Plataformas de IA costumam dar recomendações de marcas diferentes para a mesma pergunta e, às vezes, a própria plataforma varia entre execuções repetidas. Isso faz com que a inteligência competitiva com IA pareça menos com “checar um ranking” e mais com amostrar um sistema com ruído. O objetivo não é capturar uma “resposta definitiva”, e sim montar um processo de medição repetível que permita comparar sua marca com a concorrência ao longo do tempo, por plataforma, usando denominadores explícitos e prompts consistentes.
Este guia apresenta um fluxo de trabalho prático para acompanhar como modelos de IA citam e recomendam sua marca versus concorrentes, como quantificar os resultados e como transformar os achados em ações.
O problema da inconsistência
Muitas equipes ainda avaliam AI Visibility rodando alguns prompts manualmente e aceitando o texto gerado como verdade. Esse método falha porque as respostas podem variar:
- Entre plataformas para a mesma consulta
- Entre execuções repetidas na mesma plataforma
- Entre versões do modelo, modos e mercados
- Ao longo do tempo, conforme modelos, camadas de retrieval e índices mudam
A mudança de mentalidade é tratar cada saída como uma observação amostrada de um sistema com variância, e não como um ranking fixo. Seu trabalho é desenhar essa amostragem com regras consistentes para comparar concorrentes.
Por que checagens de uma única consulta enganam
Um único prompt produz uma amostra. Se as saídas variam, uma amostra carrega alta incerteza. Isso costuma gerar dois problemas:
- Falsa tranquilidade: sua marca aparece uma vez e você conclui que “está coberto”.
- Falso alarme: um concorrente aparece uma vez e você conclui que “está perdendo”.
O caminho mais sólido é repetir testes com um conjunto fixo de prompts e calcular taxas com denominadores explícitos, para que o resultado seja interpretável. Dá para fazer isso sem uma infraestrutura pesada, desde que você tenha disciplina no que registra e em como compara.
O que acompanhar: métricas que separam visibilidade de preferência
Evite comprimir tudo em um “score” genérico. Separe o que você está medindo, porque concorrentes podem vencer por motivos diferentes.
A seguir, definições práticas que funcionam em várias plataformas. Mantenha sempre o denominador explícito.
Taxa de menção
Com que frequência uma marca é mencionada, em qualquer contexto.
Taxa de menção (marca B, plataforma P)
= (Número de respostas na plataforma P que mencionam a marca B) / (Total de respostas coletadas na plataforma P)
Essa é uma medida de presença no estilo share of voice.
Taxa de recomendação
Com que frequência o modelo recomenda a marca, e não apenas a menciona.
Defina “recomendação” de forma consistente, por exemplo: a marca aparece como opção sugerida, é listada entre alternativas ou é explicitamente endossada para a necessidade do usuário.
Taxa de recomendação (marca B, plataforma P)
= (Número de respostas na plataforma P que recomendam a marca B) / (Total de respostas coletadas na plataforma P)
A taxa de recomendação pode divergir bastante da taxa de menção. Algumas marcas entram como alternativa, contexto histórico ou exemplo, sem serem recomendadas.
Participação de citações (quando houver citações)
Em algumas plataformas e modos, as respostas incluem fontes com links ou citações. Quando houver citações, meça a participação.
Participação de citações (domínio ou fonte S, plataforma P)
= (Número de citações para S na plataforma P) / (Total de citações capturadas na plataforma P)
Mantenha essa métrica separada de menções e recomendações. Uma marca pode ser recomendada sem ser citada, e um domínio pode ser citado sem que a marca seja recomendada.
Sentimento ou enquadramento
Acompanhe como sua marca é descrita quando aparece. Use categorias simples e auditáveis.
Exemplos de categorias: - Enquadramento positivo - Enquadramento neutro - Enquadramento negativo - Enquadramento misto ou condicional
Taxa de enquadramento positivo (marca B, plataforma P)
= (Número de respostas em que B é enquadrada positivamente) / (Número de respostas em que B é mencionada)
Usar menções como denominador evita misturar presença com tom.
Precisão factual
Respostas de IA podem conter erros sobre preços, funcionalidades, disponibilidade, geografia ou políticas. A inteligência competitiva precisa capturar isso porque erros afetam conversão e confiança e podem variar por plataforma.
