Por Martín Endara · Clicon · Abril 2026
Photo by Jakub Zerdzicki
En diciembre de 2025, Ahrefs publicó el número que debería haber reordenado las prioridades de marketing en cualquier empresa B2B digital: la presencia de AI Overviews en los resultados de búsqueda reduce el CTR orgánico de la posición 1 en un 58% promedio.
Pero ese número, solo, no dice nada accionable. El 58% de cuánto. En qué condiciones. Para qué tipo de queries. Con qué impacto en el negocio real.
En un artículo anterior presentamos el concepto de Bleed Rate como la métrica central de riesgo en la era generativa. En este artículo vamos a hacer el trabajo concreto: convertirlo en una fórmula que podés aplicar con tus propios números hoy.
Qué Mide el Bleed Rate (y Qué No)
El Bleed Rate es el porcentaje del tráfico orgánico potencial de tu dominio que está siendo interceptado por respuestas de IA antes de llegar a tu sitio. No es tráfico que perdiste después de entrar, es tráfico que nunca llega porque el usuario recibió la respuesta directamente del LLM.
Esto es importante de aclarar porque existe confusión conceptual en el mercado: el Bleed Rate no mide el bounce rate, ni la tasa de abandono, ni las sesiones de bajo engagement. Mide la demanda que existió, que tuvo intención de búsqueda, y que fue satisfecha sin tocarte.
Lo que el Bleed Rate no captura (y es importante ser honesto al respecto):
- El tráfico que vino por otras fuentes (paid, redes, direct)
- Las conversiones que ocurrieron dentro de la respuesta del LLM (clic en fuentes citadas)
- La visibilidad de marca que puede ocurrir aunque el usuario no haga clic
- El impacto de queries donde SÍ sos citado por el LLM
Es una métrica de riesgo conservadora, no una cuenta final de daños. Pero es el punto de partida correcto para tomar decisiones.
Los Tres Componentes del Bleed
El riesgo total tiene tres capas que se multiplican entre sí:
Capa 1 — Exposición: qué porcentaje de tus queries orgánicas activa un AI Overview o respuesta generativa. No todas las búsquedas disparan IA — las queries informacionales y de categoría tienen tasas mucho más altas que las queries de navegación directa (“clicon.app login”, por ejemplo).
Capa 2 — Tasa de interceptación: de las búsquedas que sí disparan IA, cuántas resultan en una respuesta “zero-click”, es decir, el usuario no hace clic en ningún resultado porque la respuesta generativa fue suficientemente completa. Este número varía por industria, intención de búsqueda y complejidad de la query.
Capa 3 — Valor unitario: cuánto vale cada visita orgánica interceptada, en términos de revenue potencial. Esto depende de tu tasa de conversión, tu ACV (Annual Contract Value) o ticket promedio, y el margen de atribución que asignás al canal orgánico.
La Fórmula
Revenue en riesgo (anual) =
Tráfico orgánico mensual
× Tasa de queries con IA activa (%)
× Tasa de interceptación zero-click (%)
× Tasa de conversión orgánica (%)
× Ticket promedio (USD)
× 12
Los benchmarks de industria para 2026, usando como base los datos publicados de Ahrefs, SparkToro y Google Search Console:
| Variable | Benchmark conservador | Benchmark moderado | Benchmark agresivo |
|---|---|---|---|
| Queries con IA activa | 30% | 45% | 60% |
| Interceptación zero-click | 40% | 55% | 70% |
| Combinado (Bleed Rate base) | ~12% | ~25% | ~42% |
El 58% que publicó Ahrefs corresponde al escenario donde ya hay un AI Overview activo en la SERP — ese es el techo de interceptación para la posición 1 en queries afectadas, no el promedio de todo el tráfico orgánico.
Ejemplo Paso a Paso: Empresa B2B SaaS, LATAM
Usemos un caso hipotético representativo del mercado al que servimos:
Datos de la empresa:
- Tráfico orgánico mensual: 18,000 sesiones
- Tasa de conversión orgánica: 1.8%
- ACV (Annual Contract Value): $4,200 USD
- Ticket de entrada (plan base): $1,400 USD
Paso 1 — Estimar la exposición a queries con IA activa
Una empresa SaaS B2B típica tiene un mix de queries así:
- ~40% queries informacionales de categoría (ej: “qué es un ATS”, “cómo mejorar onboarding empleados”) → alta exposición a IA
- ~35% queries de comparación/consideración (ej: “mejor software RRHH LATAM”) → exposición media
- ~25% queries de navegación y branded → baja exposición a IA
Estimación conservadora: 35% del tráfico en queries con IA activa → 6,300 sesiones mensuales expuestas.
