Cómo Construimos Ezeo: La Herramienta que Queríamos que Existiera
Necesitábamos una forma de rastrear cómo aparecen las marcas en los resultados de búsqueda con IA. No existía nada, así que lo construimos. Esta es la historia de Ezeo, de un script improvisado a una plataforma que rastrea 10 proyectos en 6 motores de IA.
Cómo Construimos Ezeo: La Herramienta que Queríamos que Existiera
A finales de 2025 teníamos un problema. Un cliente nos hizo una pregunta simple: "¿Estamos apareciendo cuando la gente le pregunta a ChatGPT sobre nuestros productos?"
No teníamos idea.
Podíamos decirles sus rankings en Google. Podíamos mostrarles las tendencias de su tráfico orgánico. Podíamos desglosar sus tasas de conversión por página. Pero no podíamos responder la pregunta más básica sobre visibilidad en búsqueda con IA.
Así que abrimos una terminal y empezamos a escribir código.
El Problema que Nadie Estaba Resolviendo
El cambio era obvio para cualquiera que estuviera prestando atención. La búsqueda con IA estaba creciendo rápido. ChatGPT tenía cientos de millones de usuarios. Perplexity estaba ganando terreno con usuarios avanzados. Google estaba desplegando AI Overviews en más y más consultas. Bing tenía Copilot. Claude tenía capacidades de búsqueda.
Pero las herramientas no habían alcanzado ese ritmo. Google Search Console no rastrea citaciones en IA. Ahrefs y SEMrush están construidos para búsqueda tradicional. No existía el equivalente de "revisa tus rankings" para búsqueda con IA.
Algunas herramientas estaban comenzando a aparecer, pero rastreaban una plataforma a la vez, o tenían precios empresariales y estaban construidas para grandes marcas. No existía nada para el dueño de una tienda Shopify haciendo $50K-$500K en revenue mensual que solo quería saber: "¿ChatGPT está recomendando mis productos?"
Ese era nuestro mercado.
Versión 1: Un Script de Python
La primera versión de Ezeo fue un script de Python que hacía una sola cosa: consultaba a ChatGPT, Perplexity y Claude con una lista de keywords, y luego revisaba si el dominio de nuestro cliente aparecía en la respuesta.
Corría en un cron job. Tiraba los resultados a un CSV. Era feo. Funcionaba.
En una semana supimos que esto era valioso. Podíamos ver que los competidores de nuestros clientes estaban siendo citados por los motores de búsqueda con IA mientras nuestros clientes eran invisibles. También podíamos ver exactamente por qué: los competidores tenían datos estructurados más sólidos, contenido más específico y señales externas más fuertes.
La Decisión del Stack
Necesitábamos convertir este script en algo que nuestro equipo y clientes pudieran usar. El stack fue directo:
- Frontend: React con TypeScript y Vite (después agregamos i18n para EN/ES)
- Backend: Supabase (PostgreSQL, Edge Functions, Auth)
- Datos: DataForSEO para métricas SEO tradicionales, scrapers propios para visibilidad en IA
- Hosting: Vercel para el frontend, Supabase para todo lo demás
Elegimos Supabase porque ya lo estábamos usando en otros proyectos y porque nos da una base de datos PostgreSQL real, no un almacén NoSQL de documentos, con seguridad a nivel de fila incluida. Para una plataforma de análisis intensiva en datos, eso importa.
TypeScript no era opcional. Cuando estás manejando datos de análisis de seis plataformas de IA distintas, cada una con su propio formato de respuesta, la seguridad de tipos no es un lujo.
Qué Rastrea Ezeo Hoy
Ezeo evolucionó de ese script de Python a una plataforma con 76 edge functions, más de 10,500 tests y 10 proyectos de clientes activos. Esto es lo que hace:
Monitoreo de Visibilidad en IA
Revisamos citaciones de marcas en seis plataformas: ChatGPT, Perplexity, Claude, AI Overviews de Google, Bing Copilot y Gemini. Para cada keyword, rastreamos si el dominio del cliente se cita, la posición de la citación, qué competidores se citan y qué contenido se referencia.