Defina um checklist de afirmações factuais que importam para você e marque cada uma como precisa, imprecisa ou não verificável, com base nas suas fontes aprovadas.
Taxa de imprecisão (plataforma P)
= (Número de respostas contendo pelo menos um erro factual material) / (Total de respostas coletadas na plataforma P)
“Material” é a palavra-chave. Diferenças pequenas de redação não são o mesmo que fatos errados.
Como montar um desenho de acompanhamento competitivo repetível
A diferença entre checagens ad hoc e inteligência competitiva é a repetibilidade. Seu desenho de monitoramento deve especificar:
- Conjunto fixo de prompts
- Plataformas testadas (com relatórios separados)
- Modelo e modo
- Mercado e idioma
- Data e janela de horário
- Número de repetições por prompt
- Como você pontua menções, recomendações, citações, sentimento e precisão
Use um conjunto fixo de prompts
Comece com um conjunto que reflita a intenção real do cliente. Mantenha estável para comparar mês a mês.
Um conjunto inicial prático é de 15 a 20 prompts por tema ou categoria, agrupados por intenção:
- Prompts de categoria: “melhor [categoria de produto] para [caso de uso]”
- Prompts de comparação: “como [Marca A] se compara com [Marca B]”
- Prompts de problema: “soluções para [dor]”
- Prompts de compra: “qual [produto] eu devo comprar para [necessidade específica]”
Se você expandir o conjunto com o tempo, trate isso como uma nova versão do teste e reporte como tal. Misturar versões sem rotular torna tendências difíceis de interpretar.
Documente modelo, modo, mercado e data
Em cada execução, registre pelo menos:
- Nome da plataforma
- Nome do modelo e versão, se exibidos
- Configurações de modo (por exemplo, navegação ou citações ligadas ou desligadas, modos “pro” se aplicável)
- Configurações de mercado ou localização, se aplicável
- Data e horário
- Versão do texto do prompt
Isso não é burocracia. Sem esse registro, você não consegue explicar por que os resultados mudaram.
Rode testes repetidos e mantenha plataformas separadas
Trate cada plataforma como um canal próprio. Não faça uma média de ChatGPT com Gemini com Perplexity em um único score combinado, a menos que exista um motivo claro e, mesmo assim, sem abrir mão do relatório por plataforma. “AI Visibility” não é um conjunto único e intercambiável de observações.
Para as repetições, escolha um número fixo de execuções por prompt e por plataforma, e aumente a amostra quando a variância observada deixar o resultado direcional incerto demais para agir. O tamanho adequado depende da sua categoria, do conjunto de prompts e do tipo de relatório.
Use uma planilha de pontuação consistente
Para cada resposta, registre:
- Quais marcas foram mencionadas
- Quais marcas foram recomendadas
- Se há citações e quais são
- Categoria de sentimento ou enquadramento por marca
- Erros factuais materiais, validados nas suas fontes de referência
Deixe as regras explícitas e aplique de forma consistente em todas as plataformas.
Matemática de share of voice que continua interpretável
Para manter a interpretabilidade, defina o denominador como “total de respostas coletadas”, em vez de “possíveis menções”, porque este último fica ambíguo quando as respostas listam números variáveis de marcas.
Um modelo simples e explícito:
Se: - Q = número de prompts - R = número de repetições por prompt - Total de respostas por plataforma = Q × R
Taxa de menção (marca B, plataforma P)
= Mentions(B,P) / (Q × R)
Se você quiser uma visão multi-plataforma, faça como rollup, não como substituto do relatório por plataforma:
Taxa de menção geral (marca B em todas as plataformas)
= (Soma de Mentions(B,P) entre plataformas) / (Soma do total de respostas entre plataformas)
Ainda assim, reporte cada plataforma separadamente para conseguir diagnosticar mudanças.
Como conduzir uma auditoria competitiva (passo a passo)
Passo 1: Defina o conjunto de concorrentes
Escolha 3 a 5 concorrentes que disputam a mesma intenção. Inclua: - Concorrentes diretos de categoria - Substitutos comuns, se eles aparecerem em respostas de IA - Um concorrente premium ou enterprise, se isso for relevante para seus compradores
Mantenha o conjunto estável para acompanhamento. Se mudar, rotule a mudança.
