»
• «dame más opciones»
• «y qué pasa si…»
• «recomiéndame otra»

A primera vista parecen búsquedas absurdas. Pero tienen algo en común: tienen mucho más sentido como parte de una conversación que como una búsqueda aislada.

Esto abre una posibilidad interesante para el SEO conversacional: utilizar estas consultas como señales para entender cómo las personas formulan necesidades cuando interactúan con buscadores cada vez más conversacionales, como AI Mode y las AI Overviews.

No significa que podamos identificar con certeza todas las consultas procedentes de AI Mode. Tampoco significa que Search Console nos esté mostrando conversaciones completas. Pero sí podemos encontrar patrones interesantes que, interpretados correctamente, se convierten en una fuente valiosa de investigación SEO.

Quiero mejorar mi posicionamiento con IA →

¿Por qué aparecen consultas conversacionales en Search Console?

Para entenderlo hay que empezar por cómo Google mide el Modo IA.

En junio de 2026, Google lanzó los nuevos informes de rendimiento de IA generativa en Search Console, con información específica sobre la visibilidad de un sitio en funciones como AI Overviews y AI Mode.

El informe permite analizar impresiones y páginas, además de dimensiones como país, dispositivo y fecha. Sin embargo, no muestra una dimensión de consultas que permita saber qué búsqueda concreta generó cada impresión de IA.

Desde el 31 de agosto de 2026, Google indica que estos informes están disponibles globalmente.

Documentación oficial de Google.

Hay una peculiaridad importante: las interacciones de búsqueda también forman parte del informe de rendimiento general.

AI Mode está diseñado para permitir preguntas de seguimiento y continuar explorando un tema. Cuando un usuario realiza una nueva pregunta dentro de una interacción, esa consulta puede aparecer como una query independiente en los datos generales de Search Console.

Por ejemplo, una interacción podría comenzar con:

«¿Cuáles son las mejores alternativas a X?»

y continuar con:

«¿Y cuáles son más baratas?»

o incluso:

«sí, sigue»

Desde el punto de vista del análisis de consultas, esas expresiones pueden aparecer como búsquedas diferentes.

Jean-Christophe Chouinard fue uno de los profesionales que exploró este comportamiento y propuso expresiones regulares para detectar patrones que podrían corresponder a interacciones de tipo conversacional.

Ver su análisis sobre Regex en Google Search Console.

Otros análisis recientes también encontraron consultas con características claramente conversacionales.

Pero hay una distinción fundamental:

una query que parece conversacional no demuestra por sí sola que proceda de AI Mode.

Puede tratarse de una búsqueda tradicional, una consulta escrita directamente por una persona, una herramienta automatizada o incluso un sistema de seguimiento de prompts.

Ese matiz es importante para todo lo que sigue.

Cómo encontrar consultas conversacionales en Search Console

No necesitás ninguna herramienta externa para empezar.

1. Andá a Search Console → Rendimiento → Resultados de búsqueda → Consultas.
2. Aplicá Añadir filtro → Consulta → Personalizado (regex).
3. Search Console utiliza la sintaxis RE2 para las expresiones regulares.
4. Creá filtros separados según el tipo de señal que buscás, en lugar de intentar construir un único regex gigantesco.

Consejo: estos filtros funcionan mejor como herramientas de exploración que como clasificadores automáticos. La interpretación final requiere leer las consultas y buscar patrones.

Un kit de Regex para detectar señales conversacionales

No existe un «regex mágico» capaz de identificar qué queries proceden de IA.

Lo interesante es combinar diferentes señales.

Una consulta puede ser larga. Otra puede contener un verbo típico de prompt. Otra puede formular una comparación. Y otra puede parecer directamente una respuesta a algo que ocurrió antes.

Por eso conviene trabajar con varias categorías.

1. Consultas muy largas

Una primera aproximación consiste en buscar queries con muchas palabras.