Paso 2 — Aplicar la tasa de interceptación
Usando el benchmark moderado del 55%: 6,300 × 0.55 = 3,465 sesiones mensuales interceptadas
Paso 3 — Calcular el revenue perdido
3,465 × tasa de conversión (1.8%) = 62 conversiones mensuales potenciales no registradas
62 × ticket promedio ($1,400) = $86,800 USD mensuales en revenue potencial
Anualizado: $1,041,600 USD
Incluso siendo ultraconservadores y reduciendo ese número un 70% por variables no capturadas, el riesgo residual es de ~$312,000 USD anuales.
Este es el número que debería estar en el primer slide de cualquier propuesta de presupuesto para GEO.
Los Factores que Agravan (o Mitigan) el Impacto
No todas las empresas tienen la misma exposición. Estos son los factores que amplifican el Bleed Rate por encima del benchmark:
Factores que agravan el riesgo:
- Alto % de tráfico informacional. Blogs, guías, glosarios — son exactamente el tipo de contenido que los LLMs sintetizan y sirven directamente sin enviar tráfico.
- Categoría con alta adopción generativa. Las industrias tech, finanzas, RRHH y marketing son las primeras en ver AI Overviews activados en sus queries.
- Marca sin presencia en bases de datos de autoridad. Si no estás en Crunchbase, G2, Capterra o directorios de tu industria, los LLMs no tienen fuentes externas que te validen como entidad.
- Dominio joven o con baja autoridad. A menor DA, mayor probabilidad de que el LLM te descarte como fuente frente a competidores más establecidos.
Factores que mitigan el riesgo:
- Alto % de branded traffic. Si la mayoría de tus visitas vienen de usuarios que ya te buscan por nombre, la exposición al bleed es menor.
- Queries de intención transaccional. “Contratar software X” o “demo de Y” disparan menos AI Overviews que las queries informacionales.
- Estar citado activamente en respuestas LLM. Una empresa que ya aparece en las respuestas de ChatGPT o Perplexity para sus queries de categoría puede ver tráfico de referencia proveniente de usuarios que hacen clic en las fuentes citadas.
La Parte que Más Se Ignora: El Costo de Oportunidad vs. El Costo Real
Hay una distinción crítica que los equipos de marketing suelen pasar por alto cuando hacen este análisis por primera vez:
El Bleed Rate mide demanda que nunca se convirtió en tráfico, no tráfico que ya tenías y perdiste. Esto significa que no va a aparecer en tus reportes de Analytics como una caída. Vas a ver tráfico orgánico estable o creciendo lentamente, mientras que la demanda total de tu categoría crece más rápido — y otra parte de esa demanda se resuelve en la capa de IA sin pasar por tu funnel.
Es una pérdida invisible. Y las pérdidas invisibles son las más peligrosas porque no disparan alertas.
La forma correcta de medir el impacto real no es comparar el tráfico de hoy con el de hace un año. Es comparar el tráfico que tenés con el tráfico que deberías tener, dado el crecimiento de las búsquedas en tu categoría.
Cuándo Conviene Hacer Este Cálculo
El análisis de Bleed Rate es más útil en cuatro momentos específicos:
- Antes de aprobar el presupuesto de marketing anual. Si no tenés este número, estás omitiendo el riesgo más relevante del canal digital en 2026.
- Cuando el tráfico orgánico estancó o creció menos de lo esperado. Antes de concluir que el problema es el contenido o el SEO, verificá cuánto del crecimiento esperado se está yendo a respuestas de IA.
- Cuando un competidor empieza a aparecer en respuestas de ChatGPT/Perplexity. Cada citación que recibe tu competidor es tráfico que se va de tu embudo.
- Antes de presentar un business case para GEO. El Bleed Rate es el denominador del ROI: si no lo cuantificás, no podés justificar la inversión con números reales.
Pedí una demo y Calculá tu propio Bleed Rate con los datos de tu Google Search Console en lotus.clicon.app. El Analyzer de Lotus procesa tu dominio real y genera el modelo de revenue en riesgo específico para tu negocio, tu industria y tu mercado.
Martín Endara es fundador de Clicon y creador de Lotus, el primer AI Citation Intelligence Engine para empresas B2B en LATAM. El ROI Engine de Lotus calcula el Bleed Rate específico de cada cliente usando datos reales de GSC y benchmarks propietarios de la plataforma. Podés solicitar un análisis gratuito en lotus.clicon.app.
¿Querés recibir insights sobre GEO, LLMs y el futuro del marketing B2B? Suscribite al blog de Clicon.