Cómo medir ads en ChatGPT cuando la única lectura era la de OpenAI
Los ads en ChatGPT ya no son un experimento. En nuestra nota sobre qué dicen los que ya las probaron seguimos los datos de Criteo, los números de CTR de Ahrefs y las tensiones de un canal que crece antes de que la infraestructura de medición esté madura. El revenue anualizado del pilot de ChatGPT Ads se reportó en más de 100 millones de dólares en sus primeras semanas, con proyecciones cercanas a los 2.500 millones para 2026, aunque ambas cifras vienen de la plataforma o de sus partners y deben leerse como señal de parte interesada, no como evidencia verificada.
El hueco que persistía en ese panorama era la medición independiente. Desde el lanzamiento, los anunciantes dependían de lo que OpenAI devolvía en su propio Ads Manager: impresiones, clicks, spend, CTR, CPC promedio y conversiones, todo agregado y sin posibilidad de contrastar con una fuente externa. Era el mismo problema que tenía el programmatic alrededor de 2015, antes de que aparecieran los primeros vendors de verificación: el canal funcionaba, los números eran los que la plataforma reportaba, y nadie podía decir cuánto de eso era real.
Qué lanzó Profound el 7 de julio
Profound Ads Studio no es un tracker de performance estándar: es una plataforma que combina medición y generación de campañas para AI search engines. La distinción es importante porque la mayoría de las herramientas de ads intelligence están construidas para rastrear links en resultados de búsqueda tradicional, no conversaciones en entornos de lenguaje natural.
La plataforma introduce dos métricas propias. Paid Share of Voice mide con qué frecuencia aparece el anuncio de una marca, en relación a la competencia, en las conversaciones que devuelven resultados patrocinados. Es la versión conversacional del SOV clásico de medios, aplicada a un entorno donde el ranking no es una lista de links sino una respuesta generada que puede o no incluir publicidad. Relevance Score consolida en un único número tres dimensiones: qué tan bien matchea el anuncio con la audiencia que hace la consulta, si el aviso tiene la suficiente especificidad para motivar acción, y si la marca y el contexto de la conversación son compatibles.
El dataset sobre el que corre la plataforma son 1.900 millones de prompts reales de usuarios, lo que permite evaluar la distribución de consultas antes de lanzar una campaña y puntuar cientos de ads candidatos contra ese corpus. La lógica es que la optimización relevante en AI search no pasa por el keyword bid sino por la pertinencia semántica en el contexto específico de cada prompt: un aviso puede tener un Relevance Score alto en una categoría de consultas y bajo en otra que superficialmente parecía equivalente.
Guideline, la misma fecha, otra pieza
El mismo 7 de julio, Guideline lanzó ad intelligence verificada para plataformas de AI, con cobertura reportada de aproximadamente 200.000 millones de dólares en datos de inversión en medios y presencia en 65 países. Si Profound ataca el problema desde la medición de presencia y la generación de ads, Guideline ataca desde la inteligencia de inversión: cuánto se está gastando en el canal, por categoría y mercado, con una fuente que no es la propia plataforma. Son dos piezas distintas del mismo rompecabezas, y el hecho de que ambas aparezcan en el mismo día no parece casualidad: el mercado de medición independiente para AI ads se está organizando como industria.
Tanto Profound como Guideline son compañías con interés comercial en el lanzamiento de sus plataformas, y sus propios claims sobre la calidad o cobertura de sus datos deben leerse con el mismo criterio que se aplica a cualquier vendor que sale a presentar un producto nuevo: la única forma de verificar es probarlo.
El patrón que ya conocemos
El paralelo con el programmatic de ~2015 no es decorativo. En esa etapa el canal ya distribuía miles de millones de dólares en inversión, los reportes venían de las propias plataformas de compra y venta, y la pregunta sobre fraude, brand safety y viewability real no tenía respuesta externa. Los primeros vendors de verificación independiente, Integral Ad Science, DoubleVerify y los que vinieron después, no crearon el problema: lo hicieron visible. Y quienes los adoptaron temprano tuvieron decisiones de asignación de presupuesto más fundamentadas durante los años que el ecosistema tardó en estandarizar esas métricas.
