He escrito varias veces que la posición media de una tienda en su ciudad es un dato que informa poco, porque una ubicación no ocupa una posición: ocupa una distinta en cada punto del mapa. Los geogrids nacieron para ver esa variación y hoy son la herramienta estándar para medir la visibilidad local.
Lo que se cuenta menos es que un geogrid mal configurado engaña igual que la posición media. Solo que lo hace con un mapa de colores que parece muy riguroso.
Qué es exactamente un geogrid
Un geogrid es una cuadrícula de puntos alrededor de un establecimiento. En cada punto, la herramienta simula una búsqueda hecha desde esas coordenadas y registra en qué posición aparece el negocio en los resultados locales de Google. El resultado es un mapa en el que cada punto tiene un número y un color.
Es un instrumento de medida. Y como cualquier instrumento, el resultado depende de cómo se calibre.
Cinco decisiones que cambian el resultado
El tamaño de la malla. Una cuadrícula de 5 kilómetros de radio alrededor de una tienda en el centro de Madrid mide sobre todo zonas donde esa tienda no tiene ninguna opción de aparecer, porque hay decenas de competidores más cerca. La misma cuadrícula alrededor de un establecimiento en una población de 15.000 habitantes puede quedarse corta. Aplicar la misma configuración a toda la red es el error más frecuente, y produce tiendas urbanas que parecen fracasar y tiendas rurales que parecen dominar.
La separación entre puntos. En zonas densas, la posición puede cambiar en 200 metros. Una malla con puntos cada kilómetro no lo ve.
La palabra clave. Medir con el nombre de la marca da mapas verdes que no dicen nada. Medir con la categoría genérica ("supermercado", "clínica dental") dice cuánto compite la ubicación por la demanda principal. Medir con servicios concretos ("pescadería", "implantes dentales") dice si la ficha está bien trabajada para lo que la tienda quiere vender. Son tres preguntas distintas y conviene no mezclarlas.
El momento. Los resultados locales fluctúan de un día a otro y, a veces, dentro del mismo día. Un escaneo aislado es una fotografía. Para comparar antes y después de un cambio hay que repetir la medición en condiciones parecidas y mirar la tendencia, no un punto suelto.
La superficie. No es lo mismo el bloque local del buscador que Google Maps, ni el móvil que el ordenador. Hay que saber cuál se está midiendo y no comparar informes que miden cosas distintas.
Las métricas y sus trampas
Casi todas las herramientas resumen el geogrid en unas pocas cifras, y conviene saber qué calcula cada una antes de compararlas.
La posición media en la cuadrícula (AGR o ARP, según la herramienta) promedia la posición solo en los puntos donde el negocio aparece entre los 20 primeros resultados. Los puntos donde no aparece quedan fuera del cálculo. Por eso una ficha visible en apenas tres puntos de una malla de 49, pero en primera posición, presenta una media de 1. Parece perfecta y su visibilidad es mínima.
El ATR (Average Total Rank) corrige ese sesgo: promedia todos los puntos de la malla, incluidos aquellos donde el negocio no aparece, a los que asigna una posición de penalización. En el ejemplo anterior, con una penalización de 21, el ATR sube a 19,8. Es la cifra más honesta para medir la visibilidad global de una ubicación, pero también depende de una convención: si una herramienta penaliza con 21 y otra con 50, sus resultados no son comparables. La distancia entre el AGR y el ATR es en sí misma un dato: cuanto mayor es, más concentrada está la visibilidad en una zona pequeña.
El Share of Local Voice (SoLV) indica el porcentaje de puntos en los que el negocio aparece entre los tres primeros. Es más fácil de interpretar, pero depende por completo del tamaño de la malla: si se amplía el radio, el SoLV baja aunque nada haya cambiado.
Lo que un geogrid no mide
No mide la demanda. Un punto en un polígono vacío pesa lo mismo que otro en una zona residencial densa. Por eso, en las redes que analizamos, cruzamos cada malla con datos de población o de búsquedas, para saber si la visibilidad que falta está donde hay clientes.
No mide lo que ocurre después. Aparecer primero no garantiza llamadas ni visitas; eso depende de la reputación y de lo que el usuario ve en la ficha.
No mide las respuestas de los asistentes de inteligencia artificial, que pueden usar de mapa pero los presentan de otra manera.
Para qué sirven de verdad
Bien configurados, los geogrids responden preguntas que ningún otro dato responde:
- Alcance real. Hasta dónde llega la influencia de cada ubicación y dónde empieza la de un competidor.
- Visibilidad hiperlocal. Medir la visibilidad calle a calle, por código postal o en áreas concretas.
- Canibalizaciones. Detectar si dos tiendas de la misma marca se quitan visibilidad en la misma zona.
- Efecto de los cambios. Comprobar si la estrategia de SEO local funciona, o si un cambio de categoría, de nombre o de contenido ha tenido efecto, y en qué zonas.
- Zonas ciegas. Localizar los puntos donde la visibilidad es baja para valorar acciones complementarias, como una campaña de buzoneo.
- Mapa competitivo. Qué competidor gana cada área, aplicando la misma malla a los principales rivales.
Ese último uso es el que más valor estratégico tiene y el que menos se hace. Saber que una tienda está en posición 4 en un punto dice poco. Saber quién ocupa las tres primeras posiciones en ese punto, y por qué, es el principio de un plan.
Por eso, Cuando incorporamos los geogrids a Waahi, la plataforma con la que gestionamos perfiles de Google y de otros mapas a escala el punto de partida no fue pintar mapas, sino evitar estas trampas: cada ubicación tiene su propia malla en lugar de una única para toda la red, los escaneos se programan para leer tendencias y no fotos sueltas, y los competidores se miden con la misma malla. Un geogrid solo es útil si se puede comparar consigo mismo a lo largo del tiempo.
