De invisible a reconocido en toda su categoría

Cuando Apollon Studios empezó a utilizar 3RD, la marca tenía un 0% de visibilidad en todos los temas medidos. Los modelos de IA no reconocían a la nueva empresa danesa de cuidado de la piel como una entidad distinta y la confundían con varias empresas de nombres similares.

Tras el trabajo en la base digital de la marca, Apollon aparece ahora en los tres temas medidos. Varios modelos pueden describir la empresa correctamente, hasta el nivel de sus productos, ingredientes y origen.

En la pregunta principal más importante, Apollon ha estado visible en 187 de las 200 mediciones realizadas desde el 2 de junio. En los últimos 30 días, la marca se mencionó en las 88 mediciones realizadas.

Cifras clave

Fuente: 3RD, datos al 13 de agosto de 2026.

Una marca nueva en una categoría consolidada

Apollon Studios es una nueva empresa danesa que desarrolla productos naturales de cuidado de la piel para hombres. La marca entró en una categoría con competidores consolidados, mayores redes de distribución y presupuestos de marketing considerablemente superiores.

Esto dificulta la visibilidad. Esto es especialmente cierto en las respuestas generadas por IA, donde los modelos disponen inicialmente de mucha más información sobre empresas que llevan muchos años en el mercado.

Al inicio de la colaboración, Apollon era invisible en todos los temas medidos. El motivo no era la calidad del producto ni la falta de una narrativa de mercado. Sencillamente, los modelos no podían identificar a la empresa con certeza.

Cuando intentaban comprender el nombre «Apollon Studios», encontraban, entre otras cosas, un estudio de arte australiano, un laboratorio armenio, un hotel griego y una empresa danesa de iluminación.

La empresa danesa de cuidado de la piel desaparecía entre el resto de los resultados.

Antes de poder recomendar Apollon, los modelos necesitaban poder distinguir la marca de las demás empresas y encontrar información coherente sobre productos, ingredientes y origen.

Las decisiones están cada vez más influenciadas por la IA

La IA se ha convertido en una parte de la forma en que los consumidores descubren, investigan y comparan marcas.

En 2024, Gartner predijo que el uso de los motores de búsqueda tradicionales disminuiría un 25 % para 2026 como consecuencia de los chatbots de IA y los asistentes virtuales. Gartner, 2024

A principios de 2026, ChatGPT había superado los 900 millones de usuarios semanales. OpenAI, 2026

Al mismo tiempo, una encuesta de Semrush a más de 1000 consumidores estadounidenses mostró que el 43 % había descubierto una nueva marca a través de la IA, mientras que el 50 % había completado una compra después de utilizar la IA en su proceso de investigación. Semrush, 2026

Esta evolución también se refleja en el tráfico. En julio de 2026, Adobe registró un crecimiento anual del 62 % en el tráfico impulsado por IA hacia sitios web de comercio minorista en EE. UU. Adobe Digital Insights, 2026

Para una marca nueva, esto genera una oportunidad. Apollon no necesita igualar de entrada el presupuesto total de marketing de las empresas consolidadas para aparecer en una respuesta relevante generada por IA. A cambio, la marca debe ser identificable y estar respaldada por la información y las fuentes que utilizan los modelos.

Esa fue la primera tarea.

Cuando la IA pasa por alto la marca o encuentra la equivocada

Las empresas más pequeñas y nuevas suelen enfrentarse a dos retos en las respuestas generadas por IA.

El primero es la ausencia. La marca no se menciona cuando un cliente potencial pregunta por productos que realmente vende.

El segundo es el error. El modelo encuentra otra empresa, mezcla información o describe el producto a partir de una base de fuentes incompleta.

Ambos casos pueden afectar al recorrido del cliente sin que la empresa lo detecte en sus herramientas de análisis estándar. No hay una pérdida de posicionamiento ni un carrito abandonado si el cliente nunca llega al sitio web.

Las respuestas incorrectas también pueden generar dudas en el comprador. En una encuesta realizada en EE. UU. a 1000 consumidores, el 54 % afirmó que buscaría confirmación externa si la información de la IA entraba en conflicto con la propia comunicación de la marca. Solo el 29 % confiaría de inmediato en la información de la marca, mientras que el 19 % ya había descartado una compra basándose en información de la IA. Skyword y Dynata, 2026

Para Apollon, el problema era visible en la propia confusión de entidades. Los modelos carecían de una base estable para conectar el nombre con el cuidado de la piel para hombres de origen danés.

