GEO Análisis Agosto 2026
El IAB publicó el primer estándar para medir visibilidad en IA
Qué dice, qué cambia para tu marca y cómo se compara con el framework GEO-ABCD.
01 De qué se trata quién es el IAB y qué publicó
El IAB (Interactive Advertising Bureau) es la asociación que desde 1996 define buena parte de los estándares con los que se mide la publicidad digital en el mundo. Tiene sede en Nueva York y reúne a más de 700 empresas entre medios, marcas, agencias y proveedores de tecnología publicitaria. En agosto de 2026 publicó Measuring Visibility in the AI Era, el primer marco de la industria que estandariza cómo medir la presencia de una marca en las respuestas de ChatGPT, Gemini, Copilot, Perplexity y compañía.
¿Qué dice, resumido en una frase? Que hoy más de 20 empresas venden herramientas para medir esto, cada una con su propia metodología, y que ninguna marca tiene forma de saber si el número que le venden sirve para decidir algo o es solo ruido. El documento no prescribe ninguna herramienta puntual. Da el vocabulario y los criterios mínimos para que el mercado pueda comparar.
¿Esto es el arranque de una regulación de la IA? No en el sentido legal. No hay ley ni autoridad que lo imponga, es un estándar voluntario de industria. Pero el propio documento deja escrito algo que sí importa: esta base de declaración es el cimiento de un futuro programa de certificación de proveedores. Ahí empieza a funcionar como una regulación de facto, no impuesta desde un gobierno, sino exigida por el propio mercado.
En WeDo Performance venimos midiendo con criterios muy parecidos desde marzo de 2026, con el framework GEO-ABCD, antes de que existiera este estándar. No lo decimos para restarle mérito al IAB ni para decir que ya teníamos todo resuelto. Esto recién empieza para toda la industria, y cualquier método que ya aplica disciplina de medición suma, ayuda a que el mercado tenga con qué comparar mientras el estándar madura. GEO-ABCD no compite con el marco del IAB, lo complementa donde el estándar todavía no llega: en las tácticas que mueven el resultado, no solo en el resultado en sí.
02 Quiénes lo armaron y qué dicen
No es la primera vez que el IAB ordena un cambio tecnológico grande: el mismo enfoque de estandarización que ya aplicó antes en publicidad digital es el que ahora usa para la medición de visibilidad en IA. El grupo de trabajo lo lideró Caroline Giegerich, VP de IA en el IAB, con la participación de Walmart, WPP Media, Acxiom, EMARKETER, Microsoft Clarity, Tinuiti, PMG y Alliance for Audited Media, entre otros.
Giegerich explicó al presentar el framework que las marcas ya se descubren y se consideran dentro de plataformas de IA, pero que la forma de medirlo no había evolucionado al mismo ritmo. Según ella, la idea es darle a la industria una base común para evaluar la visibilidad en IA con confianza, y que quienes lo adopten ahora van a entender mejor su presencia en estas plataformas y podrán actuar con datos en vez de intuición.
Ihab Rizk, Senior Product Manager de Microsoft Clarity, sumó la mirada desde el lado de las herramientas: los reportes de tráfico ya no alcanzan, las marcas necesitan saber cómo los sistemas de IA encuentran su contenido, cuándo las citan y dónde tienen margen para mejorar. Para Rizk, el framework es un paso importante hacia un lenguaje común de medición, alineado con la idea de que la visibilidad en IA debería ser clara y accionable para cualquier negocio, no solo para los que tienen presupuesto grande.
Que un proveedor del tamaño de Microsoft Clarity respalde el estándar en público pesa más que el propio IAB anunciándolo solo. Confirma que el mercado, no únicamente el organismo que fija las reglas, está empujando en la misma dirección.
03 El problema por qué importa ahora
El diagnóstico que motiva el documento es un problema de mercado, no de tecnología:
- Más de 20 empresas venden hoy herramientas de visibilidad en IA. Cada una usa metodologías distintas y produce respuestas distintas para la misma marca.
- Solo el 16% de las marcas mide su visibilidad en IA de forma sistemática.
- ChatGPT supera los 900 millones de usuarios activos semanales. Los AI Overviews de Google superan los 2.500 millones de usuarios mensuales y aparecen en casi la mitad de las búsquedas.
