Share of voice em IA mede com que frequência sistemas de IA mencionam sua marca em comparação aos concorrentes quando as pessoas fazem prompts dentro da sua categoria. Esse indicador fica muito mais útil quando você define um conjunto fixo de concorrentes, um conjunto fixo de prompts e um método de teste repetível, para manter os resultados comparáveis ao longo do tempo.
Este guia traz uma definição e uma fórmula consistentes, um fluxo de teste prático, cuidados por plataforma e um jeito de apresentar os resultados sem misturar métricas diferentes.
O que é share of voice em IA e o que não é
Neste artigo, share of voice em IA baseado em menções significa:
- Você executa um conjunto de prompts definido em uma ou mais plataformas de IA.
- Você conta menções de marca nas respostas.
- Você calcula a participação de cada marca no total de menções entre as marcas monitoradas.
É comum confundir share of voice com uma pergunta mais simples: “O modelo mencionou a gente em algum momento?”. Isso é outra métrica. Aqui, vamos separar assim:
- Share of voice (baseado em menções) é uma métrica competitiva baseada em menções.
- Taxa de menção (mention rate) é uma métrica de cobertura baseada em respostas.
Manter essas definições separadas evita contradições no relatório, especialmente quando as respostas listam muitas marcas ao mesmo tempo.
Definições e a fórmula que você deve usar
Fórmula de share of voice em IA (baseado em menções)
Use esta fórmula de forma consistente:
Share of voice em IA (baseado em menções) = menções da sua marca dividido por menções de todas as marcas monitoradas, para o mesmo conjunto de prompts e janela de execução.
Se você quiser em porcentagem, multiplique por 100, mas mantenha a definição como razão.
Definição de taxa de menção (cobertura por resposta)
Taxa de menção = número de respostas em que sua marca aparece dividido pelo total de respostas.
A taxa de menção é útil, mas não é share of voice. Uma marca pode ter alta taxa de menção e, ainda assim, ter share of voice menor se os concorrentes forem co-mencionados com frequência.
Por que uma metodologia consistente importa
Saídas de IA variam por motivos fáceis de ignorar em testes informais:
- A formulação do prompt muda quais fontes ou “memórias” entram no jogo.
- O comportamento de recuperação e de citação pode variar por plataforma, superfície do produto e modo.
- Algumas experiências têm múltiplos modos (por exemplo, com navegação ou sem navegação), o que altera o que pode aparecer.
- A geração estocástica faz com que duas execuções tragam listas de marcas, ordem e redação diferentes.
Para que o share of voice seja defensável, ele precisa estar associado a um conjunto de prompts documentado e a uma janela de execução documentada. Caso contrário, mudanças podem refletir deriva do teste, e não um movimento real de visibilidade.
Como calcular share of voice em IA passo a passo
Passo 1: defina as marcas que você vai monitorar
Escolha um conjunto competitivo que reflita o que as pessoas realmente comparam. Muitas equipes começam com 4 a 8 marcas e ampliam quando o fluxo estiver estável.
Diretrizes práticas para manter resultados interpretáveis:
- Inclua alternativas diretas que um comprador realmente colocaria na shortlist.
- Evite misturar segmentos, a não ser que seu público de fato compare entre eles.
- Mantenha o conjunto estável para acompanhar tendências. Se mudar, trate a nova rodada como uma nova linha de base.
Passo 2: monte um conjunto de prompts que dê para reexecutar
Crie uma biblioteca que reflita perguntas reais de descoberta. Um formato comum é ter 15 a 25 prompts misturando:
- Prompts de categoria: “Melhor ferramenta de [categoria]”
- Prompts de caso de uso: “Melhor ferramenta para [problema específico]”
- Prompts por público: “Melhor [categoria] para [tipo de público]”
- Prompts de comparação: “[Marca A] vs [Marca B] para [caso de uso]”
Mantenha os prompts em um documento versionado para reexecutar exatamente o mesmo conjunto no futuro. Se você atualizar os prompts, rotule a versão do conjunto e não misture resultados de versões diferentes na mesma linha de tendência.
