La escena se repite desde hace más de un año: alguien abre Search Console, ve las impresiones planas y los clics cayendo, y sentencia en el grupo de Telegram que «es el AI Overview». Puede que tenga razón. También puede que esté mirando consultas de marca que se han desinflado por otro motivo, o una franja de posiciones que ha empeorado sin que nadie se diera cuenta. Separar una cosa de la otra es bastante más aburrido que echarle la culpa a la IA, y es justo lo que distingue un diagnóstico de una corazonada.
Los estudios que hay encima de la mesa
El más citado es el del Pew Research Center, publicado en julio de 2025. No es una encuesta: analizaron el comportamiento real de navegación de unos 900 adultos estadounidenses durante marzo de 2025. En las visitas a una página de resultados con resumen de IA, los usuarios pulsaron un resultado tradicional en el 8% de los casos. Sin resumen, en el 15%. Y el enlace que la propia IA cita como fuente se pulsó en torno al 1% de las visitas. Es decir, el resumen no redistribuye el clic hacia sus fuentes: se lo queda.
Ahrefs hizo el ejercicio desde el otro lado, con datos de posiciones. En marzo de 2025 publicaron un análisis sobre unas 300.000 consultas informativas y midieron una caída del 34,5% en el CTR de la posición mejor situada cuando aparecía un resumen de IA, comparada con la misma clase de consulta sin él.
Similarweb, por su parte, ha venido midiendo la proporción de búsquedas que terminan sin ningún clic. En el segmento de noticias, esa proporción pasó de alrededor del 56% en mayo de 2024 al 69% en mayo de 2025.
Ninguno de los tres es la Verdad. Pew tiene una muestra pequeña y estadounidense. Ahrefs mide consultas donde el resumen aparece precisamente porque son las más resumibles, así que hay un sesgo de selección incorporado de fábrica. Similarweb trabaja con datos de panel, que estiman comportamiento a partir de una muestra de tráfico. Lo interesante es que tres metodologías distintas, con sesgos distintos, apuntan en la misma dirección.
Y luego está la versión de Google
En agosto de 2025, Liz Reid firmó un artículo en el blog de Google respondiendo a todo esto. La tesis, resumida:
El volumen total de clics orgánicos desde Google hacia las webs se ha mantenido relativamente estable interanualmente, y la calidad de esos clics ha aumentado: los usuarios pasan más tiempo en los sitios a los que llegan.
Google no publicó los datos que sostienen esa afirmación, lo cual es coherente con su política de siempre y también incómodo para cualquiera que quiera comprobarla. Pero aunque fuera literalmente cierta, no contradice a Pew ni a Ahrefs.
Las dos versiones pueden convivir perfectamente
«Estable en el agregado» y «tu sitio ha perdido un tercio de los clics» son compatibles. Un total global se mantiene mientras el reparto interno se mueve: si las consultas informativas de tres palabras pierden clics y las transaccionales de marca ganan, la suma puede quedarse igual y aun así habrá ganadores y perdedores muy concretos.
Lo mismo pasa dentro de tu dominio. Si la mezcla de consultas que te generan impresiones cambia —más búsquedas informativas de cola larga en las que rankeas en posición 12, menos búsquedas de intención comercial en las que rankeas en la 3—, tu CTR medio baja sin que ninguna consulta individual haya empeorado. Sacar conclusiones del CTR agregado de todo el dominio es la forma más rápida de equivocarse con datos correctos.
Cómo medirlo en tu propio dominio sin autoengañarte
El primer obstáculo: Search Console no separa las impresiones ni los clics procedentes del resumen de IA. Google confirmó que van dentro del rendimiento general de búsqueda web, sin desglose. No hay filtro, no hay pestaña, no va a haberla a corto plazo. Así que toca reconstruirlo.
1. Etiqueta tus consultas por si disparan resumen o no
Exporta tus 200-500 consultas con más impresiones y comprueba, con un rastreador de posiciones que detecte resultados enriquecidos o a mano en una muestra, cuáles muestran resumen de IA hoy. Te quedan dos grupos: expuestas y no expuestas. Excluye las de marca del análisis, que se comportan distinto y te van a distorsionar todo.
2. Compara dentro de la misma franja de posición
Nunca compares CTR medio contra CTR medio. Agrupa por posición (1-3, 4-6, 7-10, 11+) y compara el CTR de cada franja antes y después. Si tu CTR en la franja 1-3 ha caído mientras la posición media dentro de esa franja no se ha movido, ya tienes algo que explicar. Si lo que ha pasado es que se te han caído consultas de la franja 1-3 a la 7-10, el problema es otro y la IA no tiene la culpa.
3. Usa el grupo no expuesto como control
Aquí está la parte que casi nadie hace. Traza la evolución de clics e impresiones de los dos grupos en la misma ventana temporal. Si ambos caen igual, tienes un problema de estacionalidad, de demanda o de sitio. Si solo cae el grupo expuesto, la señal es mucho más limpia. Compara periodos largos —trimestre contra trimestre del año anterior— y no semanas sueltas, que son ruido puro.
4. Mira qué pasa después del clic
La afirmación de Google sobre la calidad es comprobable en tu casa. Cruza el grupo expuesto con tu analítica: duración de sesión, páginas por sesión, conversiones y ingresos por sesión de las páginas de destino. Si recibes menos visitas pero convierten mejor, la pérdida de tráfico es real y la de negocio quizá no. Si recibes menos visitas y convierten igual de mal, la calidad no ha ido a ninguna parte.
La firma que delata el problema
Cuando el resumen de IA está mordiendo de verdad, el patrón es bastante reconocible:
- Impresiones estables o al alza en el grupo expuesto.
- Posición media sin cambios relevantes.
- Clics a la baja, con la caída concentrada en consultas que empiezan por «qué es», «cómo», «para qué sirve» o «diferencia entre».
- El grupo de control, plano.
Cuando hemos hecho este ejercicio, casi siempre aparece una tercera categoría además de «me ha destrozado» y «no me ha afectado»: contenidos que nunca deberían haber existido como páginas independientes, porque solo respondían a una definición de manual. Esos han desaparecido y no van a volver. La conversación útil con un cliente no es cuánto ha caído la media del sector, sino qué porcentaje de su tráfico dependía de responder preguntas que ahora responde un párrafo generado antes del primer resultado.