- McKinsey proyecta caídas de tráfico de 20% a 50% desde los canales de búsqueda tradicionales para las marcas que no se adapten.
- Según datos de Chartbeat reportados por Axios en marzo de 2026, el tráfico de referencia desde buscadores cayó 60% en editores chicos, 47% en medianos y 22% en grandes en dos años. Los referidos desde chatbots crecieron más de 200% en el mismo período, pero siguen siendo menos del 1% de las páginas vistas de los editores.
La optimización sin medición es adivinanza. Hay presupuesto disponible para medir visibilidad en IA. Lo que no hay es una base para evaluar qué se está comprando.
04 Vocabulario común las 4 P’s
El IAB organiza las métricas en una jerarquía causal de cuatro capas. Cada una responde una pregunta distinta.
| Capa | Pregunta central | Métricas de marca |
|---|---|---|
| Presence · Presencia | ¿La marca aparece? | Mention Rate, Citation Rate, Share of Voice, Visibility Momentum |
| Prominence · Prominencia | ¿Dónde y con qué protagonismo? | Position |
| Portrayal · Retrato | ¿En qué contexto y con qué precisión? | Sentiment, Framing, Hallucination Rate, Factual Inaccuracy Rate |
| Persuasion · Persuasión | ¿La visibilidad genera acción? | Recommendation Strength, Post-Citation CTR |
Dos definiciones que conviene fijar porque se confunden todo el tiempo: Mention Rate mide si se habla de la marca. Citation Rate mide si se confía en ella como fuente. El IAB es explícito: una marca puede tener Mention Rate alto y Citation Rate bajo, y la brecha entre ambos es en sí misma una señal.
Para editores, el framework agrega Content Utilization Rate (si el contenido se usa de verdad o solo se lo lista como fuente) y Attribution Clarity (cuán explícitamente se identifica al medio cuando se usa su material). Son las dos métricas que un editor necesita para negociar una licencia de contenido con datos en la mano.
05 Calidad del dato directional vs. decision-grade
Esta es la parte más incómoda del documento para buena parte de la industria, y la más útil para quien compra. El IAB define dos niveles de calidad de dato.
Directional: sirve para detectar tendencias, hacer briefings internos y mantener conciencia competitiva. No alcanza para asignar presupuesto ni para decisiones estratégicas.
Decision-Grade: habilita reasignación de presupuesto, evaluación de agencias y estrategia ejecutiva. Exige umbrales concretos.
| Criterio | Directional | Decision-Grade |
|---|---|---|
| Volumen de preguntas | Menos de 50 por programa se considera exploratorio, no direccional | Set amplio con cobertura de categoría y subcategoría |
| Tamaño de muestra | Varias respuestas por pregunta | Suficientes para establecer una distribución estable, declarando cuántas |
| Tipos de intención | Al menos 2 de 4 | Las 4: informacional, comparativa, de recomendación y transaccional |
| Cadencia | Mensual o trimestral | Semanal o más frecuente |
| Reproducibilidad | Documentar cuánta variación es normal | Definir rangos aceptables en 7 días y reportar niveles de confianza |
| Cobertura de motores | Uno o más, declarándolo | Motores que representen la mayoría del tráfico de IA del mercado |
| Agregación multi-motor | Declarar qué motores se incluyen | Reportar por motor separado y documentar la ponderación |
Ambos niveles son legítimos. El error está en tratar dato direccional como si fuera decision-grade sin reconocer la brecha.
El IAB también fija cómo debería reportarse un número a un directorio. Una cifra de Share of Voice presentada como “aproximadamente 22%, más o menos 4 puntos según la precisión de medición actual” es más útil para quien decide que un “22%” pelado que implica una falsa precisión.
06 Transparencia lo que están obligados a declarar
El framework convierte la transparencia metodológica en requisito de compra. Los ítems obligatorios:
- Cobertura de motores, con versión de modelo.
- Construcción del banco de preguntas: tamaño, estructura, frecuencia de actualización, distribución por categoría.
- Origen de las preguntas: si son sintéticas, derivadas de volumen real de búsqueda, u observadas del comportamiento de usuarios.
- Arquitectura de recolección: simulación activa de consultas, panel pasivo, datos nativos de la plataforma, o híbrido. No se pueden mezclar sin declararlo.
- Lógica de detección de menciones, atribución y sentimiento.