3RD permitió visualizar la confusión, realizar un seguimiento a través de los modelos y trabajar con las señales que podían hacer más clara la identidad de la marca.

Tres modelos, tres imágenes diferentes

Las respuestas generadas por IA no son iguales en todos los modelos. Cada modelo encuentra, pondera y resume la información de manera diferente.

En agosto de 2026, planteamos la misma pregunta a Claude, Gemini y ChatGPT:

«¿Es Apollon Studios la mejor marca de estilo de vida en el cuidado de la piel?»

Las respuestas demostraron cómo de diferente manera había surtido efecto la base digital de la marca.

Se planteó la misma pregunta a tres modelos en agosto de 2026. Fuente: Respuestas directas de los modelos medidas en 3RD.

Gemini y ChatGPT ya podían identificar a la empresa y reproducir información específica del producto. Claude seguía teniendo una base de información más escasa.

Para Apollon, esta diferencia se tradujo en tareas prioritarias en 3RD. La plataforma mostró dónde se entendía ya correctamente la marca, dónde faltaba información y qué partes de la base debían reforzarse primero.

De un nombre confuso a una entidad clara

El trabajo se organizó en tres vías.

1. Una identidad inequívoca

Apollon recibió una base más coherente y legible por máquina que conecta su nombre, empresa, mercado, productos y origen.

El objetivo era ofrecer a los modelos suficientes señales coherentes para distinguir a la empresa danesa de cuidado de la piel de otras empresas con nombres similares.

Este trabajo ha contribuido a que varios modelos identifiquen ahora correctamente a Apollon.

2. Información estructurada del producto

Se facilitó la localización e interpretación de la información del producto.

Esto incluía los ingredientes, las funciones del producto, el origen danés y la proporción de ingredientes de origen natural.

Estos mismos detalles aparecen ahora en las respuestas de Gemini y ChatGPT. En otras palabras, los modelos no solo reconocen el nombre, sino que también pueden reproducir partes fundamentales de la narrativa del producto.

3. Acceso para rastreadores de IA

Se revisó el sitio web de Apollon para garantizar que los rastreadores de IA pertinentes pudieran acceder al contenido y extraerlo.

Esto ofreció a los modelos una mejor oportunidad de encontrar información actualizada directamente en las propias páginas de la marca y utilizarla junto con fuentes externas.

El trabajo se basó en los problemas específicos identificados por los datos de Apollon en 3RD. De este modo, el esfuerzo pudo centrarse en la identidad de la marca, la realidad del producto y la accesibilidad técnica.

El resultado: Visible en los tres temas

En mayo, Apollon tenía un 0 % de visibilidad en todos los temas medidos.

En el periodo de medición más reciente, la marca apareció en todos ellos.

Visibilidad por tema en mayo en comparación con los últimos 30 días. Apollon supera ahora al competidor medido Njord en «Cuidado de la piel producido en Dinamarca».

Los porcentajes aún son iniciales. Sin embargo, el movimiento es constante: Apollon pasó de estar completamente ausente a registrarse en todo el mercado medido.

187 de 200 mediciones

La evolución es más evidente en la pregunta principal:

«¿Es Apollon Studios la mejor marca de estilo de vida en el cuidado de la piel?»

Antes de junio, Apollon no aparecía en los resultados para esta pregunta. A partir del 2 de junio, la marca apareció en 187 de las 200 mediciones realizadas.

En los últimos 30 días, Apollon estuvo presente en las 88 mediciones. 55 de las respuestas contenían citas y ninguna de las 88 respuestas fue negativa.

Al mismo tiempo, los propios modelos empezaron a buscar la marca y a recuperar información de fuentes relevantes. Se trata de una señal importante para una empresa que, solo unos meses antes, pasaba desapercibida o se confundía con organizaciones totalmente distintas.

Una base de fuentes más sólida

En la última medición, Apollon contaba con 14 128 citas registradas. De ellas, 12 499 procedían de fuentes ganadas.

Esto demuestra que los modelos no construyen sus respuestas únicamente a partir de las páginas propias de Apollon. La marca también cuenta con el respaldo de fuentes externas que pueden aportar una credibilidad independiente.

La medición de citas de la plataforma se situó en 82 sobre 100. La cuota de citas también había aumentado desde una línea de base del 6 % y avanzaba hacia el objetivo a largo plazo del 50 %.

La opinión fue sistemáticamente positiva. De 841 menciones registradas, cuatro fueron negativas, lo que corresponde a menos del 0,5 %.

