A resposta lista três fornecedores, e a sua marca fica de fora
O comprador abre o ChatGPT e descreve o problema em linguagem natural. Em seguida, recebe uma lista curta com três ou quatro nomes. Depois disso, ele pesquisa apenas os citados. Logo, a decisão já nasce filtrada.
Essa filtragem acontece todos os dias, em silêncio. Além disso, ela deixa pouco rastro no Google Analytics. Ou seja, a empresa perde posição sem receber nenhum alerta.
Quando o alerta finalmente chega, costuma ser numa reunião em que alguém pergunta ao ChatGPT pelos melhores fornecedores e ouve o nome de dois concorrentes. Para esse momento, o blog montou um plano de 30 dias para o CEO cuja marca a IA troca pelo concorrente, com o Score 6D e as cinco falhas que mais tiram empresas da resposta.
A lista curta pesa ainda mais no B2B. Dados da Bain & Company de março de 2025 mostram que 85% dos compradores B2B fecham com fornecedores que já estavam na lista inicial antes da busca, e que o CTR caiu até 30% em categorias como software B2B. Quem fica fora da lista montada pela IA perde a venda antes de saber que ela existia.
Generative Engine Optimization (GEO) trata esse ponto como primeiro item de agenda. Portanto, a medição vem antes de qualquer produção de conteúdo.
Poucas empresas fazem essa medição. Segundo pesquisa da McKinsey divulgada em outubro de 2025, apenas 16% das marcas acompanham de forma sistemática seu desempenho na busca com IA. Começar pelo baseline já separa a marca da maioria que decide sem dado.
Share of voice em IA mede escolha dentro da síntese
A métrica clássica conta exposição. Menções em imprensa, impressões em busca e volume em redes sociais entram nessa conta. Todas assumem distribuição passiva, com o usuário encontrando a marca.
Motores generativos operam por seleção ativa. O modelo monta uma resposta única e decide quais entidades entram nela. Assim, share of voice em IA mede participação dentro dessa síntese.
A consequência aparece de forma assimétrica. Uma marca com alta exposição em mídia pode registrar zero citação em IA, porque a presença digital dela chega desorganizada ao modelo. Enquanto isso, uma marca pequena com entidade consistente aparece com frequência.
A estatura da marca pesa na frequência de citação: marcas globais tendem a aparecer em mais respostas do que marcas de nicho, e o tamanho dessa distância só fica visível quando a própria marca mede, com as mesmas perguntas, ao lado dos concorrentes.
Prompt bank: as 30 a 50 perguntas que sustentam a medição
O prompt bank reúne as perguntas reais do seu comprador. Sem ele, qualquer teste vira anedota de reunião. Portanto, comece por aqui.
Uma estrutura B2B eficiente trabalha em três camadas:
- Categoria. Perguntas amplas sobre o mercado, os formatos e as diferenças entre soluções.
- Problema. Perguntas de intenção específica, com dor, objetivo e restrição declarados.
- Concorrência. Perguntas comparativas diretas, incluindo reputação e nomes de fornecedores.
A distribuição precisa refletir a intenção real do mercado. Por isso, use dados do Search Console, pesquisa de palavra chave e entrevistas com clientes. Um banco formado apenas por perguntas de marca funciona como espelho, e devolve pouca informação competitiva.
Uma rodada só mede ruído, e por isso a repetição vale ouro
Motores generativos variam a resposta entre execuções. A mesma pergunta, feita duas vezes, devolve textos diferentes. Assim, uma única rodada mistura sinal e ruído.
O método corrige isso com repetição. Cada prompt roda de cinco a dez vezes, em sessões independentes. Depois, a leitura acontece por frequência agregada.
Três estados aparecem com clareza:
- Presença estável: a marca aparece em 80% ou mais das rodadas, com descrição consistente.
- Presença instável: a marca aparece entre 20% e 40%, com descrições divergentes.
- Ausência: a marca aparece em menos de 10% das rodadas.
