%20(220%20%C3%97%2050%20px)%20(250%20%C3%97%2070%20px)%20(300%20%C3%97%2090%20px).svg)
Genera menos del 2% del tráfico referral y convierte al 18%. ¿Por qué tus reportes ejecutivos no lo ven?
Un canal que genera menos del 2% del tráfico de referencia total convierte al 18%.
El ecommerce tradicional convierte entre el 1% y el 2%. Ese canal multiplica esa cifra por diez. Creció un 80% entre el primer y segundo semestre de 2025.
¿Por qué no aparece en los reportes ejecutivos de marketing? Porque las herramientas que usamos para medir están cambiando mucho más lento que el ecosistema para el que fueron diseñadas.
Ese canal es el tráfico que llega desde LLMs: ChatGPT, Gemini, Claude, Perplexity, Bing Copilot.
Search Engine Land analizó 13 meses de datos de tráfico referral. Los LLMs representan menos del 2% del volumen total. La tasa de conversión promedio ronda el 18%.
ChatGPT tiene más de 900 millones de usuarios semanales. Procesa 2.500 millones de prompts diarios. Eso equivale al 30% del volumen de búsquedas de Google Search.
Y la curva se está empinando rápido. En mayo de 2026, Similarweb reportó un alza del 150% en el tráfico referral de ChatGPT tras empezar OpenAI a mostrar enlaces de forma más prominente; el índice de Trakkr lo confirmó con un +62% en 30 días, muy desigual por sector (Educación +171%, Tecnología y Finanzas +98%, Commerce +34%). Sigue siendo una fracción del tráfico total, pero ya no es una fracción estable: el canal que hoy convierte diez veces mejor que el promedio mañana además pesará más.
El dato existe. No es que no haya suficiente tráfico para medirlo.
El problema es que ese tráfico no siempre deja huella rastreable. Cuando el usuario llega a la tienda de memoria después de leer en ChatGPT, GA4 registra una sesión directa o de búsqueda de marca. El touchpoint donde ocurrió la decisión nunca existió para el sistema de medición. En los casos donde sí hay un clic directo desde el LLM, el tráfico queda agrupado en referral de bajo volumen, donde nadie lo busca.
El usuario que llega a una tienda desde un LLM ya tomó la decisión antes de hacer clic.
No está investigando opciones. No está en fase de consideración. Llegó porque el LLM respondió sus preguntas, procesó la comparativa de alternativas y le recomendó dónde comprar. El clic es el último paso de un proceso que ocurrió en otro canal, sin dejar huella en los sistemas de medición habituales.
SparkToro lo documenta con datos: la demanda se construye antes de llegar a Google, en redes sociales, en artículos y en LLMs. Google solo la captura cuando ya está lista para convertir.
Eso explica por qué el tráfico desde LLMs convierte tan por encima del promedio de canales tradicionales. El LLM hizo el trabajo de consideración que antes hacía el contenido editorial de la marca.
La primera vez que en Milimetrix vimos este patrón en los datos de uno de nuestros clientes, cambió completamente la lectura del funnel. Lo que parecía tráfico directo de alta conversión era en realidad tráfico LLM que el modelo de atribución había asignado al canal equivocado.
El problema no es qué modelo de atribución usa el equipo.
GA4 usa atribución basada en datos por defecto. Es un modelo más sofisticado que el last-click clásico. Pero tiene un límite que ningún modelo puede superar: solo puede asignar crédito a los touchpoints que efectivamente capturó.
Y ahí está el problema estructural.
El usuario que pasó 20 minutos en ChatGPT decidiendo qué comprar no necesariamente hace clic en un enlace desde ChatGPT. Abre una pestaña nueva y busca la marca. O escribe la URL de memoria. GA4 registra una sesión de Google Brand Search o una sesión directa. El touchpoint donde ocurrió la decisión nunca existió para el sistema de medición.
Solo cuando el usuario hace clic en un enlace directo desde ChatGPT, GA4 registra referral desde chat.openai.com. Ese tráfico sí es rastreable. Pero es una fracción de la influencia real del canal.
El resultado de esa invisibilidad es predecible: los equipos reducen la inversión en contenido editorial porque "no convierte" y aumentan el presupuesto de Google Brand Search porque "funciona muy bien". Exactamente al revés de lo que tiene sentido.
En Milimetrix vimos este patrón en los datos de clientes varios meses antes de que los estudios a escala lo confirmaran. La señal estaba ahí. El marco de análisis era el que no la capturaba.
Por eso diseñamos una metodología para aislarlo, medirlo y tomar decisiones sobre él.
El principio no es complejo. Y acaba de volverse más fácil.
Hasta hace poco, el punto de partida era separar el tráfico referral de fuentes IA en GA4 construyendo canales personalizados a mano. Eso está cambiando: Google está formalizando ese tráfico de forma nativa, con un canal "AI Assistant" dedicado que clasifica automáticamente las visitas desde ChatGPT, Gemini y Claude (medium: ai-assistant). Es la primera vez que Google Analytics trata el tráfico de IA como categoría de medición independiente. Antes de invertir tiempo en agrupaciones personalizadas, lo primero es verificar si ese canal nativo ya aparece en la propiedad del cliente.
Pero el canal nativo no resuelve el problema de fondo, solo ordena la fracción visible. Tanto el canal personalizado como el nativo capturan únicamente el clic directo desde el LLM. La influencia real, la decisión que se tomó dentro de ChatGPT antes de que el usuario abriera otra pestaña, sigue sin dejar huella. Aislar el referral es el piso, no el techo.
Una vez aislado, la métrica relevante no es el volumen. Es el revenue por sesión comparado contra el baseline de canales tradicionales.
El siguiente paso es el monitoreo de menciones de marca en los propios LLMs: qué prompts generan tráfico, en qué contexto aparece la marca, con qué sentimiento. Eso informa la estrategia de contenido. El contenido que los LLMs usan como fuente no es el que está optimizado para keywords transaccionales. Son las respuestas a las preguntas de consideración del funnel medio.
Los clientes con los que estamos trabajando esta metodología muestran el revenue por sesión orgánica más alto del portafolio. No el mayor volumen de tráfico. El mejor rendimiento por sesión.
Vale notar que el ecosistema se está formalizando. ChatGPT abrió su Ads Manager el 5 de mayo de 2026. El CPM inicial de 60 dólares bajó ya a entre 15 y 40 dólares según categoría. El tráfico desde ese canal muestra entre 60% y 80% más tiempo en sitio que el tráfico social. El canal de pago también está madurando, y las marcas que ya entienden el orgánico van a tener ventaja cuando el pago escale.
No hace falta esperar a tener volumen suficiente para empezar. Las posiciones en LLMs se construyen ahora, de la misma manera que las posiciones en Google se construyeron hace 15 años.
Cuatro pasos concretos:
La paradoja es directa: el canal con mejor ROI del ecosistema digital actual es invisible para los equipos que toman decisiones de inversión porque las herramientas de medición fueron diseñadas antes de que existiera.
No es un problema tecnológico. Es un problema de marcos de referencia.
Las marcas que resuelven primero el problema de medición van a tomar mejores decisiones de inversión que sus competidores durante los próximos 24 meses.
El canal no está creciendo en silencio porque sea modesto. Está creciendo en silencio porque nadie lo está mirando.
%20(220%20%C3%97%2050%20px).png)
