Cómo medir la visibilidad en IA de mi restaurante

Publicado el 9 de septiembre de 2026 · Actualizado el 11 de septiembre de 2026 · Análisis hecho el 9 de septiembre de 2026.

Por qué un restaurante se mide distinto a cualquier otro negocio

En hostelería, la IA casi nunca lee tu web para responder. Lee las guías que hablan de ti, y eso vale también para los restaurantes con estrella. En el análisis de ejemplo, el motor citó 29 fuentes. Las más usadas fueron las fichas de Google con 20 citas, la web de un grupo de restauración con 11 y la guía oficial de turismo de la ciudad con 10. Detrás venían una guía local con 6, TheFork con 5 y la Guía Michelin con 4. La web del restaurante no está entre las nueve más citadas. Y hablamos de un restaurante que la IA nombró en 11 de 16 respuestas: lo nombró leyendo a otros. Esto cambia dónde hay que trabajar. Tu carta en PDF no la lee nadie: lo que decide es si apareces en las listas de «los mejores de la ciudad» y en la ficha de Google.

La pregunta genérica la ganan las estrellas Michelin, y ni ellas del todo

Cuando preguntamos ¿cuál es el mejor restaurante de Valencia?, los motores contestaron con alta cocina: junto al del ejemplo salieron La Salita, Lienzo, Fierro y RiFF. Pero fíjate en el detalle: ni el restaurante con estrella ganó esa pregunta entera. Salió en la mitad de las respuestas, primero en ChatGPT y en Gemini, y ni una vez en Perplexity. Contra esa pregunta no compites, y tampoco te interesa: quien la hace no busca tu menú del día. La pregunta que sí te interesa es la del cliente que ya sabe qué quiere, cuántos son y qué día.

Lo que pregunta un comensal trae la mesa entera

Nadie escribe «restaurante Valencia» en ChatGPT. Escribe cuántos son, qué día, qué quieren comer y con qué condición: con niños, con terraza, sin gluten, un aniversario. Por eso las preguntas de hostelería son largas y llenas de contexto. Y por eso medir solo la pregunta corta no te dice nada de tu negocio: en el ejemplo, la pregunta de la ocasión subió del 50% al 87,5%.

Qué motores importan más si tienes un restaurante

Los cuatro que medimos, y conviene no dar nada por sentado. En este análisis ChatGPT y Gemini nombraron al restaurante en las ocho respuestas, y siempre primero. Perplexity solo lo nombró en la pregunta de la ocasión, y AI Overviews una vez de cuatro, porque en tres de las cuatro consultas Google no mostró resumen de IA. En la guía equivalente para hoteles el reparto fue distinto, y en la de despachos también. El motor que te funciona depende del sector.

Los prompts que hay que medir si tienes un restaurante

Estas son las preguntas listas para copiar, cambiando la ciudad y el tipo de cocina por los tuyos. Elige entre cinco y diez y déjalas fijas durante meses.

1. La pregunta genérica de categoría

• ¿Cuál es el mejor restaurante de [ciudad]?
• ¿Dónde se come el mejor [plato local] en [ciudad]?

Mídela para saber dónde estás, pero no la conviertas en tu objetivo. Es la que ganan los restaurantes de alta cocina.

2. La pregunta de ocasión, que es la que reserva mesa

• Vamos seis a comer [plato] en [ciudad] un domingo y queremos un sitio tradicional donde lo hagan al momento, ¿cuál nos recomiendas?
• Cena de empresa para veinte personas en [ciudad] con menú cerrado y sala reservada, ¿qué restaurantes me sirven?
• Comemos con dos niños pequeños en [ciudad] y necesitamos algo rápido y con trona, ¿dónde vamos?
• Aniversario en [ciudad], queremos cenar tranquilos con buena carta de vinos, ¿qué me recomiendas?

3. La pregunta de restricción

• ¿Qué restaurantes de [ciudad] tienen menú sin gluten de verdad, con cocina separada?
• ¿Dónde puedo comer en [ciudad] con perro en la terraza?
• ¿Qué restaurantes de [ciudad] abren los lunes?