A variação das descrições também diagnostica problema. Em auditorias da Brasil GEO, a menção de uma mesma marca oscilou de 12% a 40% entre coletas. Logo, parte do que o mercado chama de lacuna nasce de falha de medição.
| Estado | Frequência da marca nas rodadas | Como a descrição se comporta |
|---|---|---|
| Presença estável | 80% ou mais | Consistente entre as rodadas |
| Presença instável | Entre 20% e 40% | Divergente de uma rodada para outra |
| Ausência | Menos de 10% | Pouco material para comparar, porque a marca quase não aparece |
Citação fundamentada e menção em lista: valores diferentes na mesma resposta
O Source Map separa os tipos de aparição. Essa separação muda a prioridade do plano de ação.
| Tipo de aparição | Como o modelo usa a marca | Valor estratégico |
|---|---|---|
| Citação fundamentada | A marca sustenta uma afirmação, como fonte de evidência | Alto, porque constrói autoridade |
| Menção em lista | A marca aparece entre opções, sem hierarquia | Médio, porque garante elegibilidade |
| Citação com erro factual | A marca aparece com cargo, produto ou número incorreto | Negativo, porque contamina a decisão |
| Ausência | A categoria aparece, e a marca fica fora | Crítico, porque exclui da lista curta |
O objetivo do programa fica evidente nessa tabela. Primeiro, saia da ausência. Depois, corrija o erro factual. Por fim, transforme menção em citação fundamentada.
Narrative Fit: o que a máquina fala de você comparado ao seu site
O Narrative Fit compara duas narrativas. De um lado, ficam as descrições que o modelo usou ao longo das rodadas. Do outro, fica o posicionamento oficial da marca.
A análise segue três passos. Primeiro, reúna todas as descrições coletadas. Em seguida, identifique os atributos mais frequentes. Então, compare com o texto do site, do LinkedIn e do material comercial.
O resultado costuma apontar a origem do erro. Muitas vezes, um artigo antigo domina as referências. Em outros casos, um diretório desatualizado carrega a definição errada. Aliás, esse conserto entrega retorno rápido, porque ajusta a fonte antes de exigir conteúdo novo.
Lily Ray, vice-presidente de SEO Strategy & Research da Amsive, chegou à mesma troca de métrica a partir do trabalho com clientes, e o que ela acrescenta é o posicionamento: o relatório precisa registrar em que contexto e com que qualificação o modelo apresenta a marca, além da contagem de menções. É essa leitura que o Narrative Fit transforma em rotina.
Quando esse indicador para de se mexer, a contagem sozinha engana, e o texto sobre o que um indicador de presença na IA estável revela mostra o que observar.
“Estamos nos concentrando mais em coisas como menções à marca, impressões, ser citado como uma ótima empresa e o sentimento em torno da marca, sobretudo em como a marca aparece posicionada nas respostas dos grandes modelos de linguagem.”
Lily Ray, vice-presidente de SEO Strategy & Research da Amsive, em The Future of SEO and AI Search: A Conversation with Lily Ray (Peec AI, 23/07/2025) (2025). Tradução livre.
Baseline, pulse check e gatilho de evento definem o ritmo
A medição funciona como prática contínua. Modelos recebem atualização, concorrentes publicam e a categoria muda. Por isso, o monitoramento ganha calendário próprio.
Esse calendário pode rodar em painel próprio, como na plataforma SaaS de monitoramento GEO da Brasil GEO.
Quatro componentes organizam a rotina:
- Baseline. Medição completa inicial, com data, prompt exato e resposta registrada.
- Revisão mensal. Execução do banco inteiro em todos os motores acompanhados.
- Pulse check semanal. Subconjunto de cinco a dez prompts prioritários, para sinal de alerta.
- Gatilho de evento. Medição imediata após lançamento, crise ou mudança de posicionamento.
Movimentos bruscos merecem investigação. Em geral, eles indicam atualização de modelo, cobertura de imprensa nova ou conteúdo publicado pela concorrência.
