¿Cómo defines qué preguntas conversacionales debería responder tu marca cuando no tienes datos de keywords? Aquí aprendes a construir prompts para monitorear tu visibilidad en AIO usando una fórmula práctica y una matriz replicable. Es ideal para profesionales de marketing que quieren controlar la narrativa de su marca frente a los LLMs.

La compra ya no empieza en un buscador tradicional. Empieza en una conversación con ChatGPT, Gemini o Perplexity de la que no tienes visibilidad. Ese es justo el problema que resuelve este proceso: pasar de adivinar a monitorear preguntas reales donde tu marca necesita aparecer.

Por qué debo construir prompts de abajo hacia arriba en el funnel

La recomendación es definir los prompts de abajo hacia arriba dentro del funnel [00:05]. Es decir, empezar por las búsquedas más enfocadas en vender o por el momento most aware, cuando la persona ya decidió comprar y solo necesita resolver cómo hacerlo.

Este enfoque responde una duda común en este punto del aprendizaje: ¿cómo resuelvo yo lo que están buscando las personas? La respuesta está en entender la intención antes de escribir una sola línea.

¿Qué es el most aware en el funnel? Es la etapa donde la persona ya decidió comprar y solo busca resolver los últimos detalles antes de concretar. Aquí los prompts son los más cercanos a la venta.

Qué fórmula uso para escribir prompts efectivos

La fórmula central es simple y poderosa: situación más persona más constraints [00:38]. Esta combinación es lo que te ayuda a armar prompts que se parecen a cómo la gente realmente busca hoy.

Mira cómo se desarma un ejemplo:

• Situación: ¿cuál es el mejor carro eléctrico? Es el contexto en el que está la persona.
• Persona: una familia de cuatro integrantes.
• Constraints: hace viajes largos y tiene un presupuesto definido.

Un prompt bien construido con esta fórmula se vería así: ¿qué alternativas hay al Tesla Model Y para una familia de cuatro con un presupuesto de 40.000 dólares? [01:08]. Es específico y realista.

Y aquí viene lo interesante. Los constraints no son opcionales. Si solo preguntas "¿qué es un carro eléctrico?", el modelo responde desde su entrenamiento, no desde recomendaciones [01:30]. Son justamente los constraints los que activan que un LLM mencione marcas concretas.

¿Por qué son importantes los constraints en un prompt? Porque activan que el modelo genere recomendaciones con marcas específicas, en lugar de respuestas genéricas basadas solo en su entrenamiento.

Cómo lleno la matriz de prompts paso a paso

La matriz se llena automáticamente con la información de tu investigación [02:00]. Para cada línea defines varios campos clave:

• La persona, por ejemplo un dueño de finca, que es un lugar donde se cultivan alimentos en la naturaleza.
• La etapa del funnel, como el most aware.
• El insumo usado, que registra de dónde salieron los datos: un brief, un keyword tool o un LLM.
• El prompt armado con tu fórmula.

Un ejemplo superespecífico sería: ¿cuál es la mejor SUV eléctrica que me permita ir a la finca con mi familia y que dure la carga para hacer un viaje de ida y vuelta desde Bogotá hasta Villeta? [02:40]. Incluir ciudades reales importa, porque así buscamos hoy.

Cómo defino mi set de marca sin medir solo visibilidad

Una vez tienes los prompts, pasas al paso tres: definir tu set de marca, que se arma desde la narrativa [03:15]. Este set funciona distinto a lo que podrías esperar.

Usando una marca de ejemplo llamada Voltra Terra, una SUV alternativa al Model Y, el set incluiría preguntas como: ¿vale la pena Voltra Terra? ¿Qué problemas tiene? ¿Cuánto cuesta en Colombia? [03:30]. Cada pregunta evalúa algo concreto: conocimiento de marca, precio o sentimiento.

Lo clave aquí: el set de marca no mide visibilidad, sino que te da control sobre la narrativa de lo que dice el LLM sobre ti [04:00]. Esa información luego la usas en tu sitio web o en campañas con influencers en YouTube.

Qué filtros aplico para validar mis prompts

Antes de monitorear, cada prompt pasa por una validación con tres filtros [04:20]:

1. Relevancia competitiva para tu negocio.
2. Qué tanto puedes influenciar realmente la respuesta de la inteligencia artificial.
3. Si está alineado con el negocio.

Te haces dos preguntas directas: ¿es relevante para nuestro negocio? ¿Podemos influenciar que el LLM diga lo que queremos? Luego marcas si pasa el filtro o no.

Lo ideal es repetir este ejercicio de 20 a 40 líneas [04:50], variando productos, personas, etapas e insumos. Para acelerarlo, existe un prompt que genera prompts: le pasas tu brief y tu investigación, y le pides que escriba prompts como lo haría cada persona en ChatGPT, Gemini o Perplexity, en el idioma de las ciudades de tus mercados objetivo, uno o dos por etapa y persona, combinando insumo, situación y constraints, sin incluir marcas [05:20].

Por qué esto es un panel de inteligencia y no un rank tracker

Aquí está la diferencia conceptual más importante. Este proceso no es un rank tracker donde ya tenías tus keywords definidas [06:20]. Es un panel de inteligencia de marca.

El objetivo es monitorear preguntas conversacionales para asegurar que tu marca esté dentro del espectro conversacional. Y todo ese set se construye a partir del negocio: el contexto del negocio es el ejercicio más importante para que los prompts tengan valor, sumado al journey, las personas, la fórmula y las fuentes [06:40].

El siguiente movimiento es elegir una herramienta y llevar tus prompts a una o a las tres plataformas para familiarizarte con las métricas [07:00]. Así esa caja negra del mundo AIO empieza a dejar de ser tan negra: ves cómo aparece tu marca y qué dicen los LLMs.

Lo más importante de todo es tomar acción. Muchas marcas siguen debatiendo si esto sirve, mientras la oportunidad de ganar visibilidad está disponible ahora. ¿Ya definiste los primeros prompts para tu negocio o para un cliente? Cuéntame en los comentarios qué fórmula te funcionó mejor.