Es la familia más fácil de ganar, porque casi nadie publica esos datos en un formato que la IA pueda leer.

4. La pregunta de precio

• ¿Cuánto cuesta comer [plato] en [ciudad] y qué sitios tienen buena relación calidad-precio?
• ¿Qué restaurantes de [ciudad] tienen menú del día por menos de [X] euros?

5. La pregunta de comparación

• Compara [tu restaurante] con [competidor 1] y [competidor 2] para una comida familiar en [ciudad], con un ranking de mejor a peor.

Solo tiene sentido cuando ya apareces en alguna respuesta. Antes de eso, mide las cuatro familias anteriores.

El análisis de ejemplo, hecho el 9 de septiembre de 2026

Lo hicimos con CreceRank, que es nuestra herramienta, sobre un restaurante de Valencia con estrella Michelin, de los que aparecen en todas las guías. No es cliente nuestro y no sabe que lo medimos. Aviso de transparencia: el análisis está hecho con una herramienta propia. Al final del artículo explicamos cómo hacer lo mismo sin nosotros, a mano y gratis. Elegimos un restaurante grande a propósito: queríamos enseñar cómo se lee un buen resultado y qué hace esa casa para tenerlo, que es lo que se puede copiar a otra escala. Le pusimos dos prompts y los lanzamos dos veces en cada uno de los cuatro motores. Estos son, escritos tal cual se midieron:

• Prompt corto: ¿Cuál es el mejor restaurante de Valencia? (9 palabras)
• Prompt largo: Queremos cenar en Valencia en un restaurante con estrella Michelin para celebrar un aniversario, ¿cuál nos recomiendas? (17 palabras)

El resultado global fue 68,8% de visibilidad y posición media 1: 11 menciones en 16 respuestas, los dos prompts con mención y 29 fuentes citadas.

Prompt	Visibilidad	ChatGPT	AI Overviews	Gemini	Perplexity
Corto, genérico de categoría	50%	2 de 2	0 de 2	2 de 2	0 de 2
Largo, con la ocasión	87,5%	2 de 2	1 de 2	2 de 2	2 de 2

El mismo restaurante, el mismo día, los mismos motores. Con la pregunta corta sale en la mitad de las respuestas. Con la de la ocasión, en siete de ocho, y en seis de ellas en primer lugar. Perplexity, que no lo nombró en la genérica, lo puso en la de la ocasión las dos veces. La ocasión abre motores que la categoría no abre. La tabla de competidores enseña contra quién se reparte la respuesta: La Salita empata con un 68,8%, Lienzo tiene 43,8%, Fierro 25% y RiFF 18,8%. Y aquí la autoridad de dominio no ordena nada: el restaurante del ejemplo tiene 51, Fierro 75 y El Poblet 90 con solo un 12,5%. Lo que ordena es en cuántas guías estás.

Qué hace este restaurante que tú puedes copiar

Su visibilidad no sale de su web. Sale de que está en todas las páginas que el motor consultó: la guía de turismo de la ciudad, las guías locales, TheFork, Michelin y su ficha de Google con reseñas al día. Un restaurante de barrio no va a salir en Michelin, pero sí puede estar en la guía de turismo de su ciudad, en las dos guías locales que el motor cita y en TheFork, con datos completos y sin PDF.

Cómo leer el resultado sin engañarte

• Visibilidad (68,8%). El porcentaje de respuestas donde apareces. Con dos prompts, un 68,8% son 11 menciones de dieciséis, y la genérica solo aporta cuatro.
• Posición media (1). Cuando apareces, en qué lugar sales. Este es el número bueno del análisis: cuando la IA lo nombra, lo nombra primero.
• Prompts con mención (2 de 2). Te dice qué tipo de ocasión ya tienes ganada. Aquí las dos, pero una mucho más que la otra.
• Fuentes (29). De dónde salió la respuesta. En hostelería esa lista es literalmente tu plan de trabajo.

