Durante más de 20 años me he ganado la vida averiguando qué escribía la gente en una cajita blanca.
La investigación de palabras clave era, entre otras cosas, mi oficio: entender que cuando alguien teclea «zapatillas running baratas» y otro «mejores zapatillas para maratón» me decía casi todo lo que necesitaba saber sobre qué contenido crear, qué producto destacar y cuánto valía cada visita.
La keyword era la unidad mínima de la intención, y toda una industria aprendió a diseccionarla.
Hace unos meses tuve una de esas conversaciones que te reordenan la cabeza. Una clienta, dueña de una tienda de material de montaña, me enseñó cómo había comprado su última mochila. No buscó «mochila 40 litros» en Google. Le escribió a un asistente de IA algo parecido a esto: «Hago travesías de tres o cuatro días por los Pirineos en verano, cargo tienda y comida, tengo la espalda delicada y unos 150 euros. ¿Qué mochila me recomiendas y por qué?». Y compró la que le dijo.
Me quedé mirando ese mensaje un buen rato. Ahí no había una keyword: había un párrafo entero de contexto, restricciones, presupuesto y una petición de justificación. Toda mi caja de herramientas de 20 años estaba diseñada para diseccionar tres palabras, y el cliente acababa de entregarme cuarenta. Ese día entendí que la investigación de la demanda estaba mutando delante de nosotros, y que quien siguiera investigando solo keywords estaría escuchando una conversación con la mitad de las palabras tapadas.
Aquí intento ordenar cómo se investiga esa nueva demanda: cómo pasamos de las palabras clave a los prompts, de dónde salen las preguntas reales que tus clientes hacen a la IA y cómo convertirlas en materia prima para tu contenido.
La unidad de investigación de la demanda está cambiando. Durante dos décadas trabajamos con keywords: fragmentos cortos y descontextualizados que había que interpretar. Los asistentes de IA han introducido una unidad nueva, el prompt: una pregunta larga, conversacional, cargada de contexto y restricciones, que a menudo forma parte de una conversación encadenada. Investigar prompts no es investigar keywords con más palabras; es investigar intenciones completas.
¿Por qué la keyword ha dejado de ser la unidad de investigación?
La keyword nació de una limitación técnica y de una costumbre. El buscador clásico premiaba la brevedad: escribíamos lo mínimo indispensable para que el sistema nos devolviera diez enlaces azules entre los que elegir. Aprendimos a hablar «en buscador», a comprimir nuestra necesidad en dos o tres palabras y a completar el resto nosotros mismos, hojeando resultados. La keyword era, en el fondo, una necesidad amputada: el usuario se guardaba el contexto en la cabeza porque el buscador no sabía qué hacer con él.
Los asistentes de IA han levantado esa restricción. Como entienden lenguaje natural y mantienen conversación, el usuario ya no tiene que amputar nada: vuelca la necesidad completa, con sus circunstancias, sus condiciones y su objetivo. Y lo hace porque funciona: cuanto más contexto da, mejor es la respuesta. El incentivo se ha invertido. Donde antes premiábamos la brevedad, ahora premiamos el detalle.
Esto tiene una consecuencia incómoda para quien investiga la demanda con las herramientas de siempre. Una keyword como «software facturación» es un cascarón: no sabemos si quien la escribe es autónomo o gran empresa, si busca gratis o premium, si le importa la integración con su banco o el cumplimiento fiscal. Durante años rellenamos esos huecos con hipótesis, con «intención de búsqueda» inferida. El prompt trae los huecos ya rellenos: «soy autónomo, facturo a clientes en Alemania, quiero algo que gestione el IVA intracomunitario y se integre con mi banco, ¿qué me recomiendas?». Toda la ambigüedad que un estratega de SEO resolvía a mano viene ahora explicitada por el propio usuario.
De la palabra clave a la intención conversacional
Lo que estamos presenciando no es un cambio de vocabulario, sino un cambio de unidad de análisis. Rand Fishkin lleva años insistiendo en que la búsqueda ya no termina siempre en un clic; yo añadiría que tampoco empieza siempre en una keyword. Empieza en una intención expresada en voz alta, con todos sus matices.