Passo 3: especifique a configuração da execução
Antes de rodar qualquer coisa, documente:
- Plataforma e superfície do produto (por exemplo, ChatGPT vs uma visualização integrada à busca)
- Nome do modelo e modo (quando aplicável)
- Mercado e idioma (por exemplo, português do Brasil)
- Data e janela de horário
- Repetições por prompt (para capturar variabilidade)
Um padrão simples é executar cada prompt várias vezes. O ponto central é manter o número de repetições consistente entre rodadas, para comparações mês a mês continuarem justas.
Passo 4: colete as respostas e conte menções
Para cada resposta:
- Registre se cada marca monitorada foi mencionada.
- Conte menções por marca monitorada.
- Opcionalmente, registre posição e enquadramento (como a marca é descrita), mas mantenha o share of voice central baseado em menções para não misturar julgamento qualitativo na métrica principal.
Defina com clareza o que conta como menção. Por exemplo:
- Um item de lista conta como uma menção?
- Menções repetidas dentro da mesma resposta contam múltiplas vezes?
- Como tratar marca “guarda-chuva” versus nome de produto?
Escolha regras simples, documente e não mude no meio da série histórica.
Passo 5: calcule share of voice por plataforma
Calcule share of voice separadamente para cada plataforma usando a mesma fórmula:
Share of voice em IA por plataforma = menções da sua marca naquela plataforma dividido por menções de todas as marcas monitoradas naquela plataforma, para o mesmo conjunto de prompts e janela de execução.
Essa separação importa porque plataformas podem se comportar de forma diferente em recuperação, citações e dinâmica do modelo. Além disso, números por plataforma são mais acionáveis para diagnosticar lacunas.
Passo 6: calcule share of voice combinado (se você precisar)
Depois de ter os resultados por plataforma, você pode computar um número combinado. Faça isso com cuidado:
- Combine apenas execuções com a mesma versão do conjunto de prompts, mesmo mercado e janelas de execução comparáveis.
- Declare exatamente quais plataformas entram no combinado.
- Se aplicar pesos por importância de plataforma, documente os pesos e mantenha-os estáveis.
Evite substituir o relatório por plataforma por um único número agregado. O combinado pode ajudar em dashboards executivos, mas o detalhe por plataforma mostra onde atuar.
Passo 7: calcule a taxa de menção separadamente
Para cada plataforma, calcule a taxa de menção:
Taxa de menção = respostas em que sua marca aparece dividido pelo total de respostas.
Você também pode calcular uma taxa de menção combinada entre plataformas, mas rotule claramente como taxa de menção, não como share of voice.
Exemplo prático (estrutura, não benchmark)
Uma forma clara de apresentar resultados é reportar:
- Tamanho e versão do conjunto de prompts
- Plataforma e modelo ou modo
- Data da execução e repetições
- Menções por marca
- Share of voice por plataforma
- Taxa de menção por plataforma
Evite transformar uma única rodada em benchmark generalizado. Trate o exemplo como um modelo repetível para aplicar na sua categoria.
Observações de monitoramento por plataforma
Plataformas diferentes expõem marcas por mecanismos diferentes. Isso não significa que uma plataforma se comporte do mesmo jeito o tempo todo, então evite afirmações absolutas. Use estes pontos como considerações práticas para o desenho do teste e a interpretação.
ChatGPT
As respostas do ChatGPT frequentemente refletem padrões aprendidos pelo modelo, somados a recursos de recuperação ou navegação que podem estar habilitados no modo escolhido. Recomendações podem ser sensíveis a:
- Se a sessão está com modo de navegação ou recuperação habilitado
- Como o prompt é formulado (um “melhor X” curto vs restrições detalhadas)
- Variação estocástica entre execuções
Para manter o monitoramento consistente no ChatGPT:
- Especifique o modelo e o modo utilizados.