Las cifras muestran una base creciente en torno a la marca. La visibilidad global se encuentra aún en un nivel inicial, pero los modelos han recibido señales más precisas y respaldadas externamente con las que trabajar.

El valor para Apollon

Apollon empezó con un nombre que los modelos no sabían ubicar con certeza. La marca era invisible en todos los temas medidos y se confundía con empresas de sectores y países totalmente diferentes.

Hoy en día, Apollon puede:

• realizar un seguimiento de su visibilidad a través de modelos y temas

• ver cómo la IA describe sus productos, ingredientes y origen

• detectar la confusión y la falta de información antes de que se consoliden

• generar y priorizar tareas basadas en los propios datos de la empresa

• trabajar con determinación con las fuentes que utilizan los modelos

• comprobar si las tareas completadas modifican las respuestas con el paso del tiempo

Con 3RD, el equipo de Apollon puede unificar la medición, la priorización y el seguimiento en un solo lugar. El cumplimiento basado en agentes de la plataforma también permite ejecutar directamente las tareas seleccionadas.

Esto ofrece a una nueva empresa una vía práctica para acceder a las respuestas generadas por IA. El trabajo puede comenzar con el sitio web existente, los datos de productos actuales y un número limitado de tareas prioritarias.

Lo que demuestra el caso Apollon

Las marcas nuevas deben ser identificables en primer lugar

La visibilidad en la IA comienza con una identidad inequívoca.

Si los modelos no pueden determinar a qué empresa pertenece un nombre, resulta difícil conectar correctamente los productos, el posicionamiento y la documentación. Por tanto, para Apollon, el trabajo sobre la entidad fue el requisito previo para el desarrollo posterior.

Los datos precisos de los productos influyen en la calidad de las respuestas

Gemini y ChatGPT pueden ahora reproducir información específica sobre los productos e ingredientes de Apollon.

Esto demuestra el valor de una base de productos coherente y legible por máquina. Los modelos pueden describir la marca con mayor precisión, y el comprador encuentra una imagen más cercana a la oferta real de la empresa.

Las marcas pequeñas pueden ganar visibilidad rápidamente

Apollon compite con empresas que llevan más tiempo en el mercado y disponen de presupuestos de marketing superiores.

A pesar de ello, la marca ha pasado de un 0 % de visibilidad a aparecer en los tres temas medidos. En «Cuidado de la piel producido en Dinamarca», Apollon ya supera a un competidor consolidado.

Por tanto, el presupuesto no es el único factor. Una marca clara, unos datos de producto coherentes y una base de fuentes creíble pueden dar a una nueva marca acceso a respuestas que antes estaban reservadas principalmente a las empresas consolidadas.

Las señales iniciales deben seguirse a lo largo del tiempo

Apollon se encuentra todavía en una fase temprana de su desarrollo. Por tanto, los primeros porcentajes no son el resultado más importante por sí solos.

Lo que importa es el patrón que los rodea: visibilidad estable en la pregunta clave, descripciones precisas de los productos en varios modelos, una cuota de citas creciente y una gran base de fuentes ganadas.

3RD permite realizar un seguimiento de si estas señales se traducen en una posición de mercado más fuerte y amplia.

¿Puede la IA distinguir su marca de todas las demás?

3RD muestra cómo los modelos de IA identifican, describen y recomiendan su empresa. La plataforma detecta ambigüedades, prioriza tareas y permite a su propio equipo seguir trabajando en ellas.

[Vea cómo entiende la IA a su marca]

Fuentes (cifras del sector)

• Gartner (feb. 2024): se prevé que el volumen de búsquedas disminuya un 25 % para 2026 debido a los chatbots de IA.

• TechCrunch (feb. 2026): ChatGPT tiene aproximadamente 900 millones de usuarios semanales; (oct. 2025): 800 millones.

• Semrush (dic. 2025, n=1030 en EE. UU.): el 43 % ha descubierto una nueva marca a través de la IA; el 50 % ha comprado tras investigar con IA; el 22 % ha comprado directamente en una herramienta de IA.

• Skyword/Dynata (abr. 2026, n=1000 en EE. UU.): el 29 % confía en la marca cuando hay información contradictoria, el 54 % busca otra confirmación; el 19 % ha descartado una compra debido a la información de la IA.

• Adobe Analytics (2025–26): el tráfico procedente de la IA generativa hacia los sitios de comercio minorista se duplicó con creces en un año.