La mayoría de los dueños de negocios asumen que las calificaciones de estrellas más altas están relacionadas con mejores resultados comerciales. Un estudio revisado por pares puso a prueba esa suposición directamente.
Los investigadores Eddie Inyang y Juliana White encuestaron a 251 propietarios de pequeñas empresas estadounidenses sobre gestión de la reputación en línea, calificaciones de estrellas de Google y desempeño empresarial. En particular, las calificaciones de estrellas de Google por sí solas no predicen el rendimiento.
Lo que se asoció con el desempeño fue la práctica de ORM. La gestión activa de la reputación se correlacionó con mejores resultados comerciales. No las estrellas, sino su trabajo detrás de escena.
Lo que encontró la investigación
El estudio, publicado en el Journal of Small Business Strategy, probó seis hipótesis sobre ORM y el desempeño de las pequeñas empresas utilizando modelos de ecuaciones estructurales de mínimos cuadrados parciales.
Cinco recibieron apoyo. La orientación al cliente y la autoeficacia en Internet predijeron positivamente las prácticas de ORM, teniendo la autoeficacia en Internet un efecto más fuerte. ORM se correlacionó con un mejor desempeño comercial y calificaciones más altas en Google, y la intensidad competitiva fortaleció estas relaciones. En mercados más competitivos, la brecha entre los practicantes y los no practicantes de ORM era más amplia.
La sexta hipótesis, que las calificaciones de estrellas de Google predecirían por sí solas el desempeño empresarial, no fue respaldada.
Vale la pena detenerse en ese hallazgo sobre la intensidad competitiva. El estudio trata a ORM como un “recurso estratégico” según la teoría de ventaja de recursos. El argumento es que ORM funciona como una capacidad operativa, no como una actividad de servicio al cliente que produce mejores calificaciones. La brecha de desempeño se amplía cuando aumenta la competencia. En los mercados competitivos, ORM parece estar pasando de ser una actividad de apoyo a convertirse en un factor que marca la diferencia.
El estudio incluyó a 251 propietarios de pequeñas empresas estadounidenses de diversas industrias. El rendimiento y las calificaciones de estrellas fueron autoinformados, una limitación notable. Debido a que el diseño es transversal, no puede establecer causalidad.
El patrón plantea una pregunta que el estudio no aborda. Si la intensa competencia potencia el efecto de ORM, ¿qué sucede cuando el panorama competitivo se vuelve más condensado?
La IA comprime la visibilidad local
El estudio no examina el descubrimiento impulsado por la IA, pero sus hallazgos sobre la intensidad competitiva son importantes, ya que los datos de SOCi muestran que los sistemas de IA generan menos negocios que el paquete de tres locales de Google.
La Encuesta de revisión de consumidores locales de 2026 de BrightLocal encontró que el 45% de los consumidores ahora usan ChatGPT u otras herramientas de inteligencia artificial generativa para recomendaciones de negocios locales. Eso es más que el 6% del año anterior. BrightLocal, que vende herramientas de SEO locales, realiza esta encuesta anualmente desde 2010.
El Índice de Visibilidad Local 2026 de SOCi analizó más de 350.000 ubicaciones en 2.751 marcas. ChatGPT recomendó un 1,2 % de ubicaciones de marca, Gemini un 11 % y Perplexity un 7,4 %. Las mismas marcas aparecieron en el paquete de 3 locales de Google el 35,9% del tiempo. SOCi, que ofrece software de marketing en múltiples ubicaciones, dijo que esto es aproximadamente 30 veces más selectivo que la búsqueda local tradicional.
La superposición entre la visibilidad tradicional y la de la IA fue menor de lo esperado. En el sector minorista, SOCi encontró solo un 45 % de superposición entre las marcas que encabezan la búsqueda local y las recomendadas por las plataformas de inteligencia artificial. Las sólidas clasificaciones de búsqueda local no garantizaban la visibilidad de la IA.
Los datos de SOCi mostraron que las ubicaciones recomendadas por ChatGPT obtuvieron calificaciones promedio de 4,3 estrellas, lo que indica que las reseñas son importantes para las plataformas de inteligencia artificial. Sin embargo, las calificaciones no son toda la historia. SOCi considera que la visibilidad de la IA está impulsada por la precisión de los datos, las señales de reputación y el compromiso, no solo por las calificaciones de estrellas.