La diferencia en AI search es que el problema es más estructural: no se trata solo de verificar si el aviso se sirvió en el contexto correcto, sino de medir presencia en un entorno conversacional donde la unidad de análisis no es una impresión en una página sino una respuesta generada que puede cambiar con cada consulta. Profound resuelve exactamente esa capa: convierte el "¿apareció mi aviso?" en una métrica de frecuencia relativa contra la competencia, y agrega la dimensión de si ese aviso era pertinente para la conversación donde apareció.
Las tensiones que persisten
Hay al menos tres tensiones que vale la pena nombrar antes de proyectar cómo se usa esto. La primera es de acceso: Profound no publicó pricing ni modelo comercial en el lanzamiento. Para equipos medianos o pequeños, una herramienta de measurement sin costo claro es difícil de evaluar como inversión, y el historial de verification vendors en programmatic sugiere que los costos de esta capa no son triviales. La segunda es de cobertura geográfica: el dataset de 1.900 millones de prompts no tiene distribución pública por mercado, y no está claro qué representación tienen Argentina, Chile, Colombia o México en esos datos. La tercera es de interoperabilidad: cómo dialogan Paid Share of Voice y Relevance Score con el pixel de OpenAI y con la Conversions API que ya montó quien entró al canal, no está documentado todavía.
Ninguna de esas tensiones invalida la relevancia del lanzamiento, pero sí define qué tipo de operación puede beneficiarse de esto hoy versus en doce meses.
Para quién (y para quién no)
Para un equipo grande con campañas activas en ChatGPT Ads, la incorporación de una capa de medición independiente es la decisión natural: cualquier análisis de eficiencia del canal que depende solo del dashboard de OpenAI hereda el mismo problema que Profound viene a resolver. La pregunta relevante es evaluar qué tan representativo es el dataset de prompts para la categoría específica antes de tomar decisiones de escala basadas en el Relevance Score.
Para un equipo mediano que está evaluando entrada al canal, el valor de Profound en esta etapa es principalmente como herramienta de diagnóstico pre-lanzamiento: evaluar el Share of Voice de la competencia y la distribución de consultas relevantes antes de gastar, no solo después. Vale la pena explorar el acceso.
Para operaciones en mercados de LATAM sin fecha de lanzamiento de ChatGPT Ads confirmada, la jugada de este momento no es suscribirse a Profound sino entender el framework de medición que se va a usar cuando llegue el canal, para no arrancar desde cero cuando el lanzamiento sea inminente. La ventana de preparación es ahora, no el día después del anuncio.
Para equipos pequeños sin recursos de analytics dedicados, esta capa de medición probablemente sea prematura en este momento: el canal mismo todavía está en maduración en la mayoría de los mercados, y la prioridad es tener la infraestructura de conversión server-side funcionando antes de agregar una herramienta de medición de terceros encima.
Lo que no sabemos
Profound no publicó el pricing de Ads Studio. No hay información pública sobre qué mercados tienen representación significativa en el dataset de 1.900 millones de prompts, lo que es relevante para evaluar la utilidad de las métricas fuera de Estados Unidos. La interoperabilidad con la Conversions API de OpenAI y con otros ad servers no está documentada. Y no está claro si el Relevance Score tiene benchmarks por industria o si cada anunciante parte de cero para interpretar qué número es bueno. Guideline tampoco ha publicado qué fracción de su dataset de USD 200.000 millones corresponde a AI platforms versus medios tradicionales.
Fuentes
- Profound lanza Ads Studio (7 jul 2026): Manila Times / GlobeNewswire
- Guideline lanza ad intelligence para AI platforms (7 jul 2026): PRNewswire
Desarrollado con IA. Revisado por humanos. Si algún dato envejece mal, culpen al ecosistema, no a nosotros.