- Clasificación de precisión factual: distinguir alucinación de inexactitud, y reportarlas al cliente en lugar de excluirlas en silencio.
- Gestión de líneas de base históricas: cuándo se re-calibró, qué lo disparó, cómo comparar antes y después.
- Metodología completa de cualquier índice compuesto: ponderaciones, método de normalización, valores individuales que lo alimentan y límites del enfoque.
Cuando un proveedor no puede o no quiere declarar contra un ítem requerido, esa ausencia debe tratarse como una señal.
El IAB adelanta que este marco de declaración es la base de un eventual programa de certificación de proveedores.
07 El mapeo 4 P’s vs. GEO-ABCD
El framework GEO-ABCD es la metodología con la que medimos visibilidad en IA desde marzo de 2026: cuatro dimensiones ponderadas, 17 señales, 4 motores de IA y el verificador Google AI, un puntaje de 0 a 100 que llamamos AI Score. La correspondencia con las 4 P’s del IAB es directa en las tres primeras capas.
Cómo se compone tu score: GEO-ABCD™
100 puntos repartidos en cuatro pilares de peso desigual: uno mide el resultado, si la IA te reconoce, y los otros tres son las palancas que lo construyen. 17 señales verificadas contra 4 motores de IA y el verificador Google AI.
A · 50 pts
AI Recognition
El resultado. ¿La IA reconoce y recomienda tu marca sin que la nombres?
B · 30 pts
Brand Ecosystem
La palanca mayor. Presencia en fuentes externas que las IAs cruzan para confiar en tu marca.
C · 10 pts
Citability
¿Tu contenido tiene datos, definiciones y afirmaciones que la IA pueda citar textualmente?
D · 10 pts
Data & Structure
¿Tu sitio está técnicamente preparado para que los crawlers de IA lo lean y procesen?
| IAB | GEO-ABCD | Estado |
|---|---|---|
| Presence | A · AI Recognition (50 pts) · señal de recuerdo espontáneo | Cubierto. Medimos si la marca aparece sin haber sido nombrada en el prompt. |
| Prominence | A · AI Recognition · señal de posición competitiva | Cubierto. Registramos en qué lugar de la respuesta queda la marca contra 3 a 5 competidores. |
| Portrayal | A (descripción que usa el motor) + B · Brand Ecosystem (30 pts) | Parcial. Registramos la descripción y detectamos relleno plausible. No emitimos un score de sentimiento aparte. |
| Persuasion | Sin equivalente directo | No cubierto de forma nativa. El propio IAB lo define como métrica puente hacia su framework de atribución, todavía no publicado. |
Dos dimensiones del GEO-ABCD no tienen equivalente en el IAB, y no es una omisión de ninguno de los dos: miden cosas distintas. C · Citability (10 pts) y D · Data & Structure (10 pts) no aparecen en las 4 P’s porque el IAB declara explícitamente que su alcance excluye tácticas de optimización GEO y AEO. El IAB mide el resultado. GEO-ABCD mide el resultado y además los insumos que lo mueven: si el contenido es citable, si el sitio es legible por una máquina, si el ecosistema externo confirma la entidad.
Es la diferencia entre un termómetro y un diagnóstico. Los dos hacen falta. No son lo mismo.
08 Autoevaluación qué ya cumplíamos, qué nos sube la vara
Aplicamos la grilla del IAB sobre nuestra propia metodología. El resultado, sin filtro.
Ya cumplido
- Medición multi-motor con reporte separado. Corremos las baterías sobre los 4 motores de IA (ChatGPT, Claude, Gemini y Perplexity) más el verificador Google AI. El IAB exige reportar por motor y no esconder la divergencia en un score combinado. Es exactamente el protocolo.
- Respuestas múltiples por pregunta. El IAB es tajante: la medición de respuesta única no es medición. Cada pregunta se corre tres veces en días distintos.
- Línea de base de variabilidad documentada. Tenemos declarado que la variación entre corridas puede llegar al ±15% según el motor, con fuente (SparkToro, enero de 2026).
- Origen real de las preguntas. El banco no es sintético: sale de Search Console, entrevistas a clientes recientes y grabaciones de llamadas de venta.
- Ponderación del índice compuesto, publicada. Los pesos 50/30/10/10 están publicados, con la muestra de la que salieron: 30 marcas, 15 referentes contra 15 emergentes del mismo sector.