Como escribió Joy Hawkins, propietaria y fundadora de Sterling Sky, en LinkedIn:
“Los resultados locales impulsados por la inteligencia artificial de Google muestran menos empresas y, en muchos casos, menos formas para que los clientes se comuniquen con usted”.
La brecha de ejecución en múltiples ubicaciones
El estudio de Inyang y White examinó las pequeñas empresas en un solo lugar. ORM se vuelve más desafiante cuando se multiplica en muchas ubicaciones.
El informe sobre el estado de las reseñas en línea de 2025 de Birdeye, basado en datos de más de 150.000 empresas estadounidenses, encontró que el volumen de reseñas creció un 13 % año tras año. Las tasas de respuesta aumentaron del 63% al 73%. El análisis del informe realizado por Localogy confirmó ambas cifras de forma independiente.
La brecha entre las marcas de alto y bajo desempeño es amplia. Los datos LVI de 2024 de SOCi muestran que las marcas de baja visibilidad respondieron al 10,9% de las reseñas en 12 días, mientras que las marcas de alta visibilidad respondieron en 2,1 días.
No es que no comprendan la importancia de responder. Todos los que administran varias ubicaciones comprenden que es importante interactuar con las reseñas. Lo que estamos viendo es una falla en la ejecución.
Robert Barrueco, fundador de Webnition, que vende herramientas de automatización de reseñas, escribió en LinkedIn:
“Responder a reseñas en docenas (o cientos) de ubicaciones no solo es agotador… Es casi imposible hacerlo de manera consistente sin una solución automatizada y de marca”.
Para equipos con múltiples ubicaciones, esto puede requerir un cambio organizacional. ORM no puede depender de inicios de sesión dispersos, respuestas inconsistentes o que cada ubicación maneje las revisiones de manera diferente. La investigación identifica ORM como una capacidad que requiere estándares compartidos, propiedad clara y soporte operativo para garantizar la coherencia.
Aquí es donde la palabra “infraestructura” gana su lugar. La infraestructura es lo que se construye cuando la carga excede lo que cualquier persona o equipo puede manejar manualmente. Para ORM en múltiples ubicaciones, la carga es el volumen de revisión, la coherencia de la respuesta, la precisión del listado y la cobertura de la plataforma en todas las ubicaciones simultáneamente.
Qué sistemas de IA parecen evaluar
El análisis de SOCi considera la visibilidad de la IA a diferencia de la clasificación tradicional, y trata las plataformas de IA como recomendadoras en lugar de clasificadoras. La recomendación depende de la confianza del sistema en la precisión y calidad de los datos.
Ésa es la interpretación de SOCi, no un mecanismo confirmado. Pero el patrón coincide con lo que ven los profesionales.
Justin Silverman, fundador y director ejecutivo de Merchynt, que vende herramientas de optimización de libras esterlinas, escribió en LinkedIn: “Su perfil comercial de Google ya no es solo para Google”.
Meg Clarke, fundadora de Clapping Dog Media, fue más específica y dijo: “La IA favorece a las empresas que aparecen en todas partes con información alineada”.
El contenido de la reseña agrega un contexto específico de la ubicación que una calificación de estrellas no puede transmitir por sí sola. Los sistemas que analizan información comercial pueden acceder a las reseñas de clientes que mencionan servicios, ubicaciones o casos de uso. Este texto ofrece un contexto que puede mejorar la comprensión del cliente y el análisis del sistema de IA.
La coherencia NAP, que SEJ ha cubierto ampliamente como un factor clave de SEO local, ahora tiene una segunda audiencia. Si la IA cruza datos comerciales, las inconsistencias pueden socavar la confianza, como advierte SOCi. Estas discrepancias confunden a los clientes, cuestionan hechos comerciales básicos y potencialmente afectan la visibilidad de la IA.
Mirando hacia el futuro
Las calificaciones de estrellas por sí solas no predijeron el éxito de las pequeñas empresas en el estudio de Inyang y White. La gestión activa de la reputación se correlacionaba con un mejor desempeño, especialmente en mercados competitivos.
Para las marcas con múltiples ubicaciones, las reseñas son importantes, pero necesitan sistemas para gestionar la reputación en todas las ubicaciones y plataformas. Eso supone más esfuerzo, pero el trabajo en curso proporciona una valiosa ventaja, mientras que pasarlo por alto podría generar menos visibilidad.
Más recursos:
Imagen de portada: Tetiana Yurchenko/Shutterstock
