Demandbase: el tráfico de ChatGPT a sitios B2B creció 303% en un año

Demandbase publicó el análisis el 12 de agosto de 2026 con datos de Labs by Demandbase. La empresa observó tráfico referido: visitas que llegaron a una web B2B después de que una persona hizo clic en un enlace mostrado por un asistente de AI. En su plataforma, las visitas mensuales atribuibles a ChatGPT subieron de aproximadamente 645,000 en junio de 2025 a 2.6 millones en junio de 2026.

El conjunto analizado cubrió del 1 de junio de 2025 al 31 de julio de 2026, más de 11,000 millones de visitas web y 1,584 instancias de Demandbase. La empresa también incluyó datos publicitarios de 75,645 campañas y más de 123 millones de dólares en inversión. Son cifras amplias, pero pertenecen a clientes de una plataforma específica; no representan automáticamente a todo el mercado B2B ni a cada región.

Tampoco significan que ChatGPT originó 303% más oportunidades o ventas. El evento observado es un clic referido. Puede pertenecer a un comprador activo, un estudiante, un competidor o alguien que solo verifica una definición. La lectura útil empieza precisamente donde termina el titular: cómo conectar esa visita con una cuenta, una pregunta y un resultado comercial sin inventar causalidad.

Los estudios de compradores muestran que los asistentes participan en descubrimiento y evaluación. El dato de Demandbase aporta otra pieza: una parte de esa actividad ya deja una referencia observable cuando el usuario hace clic. No ilumina toda la conversación dentro de ChatGPT, pero abre una ventana entre el answer engine y la web del proveedor.

Demandbase encontró además una distribución desigual. ChatGPT explicó la gran mayoría del tráfico referido por asistentes en su muestra; Perplexity disminuyó, mientras Gemini y Claude permanecieron planos. Eso describe ese conjunto y ese periodo, no una cuota universal de AI Search. Aun así, advierte contra repartir esfuerzo por moda: primero hay que medir qué fuentes aparecen realmente en cada sitio.

Nuestra postura es que el tráfico referido de ChatGPT debe tratarse como una señal de investigación, no como una nueva versión del MQL. Crear un score enorme porque una sesión llegó con un referrer novedoso solo cambia el nombre del optimismo. La señal gana valor cuando coincide con cuenta objetivo, consumo de una página relevante y actividad comercial verificable.

El primer correo puede no ser la primera exposición. Una persona quizá ya pidió una comparación, abrió una fuente y revisó una página de servicio. Outbound no debe afirmar que conoce ese recorrido individual sin consentimiento y evidencia; debe escribir como si el comprador pudiera contrastar la promesa en segundos.

Eso favorece mensajes de evaluación sobre mensajes de presentación. En lugar de explicar durante cuatro párrafos qué es AI outbound, conviene señalar una decisión concreta: cómo se conserva la fuente de un dato, qué detiene una secuencia, cómo regresan las respuestas al CRM o qué métrica conecta una cohorte con pipeline. El enlace debe ampliar esa decisión, no llevar a una portada que repite adjetivos.

También vuelve más importante la consistencia. Si ChatGPT cita una página que promete automatización total y el correo habla de control humano, la cuenta recibe dos posicionamientos. Contenido, landing, secuencia y llamada deben compartir alcance, evidencia y límites. La AI puede descubrir la contradicción antes que ventas; el comprador también.

Conserva en analítica la URL de entrada, referrer disponible, source y medium, timestamp, landing, sesión y eventos posteriores. Cuando exista identificación legítima de cuenta —por formulario, CRM o una herramienta account-based configurada conforme a la política aplicable— vincula el evento al account ID sin convertir una IP en una certeza sobre una persona.

Separa tres capas. La primera es adquisición: sesiones y usuarios referidos por asistente. La segunda es evaluación: páginas vistas, recursos, formularios y retorno de marca. La tercera es negocio: reuniones, oportunidades y pipeline. Un dashboard debe permitir recorrerlas, pero no asumir que una visita causó la oportunidad solo porque ocurrió antes.

Google Analytics documenta que los datos de adquisición incluyen dimensiones como fuente, medio y campaña, y distingue entre adquisición de usuario y de tráfico. Esa distinción importa: una cuenta puede descubrir la marca por ChatGPT, volver por búsqueda y responder después a outbound. First-touch y last-touch cuentan versiones parciales; conserva la secuencia de eventos y pregunta en discovery cómo investigó la cuenta.

Una visita referida vale poco si aterriza en una página que no resuelve la pregunta. Prioriza activos evaluables: comparativas con criterios explícitos, documentación de proceso, FAQs técnicas, checklists, ejemplos de arquitectura y límites de la oferta. Cada claim importante necesita una fuente o una explicación de cómo se comprobó.

Para picos.Ai, una página útil puede explicar cuándo usar Clay como capa de datos, cómo validar SPF, DKIM y DMARC, qué hacer con un catch-all o cómo medir respuestas positivas. Esos recursos permiten que una persona —y un motor de respuesta— entienda una decisión específica. Una colección de páginas casi idénticas para cada variante de keyword solo multiplica URLs sin multiplicar evidencia.

Revisa además que la respuesta pública y el mensaje comercial conduzcan al mismo siguiente paso. Si una guía habla de auditar una cohorte pequeña, el CTA puede ofrecer esa auditoría. Saltar de una explicación prudente a “multiplica tu pipeline automáticamente” destruye la confianza que el contenido acababa de construir.

Elige un segmento y dos o tres preguntas de alta fricción. Publica o mejora una página por pregunta con respuesta directa, evidencia, FAQ y un CTA medible. Etiqueta sus eventos de entrada y salida. En paralelo, usa esas páginas solo en una cohorte outbound cuyo mensaje corresponda exactamente a la decisión explicada.

Durante 30 días registra sesiones referidas por asistentes, branded search, retornos, respuestas positivas, menciones espontáneas de AI en formularios o llamadas, reuniones y oportunidades. Compara con una cohorte similar que use el flujo anterior. Si la muestra es pequeña, presenta conteos y conversaciones; no fabriques precisión porcentual.

La hipótesis es que contenido citable y mensajes consistentes reducen incertidumbre y mejoran la calidad de la conversación. No está garantizado que aumenten replies ni que el periodo capture un ciclo B2B completo. El experimento sirve para descubrir recorrido y preguntas, no para declarar que cada clic desde ChatGPT pertenece a una cuenta lista para comprar.

El 303% llama la atención porque parte de una base menor y termina en millones de visitas mensuales dentro de la muestra. Pero la consecuencia más importante no es abrir un dashboard separado llamado “AI pipeline”. Es impedir que contenido, outbound y CRM describan tres historias distintas sobre la misma cuenta.

picos.Ai puede mapear ese recorrido: preguntas del ICP, páginas que las resuelven, señales de entrada, cohortes outbound, respuestas y oportunidades. La atribución seguirá siendo imperfecta; la diferencia es conservar evidencia suficiente para saber qué ocurrió y qué parte sigue siendo interpretación.

Si tu equipo ya recibe tráfico de ChatGPT, conviene auditar qué páginas lo capturan y qué pasa después. Si todavía no aparece, la respuesta no es publicar cien textos genéricos. Es construir evidencia útil para las decisiones que tus prospectos ya investigan y conectarla con un sistema outbound que pueda aprender de cada conversación.