Rastreo SEO Tradicional
Integración con Google Search Console para rankings, impresiones y clicks. Google Analytics 4 para tráfico. DataForSEO para datos de keywords y monitoreo de backlinks. PageSpeed Insights para rendimiento.
Motor de Reportes
Reportes mensuales generados en el formato de nuestra plantilla Maxxus v5. Sistema de diseño navy, cyan y lime. Las gráficas son SVGs, no capturas de pantalla. Cada número rastreado hasta una API de origen.
Auto-Auditoría CRO
Auditorías CRO automatizadas usando datos de Microsoft Clarity (rage clicks, scroll depth, dead clicks) combinados con datos de conversión de Google Analytics. Esto fue lo que detectó los 786 rage clicks por día en el sitio de un cliente.
Inteligencia de Contenido
Analizamos qué tipos de contenido tienen las tasas de citación en IA más altas y recomendamos estrategias de contenido basadas en datos reales. Los posts de blog con datos específicos y tablas comparativas superan consistentemente al contenido genérico.
Lo que Aprendimos Construyendo Esto
Lanza Rápido, Itera Más Rápido
La primera versión llegó a producción en 3 días. Era básica. El dashboard era simple. Pero funcionaba, y los clientes la amaban porque no existía nada igual.
Lanzamos mejoras semanalmente. Algunas semanas pusimos más de 10 PRs. Mantuvimos una regla estricta: solo feature branches, el CI debe estar verde, sin commits directos a main.
Prueba Todo
Con más de 10,500 tests y más del 70% de cobertura, nuestra suite de tests atrapa bugs antes de que lleguen a producción. Aprendimos esto de la peor manera cuando una edge function sin tests corrompió datos de tres clientes. Después de eso, cada edge function tiene tests. Cada ruta de API tiene tests. Cada componente tiene tests.
La Integridad de los Datos lo Es Todo
Lo peor que puede hacer una plataforma de análisis es mostrar números incorrectos. Detectamos problemas temprano: GA4 contando sesiones de más por un bug de rango de fechas, GSC atribuyendo consultas a páginas incorrectas. Construimos scripts de verificación que cruzan los datos de las APIs antes de que entren a la base de datos.
Tenemos una regla: nunca agregar desde Supabase para los reportes de clientes. Siempre jalar fresco desde la API de origen. La base de datos es para el dashboard. Los reportes usan datos verificados.
Dos Sistemas de Diseño
Ezeo tiene dos identidades visuales distintas. El dashboard dentro de la app usa la marca Ezeo (amarillo y negro). Los reportes para clientes usan la plantilla Maxxus v5 (navy, cyan, lime). Mezclarlos confundía a los usuarios. Mantenerlos separados hizo que ambos fueran mejores.
El Camino por Delante
Ezeo comenzó como una herramienta interna. Se está convirtiendo en un producto.
Nuestro roadmap incluye:
- Envío al Shopify App Store (el flujo OAuth está construido, en espera de revisión)
- Agente conversacional impulsado por Kimi K2.5 (haz preguntas sobre tus datos en lenguaje natural)
- Recomendaciones automatizadas (el sistema te dice qué arreglar, no solo qué está roto)
- Soporte multilenguaje (EN/ES está vivo, más idiomas en camino)
La visión es simple: cada dueño de tienda Shopify debería poder revisar su visibilidad en IA tan fácilmente como revisa sus rankings en Google. No solo grandes marcas. No solo agencias. Todos.
Por Qué Compartimos Esto
Compartimos nuestra historia porque creemos que la transparencia construye confianza. No somos una startup respaldada por VC con presupuesto de marketing. Somos un equipo pequeño en Monterrey, México, que vio un problema y construyó algo para resolverlo.
Si tienes una tienda Shopify y quieres revisar tu visibilidad en IA, prueba Ezeo. Si eres una agencia que quiere agregar servicios GEO, contáctanos. Si eres un desarrollador que quiere construir algo similar, esperamos que esta historia te ayude.
Las herramientas que importan son las que construyen las personas que realmente las necesitan.
José Antonio Mijares es el fundador de JAMAK AI y Ezeo. JAMAK es una agencia de marketing digital. Ezeo rastrea la visibilidad de marcas en ChatGPT, Perplexity, Claude, AI Overviews de Google, Bing Copilot y Gemini.