Esa intención conversacional es más rica, pero también más difícil de tabular. Una keyword se cuenta: tantas búsquedas al mes, tanto volumen, tanta competencia. Un prompt no se deja contar con la misma limpieza, porque casi cada uno es distinto; la variabilidad es enorme. La investigación de prompts se parece menos a una hoja de cálculo de volúmenes y más a una investigación cualitativa: buscamos patrones de intención, familias de preguntas, no cifras exactas por término.
Quien haya hecho investigación de usuarios reconocerá el terreno. Pasamos de contar palabras a entender preguntas, y esa es una habilidad más cercana a la de un buen comercial o un buen periodista que a la del analista de keywords tradicional.
¿Qué se pierde y qué se gana en la traducción?
Conviene ser honesto sobre las dos caras. Lo que se pierde al abandonar la keyword como unidad única es comodidad y precisión aparente: el volumen mensual, la dificultad numérica, el ranking medible en una posición del uno al diez. Eran métricas cómodas, y las vamos a echar de menos.
Lo que se gana es señal. Un prompt bien recogido te dice el problema real, el contexto, la restricción presupuestaria, el nivel de conocimiento del usuario y hasta su estado emocional. Es la diferencia entre saber que alguien busca «dentista Valencia» y saber que alguien pregunta «tengo pánico al dentista y llevo años sin ir, ¿hay clínicas en Valencia especializadas en pacientes con fobia?». La segunda formulación no solo te dice qué contenido crear; te dice cómo hablarle a esa persona, qué objeción resolver primero y qué servicio destacar.
Mi opinión es que no debemos tirar el keyword research, sino ascenderlo. La keyword sigue siendo un punto de entrada útil —un índice de temas—, pero el trabajo estratégico empieza donde antes terminaba: en reconstruir la intención completa que la keyword solo insinuaba.
Anatomía de un prompt: en qué se diferencia de una keyword
Para investigar prompts hay que entender primero de qué están hechos. Un prompt no es una keyword larga; es una estructura con partes reconocibles, y aprender a verlas cambia por completo la forma de trabajar.
Tema, necesidad, restricción y objetivo
Cuando desmonto los prompts reales que recojo, encuentro casi siempre los mismos componentes. Está el tema, que es lo más parecido a la vieja keyword: «mochila», «CRM», «dentista». Está el contexto, que sitúa la necesidad: «travesías de varios días», «agencia de ocho personas», «años sin ir por miedo». Está la restricción, que acota la respuesta aceptable: presupuesto, plazo, compatibilidad, ubicación. Y está el objetivo, que expresa qué quiere obtener el usuario: una recomendación justificada, una comparación, unos pasos, una decisión.
A veces aparece un componente más, el rol, cuando el usuario define desde dónde pregunta o le pide al asistente que adopte un papel: «como si me lo explicaras a alguien que no es técnico», «soy responsable de marketing, no informático». Ese marco cambia el registro de la respuesta y, por tanto, el registro con el que tu contenido debería estar escrito para encajar.
La lección para quien investiga es directa: cada uno de esos componentes es una pista sobre tu contenido. El tema te da la página; la necesidad o contexto te da el ángulo; la restricción te da los filtros y datos que debes exponer con claridad; el objetivo te dice el formato —comparativa, guía paso a paso, ficha con criterios de decisión—.
El prompt lleva restricciones, no solo temas
Insisto en las restricciones porque son la parte que el keyword research clásico nunca capturó bien y donde más valor hay escondido. «Mejor CRM» es un tema; «CRM que cumpla el RGPD, se integre con WhatsApp y cueste menos de treinta euros por usuario» son tres restricciones que definen a un comprador concretísimo.
Para un asistente de IA, esas restricciones son criterios de filtrado: descartará opciones que no las cumplan y justificará su recomendación en función de ellas. Lo que significa que, si tu contenido no expone con claridad si cumples esas restricciones —el precio, la integración, el cumplimiento normativo—, el sistema no tiene con qué colocarte en la respuesta, aunque seas la mejor opción. La investigación de prompts es, en gran parte, un inventario de las restricciones que tus clientes imponen, para asegurarte de que tu contenido las responde de frente.