Para detectar consultas de 16 palabras o más:

^(\S+\s+){15,}\S+$

Este filtro puede sacar consultas como:

«estoy buscando una herramienta que me permita comparar diferentes opciones para mi empresa»

o:

«cuál sería la mejor opción para una empresa que necesita reducir costes»

La longitud puede ser una buena señal exploratoria, pero no demuestra que una consulta sea de IA.

Una búsqueda tradicional también puede ser larga y específica.

2. Consultas largas por cantidad de caracteres

Otra forma de detectar long-tail especialmente extensas es utilizar el número de caracteres.

Por ejemplo, para buscar consultas de más de 70 caracteres:

^[\w\W\s\S]{70,}$

Esto puede ser útil si el idioma, la estructura de las consultas o la forma en que Search Console presenta los datos hace que el conteo de palabras no sea suficientemente práctico.

La idea es sencilla: buscar frases que tengan estructura de pregunta o petición completa, no únicamente una combinación de keywords.

3. Verbos típicos de prompts

Una señal más interesante es el lenguaje utilizado.

Podés buscar expresiones que aparecen habitualmente cuando una persona le pide una tarea a un asistente conversacional:

^(act[úu]a como|h[áa]zme|dame|escr[íi]beme|red[áa]ctame|gen[ée]rame|res[úu]meme|expl[íi]came|comp[áa]rame|recomi[ée]ndame|sugi[ée]reme|necesito que|podr[íi]as)\b

Esto permite encontrar consultas como:

• «dame 10 ejemplos de…»
• «compárame estas dos opciones…»
• «explícame cómo…»
• «recomiéndame una alternativa…»

Aquí aparece una señal más útil que la simple longitud.

El usuario no describe únicamente qué quiere encontrar, sino qué quiere que el sistema haga.

Y esa diferencia es especialmente interesante para el SEO orientado a tareas.

4. Preguntas conversacionales

También podemos buscar consultas que comienzan con estructuras típicas de pregunta:

^(c[oó]mo|qu[eé]|cu[aá]l|cu[aá]les|por qu[eé]|para qu[eé]|d[oó]nde|cu[aá]ndo|qui[eé]n|puedo|deber[ií]a|podr[ií]a|es posible|tiene sentido)\b

Por ejemplo:

• «cómo puedo mejorar…»
• «cuál sería la mejor opción…»
• «por qué debería elegir…»
• «es posible hacer…»

Este filtro es bastante más amplio que el de los seguimientos, por lo que probablemente genere muchos falsos positivos.

Precisamente por eso conviene utilizarlo como señal secundaria y cruzarlo con otros patrones.

5. Contexto personal

Una característica habitual de las consultas conversacionales es que incorporan contexto.

Por ejemplo:

\b(soy|somos|tengo|tenemos|trabajo|trabajamos|dirijo|dirigimos|busco|buscamos|necesito|necesitamos|quiero|queremos|mi|mis|nuestro|nuestra)\b

Esto puede detectar consultas como:

• «soy una pyme y necesito…»
• «trabajamos con…»
• «busco una herramienta para mi ecommerce…»
• «tenemos un equipo de 20 personas…»

Pero ojo: este regex es deliberadamente amplio.

No lo usaría para afirmar que una query es conversacional. Lo utilizaría para descubrir cómo los usuarios describen su situación, sus restricciones y su contexto.

6. Restricciones y condiciones

Esta es una señal especialmente útil para entender necesidades de decisión:

\b(sin|con|para|menos de|m[aá]s de|hasta|entre|por debajo de|por encima de|que tenga|que permita|que sea|que pueda|aunque|pero)\b

Puede revelar consultas como:

• «qué herramienta puedo usar sin pagar…»
• «busco una opción que tenga integración con…»
• «cuál es mejor para empresas de menos de 50 empleados…»
• «una alternativa que sea más barata pero que permita…»

Esto es muy interesante desde SEO porque las restricciones suelen contener criterios reales de decisión.