- Límites declarados. El manual incluye un anexo de metodología y límites: los pesos son hipótesis operativa y no una regresión publicada, la muestra es regional e hispanohablante, y las fechas de corte de los modelos cambian sin aviso.
- Etiquetado de certeza. Cada afirmación del manual está marcada como dato observado, hipótesis operativa o proyección estratégica. Esto el IAB no lo pide. Debería.
Donde el estándar nos sube la vara
Sería incoherente auditar proveedores con esta grilla y no aplicárnosla. Dos cosas:
- El piso de 50 preguntas por programa. Nuestra batería estándar es de 20 a 30 preguntas por categoría. Multiplicado por los 4 motores, el verificador Google AI y tres corridas el volumen de respuestas es alto, pero el conteo de preguntas únicas queda por debajo del piso que el IAB fija para considerar un programa siquiera direccional. Es un ajuste de diseño, no de método, y está en curso.
- Persuasion. No medimos Post-Citation CTR ni Recommendation Strength como métricas formales. El IAB tampoco resuelve esta capa: la define como puente hacia un framework de atribución que aún no publicó. Es un pendiente de la industria entera, no una brecha aislada.
09 Vacíos abiertos lo que el estándar no resuelve
El framework del IAB es sólido. También es un documento escrito desde y para el mercado angloparlante, y eso deja dos huecos que en la región importan.
1. El idioma no existe como variable
El documento dedica una sección a controles geográficos y temporales. Reconoce que una consulta hecha desde Estados Unidos y la misma consulta hecha desde Alemania devuelven marcas, fuentes y encuadres distintos, incluso cuando la consulta es idéntica en su idioma. Y exige medición por mercado.
Pero trata la geografía como la variable, no el idioma de la fuente citada. En ningún punto del framework se estandariza si un modelo cita fuentes en inglés con más frecuencia que fuentes en español cuando la pregunta está en español. Para una marca en Buenos Aires, Bogotá o Ciudad de México, esa pregunta no es un detalle metodológico: define el techo de su visibilidad.
No existe hoy un estudio primario con muestra declarada que la responda. Es la brecha de investigación que estamos trabajando, y el vacío más relevante que este estándar deja abierto para el mercado hispanohablante.
2. Los intervalos de confianza: exigidos, casi nunca publicados
El IAB pide reportar rangos en lugar de números pelados, y define la reproducibilidad como criterio de nivel decision-grade. Pero admite que los umbrales cuantitativos de variabilidad aceptable siguen siendo una pregunta abierta del grupo de trabajo.
Traducido: el estándar dice que hay que reportar el margen de error, pero no dice cuánto margen es tolerable. Hasta que lo diga, cada proveedor que publique su intervalo de confianza estará por delante del que publique un número seco, y el comprador tiene con qué distinguirlos.
10 Acción qué hacer con esto esta semana
Si vas a contratar o renovar una herramienta de visibilidad en IA, cinco preguntas alcanzan para separar el mercado. Salen directo de la sección de declaraciones obligatorias del IAB.
¿Cuántas preguntas únicas corre el programa y cuántas veces cada una? Si la respuesta es “una vez”, no es medición: es una foto de una distribución.
¿De dónde salen las preguntas? Sintéticas, volumen real de búsqueda, o comportamiento observado. Las tres son válidas. No declararlo, no.
¿Reportan por motor o solo el score combinado? Un promedio esconde exactamente lo que hay que ver.
¿Cuál es la ponderación del índice y de dónde salió? Si hay un número único, hay una decisión de ponderación detrás. Tiene que estar publicada.
¿Qué margen de error tiene esta cifra? Si no hay respuesta, el número no soporta una decisión de presupuesto.
Si el proveedor no puede contestar alguna, el IAB ya definió cómo leerlo: la ausencia es la señal.
11 Para tu marca dudas frecuentes y cómo usarlo a favor
Qué cambia esto para tu marca
Estas son las dudas que más aparecen cuando alguien con una pyme o una marca chica lee esto, y qué hacer con cada una.
¿Esto es una obligación legal?
No. Es un estándar de industria, no una regulación. Nadie te fuerza a nada. Lo que te da es un lenguaje común para exigirle claridad a cualquiera que te venda medición de visibilidad en IA, algo que hasta ahora no existía.