Sobre esse ponto, o texto Benchmarking de GEO: compare sua marca com a concorrência nas IAs trata o mesmo tema sob outro ângulo.
Leitura competitiva: onde vale disputar e onde vale dominar
O número agregado esconde oportunidade. Portanto, quebre a análise por camada de pergunta e por motor.
Um padrão comum aparece em operações B2B. A marca fica em torno de 25% no share of voice geral. Enquanto isso, ela chega a 65% nas perguntas do nicho específico que domina. Logo, a estratégia se concentra ali.
Aleyda Solis descreve o mesmo fenômeno que a quebra por camada revela: um número único esconde onde a marca aparece, onde some e onde é mal descrita. Por isso o relatório para a diretoria deveria trazer o share of voice separado por tipo de prompt antes de mostrar o agregado.
“Visibilidade na busca com IA não é um resultado genérico e único: uma marca pode estar visível em prompts informativos, ausente em prompts de comparação comercial, mal representada em prompts de avaliação e citada apenas por sites de terceiros, e não pelas próprias páginas.”
Aleyda Solis, consultora de SEO e fundadora da Orainti, em The AI Search Optimization Checklist, with Worksheet (aleydasolis.com, atualizado em 27/05/2026) (2026). Tradução livre.
A leitura por motor também muda decisões. ChatGPT, Gemini, Claude e Perplexity recuperam fontes com lógicas distintas. Assim, uma marca forte em um deles pode ficar invisível em outro.
Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI) e Founder da Brasil GEO, resume a prioridade em uma frase operacional. Cada semana sem medição entrega espaço que a concorrência ocupa sem aviso.
O que executar nos próximos 30 dias
O plano cabe em quatro movimentos:
- Monte o prompt bank com 30 a 50 perguntas, nas três camadas.
- Rode cada pergunta cinco vezes, em quatro motores, com registro textual.
- Codifique presença, tipo de citação, posição na resposta e descrição usada.
- Publique o baseline no painel da diretoria, ao lado de sessões e conversões.
A partir daí, a conversa com o board muda de tom. Em vez de justificar queda de tráfego, o time apresenta participação dentro das respostas.
Se o ChatGPT montasse a lista curta do seu mercado agora, quantos por cento dela pertenceriam à sua marca?
Perguntas que o time de marketing leva para a reunião
Como calcular share of voice em IA?
Divida as respostas que citam a sua marca pelo total de menções a marcas no mesmo conjunto de prompts. Depois, repita o cálculo por motor e por camada de pergunta.
Dá para medir com ferramenta gratuita?
Dá, com planilha e disciplina. Contudo, escala e continuidade exigem automação ou plataforma dedicada.
Quantas rodadas por pergunta?
De cinco a dez execuções independentes. Assim, a variação típica dos modelos deixa de contaminar o resultado.
O Google Analytics resolve essa medição?
O Analytics acompanha tráfego que chega ao site. Já a citação acontece dentro da resposta, antes de qualquer visita.
O tamanho desse ponto cego foi medido. Segundo estudo do Pew Research Center publicado em julho de 2025, o clique em um link citado dentro do próprio resumo de IA do Google aconteceu em apenas 1% das visitas a páginas com esse resumo. A citação quase nunca vira sessão, e por isso não aparece no Analytics.
Com que frequência medir?
Mensal como piso, com pulse check semanal em categorias disputadas. Além disso, vale medir logo após eventos relevantes.
A Brasil GEO é uma consultoria de GEO (Generative Engine Optimization) que mede a presença de marcas nas respostas de assistentes de IA, e as auditorias de share of voice citadas neste texto vêm dessa prática. Alexandre Caramaschi é Chief Strategy Officer da Nuvini (Nasdaq: NVNI) e Founder da Brasil GEO. Alexandre Caramaschi foi CMO da Semantix (Nasdaq) e é cofundador da AI Brasil e da NAIA.
Leitura essencial sobre o tema no blog: Benchmark de Visibilidade em IA: Como medir sua presença nos motores generativos.
