Un audit en Georadar no es una sola llamada a un LLM. Es un proceso de cinco fases que convierte una pregunta de negocio (“¿cómo me ven los LLMs frente a mis competidores?”) en métricas accionables.

Las cinco fases

  1 · Preparar          2 · Generar              3 · Lanzar              4 · Recoger             5 · Leer
 ──────────────        ──────────────           ──────────────          ──────────────           ──────────────
 proyecto              PromptAtlas              evaluación              detección de            dashboard
 marcas (own/          crea preguntas           contra ChatGPT,         entidades + de           con 5 vistas
  competitor/           auténticas              Claude, Gemini          atributos               (overview,
  neutral)              a partir de             en paralelo             sobre cada              market,
 personas              personas, funnel,                                respuesta               attributes,
                       product line                                                             sources,
                                                                                                business view)

Cada fase tiene su propia página:

1. Preparar el proyecto

Das de alta tu proyecto, marcas las entidades que te importan (marca propia, competidores, neutrales, a ignorar) y defines personas (quién simulará hacerle la pregunta al LLM).

Sin estos ingredientes, Georadar no sabe ni qué preguntar ni sobre quién medir.

2. Generar los prompts

PromptAtlas toma tus personas + funnel + línea de producto y genera cientos de preguntas auténticas que un usuario real escribiría en ChatGPT. Con deduplicación por similitud semántica para que no haya dos preguntas que digan lo mismo de otra forma.

3. Lanzar el audit

Eliges qué personas, qué prompts y qué LLMs entran en esta ejecución. El sistema crea un run y encola miles de llamadas en paralelo contra los modelos. Cada combinación (prompt × persona × engine) produce una respuesta.

4. Recoger y detectar

Por cada respuesta del LLM, Georadar hace una segunda pasada con un modelo específicamente entrenado para detectar entidades y atributos en el texto: qué marcas aparecen, con qué sentimiento, en qué posición, asociadas a qué atributos.

5. Leer los resultados

El dashboard agrega esas detecciones en cinco vistas especializadas. Cada una responde una pregunta de negocio distinta: visibilidad global, posición competitiva, narrativa de atributos, fuentes citadas, impacto comercial.

Por qué cinco fases, no una

Se podría pedirle a ChatGPT “di cómo ves a Nike frente a Adidas”. Pero eso es una anécdota, no una medición.

Para que los números sean fiables Georadar necesita:

• Volumen: muchos prompts, muchas personas, muchos modelos → agregación estadística.
• Diversidad: prompts de distinto ángulo (discovery, comparación, recomendación) y personas con distintas demografías → cobertura real del espacio de preguntas.
• Contexto: un run recuerda qué marca era own y qué era competitor en el momento de medir → comparabilidad en el tiempo.
• Separación de responsabilidades: el LLM que genera prompts no es el mismo que responde ni el que detecta entidades → cada modelo hace su trabajo sin contaminarse.

Por eso las cinco fases son secuenciales y cada una tiene su propia lógica.