¿Sirve si mi empresa es chica?
Más que para una grande. Una marca grande puede pagar herramientas caras y absorber el costo de una medición mala. Una pyme no. Las cinco preguntas de la sección anterior son gratis y funcionan igual de bien con un presupuesto de call center que con uno de multinacional.
Ya pago una herramienta de visibilidad en IA, ¿tengo que cambiarla?
No necesariamente. Pero ahora tenés con qué auditarla. Pedile a tu proveedor que conteste las cinco preguntas de la sección anterior. Si contesta las cinco con claridad, seguí. Si esquiva alguna, ya sabés qué significa esa ausencia según el propio IAB.
¿Cómo lo uso a mi favor esta semana, sin contratar nada?
Llevá esas cinco preguntas a la próxima reunión con tu agencia o tu proveedor de marketing, aunque no sea específicamente de visibilidad en IA. La forma en que responda, con números concretos o con vaguedad, te dice más sobre la calidad del trabajo que cualquier caso de éxito que te muestren.
En WeDo diseñamos GEO-ABCD para responder exactamente estas preguntas, antes de que existiera un estándar que las pidiera. Si querés ver cómo se ve aplicado a tu marca, pedí el diagnóstico y te mostramos cada punto con tus datos, no con un caso ajeno.
12 Glosario términos del IAB en criollo
Glosario rápido
Para no tener que releer todo el artículo cada vez que aparece uno de estos términos.
¿Qué es Presence?
Mide si tu marca aparece nombrada en la respuesta de un motor de IA. En GEO-ABCD es la señal de recuerdo espontáneo dentro de la dimensión A · AI Recognition.
¿Qué es Prominence?
Mide en qué lugar de la respuesta aparece tu marca y con cuánto protagonismo frente a la competencia. En GEO-ABCD es la señal de posición competitiva, también dentro de A.
¿Qué es Portrayal?
Mide con qué contexto, tono y precisión te describe la IA cuando te menciona. En GEO-ABCD se reparte entre A (la descripción que usa el motor) y B · Brand Ecosystem (si esa descripción coincide con lo que se dice de vos afuera de tu sitio).
¿Qué es Persuasion?
Mide si esa visibilidad se traduce en una acción real, un clic, una consulta. Ni el IAB ni GEO-ABCD lo cubren todavía de forma nativa. Es el pendiente de toda la industria.
¿Qué diferencia hay entre Mention Rate y Citation Rate?
Mention Rate mide si se habla de tu marca. Citation Rate mide si la IA confía en vos como fuente. Podés tener uno alto y el otro bajo, y esa brecha ya es un dato en sí mismo.
¿Qué es dato direccional?
Sirve para detectar tendencias y mantener conciencia competitiva. No alcanza para decidir presupuesto.
¿Qué es dato decision-grade?
Habilita decisiones de presupuesto y evaluación de proveedores. Exige reportar por motor, documentar el margen de error y correr un volumen mínimo de preguntas únicas.
¿Qué es el AI Score?
Es el puntaje de 0 a 100 que devuelve el framework GEO-ABCD, resultado de medir 17 señales en 4 motores de IA y el verificador Google AI. Es el equivalente propio a lo que el IAB llama un índice compuesto de visibilidad.
¿El estándar del IAB es una ley o una regulación oficial?
No. Es un estándar voluntario de industria, sin fuerza legal. Nadie te obliga a cumplirlo. Su peso viene de que lo armó un grupo de trabajo con Walmart, WPP Media, Microsoft y otros actores grandes, y de que es la base de un futuro programa de certificación.
¿Qué es Project Eidos?
La iniciativa más amplia del IAB dentro de la cual salió este documento. Busca definir los principios con los que se desarrolla y compara la medición en toda la industria publicitaria, no solo en IA.
¿Cuántas empresas venden hoy herramientas de medición de visibilidad en IA?
Más de 20, según el propio IAB. Cada una con su metodología, su banco de preguntas y su forma de puntuar. Es exactamente lo que el estándar busca ordenar.
¿Qué es el Hallucination Rate?
La frecuencia con la que la IA le atribuye a tu marca algo que inventó, una característica o una afirmación que no sale de ninguna fuente real. Es distinto a una inexactitud factual, que es cuando la IA repite bien una fuente que en sí misma está mal. El IAB exige medir y mostrar los dos por separado, sin esconderlos.
