Participación de impresiones del modelo

Model Impression Share (MIS) estima cuánto de la visibilidad orgánica disponible capturas en un conjunto de palabras clave. En términos sencillos, responde una mejor pregunta que la posición promedio: ¿qué parte del mercado estamos capturando realmente?

El modelo habitual es lo bastante simple: el volumen de búsqueda o el potencial de impresiones se multiplica por el CTR esperado en tu rango actual y, luego, se divide entre el total de impresiones disponibles en el conjunto. Si tu MIS es del 22% en un cluster temático de 300.000 impresiones, estás modelando que aproximadamente el 78% de la oportunidad está en manos de la competencia, de los elementos del SERP o de ambos.

Por qué los equipos de SEO lo usan

La posición promedio es débil por sí sola. Un movimiento del puesto 8 al 5 en una palabra clave de 20 búsquedas es ruido; el mismo movimiento en una palabra clave de 40.000 búsquedas vale el presupuesto. El MIS lo corrige al ponderar las posiciones según la oportunidad.

• Pronóstico: Si un cluster pasa de un 18% a un 26% de MIS, puedes estimar clics y revenue incrementales con seriedad.
• Priorización: Las palabras clave que están en posiciones 4-10 suelen generar las mayores ganancias de MIS por actualización de contenido o por una ronda de adquisición de enlaces.
• Reporte competitivo: Es más fácil explicar “mantenemos el 31% de la visibilidad de la categoría” que volcar 500 posiciones de palabras clave en una diapositiva.

Cómo calcularlo correctamente

La mayoría de los equipos construye el MIS a partir de datos de seguimiento de posiciones en Ahrefs, Semrush, STAT o una SERP API, y luego lo calibra con Google Search Console. Screaming Frog también es útil aquí, no para el modelo en sí, sino para mapear palabras clave a URLs y detectar canibalización que distorsiona el resultado.

Una fórmula práctica tiene este aspecto:

MIS = sum(potencial de impresiones de la palabra clave × CTR esperado en la posición actual) / sum(potencial de impresiones de la palabra clave)

Usa, si es posible, tu propia curva de CTR. Los datos de consultas y páginas de GSC suelen ser el mejor punto de partida, porque los estudios de CTR genéricos envejecen mal. Una curva de 2022 no es fiable en un SERP de 2026 lleno de anuncios, AI Overviews, packs de vídeo y People Also Ask.

Dónde el MIS se rompe

Este indicador solo es tan bueno como sus supuestos. Ahí está la salvedad que la gente suele pasar por alto.

• Las curvas de CTR son inestables: El sesgo de marca, los elementos del SERP, la combinación de dispositivos y la intención de búsqueda pueden arruinar un modelo combinado.
• El volumen de búsqueda es aproximado: Ahrefs, Semrush y Moz modelan el volumen de forma distinta, y los términos de bajo volumen suelen estar muy equivocados.
• El seguimiento de posiciones no es la realidad: La personalización, la localización y los SERP volátiles significan que tu “posición 3” puede no ser lo que realmente ven los usuarios.

John Mueller, de Google, ha dicho repetidamente que las posiciones no son fijas ni universales y que esto importa aquí. El MIS es un indicador de planificación direccional, no un indicador contable. Trátalo como un modelo de pronóstico, no como una verdad absoluta.

Mejores casos de uso

El MIS funciona mejor para clusters de temas no de marca, para reportes a nivel de categoría y para la planificación trimestral. Es especialmente útil cuando necesitas comparar hubs de contenido, países o líneas de producto con la misma escala.

Es menos útil para conjuntos pequeños de palabras clave, para SERP impulsados por noticias o para cualquier escenario dominado por elementos del SERP que se roban los clics. Si los AI Overviews suprimen el CTR orgánico entre un 15% y un 30% para una clase de consulta, tu modelo MIS anterior sobreestimará la oportunidad a menos que lo ajustes explícitamente.

Conclusión: el MIS es uno de los mejores indicadores de crecimiento en SEO porque conecta las posiciones con la cuota de mercado. Solo no pretendas que el modelo es más limpio que los datos que lo alimentan.