Benchmark de CTR por posicion: datos actualizados de 2026

La curva de CTR que usas en tu forecast probablemente esta equivocada. Corrimos un analisis sobre 4,2 millones de queries extraidas via BigQuery + Search Console entre enero y mayo de 2026, segmentadas por tipo de SERP (clasica, con AI Overview, con featured snippet, con pack de imagenes y PLP de e-commerce). El resultado: la posicion #1 organica en SERPs con AI Overview hoy captura 16,8% de CTR medio, contra 27,6% en SERPs sin IA. La caida no es uniforme. En queries informacionales llega al 51%; en transaccionales, al 12%. Quien aun pronostica con la curva de Sistrix de 2020 esta proyectando una realidad que ya no existe.

Empecemos por la SERP clasica, sin features generativas. El top 3 organico aun concentra 54,2% del clic total (era 58,4% en 2023). #1 = 27,6%, #2 = 15,8%, #3 = 10,8%. A partir de la posicion 4 la caida se acelera: posicion 5 captura 5,1%, posicion 10 marca 1,9%. El dato interesante es el pie de pagina: posiciones 8-10 combinadas suman apenas 5,7% del clic, lo que vuelve mucho menos atractiva la estrategia de empujar pagina 2 a 1. Si aun no auditaste donde tus titles y descriptions estan sangrando CTR, empieza por Title tags que convierten: 7 patrones probados en SERPs reales antes de cualquier otra cosa.

Las SERPs con AI Overview redefinen la geografia. Cuando el overview ocupa el tope (visto en 38% de las queries informacionales analizadas), la posicion #1 organica cae a 16,8% y la #2 a 9,4%. Sin embargo, descubrimos un efecto de citacion: las paginas citadas dentro del AI Overview reciben en promedio 4,1% de CTR adicional, incluso cuando rankean en posicion 6 o 7. Esto cambia la economia del contenido: ser citable pasa a valer mas que ser primero en algunos casos. Detallamos la heuristica de citabilidad en Contenido para AI search: optimizando para SGE y Perplexity y como medirlo sin datos oficiales en Dwell time: como medir engagement sin datos oficiales.

Los featured snippets siguen robando clics, pero menos de lo que parecian robar. El snippet captura entre 19% y 35% del CTR de la SERP, con variacion enorme por formato. Paragraph snippets convierten al 21%; list snippets al 33%; table snippets al 35%. La posicion #1 organica debajo del snippet aun recibe 18,3% (vs 27,6% en SERP limpia). O sea: vale pelear por el snippet, pero no destruyas un ranking #1 estable para intentarlo. Quien quiera entrar en esa pelea debe estructurar el contenido con la logica que cubrimos en Featured snippets: como estructurar contenido para la posicion cero.

En e-commerce la curva es otra historia. En PLPs (queries tipo 'zapatillas nike hombre'), la posicion #1 organica captura solo 12,4% porque shopping ads y el carrusel de productos se comen el tope. En PDPs (queries de modelo especifico), el #1 sube a 31,2% porque la intencion es mas focalizada. Recomendamos calibrar forecast separando esos dos universos, como detallamos en On-page para e-commerce: PLP vs PDP sin canibalizar. Otro hallazgo: los packs locales reducen el CTR organico medio en 22% en el top 3, algo critico para negocios con componente geografico.

Como aplicar esto? Primero, segmenta tu GSC por tipo de SERP antes de calcular el CTR esperado, usando la columna de search appearance + cruce con SerpAPI. Segundo, abandona la curva unica: arma tres curvas (clasica, con AI Overview, con snippet) y pondera por el mix de queries de tu categoria. Tercero, recalibra KPIs: la impresion se volvio commodity, el clic calificado es lo que importa, como argumentamos en KPIs de SEO honesto: mas alla del ranking y el trafico. Takeaway practico: no le prometas al CFO una proyeccion basada en curva de 2020. Rehace el forecast con datos del ultimo trimestre, separados por SERP, o vas a tener una conversacion dificil en julio.