Auditar los sesgos, duplicados y puntos ciegos de su conjunto de prompts de IA

Su informe de visibilidad en la IA solo puede describir los prompts que monitoriza, así que un conjunto repetitivo o orientado a favor de la marca convierte un panel preciso en una visión distorsionada del mercado. Esta auditoría permanece dentro de ese conjunto y termina con una lista de elementos que conservar, reescribir, fusionar, añadir o examinar. Explotar las consultas de Search Console y de Bing para encontrar nuevos candidatos es el trabajo contiguo.

El problema GEO que resuelve

Los prompts se gestionan como palabras clave: añadir más, retirar los que rinden poco. Pero un conjunto de prompts es un instrumento de medición, no una fuente de tráfico. Una visibilidad baja señala a menudo el punto ciego más útil de corregir, y tres reformulaciones de una misma pregunta dan demasiado peso a un tema. La formulación conlleva el mismo riesgo: «¿Por qué nuestro producto es la mejor opción?» pone a prueba la conformidad con una premisa, no el descubrimiento. Los resultados por proveedor y las búsquedas observadas convierten esas apreciaciones en recuentos.

Las etapas del flujo de trabajo

1. Inventaríe y después cuente. get_prompts devuelve una fila por prompt monitorizado, 100 filas por solicitud, así que use la paginación. status es un estado de procesamiento, el indicador de monitorización es el interruptor de activado o desactivado, y ningún campo contiene un perfil de usuario ni un mercado. Cuente después lo que no exige ninguna interpretación: proporción que contiene el nombre de la marca, prompts por tema, prompts sin respuesta, prompts no generados.

2. Agrupe y después coteje con los proveedores. Agrupar los casi duplicados es una deducción y se etiqueta como tal. get_matrix con granularidad de prompts devuelve como máximo 50 filas y ningún offset, cubriendo solo una parte de un conjunto mayor. Los grupos con puntuaciones parecidas en todos los proveedores son candidatos a la fusión.

3. Lea con honestidad los recuentos de los cuadrantes. get_prompt_signals devuelve los recuentos attack, defend, monitor e ignore, pero listas de prompts únicamente para attack y defend. Todo lo que se encuentra en ignore es un resultado real: el conjunto no separa las preguntas disputadas de las ya asentadas.

4. Compare con las búsquedas observadas. get_query_fan_out devuelve las búsquedas observadas dentro de las respuestas monitorizadas con los identificadores de los prompts padre y la presencia de marca, además de una etiqueta de prioridad: very-high cuando aparecen los competidores y su marca figura en menos de una quinta parte de las respuestas de esa consulta, después high, medium, low.

Qué devuelve realmente una ejecución

Un conjunto real de 155 prompts monitorizados repartidos en 8 temas devolvió una cobertura del 0 al 60 por ciento por tema, con cinco de los ocho temas al 20 por ciento o menos. Las señales del mismo conjunto: 153 de 155 en ignore, apertura media del 99.6 por ciento.

La columna de cobertura es la auditoría. Un tema al 0 por ciento en cinco proveedores no es una posición débil, es un tema que el conjunto nunca pone realmente a prueba; tres de esos temas junto a un tema al 60 por ciento constituyen el desequilibrio que este flujo de trabajo busca encontrar. Una apertura del 99.6 descarta la explicación cómoda: las preguntas no están bloqueadas por los actores establecidos, así que la escasa cobertura corresponde al conjunto de prompts, no al mercado.

Cómo aprovechar los resultados

Tres reglas fijan el orden, y ninguna depende de una apreciación subjetiva. Reescriba primero cada prompt cuya formulación afirme su ventaja, porque todos los informes futuros heredan ese sesgo. Fusione después, empezando por el grupo más grande, para liberar el mayor número de espacios. Añada por último según el orden de prioridad ya asignado por get_query_fan_out, very-high antes que high antes que medium. Omita los prompts sin respuesta: todavía no hay nada que comparar.

Limite después esta pasada: deje al menos dos tercios del conjunto sin cambios en un ciclo, o la tendencia a perímetro constante pierde su base. Registre lo que ha aplazado con el identificador del prompt, el texto anterior, el responsable y la fecha.

El error de interpretación que hay que evitar es tomar la evolución posterior a una reescritura por un progreso. Cambiar el conjunto cambia lo que se mide, así que un salto la semana siguiente a una revisión refleja normalmente la nueva muestra. Mientras los prompts sin cambios no dispongan de respuestas comparables, lea esa referencia y nada más.

El prompt completo

Quiero auditar mi conjunto de prompts monitorizados para detectar sesgos de medición, redundancias y puntos ciegos. Lista las marcas que monitorizo y pregunta cuál auditar si hay varias. Si una llamada no devuelve nada, nombra la comprobación que queda no disponible y continúa.

1. Pagina get_prompts hasta cubrir el total anunciado, una fila por prompt: identificador, texto, estado, número de respuestas, tema, etiquetas, indicador de monitorización y fecha de última generación, donde el estado es un estado de procesamiento y el indicador de monitorización el interruptor de activado o desactivado.
2. Cuenta, sin juzgar: cuántos prompts contienen el nombre de mi marca y qué proporción representa, los prompts por tema, los prompts sin respuesta, los prompts cuya última generación se remonta a más de 60 días. Señala una concentración de marca superior a la mitad del conjunto y cualquier tema que supere un tercio. Esos umbrales son propios de la auditoría, no campos de Qwairy.
3. Agrupa los prompts y marca los duplicados literales, manteniendo aparte cualquier variante que ponga a prueba una audiencia, una geografía, una restricción o una etapa del recorrido distintas; califica esto como tu lectura. Ejecuta después get_matrix con granularidad de prompts y un límite de 50 sobre 28 días: la herramienta no tiene ningún offset, así que indica claramente si mi portafolio es más grande y nombra los grupos con puntuaciones parecidas en todos los proveedores.
4. Ejecuta get_prompt_signals con un límite de 20 sobre los mismos 28 días e indica primero los recuentos attack, defend, monitor e ignore. Las listas de prompts solo se devuelven para attack y defend: si ambos recuentos son cero, precisa que ningún cuadrante es accionable y continúa en lugar de construir una selección a partir de otra etapa.
5. Ejecuta get_query_fan_out sobre 28 días, pagina hasta el total y vincula cada consulta a los identificadores de sus prompts padre. Lista las consultas de prioridad very-high y high que ninguno de mis prompts cubre. Si no se devuelve nada, indica que no se ha observado ninguna búsqueda derivada y retira los candidatos a añadir.
6. Produce una fila por prompt: Conservar, Reescribir, Candidato a la fusión, Candidato a la incorporación o Revisión humana, citando los identificadores de los prompts, separando pruebas y deducciones, sin eliminar nunca de forma automática. Ordena la lista con las reescrituras primero, después las fusiones por tamaño de grupo, y después las incorporaciones en el orden de prioridad de las subconsultas, deteniéndote en cuanto la lista fuera a cambiar más de un tercio del conjunto. Pregunta después qué mercados y qué tipos de comprador debe cubrir el conjunto, ya que ningún campo contiene eso, y lista las lagunas.