Y esos criterios pueden convertirse en contenido.

7. Alternativas y sustitutos

Podemos buscar lenguaje relacionado con alternativas:

\b(alternativ[ao]s?|opciones?|sustitut[oa]s?|reemplaz[oa]r|parecid[oa]s?|similar(?:es)?|otra(?:s)?|diferente(?:s)?|competidor(?:es)?)\b

Este filtro puede descubrir oportunidades para contenidos como:

• alternativas a X
• competidores de X
• productos similares a X
• opciones más económicas
• herramientas diferentes para resolver el mismo problema

Y hay una lectura estratégica interesante:

cuando alguien busca alternativas, probablemente ya conoce una solución.

La intención puede estar más cerca de la comparación o la decisión que del descubrimiento inicial.

8. Comparaciones

Para detectar lenguaje comparativo:

\b(compar[ae]|comparaci[oó]n|diferencia(?:s)?|mejor que|peor que|frente a|versus|vs\.?|o es mejor|cu[aá]l es mejor)\b

Por ejemplo:

• «cuál es mejor X o Y»
• «diferencias entre X e Y»
• «compárame X con Y»

Este tipo de consulta puede indicar una necesidad de evaluación.

Si aparecen repetidamente en Search Console, quizás el sitio necesita mejores páginas comparativas.

9. Recomendaciones

Otro patrón interesante es el lenguaje de recomendación:

\b(mejor(?:es)?|peor(?:es)?|recomendad[oa]s?|recomendaci[oó]n(?:es)?|m[aá]s recomendable|ideal(?:es)?|adecuad[oa]s?|conveniente(?:s)?|merece la pena)\b

Por ejemplo:

• «cuál es el mejor CRM para…»
• «qué opción me recomiendas…»
• «cuál sería la herramienta más adecuada…»

Aquí aparece una intención distinta:

la persona no quiere solamente información; quiere ayuda para decidir.

10. Explicación y simplificación

También podemos buscar peticiones de explicación:

\b(expl[ií]ca(?:me)?|aclara(?:me)?|qu[eé] significa|en qu[eé] consiste|c[oó]mo funciona|por qu[eé] funciona|puedes explicar|puedes aclarar|en t[eé]rminos sencillos|de forma sencilla)\b

Estas consultas pueden ayudar a detectar necesidades educativas.

Por ejemplo:

• «explícame cómo funciona…»
• «qué significa…»
• «puedes explicarlo de forma sencilla…»

Esto puede convertirse en una señal para crear contenidos introductorios, glosarios, guías paso a paso o explicaciones orientadas a principiantes.

11. Ejemplos y casos prácticos

Podemos buscar peticiones relacionadas con ejemplos:

\b(ejemplo(?:s)?|dame un ejemplo|dame ejemplos|casos de uso|caso pr[aá]ctico|en la pr[aá]ctica|mu[eé]strame|m[uú]estrame)\b

Esto puede revelar que los usuarios no se conforman con una explicación conceptual.

Quieren ver cómo se aplica algo en la práctica.

Eso puede traducirse en:

• casos de uso
• ejemplos reales
• plantillas
• tutoriales
• demostraciones
• comparaciones prácticas

12. Listas y curación

Otro patrón frecuente es la petición de listas:

\b(lista|listado|dame una lista|haz una lista|hazme una lista|enumera|enum[eé]rame|cu[aá]les son)\b

Una consulta como:

«hazme una lista de herramientas…»

está pidiendo algo diferente de:

«qué es una herramienta…»

La primera pide curación.

La segunda pide información.

Esta diferencia puede ser muy útil para diseñar contenidos.

13. Resúmenes

También podemos buscar consultas que solicitan síntesis:

\b(res[uú]meme|resume|resumen|resumir|en resumen|brevemente|en pocas palabras|puntos principales|ideas principales|lo m[aá]s importante)\b

Estas consultas pueden indicar que existe una necesidad de contenidos fácilmente sintetizables.