La decisión que sale de este ejemplo es directa: el restaurante tiene ganada la ocasión y a medias la categoría, y le falta Perplexity en la genérica. Ese sería el trabajo del trimestre. Y hay una lectura para el restaurante pequeño que lee esto: no midas la pregunta que ni las estrellas ganan entera. Mide la de la mesa, que es donde el nombre cambia con cada ocasión. Si tu primer análisis sale entero en cero, que es lo más común en un restaurante de barrio, la lectura está en qué pasa si tu visibilidad en IA es cero.

El dato propio: 381 sitios se llevan la mitad de las citas

Si el trabajo es entrar en las páginas que la IA cita, la pregunta obvia es cuántas son. Lo medimos en nuestra base. Sobre 437.109 citas de 43.742 respuestas, los motores citaron 30.274 dominios distintos. Parece un mar abierto, pero no lo es. Los 381 dominios más citados concentran la mitad de todas las citas. Es el 1,3% de los sitios. Los 11 primeros ya se llevan el 10,4%. Para un restaurante esto es una buena noticia disfrazada de mala. No tienes que estar en treinta mil sitios: tienes que estar en unos pocos, y en tu ciudad son media docena. En nuestro ejemplo ese puñado tenía nombre y apellido: la guía de turismo de la ciudad, dos guías locales, TheFork y Michelin. Salían en el panel, con el número de citas al lado.

Qué hacer con lo que viste

1. Haz la lista de las guías que ya cita el motor y consigue estar en las tres primeras. En hostelería es el 80% del trabajo y no depende de tu web.
2. Publica los datos que un agregador no tiene: horarios reales, si hacéis el arroz por encargo y con cuánta antelación, tamaño de las mesas, si hay terraza, si admitís perros y el precio del menú.
3. Escribe una página por ocasión, no por plato. «Comida de empresa en [ciudad]» gana a «nuestra carta» en las respuestas de IA.
4. Saca la carta del PDF. Si tus platos y precios solo existen dentro de un PDF o de una imagen, para el modelo no existen.
5. Añade preguntas frecuentes estructuradas. Es el bloque que los modelos citan con más facilidad: reservas, grupos, alérgenos y aparcamiento.
6. Trabaja las reseñas donde la IA las lee. Lo contamos en el acuerdo de OpenAI con Yelp y qué cambia en España y LATAM.

Lo que sí depende de ti es tu web, tus datos y tu ficha en las guías. Lo que no depende de ti es cuándo el modelo vuelve a leer todo eso.

Cada cuánto repetir la medición

Una vez al mes como mínimo y con la misma lista de prompts. Medir una sola vez es lo mismo que no medir. Con datos propios: comparando pares de análisis consecutivos de la misma marca, el mismo prompt y el mismo motor, el resultado cambia el 13,7% de las veces y el 6,6% son menciones que se pierden. En hostelería hay además un motivo de calendario. La demanda es estacional, así que conviene llegar medido a las semanas fuertes, no empezar a mirarlo entonces.

Con qué más se puede medir esto

Se puede hacer a mano y gratis. Abre los cuatro motores, lanza tus diez preguntas dos veces cada una y anótalo en una hoja de cálculo. Lo que pierdes es el histórico comparable y la lista de fuentes agregada, que en este sector es justamente lo más accionable. Si quieres comparar herramientas antes de elegir, el mapa está en las mejores herramientas de GEO, y la opinión de otros usuarios en las mejores herramientas de GEO, AEO y LLMO según Reddit y en las mejores herramientas de visibilidad en IA en español. Nosotros lo hicimos con CreceRank porque es nuestra: desde 49 dólares al mes, con 14 días de prueba sin tarjeta. Si llevas un restaurante y quieres el descuento único, escríbenos por WhatsApp.

Qué cambió este mes en la visibilidad en IA de la hostelería

• 11 de septiembre de 2026. Se rehízo el análisis de ejemplo con un restaurante con estrella Michelin, medido el 9 de septiembre: 68,8% de visibilidad, posición media 1 y 87,5% en la pregunta de la ocasión. El primer ejemplo, un restaurante de arroces de barrio, había dado 6,2%.
• Ni el restaurante con estrella ganó entera la pregunta genérica: 50%, con Perplexity en cero. La ocasión es lo que abre todos los motores.
• 9 de septiembre de 2026. Primera publicación, con un corte propio nuevo sobre 437.109 citas: 381 dominios se llevan la mitad.
• Ya hay guía para cinco sectores más: hoteles, despachos de abogados, inmobiliarias, clínicas dentales y servicios del hogar.