La conversación como unidad: prompts de seguimiento
Hay una diferencia más, y es quizá la más importante: la keyword era un acto único; el prompt suele ser parte de una conversación. El usuario pregunta, recibe una respuesta y repregunta: «¿y de esas cuál es más ligera?», «¿alguna que no sea de esa marca?», «¿dónde la compro en España?». Cada repregunta es un nuevo prompt, y en conjunto dibujan un embudo entero comprimido en una sola sesión.
Esto tiene una implicación enorme para la investigación: no basta con conocer la primera pregunta, hay que anticipar la cadena. Las mejores estrategias de contenido para IA no responden una consulta aislada, sino que cubren la conversación previsible completa —la pregunta inicial, las objeciones que surgen, la comparación que el usuario pedirá, el «dónde lo consigo» del final—. Quien mapea conversaciones, y no solo preguntas sueltas, juega con ventaja.
Los tipos de preguntas que la gente hace a la IA
No todos los prompts persiguen lo mismo, y clasificarlos por intención es lo que convierte un montón de preguntas sueltas en un mapa útil. Con el tiempo he acabado agrupándolos en cuatro grandes familias, que se parecen a las viejas categorías de intención de búsqueda pero con matices propios del mundo conversacional.
Están los prompts informacionales, que buscan entender: «¿qué diferencia hay entre GEO y SEO?», «¿cómo funciona la aerotermia?». Aquí el usuario no quiere comprar todavía; quiere comprender, y premia el contenido que explica con claridad y autoridad. Es el territorio donde una marca se gana la credibilidad que luego cobrará en las otras fases.
Están los prompts de comparación, que ya huelen a decisión: «¿qué es mejor para una pyme, Shopify o WooCommerce?», «diferencias entre contratar una agencia o un freelance». El usuario ha acotado el campo y pide criterios para elegir. El contenido que gana aquí es el que compara con honestidad, incluidos los casos en los que tú no eres la mejor opción.
Están los prompts de recomendación, los de mayor intención comercial: «¿qué asesoría me recomiendas para una startup en Valencia?». El usuario delega parte de la decisión en la máquina, y la máquina solo puede recomendar a quien conoce, entiende y encuentra socialmente validado —conecté esto en profundidad en el artículo anterior de la serie sobre reseñas y prueba social—.
Y están los prompts de ejecución, cada vez más frecuentes según los asistentes ganan capacidad de actuar: «resérvame», «genérame», «compárame y pide presupuesto». Aquí la visibilidad ya no basta; hay que ser, además, técnicamente accesible para que un agente complete la acción. Es el pilar «Ejecutable» del marco CPCE, y merece su propio artículo, pero conviene tenerlo en el radar desde ya.
Clasificar tus prompts recogidos en estas cuatro familias es el primer filtro de cualquier investigación seria, porque cada familia se responde con un tipo de contenido distinto y aporta un valor de negocio distinto.
¿De dónde salen los prompts reales?
Aquí está la pregunta del millón: si los prompts son conversaciones privadas entre una persona y un asistente, ¿cómo demonios investigo los de mis clientes? No hay todavía una herramienta que te entregue «volumen de prompts» como antes te daban volumen de keywords, y desconfío de quien prometa lo contrario con precisión. Pero hay muchas fuentes reales, y la mayoría llevan años delante de nuestras narices. Las ordeno de la más infravalorada a la más obvia.
Tu propio equipo de ventas y atención al cliente
La mejor base de datos de prompts de tu sector no está en ninguna herramienta: está en la cabeza de tu equipo comercial y en tu servicio de atención al cliente. Llevan años escuchando exactamente cómo formulan los clientes sus necesidades, con qué palabras, qué objeciones ponen, qué comparaciones hacen, qué les preocupa antes de decidir. Eso es investigación de prompts en estado puro, porque los clientes hablan con un comercial en el mismo registro natural con el que hablan con un asistente de IA.
En Metriagent tenemos un hábito que recomiendo replicar: sentarnos con el equipo de ventas del cliente y pedirles que anoten, durante dos o tres semanas, las preguntas literales que reciben. No una versión resumida y profesionalizada, sino la frase tal cual la dijo el cliente. Esa lista, sin tocar herramientas, ya vale más que muchos informes de keywords, porque son prompts humanos verificados por la realidad.