Desde el punto de vista editorial, puede ser una señal para mejorar:

• introducciones
• resúmenes ejecutivos
• conclusiones
• listas de puntos clave
• secciones de respuesta rápida

14. Seguimientos y respuestas

Esta es probablemente la categoría más curiosa.

Podés buscar expresiones que, aisladas, tienen poco sentido como búsqueda:

^(s[ií]|vale|ok|okay|de acuerdo|perfecto|genial|bien|contin[uú]a|sigue|adelante|dale|correcto|exacto|eso|eso es|m[aá]s|m[aá]s opciones|dame m[aá]s|otra opci[oó]n|otra alternativa|alguna otra|qu[eé] m[aá]s|y si|y qu[eé]|y luego|despu[eé]s|ahora|entonces)\b

Una consulta como:

«sí, sigue»

es prácticamente imposible de interpretar correctamente sin el contexto anterior.

Y precisamente ahí está lo interesante:

no estamos viendo una búsqueda completa, sino potencialmente un turno dentro de una interacción.

15. Correcciones y refinamientos

Otra señal interesante aparece cuando el usuario modifica una petición anterior:

^(no|no,|mejor|en realidad|quiero decir|quer[ií]a decir|olvida|ignora|sin embargo|pero|m[aá]s bien|corr[ií]geme|cambia|modifica|ajusta)\b

Por ejemplo:

«mejor dame opciones más económicas»

o:

«en realidad necesito algo para una empresa pequeña»

Estas consultas son especialmente interesantes porque incorporan correcciones, restricciones o cambios de criterio.

Es decir: muestran cómo evoluciona la necesidad.

16. Escenarios hipotéticos

Podemos buscar expresiones que plantean escenarios:

\b(y si|qu[eé] pasa si|qu[eé] ocurrir[ií]a si|en caso de que|si tengo|si tenemos|si fuera|si soy|supongamos que|imagina que|imaginemos que)\b

Por ejemplo:

• «qué pasa si necesito migrar…»
• «y si tengo una empresa pequeña…»
• «supongamos que quiero cambiar…»

Estas consultas pueden ser especialmente valiosas para detectar casos de uso y escenarios que el contenido actual quizá no contempla.

17. Decisión y elección

Finalmente, podemos buscar consultas donde el usuario pide ayuda para elegir:

\b(qu[eé] me recomiendas|qu[eé] recomendar[ií]as|qu[eé] elegir[ií]as|cu[aá]l elegir[ií]a|qu[eé] opci[oó]n elegir|qu[eé] deber[ií]a elegir|qu[eé] har[ií]as|cu[aá]l escoger)\b

Estas consultas están muy cerca del momento de decisión.

Y eso puede ser una señal importante para sitios comerciales.

El verdadero valor está en combinar señales

El error sería tratar cada regex como un detector de IA.

No lo son.

Son filtros de descubrimiento.

La señal se vuelve mucho más interesante cuando varias categorías aparecen juntas.

Por ejemplo:

«Soy una pyme y busco una alternativa a X que sea más barata y fácil de implementar. ¿Cuál me recomiendas?»

Esta consulta contiene:

• contexto personal: «soy una pyme»
• necesidad: «busco»
• alternativa: «una alternativa a X»
• restricción: «más barata y fácil de implementar»
• decisión: «cuál me recomiendas»

Eso es muchísimo más interesante que contar simplemente cuántas veces aparece una palabra.

Un mapa de señales conversacionales

Podés organizar los patrones encontrados de esta manera:

Categoría	Ejemplo	Qué puede revelar
Pregunta	«¿cómo puedo…?»	Problema o necesidad
Prompt	«compárame…»	Tarea solicitada
Contexto	«soy una pyme…»	Perfil o situación
Restricción	«que sea más barato…»	Criterio de decisión
Alternativa	«dame alternativas…»	Consideración
Comparación	«X vs Y»	Evaluación
Ejemplo	«dame un ejemplo…»	Necesidad práctica
Resumen	«resúmeme…»	Síntesis
Seguimiento	«sí, sigue»	Posible interacción previa
Refinamiento	«mejor algo más barato»	Cambio de criterio
Hipótesis	«¿y si…?»	Escenario
Decisión	«¿cuál elegirías?»	Momento de elección

Qué podemos aprender de estas consultas

Acá el análisis empieza a ser realmente útil, porque nos permite dejar de pensar únicamente en keywords aisladas.