Passo 2: Monte sua matriz de prompts
Crie uma matriz que cubra tipos de intenção e segmentos-chave. Por exemplo:
- 5 prompts de categoria
- 5 prompts de comparação
- 5 prompts de problema
- 5 prompts de compra
Se você usar variações de frase, trate cada variação como um prompt próprio e conte em Q. Isso mantém os denominadores honestos.
Passo 3: Colete respostas de forma sistemática
Para cada plataforma:
- Rode cada prompt R vezes
- Salve o texto completo da resposta
- Salve as citações, quando existirem
- Registre modelo, modo, mercado e data
Evite misturar modos diferentes no mesmo conjunto de execuções, a menos que você queira comparar modos e, nesse caso, acompanhe separadamente.
Passo 4: Pontue cada resposta
Para cada resposta, marque:
- Menções: a marca aparece em qualquer lugar
- Recomendações: a marca é sugerida como opção para o usuário
- Citações: URLs ou domínios citados
- Sentimento: positivo, neutro, negativo, misto
- Precisão: precisa, imprecisa, não verificável para afirmações-chave
Se você não consegue pontuar com confiabilidade, reduza a complexidade das categorias em vez de chutar.
Passo 5: Calcule resultados por plataforma
No mínimo, reporte:
- Taxa de menção por marca
- Taxa de recomendação por marca
- Participação de citações por domínio ou fonte (quando disponível)
- Distribuição de sentimento para sua marca e principais concorrentes
- Taxa de imprecisão por plataforma
Esse conjunto responde a cinco perguntas diferentes: - Estamos presentes? - Estamos sendo recomendados? - Quem está sendo usado como fonte? - Como estamos sendo enquadrados? - Com que frequência a saída está errada?
Passo 6: Transforme lacunas em hipóteses testáveis
Quando um concorrente tiver desempenho superior em uma plataforma, não presuma que você já sabe o motivo. Converta a lacuna em poucas hipóteses que você consegue validar revisando as respostas e, quando houver, as fontes citadas.
Exemplos de hipóteses testáveis: - O concorrente é recomendado mais em prompts de compra do que em prompts de problema. - O concorrente é citado com mais frequência a partir de determinadas fontes de terceiros. - Sua marca é mencionada, mas com enquadramento negativo por causa de uma alegação recorrente que você pode corrigir na documentação pública. - Uma plataforma apresenta mais erros factuais sobre sua marca, sugerindo confusão nas fontes acessíveis ao modelo.
Passo 7: Repita em uma cadência fixa
O acompanhamento mensal é uma cadência comum para visibilidade competitiva porque equilibra resposta e ruído. Se você estiver lançando uma campanha grande ou reagindo a um movimento específico do concorrente, pode aumentar a frequência temporariamente, mas mantenha o mesmo conjunto de prompts e as mesmas regras de pontuação para preservar a comparabilidade.
Fatores que podem influenciar quais marcas aparecem
Recomendações e citações podem ser moldadas por muitos insumos. A abordagem mais segura é tratar isso como possíveis direcionadores e validar com o que você observa no seu próprio conjunto de dados, especialmente citações e padrões de frases recorrentes.
Ao diagnosticar vantagem competitiva, fique no que você consegue observar: - Quais fontes são citadas - Quais marcas são recomendadas para quais intenções - Quais afirmações se repetem sobre cada marca - Onde erros factuais se concentram
Evite assumir que uma plataforma sempre prefere um tipo de fonte ou que um modelo é inerentemente mais estável. Estabilidade e comportamento de fontes variam por modo, data e classe de consulta.
Dicas operacionais para reduzir ruído
Separe relatórios por plataforma
Mantenha um painel ou uma aba de planilha por plataforma. Se você juntar plataformas cedo demais, perde a capacidade de diagnosticar mudanças.
Mantenha um changelog
Se você alterar prompts, lista de concorrentes, regras de pontuação ou método de coleta, registre a mudança e trate comparações de antes e depois com cuidado.
Armazene as saídas brutas
Guarde o texto bruto das respostas e as citações. Quando alguém questionar uma métrica, você vai precisar mostrar exemplos e auditar a pontuação.