Reseñas, correos, chats y formularios
La segunda mina está en todo lo que tus clientes ya han escrito. Las reseñas contienen, entre líneas, las preguntas que se hicieron antes de comprar. Los correos de consulta son prompts casi literales. Las transcripciones del chat de tu web son oro conversacional. Y los formularios, especialmente el campo libre y el clásico «¿en qué podemos ayudarte?», recogen la necesidad en las propias palabras del cliente.
Añado una recomendación que cuesta cero y rinde muchísimo, la misma que defiendo para medir visibilidad: incluir «¿cómo nos has conocido?» y un campo abierto de «¿qué estabas buscando resolver?» en tus formularios. No solo te dirá si llegan por asistentes de IA; te dará, redactada por el cliente, la pregunta que le trajo hasta ti.
Foros, comunidades y espacios de preguntas
Cuando la gente no le pregunta a una máquina, se lo pregunta a otras personas, y lo hace en el mismo lenguaje natural. Los foros especializados de tu sector, las comunidades profesionales, los hilos de Reddit, las preguntas de Quora y los grupos temáticos son un depósito gigantesco de prompts reales, con la ventaja añadida de que muestran también las respuestas que la gente considera útiles.
Tiene un valor doble. Por un lado, te da las preguntas. Por otro, esos mismos espacios son, como expliqué en el artículo sobre prueba social, fuentes que los asistentes de IA consultan y citan; así que entender qué se pregunta y se responde allí sirve para investigar la demanda y para saber dónde deberías tener presencia.
«People also ask», autosugerencias y el keyword research reinterpretado
Las herramientas de siempre no se tiran; se releen con otra mirada. Las secciones de «también se preguntan» de los buscadores, las autosugerencias que completan tu frase, las preguntas relacionadas y los propios informes de keywords de cola larga están llenos de formulaciones en forma de pregunta que son prompts semiterminados. Las herramientas que agrupan keywords por preguntas —las que te devuelven los «qué», «cómo», «por qué», «cuál»— son especialmente útiles como punto de partida.
La clave es no quedarse en la keyword corta que devuelven, sino tomar cada pregunta y expandirla con el método que veremos en el siguiente apartado. El keyword research se convierte así en la materia prima barata que luego enriquecemos.
Preguntar directamente a los asistentes
La fuente más directa, y la que más gente olvida, es preguntar a los propios asistentes. Puedes hacer dos cosas complementarias. La primera, actuar como cliente: formula las preguntas que crees que hace tu público y observa qué responde el sistema, a quién cita, qué criterios usa, qué información echa en falta. Es el equivalente moderno de mirar la primera página de Google, y te dice contra qué compites y qué le falta a la respuesta para que pudieras aparecer tú.
La segunda, pedir ayuda al propio asistente para generar variantes: «¿qué preguntas suele hacer alguien que quiere contratar una asesoría fiscal?». No tomes la respuesta como un dato de mercado —es una aproximación, no una medición—, pero como generador de hipótesis de prompts es rapidísimo y sorprendentemente bueno. Luego esas hipótesis se validan con las fuentes reales anteriores.
De la investigación al contenido: responder prompts, no rankear keywords
El principio rector es que hay que responder la pregunta, no perseguir la palabra. Una página construida para «rankear» por «CRM pymes» se llena de repeticiones de esa expresión; una página construida para responder el prompt real explica con claridad para quién es, qué restricciones cubre, cómo se compara y qué decisión ayuda a tomar. La segunda es la que un sistema de IA puede citar, porque contiene respuesta, no solo relevancia.
En la práctica, esto se traduce en formatos concretos. Las preguntas informacionales piden artículos y explicaciones bien estructuradas, con las respuestas cerca del encabezado que las plantea. Las de comparación piden tablas y criterios honestos, incluidos los contras. Las de recomendación piden páginas de servicio que expliciten a quién sirves, en qué casos y con qué pruebas —reseñas, casos de éxito—. Y todas se benefician de una sección de preguntas frecuentes que recoja los prompts de seguimiento con sus respuestas, porque es el formato que más se parece a una conversación y el que los asistentes recuperan con más facilidad.
