Emirodgar

Cómo compra la gente con IA, la demanda que no cabe en una keyword y la lista de proveedores que no controlas

Publicado el 18/11/2026 6 minutos de lectura GEO

Esta semana he leído dos textos sobre cómo se compra con IA que se complementan bien. Uno mira la demanda que nunca llegó a escribirse en un buscador y otro mira cómo usan la IA quienes compran software. Los dos tienen límites, y los voy marcando.

La demanda «difícil de keywordizar»

Eric Cheung, que trabaja en comercio agéntico y pasó cinco años en Google, publicó The “Hard-to-Keyword” (11 de noviembre de 2026). Su idea: hay intención de compra real que nunca se convierte en consulta porque el comprador no puede comprimirla en palabras que el catálogo reconozca. Su ejemplo: «un regalo para mi padre, que restaura radios antiguas pero dice que ya lo tiene todo». Nadie lo escribe así. Escribes «piezas de radio antigua», obtienes un montón de resultados que no encajan y cierras la pestaña.

Esa demanda suele etiquetarse como de baja intención y, según Cheung, muchas veces es lo contrario: regalos, reemplazos de algo cuyo nombre no sabes, compras con una restricción pegada. «La intención es alta; falta el vocabulario.»

Las consultas son supervivientes

Durante veinte años, el buscador castigó escribir de más: doce palabras daban cero resultados y dos daban diez mil. Los compradores aprendieron el dialecto (sustantivo, modificador, quizá una marca), y toda la industria, de los títulos de producto a las taxonomías y a las páginas SEO, se construyó sobre ese vocabulario encogido.

De ahí viene su punto más incómodo: medimos la demanda por lo que la gente escribía, pero lo escrito es lo que sobrevivió a la compresión. Lo que no cabía no aparece ni como consulta sin resultados ni como sesión abandonada: aparece como nada, porque el comprador preguntó a un amigo, entró en una tienda o desistió. Y los logs, dice, «parecen magníficos», sin avisar de que son una muestra.

Expansión o sustitución

Cheung reconoce que no sabe cuál de estas dos cosas pasa, y creo que es lo más honesto del texto:

  • Expansión. La IA saca a la luz demanda que nunca estuvo en el embudo, y el mercado crece.
  • Sustitución. La demanda ya se atendía, pero en sitios que no medíamos (un amigo, un foro, un dependiente), y ahora pasa a una superficie de IA que sí podemos instrumentar. La demanda medida crece; la real, no.

Su queja es que la industria ya está informando de cifras de sustitución como si fueran expansión. Propone distinguirlas mirando la mezcla de categorías (si las compras con IA se concentran en productos con muchas especificaciones, como piezas, regalos o artículos que dependen de la talla, la superficie hace algo nuevo), midiendo por persona durante un año y preguntando directamente el contrafactual: «¿dónde habrías comprado esto si no?». Su frase me quedo: no se puede responder a una pregunta de supervivencia con los datos que sobrevivieron. Y avisa de que planea hacer ese estudio.

Cómo usan la IA los compradores de software

La otra pieza es de Kevin Indig, How software buyers use AI (Growth Memo, 9 de noviembre de 2026), con datos de una encuesta de Wynter a 200 personas que compraron software. Indig declara que es inversor en Wynter. Conviene tener en cuenta los límites que él mismo pone: respuestas autodeclaradas, todos los perfiles son de software, algunas cuentas son personales o sin compra, y no se puede saber si el proveedor que la IA presentó acabó siendo el elegido ni si hay causalidad.

Lo que dicen los números:

  • La IA reabre la lista de candidatos. El 79 % ya tenía al menos un proveedor en mente. De los 158 que lo tenían, 99 (62,7 %) añadieron otro gracias a la IA. Entre los 40 que partían sin candidatos, la IA añadió uno al 82,5 %, aunque solo el 40 % acabó eligiendo.
  • Estar en la primera respuesta pesa, pero no cierra la decisión. De los 126 que eligieron proveedor, el 62 % (78) dijo que ese proveedor estaba en la primera respuesta; 75 de esos 78 siguieron preguntando. El 41 % de ese grupo reportó una demo o alta, frente al 34,9 % de quienes lo vieron más tarde.
  • Los seguimientos son de negocio. Precio (57,5 %), comparar proveedores (54,5 %), integraciones (46 %) y puesta en marcha (40 %). Los chats largos cubren más temas: con 10 o más mensajes de seguimiento se pregunta por precio, comparativas e implantación, y se pide que recomiende uno.
  • No sustituye a Google. Después del chat, el 72,5 % visitó webs de proveedores, el 48 % buscó en Google, el 31 % preguntó a conocidos, el 29 % buscó en Reddit y el 23 % consultó G2 u otras webs de reseñas.
  • Se usa más de una IA. El 67,5 % usó varias: Claude (71 %), ChatGPT (62,5 %) y Gemini (38,5 %). El 15 % marcó los AI Overviews o AI Mode de Google.

Indig insiste en una distinción: que tu marca aparezca en una respuesta, que entre en la lista de candidatos y que reciba una petición de demo son tres resultados distintos, y contar menciones solo da una parte.

Qué cambiaría en mi web

Sin esperar a saber si es expansión o sustitución, hay cosas que sirven en ambos casos:

  1. No tratar lo vago como baja intención en los informes. Cheung lo describe como la costumbre de confundir «mi sistema no sabe manejar esto» con «esta persona no va en serio».
  2. Escribir para restricciones, no solo para keywords. Encaje, compatibilidad, ocasión, caso de uso y para quién no es el producto son detalles que un agente puede razonar. Es el mismo cambio que describo en GEO para ecommerce.
  3. Pensar en la pregunta respondida como unidad. Antes la unidad era la página de keyword; cada vez más es la pregunta que se contesta. Eso afecta a cómo se estructuran un catálogo, un centro de ayuda o un plan de contenidos, y enlaza con cómo escribir contenido citable y cubrir el fan-out.
  4. Hacer fáciles de evaluar precio, integraciones y encaje, porque el comprador sigue investigando en tu web después del chat.
  5. Entrar en la cabeza del comprador antes de que busque. Indig lo resume en construir marca antes de que estén «en el mercado» y ganarse la recomendación cuando empiecen. Va de la mano de menciones de marca y digital PR para aparecer en la IA.
  6. Hablar con cinco clientes. Cheung propone preguntarles qué quisieron comprar el año pasado y no supieron describir. Dice que no lo ha hecho sin oír algo que no estaba en ningún log.
  7. Medir los prompts por fase de compra, no solo las menciones. Cómo hacerlo con cabeza lo cuento en medir tu visibilidad en IA sin engañarte.

Conclusiones

  • Las consultas que ves en tus datos son las que sobrevivieron a la compresión; parte de la demanda nunca llega a escribirse.
  • Nadie sabe aún si la IA expande el mercado o desplaza demanda que ya existía.
  • En una muestra de 200 compradores de software, la IA añadió candidatos a la lista en 6 de cada 10 casos, pero el comprador siguió investigando en webs de proveedores y en Google.
  • Aparecer en una respuesta no es entrar en la lista ni vender.

Los dos textos son opinión informada y una encuesta pequeña, no un estudio de mercado. Me sirven para hacer mejores preguntas más que para fijar objetivos.

Este artículo forma parte de la guía Cómo optimizar para AEO y aparecer en respuestas de ChatGPT.