Una keyword tradicional responde aproximadamente a:

¿qué busca esta persona?

Una consulta conversacional puede acercarnos a otra pregunta:

¿qué está intentando conseguir esta persona?

Son cosas diferentes.

Y esa diferencia tiene implicancias directas en cómo estructurás el contenido de un sitio.

Las queries largas muestran cómo formula una necesidad el usuario

Consultas como:

«quiero elegir una plataforma para mi ecommerce pero no sé cuál…»

no son simplemente keywords long-tail.

Son una señal de cómo expresa el problema un usuario real.

Ese lenguaje puede mejorar:

• títulos
• H2
• introducciones
• FAQs
• páginas de servicio
• páginas de producto
• contenidos comparativos

Los verbos de prompt revelan tareas, no solo temas

Comparemos:

«software CRM»

con:

«compárame los mejores CRM para una empresa de 20 personas».

La primera expresión describe un tema.

La segunda describe una tarea.

Cuando empiezan a aparecer muchas consultas con verbos como comparar, recomendar, explicar, resumir o sugerir, se puede construir una taxonomía basada en tareas:

Patrón de consulta	Posible necesidad
«compárame…»	Evaluación
«recomiéndame…»	Descubrimiento
«dame alternativas…»	Consideración
«explícame…»	Educación
«cómo puedo…»	Resolución
«hazme una lista…»	Curación
«qué opción elegir…»	Decisión

Los seguimientos revelan en qué punto de la conversación podría aparecer tu página

Si encontrás:

«dame más opciones»

no sabés qué se preguntó antes.

Pero sabés que esa frase tiene muy poco sentido como búsqueda aislada.

Esto lleva a una pregunta estratégica:

¿en qué momento de una conversación puede estar apareciendo mi contenido?

Un escenario posible sería:

1. El usuario pregunta qué alternativas existen.
2. El sistema responde con algunas opciones.
3. El usuario pide más alternativas.
4. Tu página aparece como fuente en ese nuevo turno.

En ese caso, tu contenido quizá no compite únicamente por responder:

«¿qué es X?»

También puede competir por responder:

«¿qué hago después de saber qué es X?»

De la consulta a una acción SEO concreta

Encontrar estas consultas es solo el punto de partida.

El proceso completo puede resumirse en cuatro pasos:

descubrir → agrupar → interpretar → actuar

1. Descubrir: aplicá los distintos regex para identificar consultas largas, prompts, preguntas, seguimientos, comparaciones y otras señales.
2. Agrupar: organizá las consultas por tema, producto, problema, intención, etapa del proceso de decisión o tipo de tarea.
3. Interpretar: preguntate qué necesidad representa la consulta, no simplemente a qué keyword corresponde.
4. Actuar: convertí los patrones encontrados en piezas de contenido concretas.

Patrón detectado	Acción SEO recomendada
Muchas consultas de comparación	Crear o mejorar páginas comparativas
Muchas consultas de alternativas	Crear una página de alternativas
Preguntas sobre criterios de elección	Crear una guía de decisión
Muchas preguntas de «cómo»	Crear tutoriales o contenidos paso a paso
Muchas peticiones de ejemplos	Incorporar casos de uso y ejemplos prácticos
Preguntas de seguimiento	Revisar si el contenido cubre las preguntas posteriores a la primera respuesta
Muchos refinamientos	Incorporar filtros, criterios y escenarios alternativos

Los límites del análisis: lo que Search Console no te muestra

Acá conviene frenar el entusiasmo.

