Compruebe si la IA dice la verdad sobre su marca con el MCP de Qwairy

Un motor que le presenta como una opción de gama de entrada cuando vende a grandes empresas no está dejando de mencionarle. Le menciona encuadrándole de forma equivocada, algo que ninguna cifra de visibilidad revela. Aquí examina ese encuadre, confronta la puntuación de percepción con las formulaciones que resume y sale con un plan de corrección ligado a fuentes reales.

El problema GEO que resuelve

Cuando una descripción es incorrecta, el reflejo es repetir el posicionamiento más alto: nuevo texto de portada, nueva presentación, campaña. Falla el tiro, porque una descripción de IA se ensambla a partir de fuentes de terceros en las que el motor ya confía.

El segundo problema es el indicador principal. get_brand_perception devuelve una única instantánea guardada: puntuaciones de sentimiento, alineación, coherencia y alineación factual, más un DAFO compuesto de simples etiquetas sin texto justificativo ni rastro hasta ninguna respuesta. Basta para saber que se emitió un juicio, no para auditarlo. Por eso este flujo de trabajo recupera después las formulaciones literales y les da prioridad cuando ambas se contradicen: una buena puntuación de alineación por encima de descripciones contradictorias es una razón para fiarse de las descripciones.

Las etapas del flujo de trabajo

1. Lea la instantánea actual. get_brand_perception da las cuatro puntuaciones y las cuatro listas del DAFO. Si la instantánea se devuelve como null y las listas vacías, no se ha guardado ningún análisis: pase al paso tres y construya la visión de conjunto solo a partir de las respuestas.

2. Compruebe si existe una tendencia. get_perception_history devuelve las instantáneas guardadas indexadas por mes y año, cada una con sus puntuaciones y su DAFO, además del número total de instantáneas. Ese número es el criterio: con cero o una no hay tendencia, así que indíquelo y siga adelante.

3. Recupere las respuestas. get_answers toma una fecha de inicio y una de fin y devuelve cada respuesta con el texto de su prompt, el proveedor, la fecha y un indicador de mención de la marca. No filtra por ese indicador, así que hágalo usted. Si ninguna respuesta devuelta menciona la marca, es un problema de ausencia y no de encuadre, y el flujo de trabajo se detiene.

4. Lea las formulaciones exactas. get_answer_details devuelve el texto generado íntegro, las menciones de competidores con su posición y su sentimiento, y la lista de fuentes con un indicador de fuente propia en cada una. Construya un inventario de descripciones citadas literalmente, por proveedor, con las fuentes citadas al lado.

5. Compare esos elementos con el posicionamiento que usted aporte y clasifique las brechas.

Cómo aprovechar los resultados

Una descripción merece trabajo cuando supera dos umbrales: aparece en respuestas de al menos dos proveedores y al menos una de esas respuestas devuelve una fuente que usted puede identificar. Ambos importan: el objeto del trabajo es la fuente.

Por debajo de esa línea, sea estricto. Una descripción de un solo proveedor pero ligada a una fuente pasa a ser un punto de vigilancia, que se vuelve a comprobar en la instantánea mensual siguiente. Una descripción sin ninguna fuente citada detrás de ninguna de sus apariciones no recibe presupuesto: no hay nada sobre lo que actuar.

Una lectura que hay que rechazar: que una instantánea posterior se mueva no demuestra que la corrección funcionara. Compruebe si la propia descripción cambió en las formulaciones recuperadas.

Para desempatar dos descripciones que superan ambos umbrales cuando solo puede financiar una, elija la que contradice una promesa comercial. Una contradicción se la devuelven en una conversación de compra; una ausencia simplemente se queda ahí.

El prompt completo

Quiero auditar si los motores de IA describen mi marca conforme a mi posicionamiento. Lista las marcas que monitorizo y pregunta cuál usar si hay varias. Antes del paso cinco, pídeme mi declaración de posicionamiento y los dos o tres atributos con los que vendo: el análisis de brechas no significa nada sin ellos y ninguna herramienta los tiene.

1. Ejecuta get_brand_perception. Muestra las cuatro puntuaciones y las cuatro listas del DAFO, e indica claramente que los elementos del DAFO son etiquetas sin texto justificativo. Si la instantánea es null y las listas están vacías, dime que no se ha guardado ningún análisis y pasa directamente al paso tres.
2. Ejecuta get_perception_history. Indica primero el número total de instantáneas. Si es cero o una, di que no hay tendencia y sigue adelante. En caso contrario, muestra cómo se movió cada puntuación a lo largo de las instantáneas mensuales e identifica el mayor cambio.
3. Ejecuta get_answers sobre los últimos 30 días. Filtra tú mismo las respuestas que mencionan mi marca, ya que la herramienta no lo hace. Selecciona un conjunto representativo de los proveedores, dando preferencia a los prompts en los que discrepan. Si ninguna menciona mi marca, detente y dime que es un problema de ausencia, no de encuadre.
4. Ejecuta get_answer_details sobre ese conjunto. Cita las formulaciones exactas que usa cada proveedor y construye después un inventario de descripciones, por proveedor, con las fuentes citadas detrás de cada una.
5. Clasifica las brechas respecto a mi posicionamiento. Actúa solo sobre las descripciones presentes en dos o más proveedores con al menos una fuente identificable. Las descripciones de un solo proveedor pero ligadas a una fuente van a una lista de vigilancia. No recomiendes ningún gasto cuando no haya ninguna fuente detrás de la descripción y, cuando dos elementos cumplan los requisitos, pon primero el que contradice una promesa comercial. Para cada brecha financiada, da las pruebas de las fuentes, la hipótesis explícitamente calificada como tal, una acción de corrección y la formulación que hay que cambiar.