Metodología: cómo hicimos este análisis y cómo puedes repetirlo sin nosotros

Este artículo no es una lista de herramientas. Es el método completo, con un análisis de verdad hecho el mismo día que lo publicamos.

• El restaurante es real, pero va sin nombre. Es un restaurante de Valencia con estrella Michelin, elegido a propósito para enseñar cómo se lee un buen resultado. En las capturas tapamos el nombre.
• Los prompts, los motores, la fecha y los números van completos, sin retocar. Lo que elegimos fue a quién medir, no qué contar de la medición.
• Dos corridas por motor, porque una respuesta suelta no es una medición.
• Cuatro motores: ChatGPT, Google AI Overviews, Gemini y Perplexity. Dos prompts, dos corridas y cuatro motores dan 16 respuestas.

Aviso de transparencia. El análisis está hecho con CreceRank, que es nuestra herramienta. Lo decimos aquí y no en un pie de página. Para repetirlo sin herramienta: abre una ventana de incógnito en cada motor, pega tus diez preguntas dos veces y anota si sales, en qué puesto y qué fuentes cita la respuesta. El corte del gráfico sale de nuestra base de análisis: 437.109 citas de 43.742 respuestas con fuentes, de 244 marcas y 7 motores, del 22 de marzo al 8 de septiembre de 2026. Lo que este dato no prueba: es el agregado de todas las marcas que medimos, no un corte de hostelería. En la base no hay suficientes restaurantes medidos para segmentar por rubro, y decirlo es parte del método.

Conclusión: cinco cosas que hacer esta semana

1. Escribe diez preguntas con la mesa dentro, como las escribe tu cliente. Cuántos son, qué día, qué quieren comer y con qué condición.
2. Lánzalas en ChatGPT, Gemini, Perplexity y Google, dos veces cada una, y anota si sales y en qué puesto.
3. Apunta las guías que cita cada respuesta. Esa lista corta es tu plan del trimestre.
4. Saca de los PDF los datos que decide el cliente: precios, horarios, encargos, alérgenos y tamaño de mesa.
5. Repite el mes que viene con la misma lista. Sin histórico no sabes si mejoraste o si el modelo cambió de humor.

Preguntas frecuentes

Fuentes

• Análisis propio de CreceRank hecho el 9 de septiembre de 2026 sobre un restaurante con estrella Michelin de Valencia: 2 prompts, 4 motores, 2 corridas por motor, 16 respuestas, 11 menciones y 29 fuentes citadas.
• Datos propios de CreceRank: 437.109 citas de 43.742 respuestas con fuentes, 30.274 dominios distintos, 244 marcas y 7 motores, del 22 de marzo al 8 de septiembre de 2026.
• Datos propios de CreceRank sobre volatilidad: 15.274 pares de análisis consecutivos de 175 marcas, con mediana de 7 días entre mediciones, del 22 de marzo al 10 de agosto de 2026.
• Los 17 mejores restaurantes para comer paella en Valencia, una de las guías locales más citadas en el análisis de ejemplo. Consultada el 9 de septiembre de 2026.
• Guía gastronómica de Visit València, la otra fuente con más citas en el análisis.
• Guía Repsol y Guía Michelin, citadas por los motores al construir las respuestas sobre restaurantes de Valencia.
• Datos de posicionamiento orgánico del restaurante analizado, de Ahrefs, consultados durante el análisis del 9 de septiembre de 2026.
• Consultas reales de Google Search Console de crecerank.com de los últimos 90 días, de donde salen las seis preguntas frecuentes.
• Foto de apertura: imagen de archivo de una paella, sin relación con el restaurante analizado. Xacòina, Wikimedia Commons, dominio público.