Plataforma GEO: monitoreo de visibilidad en 9 AI con Claude

Construyendo una Plataforma GEO para Optimizar la Visibilidad de Marca en IA Generativa con Claude Code

Un desarrollador ha creado una plataforma GEO (Optimización de Motores Generativos) integral para analizar y mejorar la visibilidad de marca en las respuestas de 9 modelos de IA. El sistema recopila datos diariamente, procesa respuestas de LLM, calcula métricas competitivas y genera recomendaciones. Todo el desarrollo se llevó a cabo mediante sesiones de Claude Code utilizando herramientas Agent Team y MCP.

La plataforma automatiza el monitoreo de visibilidad de marca, identifica brechas frente a competidores y produce informes semanales con dinámicas de cambio. El costo por 4 meses de desarrollo en el plan Max de Claude fue de $800, con gastos de API de $128 más 4800 rublos para YandexGPT.

Pipeline de Desarrollo con Claude Code

El desarrollo sigue un ciclo: INVESTIGACIÓN → PLANIFICACIÓN → IMPLEMENTACIÓN → REVISIÓN MANUAL → REVISIÓN DE CÓDIGO. La sesión principal involucra múltiples pestañas paralelas de Claude Code. Si surgen problemas, la iteración vuelve a la implementación.

Agent Team reemplazó la orquestación manual de subagentes. Por ejemplo, un agente de QA prueba, un corrector de UI ajusta, y iteran hasta lograr resultados aceptables.

Herramientas clave de MCP para acceso a infraestructura:

• Supabase MCP: migraciones, procesamiento de datos, verificación de respuestas de modelos de IA.
• Trigger.dev MCP: lanzamiento de tareas en segundo plano, verificación de finalización.
• Next.js DevTools MCP: actualizaciones a Next.js 16.
• Exa MCP: búsqueda de documentación y estándares.
• Sentry MCP: corrección de errores reales.

SESIÓN PRINCIPAL (múltiples pestañas)
    │
    ▼
INVESTIGACIÓN ──► PLANIFICACIÓN ──► IMPLEMENTACIÓN ──► REVISIÓN MANUAL ──► REVISIÓN DE CÓDIGO
                          ▲              ▼                 │
                          └──── problemas encontrados ◄─────────┘

Arquitectura del Ecosistema

                      Usuario
                      ┌────┴────┐
                      │         │
               ┌──────▼──────┐  ┌──────▼──────┐
               │  Panel de   │  │  Bot de     │
               │  Control    │  │  Telegram   │
               │  Next.js 16 │  │  grammY     │
               └──┬──────┬───┘  └──────┬──────┘
                  │      │             │
      lanzamiento │  ┌───▼─────────────▼───┐
      de tareas   │  │  Supabase           │
                  │  │  autoalojado        │
                  │  └───▲─────────▲───────┘
                  │      │         │
            ┌─────▼──────┴──┐ ┌───┴──────────────┐
            │  Trigger.dev  ├─► Mastra           │
            │  tareas en    │ │ informes + resúmenes +│
            │  segundo plano│ │ generación de artículos│
            └──────┬────────┘ └──────────────────┘
                   │
          ┌────────▼─────────────┐
          │  9 Proveedores de IA │
          │  ChatGPT · Claude ·  │
          │  Gemini · Grok ·     │
          │  Perplexity ·        │
          │  DeepSeek ·          │
          │  Google AI Mode ·    │
          │  Google AI Overview ·│
          │  YandexGPT           │
          └──────────────────────┘

Frontend en Next.js 16 con shadcn, métricas calculadas mediante funciones de PostgreSQL usando SDK de Supabase, caché con TanStack Query. Despliegue mediante Dokploy con GitHub.

Pipeline de Monitoreo y Procesamiento de Datos

Durante la incorporación, se generan clústeres (conjuntos temáticos de 4–6) y prompts (4–7 por clúster). Diariamente, Trigger.dev envía prompts a 9 proveedores y procesa las respuestas.

Especificidades de proveedores:

• DeepSeek: sin API de búsqueda web.
• Google AI Mode/Overview: solo scraping.
• Google AI Overview: puede no responder.

El procesamiento de respuestas implica postprocesamiento con LLM: extracción de marcas, sentimiento (positivo/neutral/negativo), recomendación, posición, presencia de enlaces. La puntuación GEO (0–100) agrega puntos.

Métricas GEO Clave

• Cobertura de respuesta: % de respuestas que mencionan la marca.
• Cuota de Voz (SoV): menciones_marca / (menciones_marca + competidores) × 100.
• Citación de dominio: % de respuestas con el dominio de la marca.
• Cuota de Citación: SoV para dominios.

Visualización: gráficos de cobertura, embudos de visibilidad, principales competidores por SoV, comparaciones Cara a Cara, brechas competitivas, análisis de fuentes.

Costo por procesamiento de respuesta: $0.0016, YandexGPT — 5₽/llamada.

Secciones del Panel de Control

• Inteligencia competitiva: principales por SoV, Cara a Cara.
• Brechas competitivas: prompts donde la marca se queda atrás.
• Fuentes: pestañas con datos de fuentes de citación.

El centro de mando genera recomendaciones basadas en brechas y evalúa el impacto.

Conclusiones clave:

• La plataforma GEO monitorea 9 proveedores de IA, calculando SoV y otras métricas para marcas.
• El desarrollo con Claude Code, Agent Team y MCP redujo costos a $800 en 4 meses.
• Pipeline diario: generación de prompts, scraping/API, procesamiento de respuestas con LLM.
• Métricas en PostgreSQL, frontend Next.js 16 + shadcn, caché TanStack Query.
• Recomendaciones e informes automatizados mediante Mastra.

— Editorial Team