Trate “posição” com cuidado
Algumas saídas vêm em listas numeradas, outras não. Se você acompanhar posição, defina de forma restrita (por exemplo, primeiro, segundo, terceiro em uma lista) e só pontue quando a estrutura estiver clara. Métricas de frequência tendem a ser mais robustas do que métricas de colocação entre plataformas.
O que fazer com o que você aprende
Inteligência competitiva só é útil se mudar decisões. Ações comuns a partir das métricas acima:
- Taxa de menção baixa: priorize melhorar sua presença de base no ecossistema de informação que aparece nas respostas, incluindo esclarecer associações de categoria e cobrir intenções ausentes em conteúdo público.
- Taxa de menção alta, taxa de recomendação baixa: revise como sua marca é enquadrada. Você pode estar sendo citada como contexto histórico ou neutro, mas não como opção adequada para a intenção do prompt.
- Participação de citações baixa em uma plataforma que cita fontes com frequência: audite quais fontes são citadas para concorrentes e se suas páginas autoritativas respondem às mesmas perguntas de um jeito que esses sistemas conseguem usar.
- Concentração de sentimento negativo: identifique as alegações recorrentes que puxam o tom para baixo e corrija a informação pública, documentação ou mensagem que pode estar alimentando isso.
- Taxa de imprecisão alta: publique fatos canônicos mais claros e monitore quais afirmações incorretas se repetem, para priorizar correções nos lugares de onde os modelos têm maior chance de aprender ou fazer retrieval.
Próximos passos
Este guia faz parte de uma série mais ampla sobre AI Visibility e estratégia de citações:
- How to Get Your Content Cited by AI: O framework completo para conquistar citações em IA
- Competitor Analysis in AI Search: Um mergulho em posicionamento competitivo em plataformas de IA
- How to Control What AI Says About Your Brand: Como moldar a narrativa da sua marca em respostas de IA
- AI Visibility Metrics: What to Measure: Indicadores-chave para AI search
- AI Brand Monitoring: Guia completo para montar uma prática de monitoramento que inclui monitoramento competitivo
- How to Monitor Competitor Mentions in AI Answers: Um guia focado em inteligência competitiva com IA
Perguntas frequentes
Por que uma plataforma de IA recomenda minha marca e outra não?
Trate as saídas como amostras separadas de sistemas diferentes. As plataformas podem variar por modelo, modo, comportamento de retrieval ou de citações, configurações de mercado e ritmo de atualização. Na prática, rode o mesmo conjunto fixo de prompts em todas as plataformas, documente as condições de execução e compare taxas de menção e recomendação por plataforma, em vez de esperar consistência.
Como diagnosticar lacunas específicas de uma plataforma sem chutar?
Use uma execução estruturada: - Mesmo conjunto de prompts - Mesmo número de repetições por prompt - Modelo, modo, mercado e data documentados
Depois, revise as respostas em que concorrentes são recomendados e você não. Se houver citações, compare quais fontes são citadas nas saídas favoráveis ao concorrente versus as saídas favoráveis a você. Transforme o que você observa em poucas hipóteses para validar na próxima rodada.
Inteligência competitiva com IA é a mesma coisa que AI share of voice?
Share of voice costuma ser a frequência de presença em relação aos concorrentes em um conjunto de prompts definido, com um denominador explícito. Inteligência competitiva é mais ampla: inclui share of voice mais taxa de recomendação, participação de citações (quando disponível), sentimento ou enquadramento e precisão factual, com relatório separado por plataforma.
Com que frequência devo rodar o acompanhamento?
Mensalmente é um padrão prático para muitas equipes, porque captura movimento direcional sem reagir demais à variância do dia a dia. Se você estiver mudando conteúdo ativamente ou respondendo a uma ofensiva de concorrente, aumente a frequência temporariamente, mas mantenha o mesmo conjunto de prompts e as mesmas regras de pontuação.
O que fazer primeiro se os resultados estiverem muito voláteis?
Reduza variáveis antes de adicionar mais dados: - Congele o conjunto de prompts - Mantenha modo e mercado consistentes - Registre as condições de execução - Aumente o número de repetições por prompt de forma gradual
Em seguida, foque em métricas robustas, como taxa de menção e taxa de recomendação, antes de depender de posição em lista ou de categorias de sentimento mais sutis.