¿Qué le pregunto a un proveedor antes de contratarlo?
Además de las cinco preguntas de la sección de acción: pedile que muestre cada motor de IA por separado, no un promedio, que diga de dónde salen sus preguntas y cuántas respuestas junta por cada una, y qué margen de variación considera normal antes de leer un cambio como real.
¿Desde cuándo mide WeDo Performance la visibilidad en IA?
Desde marzo de 2026, con el framework GEO-ABCD, antes de que existiera un estándar de industria para esto. No lo tomamos como ventaja frente al IAB, es un campo que recién se está construyendo y cualquier método con disciplina de medición ayuda a que el mercado tenga con qué comparar.
Diagnosticá tu marca con el estándar puesto
El IAB acaba de nivelar el terreno del vocabulario. Lo que sigue diferenciando es quién puede sostener sus números cuando se los audita. Corremos el framework GEO-ABCD sobre tu marca en los 4 motores de IA y el verificador Google AI, y devolvemos el AI Score, las brechas por dimensión y qué marcas están ocupando hoy tu lugar en las respuestas. Sin costo.
13 Preguntas sobre el artículo
Preguntas frecuentes
¿Qué es el framework de visibilidad en IA del IAB?
Es un marco publicado en agosto de 2026 que define un vocabulario común, criterios de calidad y requisitos de declaración para medir cómo las marcas y los editores aparecen en respuestas de motores de IA generativa. Organiza las métricas en cuatro capas (Presence, Prominence, Portrayal y Persuasion) y separa la medición en dos niveles de rigor: direccional y decision-grade. No califica proveedores ni prescribe herramientas.
¿Qué son las 4 P’s de la visibilidad en IA?
Presence mide si la marca aparece. Prominence mide en qué lugar de la respuesta y con cuánto protagonismo. Portrayal mide con qué contexto, sentimiento y precisión se la describe. Persuasion mide si esa visibilidad genera una acción o tráfico real. Es una jerarquía causal: sin presencia, ninguna de las otras tres importa.
¿Qué diferencia hay entre dato direccional y decision-grade?
El dato direccional sirve para detectar tendencias y mantener conciencia competitiva. El decision-grade habilita decisiones de presupuesto, evaluación de agencias y estrategia ejecutiva, y exige umbrales concretos de volumen de preguntas, repeticiones por pregunta, cobertura de motores, cadencia y reproducibilidad. El error, según el IAB, no es usar dato direccional: es tratarlo como decision-grade sin reconocer la brecha.
¿El framework GEO-ABCD cumple con el estándar del IAB?
En las tres primeras capas, sí: medición multi-motor con reporte separado, tres corridas por pregunta, variabilidad documentada, origen real de las preguntas, ponderaciones del índice publicadas y límites declarados. La capa Persuasion no está cubierta de forma nativa (el propio IAB la define como pendiente) y el piso de 50 preguntas únicas por programa es un ajuste de diseño en curso. El framework completo, con sus 17 señales y su metodología, está publicado en wedoperformance.com/geo-abcd.
¿El estándar del IAB contempla el idioma de las fuentes citadas?
No. El framework exige controles geográficos y medición por mercado, pero no estandariza si los modelos citan fuentes en inglés con más frecuencia que fuentes en español al responder consultas en español. Es el vacío más relevante del estándar para el mercado hispanohablante, y hoy no existe un estudio primario con muestra declarada que lo resuelva.
14 Fuentes
Fuentes
- IAB · Measuring Visibility in the AI Era, agosto de 2026 · página oficial y PDF completo del framework
- IAB · Comunicado de prensa, PR Newswire, 3 de agosto de 2026 · nota completa
- Chartbeat, reportado por Axios · Caída de tráfico de referencia en editores, marzo de 2026
- McKinsey · Proyección de caída de tráfico desde canales de búsqueda tradicionales
- SparkToro · Variabilidad de respuestas entre corridas, enero de 2026
- Devia López, D. (2026) · Manual operativo del Framework GEO-ABCD, edición 2.1 · WeDo Performance
Daniel Devia López es consultor de marketing digital en Buenos Aires, fundador de WeDo Performance y creador del AI Score y del framework GEO-ABCD. Doce años en performance y planificación de medios, con marcas como Mondelez, LVMH y Danone.