Mike King ha explicado bien que el trabajo se acerca cada vez más a la ingeniería de la información: estructurar el contenido para que un sistema de recuperación lo entienda, lo extraiga y lo atribuya. Un contenido pensado desde el prompt —con la pregunta explícita, la respuesta inmediata y el contexto que la sustenta— es, sin más adornos, contenido preparado para ser citado. Es el pilar «Citable» del CPCE puesto a trabajar sobre la materia prima de los prompts.
Del prompt a la entidad: que la máquina sepa que la respuesta eres tú
Responder bien la pregunta no basta si el sistema no relaciona esa respuesta con tu marca como entidad reconocible. Jason Barnard insiste en esta idea y la comparto: los asistentes recomiendan a quien entienden. De poco sirve tener la mejor respuesta al prompt «asesoría para startups en Valencia» si tu empresa no está claramente definida como una asesoría, en Valencia, para startups, con datos coherentes en todas partes. La investigación de prompts debe terminar conectándose con el trabajo de entidades y datos estructurados: el prompt te dice qué pregunta responder; las entidades le dicen a la máquina que quien responde eres tú.
¿Cómo medir si apareces en las respuestas?
Si la unidad cambia, la medición cambia con ella. Medir posiciones en un ranking pierde sentido cuando no hay diez enlaces azules, sino una respuesta sintetizada. Lo que hay que medir es aparición y cita.
El método que aplicamos es el seguimiento de prompts: seleccionar los prompts prioritarios en una batería de consultas y lanzarlas periódicamente a los principales asistentes, registrando si tu marca aparece, en qué posición dentro de la respuesta, con qué argumento y qué fuentes cita el sistema para justificarla. No busco una foto perfecta —estos sistemas son variables y la misma pregunta puede dar respuestas distintas—, sino una tendencia: en qué porcentaje de mis prompts estratégicos aparezco este trimestre frente al anterior.
Interesan especialmente dos señales. Una, los prompts en los que aparezco recomendado y el motivo que verbaliza el sistema, porque conecta la aparición con una causa sobre la que puedo actuar. Otra, las fuentes que el asistente cita al responder mi sector, porque me dicen dónde se está jugando mi visibilidad y dónde debería reforzar mi presencia. Todo esto se enlaza con la analítica de negocio de siempre —tráfico referido desde asistentes, leads que declaran haber llegado «por ChatGPT», visitas directas de marca— para cerrar el círculo entre aparecer en una respuesta y ganar un cliente.
En el lenguaje del marco CPCE, esta medición cubre dos pilares a la vez: comprueba si eres Posicionable (si el sistema te coloca en la respuesta a la pregunta) y si eres Citable (si además te usa como fuente y te atribuye). El mapa de prompts es la lista de exámenes; el seguimiento es la nota.
Errores comunes al investigar prompts
He cometido o visto cometer casi todos, así que los inventarios para que tú te los ahorres.
El primero es tratar el prompt como una keyword larga y limitarse a añadir palabras a los términos de siempre sin recoger contexto real. El resultado son prompts de laboratorio, plausibles pero falsos, que nadie hace. La cura es contrastar siempre con fuentes humanas: ventas, reseñas, foros.
El segundo es enamorarse del volumen inventado. Como el mercado pide cifras, aparecen herramientas que ofrecen «volúmenes de prompts» con una precisión que la tecnología actual no permite sostener. Usa esas cifras como orientación, nunca como verdad, y verifica su metodología antes de construir una estrategia sobre ellas.
El tercero es investigar solo la primera pregunta y olvidar la conversación. Quien responde el prompt inicial y no las repreguntas previsibles deja al usuario a medio camino y cede el resto de la conversación a un competidor.
El cuarto es separar la investigación de prompts del trabajo de entidad y prueba social. Un prompt perfectamente respondido en una web que la máquina no entiende como entidad, o de una empresa sin validación externa, rara vez acaba en cita. Los tres trabajos —prompts, entidades, reputación— son un mismo sistema.
Y el quinto, el más de fondo, es creer que esto sustituye al SEO en lugar de ampliarlo. Aleyda Solís lo resume bien cuando insiste en que GEO y SEO son evolución, no ruptura. La keyword sigue siendo un buen índice de temas y el SEO técnico sigue siendo la base sobre la que se apoya todo lo demás. La investigación de prompts no derriba tu casa; le añade una planta.