Lo que se puede encontrar con estos filtros no representa todas las conversaciones.

Google anonimiza determinadas consultas para proteger la privacidad, y las consultas poco frecuentes pueden quedar fuera de lo que podemos analizar directamente.

Un análisis de Suganthan Mohanadasan sobre sus propios datos encontró que, durante un período de 59 días, el 57,7% de sus impresiones estaban asociadas a consultas anonimizadas.

Ese porcentaje corresponde a su propiedad y su período específico.

No implica que ese porcentaje del tráfico de Google, en general, sea anónimo ni que represente tráfico de IA.

Ver el análisis original.

Por eso, las consultas que conseguimos identificar deben tratarse como una muestra visible, no como el universo completo.

No lo uses para calcular «tráfico de IA»

Si encontrás 300 queries conversacionales, no podés concluir que tenés 300 visitas procedentes de IA.

Tampoco podés afirmar que el 20%, 30% o 50% de tus impresiones proceden de AI Mode simplemente porque encontraste determinadas consultas mediante regex.

El informe de IA generativa de Search Console está diseñado para mostrar visibilidad mediante métricas como impresiones y páginas, pero no proporciona una atribución completa de tráfico por consulta.

Documentación oficial del informe de rendimiento de IA generativa.

Por eso, el lenguaje correcto es:

«queries potencialmente conversacionales»

o:

«señales compatibles con interacciones conversacionales».

No:

«estas son las queries de AI Mode».

El lenguaje conversacional tampoco es exclusivo de la IA

Este punto es importante.

Una persona puede escribir directamente en Google:

«compárame estas dos herramientas y dime cuál es mejor para una empresa pequeña».

No necesitás AI Mode para producir esa consulta.

También pueden aparecer consultas similares por:

• búsquedas humanas convencionales
• búsquedas por voz
• herramientas automatizadas
• sistemas de seguimiento de prompts
• otros procesos automáticos

Por eso, el regex detecta forma lingüística, no origen tecnológico.

El límite de 1.000 filas

La interfaz de Search Console limita las tablas visibles a 1.000 filas.

En un sitio grande, aplicar un regex sobre esa tabla no equivale necesariamente a examinar todo el universo de consultas disponible.

Para análisis de mayor escala se puede recurrir a la Search Analytics API o a exportaciones a BigQuery.

Pero hay una limitación que ningún método puede solucionar:

si Google ya anonimizó una consulta, no podemos recuperar su texto original.

Un detalle técnico importante sobre los Regex

Search Console utiliza RE2, por lo que no todas las funciones disponibles en otros motores de expresiones regulares funcionan aquí.

En particular, conviene evitar construir filtros que dependan de funciones avanzadas como lookahead o lookbehind.

Además, algunos patrones pueden generar falsos positivos.

Por ejemplo, palabras como:

«pero», «ahora», «más» o «necesito»

pueden aparecer perfectamente en búsquedas tradicionales.

Por eso recomiendo utilizar los regex en tres niveles:

1. Exploración: encontrar candidatos.
2. Validación: leer y revisar las consultas.
3. Interpretación: buscar patrones repetidos y convertirlos en decisiones SEO.

El objetivo no es construir un clasificador perfecto.

El objetivo es encontrar lenguaje que antes no estábamos mirando.

Guía rápida para empezar hoy mismo

Paso	Acción
1	Abrí Search Console y seleccioná un período amplio, por ejemplo los últimos 3 meses.
2	Aplicá el filtro de queries largas y exportá los resultados.
3	Hacé una segunda extracción con los verbos conversacionales.
4	Buscá preguntas, comparaciones, alternativas y restricciones.
5	Aplicá el filtro de seguimientos.
6	Agrupá las consultas por tema y tipo de tarea.
7	Leé las consultas y buscá patrones repetidos.
8	Convertí esos patrones en nuevas páginas, mejoras de contenido, FAQs, comparativas o guías de decisión.