Mi conclusión más importante: investigar preguntas, no palabras
Vuelvo a la mochila con la que empecé. Aquel párrafo que mi clienta le escribió al asistente contenía más información de marketing que cualquier keyword que yo hubiera analizado en quince años: su caso de uso, su restricción física, su presupuesto, su nivel de exigencia y su petición de que le justificaran la elección. La keyword me habría dado una palabra; el prompt me dio a la persona entera.
Ese es, en el fondo, el cambio: pasamos de investigar lo que la gente teclea a investigar lo que la gente pregunta, y preguntar revela la intención completa que teclear escondía. Es más difícil de tabular y menos cómodo de medir, pero es infinitamente más rico, porque por fin trabajamos con la necesidad real y no con su resumen amputado.
Quien aprenda a recoger esas preguntas —de su propio equipo, de sus clientes, de las comunidades donde su público habla— y a convertirlas en contenido que las responda con claridad, tendrá una ventaja que la keyword nunca dio: sabrá exactamente qué le preguntan sus futuros clientes a la máquina que cada día decide más compras. Y estará ahí, en la respuesta, cuando la pregunten.
La era de las keywords nos enseñó a escuchar palabras. La era de los prompts nos pide algo más humano y más difícil: aprender a escuchar preguntas.
Preguntas frecuentes sobre investigación de prompts
¿La investigación de keywords ha muerto?
No. Ha cambiado de papel. La keyword sigue siendo un índice de temas útil y barato, y el SEO técnico que la rodea sigue siendo la base sobre la que se apoya la visibilidad en IA. Lo que ha muerto es la idea de que la keyword, por sí sola, captura la intención del usuario. Hoy es el punto de partida de la investigación, no el final: se expande hasta reconstruir el prompt completo que había detrás.
¿Existen herramientas para investigar prompts como las había para keywords?
Está naciendo una categoría de herramientas para monitorizar preguntas a los asistentes y visibilidad de marca en sus respuestas, pero el espacio es muy joven y cambia rápido. No hay todavía un estándar equivalente al «volumen de búsqueda» para prompts, y conviene tomar con cautela cualquier cifra de «volumen de prompts». Mi recomendación es combinar esas herramientas —evaluando su metodología— con fuentes reales que ya tienes: ventas, reseñas, formularios y foros.
¿Cuál es la mejor fuente de prompts reales?
La más infravalorada y potente suele ser tu propio equipo de ventas y atención al cliente: llevan años escuchando las preguntas literales de tus clientes en el mismo lenguaje natural con el que estos hablan a un asistente. A partir de ahí, reseñas, correos, chats, formularios y foros del sector completan el cuadro. Las herramientas y los propios asistentes sirven para generar hipótesis, pero conviene validarlas contra estas fuentes humanas.
¿Cómo convierto una keyword en prompts?
Con expansión por componentes: a cada keyword le añades contexto (la situación del usuario), restricción (presupuesto, plazo, compatibilidad, ubicación), rol (quién pregunta) y objetivo (qué quiere obtener). De una sola keyword salen varios prompts realistas, cada uno correspondiente a un comprador distinto. Después los contrastas con tus fuentes reales para quedarte solo con los que la gente hace de verdad.
¿Cómo mido si mi empresa aparece en las respuestas de la IA?
Convierte tus prompts prioritarios en una batería de consultas y lánzalas periódicamente a los principales asistentes, registrando si apareces, con qué argumento y qué fuentes cita el sistema. Dado que estas respuestas varían, mide tendencias trimestrales, no capturas puntuales, y conéctalo con tu analítica de negocio (tráfico referido desde asistentes, leads que declaran haber llegado por IA). En términos del marco CPCE, estás midiendo si eres Posicionable y Citable.
¿Esto sustituye a mi estrategia SEO actual?
No la sustituye, la amplía. GEO y SEO son evolución, no ruptura: comparten la base técnica y de contenido de calidad. La investigación de prompts añade una capa —la de la intención conversacional completa— sobre el trabajo de keywords que ya haces, y lo conecta con el de entidades y prueba social. Trabajar los tres a la vez es lo que hace que un contenido no solo posicione, sino que además sea citado.