Preguntas frecuentes

¿Search Console muestra directamente las consultas de AI Mode?

No en el informe específico de rendimiento de IA generativa.

Ese informe permite analizar la visibilidad de las funciones generativas mediante métricas como impresiones y páginas, pero no ofrece una dimensión de consultas equivalente a la del informe de rendimiento de búsqueda general.

Las señales conversacionales se pueden investigar indirectamente utilizando las consultas disponibles en el informe de rendimiento general y aplicando expresiones regulares.

¿Una consulta larga es siempre de IA?

No.

Una consulta larga puede ser una búsqueda tradicional perfectamente normal.

La longitud es una señal exploratoria, no una prueba de procedencia.

¿Una consulta con un verbo de prompt es siempre de IA?

Tampoco.

«Compárame X e Y» puede ser escrito directamente por una persona en Google.

Lo interesante aparece cuando ese patrón se combina con otros elementos y, sobre todo, cuando se repite en volumen suficiente como para revelar una necesidad.

¿»Sí, sigue» demuestra que la consulta viene de AI Mode?

No.

Es una señal extremadamente interesante porque tiene poco sentido como búsqueda aislada, pero no permite demostrar por sí sola que proceda de AI Mode.

Debe interpretarse como una query potencialmente conversacional.

¿Puedo usar este análisis para medir cuánto tráfico me trae AI Mode?

No.

Este método sirve principalmente para investigación cualitativa, análisis de lenguaje e identificación de necesidades.

No debería utilizarse para calcular una atribución precisa de tráfico de IA.

¿Qué herramienta necesito para aplicar estos filtros?

Ninguna herramienta externa.

Search Console permite aplicar expresiones regulares con sintaxis RE2 directamente desde el filtro de consultas del informe de rendimiento.

¿Conviene utilizar un único Regex con todas las señales?

En general, no.

Es mejor trabajar con varios filtros pequeños:

• queries largas
• preguntas
• prompts
• comparaciones
• alternativas
• restricciones
• seguimientos
• refinamientos
• decisiones

Así podés entender qué tipo de lenguaje está apareciendo y comparar los resultados entre categorías.

El SEO ya no responde solo a búsquedas: responde a conversaciones

Durante años analizamos Search Console para responder una pregunta:

¿qué está buscando la gente?

Las nuevas experiencias de búsqueda obligan a sumar otra:

¿qué está intentando conseguir la gente a lo largo de una conversación?

Una consulta como:

«sí, sigue»

no dice casi nada como keyword aislada.

Pero puede decir muchísimo si la entendemos como un turno dentro de una interacción cuyo contexto completo no vemos.

Y ese es, para mí, el verdadero valor de este análisis.

No demostrar cuánto tráfico viene de IA.

Sino utilizar fragmentos de lenguaje real para entender:

• qué problemas aparecen
• qué tareas quieren resolver los usuarios
• qué criterios utilizan para decidir
• qué alternativas están considerando
• qué preguntas hacen después de la primera respuesta
• y qué información todavía falta en nuestros contenidos

Quizás el cambio más importante no sea pasar de keywords a prompts.

Quizás sea pasar de pensar en búsquedas aisladas a pensar en secuencias de necesidades.

Porque cuando una búsqueda se convierte en conversación, el contenido que mejor funciona no necesariamente es el que responde solamente a la primera pregunta.

Es el que también ayuda con la segunda, la tercera y la decisión que viene después.

Fuentes y lecturas recomendadas

• Google Search Central — Introducing Search Generative AI performance reports in Search Console
• Google Search Console — Generative AI performance report
• Google Search — AI Mode
• Jean-Christophe Chouinard — Regular Expressions in Google Search Console
• Suganthan Mohanadasan — The AI Conversations Leaking Into Your Search Console
• Search Engine Roundtable — Google Shows AI Mode Queries in Search Console
• Google Search Central — AI features and your website