- Mantenha prompts e contagens de repetição consistentes.
- Reteste numa cadência definida para observar mudanças após atualizações do modelo.
Perplexity
O Perplexity costuma trazer respostas com citações, o que ajuda a diagnosticar por que uma marca entrou. Para monitoramento:
- Salve as citações junto com a resposta sempre que possível.
- Mantenha mercado e idioma constantes.
- Salve as páginas citadas para inspecionar se mudanças de fonte coincidem com mudanças de visibilidade.
O produto e o comportamento do Perplexity mudam com o tempo, então documente a experiência exata que você usou.
Gemini
As respostas do Gemini podem variar por superfície e modo. Ao monitorar Gemini:
- Registre onde você acessou o Gemini e qual modo foi usado.
- Mantenha o conjunto de prompts estável.
- Observe quantas marcas ele costuma listar por resposta, já que listas longas aumentam o “pool” total de menções e podem afetar a matemática do share of voice.
Google AI Overviews
Google AI Overviews aparece nos resultados do Google, não como um único fio conversacional, e pode exibir citações e conteúdo resumido. O monitoramento normalmente envolve:
- Um conjunto fixo de keywords ou consultas que mapeie para sua biblioteca de prompts quando possível
- Uma configuração consistente de mercado e idioma
- Captura de menção à marca e, quando existir, o contexto de citação
A documentação do Google pode servir de referência sobre como esses recursos são apresentados e como fontes podem aparecer: https://developers.google.com/search/docs/appearance/ai-features
Um fluxo de benchmarking competitivo que permanece consistente
Fase 1: estabeleça uma linha de base de execução
Rode o conjunto completo de prompts nas plataformas selecionadas usando a configuração documentada. Para cada plataforma, calcule:
- Share of voice baseado em menções para cada marca monitorada
- Taxa de menção para cada marca monitorada
Arquive:
- As respostas brutas
- As regras de extração de menções usadas
- Os metadados da execução (versão do conjunto de prompts, mercado, data, repetições, modelo ou modo)
Fase 2: análise de lacunas por cluster de prompts
Concentre-se em prompts em que:
- Concorrentes são mencionados com frequência e você não aparece (lacuna de taxa de menção)
- Seu share of voice é baixo mesmo quando você aparece (superlotação por co-menções)
Investigue fatores de presença externa de forma concreta e auditável. Por exemplo, você pode comparar presença em sites de reviews e diretórios como G2 e Capterra, observando diferenças de categoria e profundidade das listagens.
Mantenha esse diagnóstico separado da medição de share of voice. A medição deve continuar sendo uma contagem limpa, com as mesmas regras.
Fase 3: monitoramento contínuo e controle de mudanças
Reexecute o mesmo conjunto de prompts em um calendário fixo. Ao apresentar mudanças, inclua:
- O que mudou no share of voice por plataforma
- O que mudou na taxa de menção por plataforma
- Se alguma configuração do teste mudou (modelo, modo, mercado, versão do conjunto de prompts)
Se a versão do modelo ou o modo da plataforma mudar, deixe isso explícito. Quando houver mudanças grandes de configuração, pode fazer sentido tratar como uma nova linha de base, em vez de sugerir um “ganho de performance” puro.
Como apresentar resultados com clareza
Um formato de relatório que reduz confusão:
-
Metadados da execução - Versão e tamanho do conjunto de prompts - Plataformas incluídas - Modelo e modo por plataforma - Mercado e idioma - Data e janela de execução - Repetições
-
Tabelas por plataforma - Menções por marca - Share of voice por marca (baseado em menções) - Taxa de menção por marca
-
Agregados combinados (opcional) - Menções combinadas e share of voice combinado (com um método claramente descrito) - Taxa de menção combinada
-
Notas - Mudanças no conjunto de concorrentes, no conjunto de prompts ou nas regras de contagem - Qualquer comportamento incomum observado durante a execução
Ferramentas para acompanhar share of voice em IA
Fazer monitoramento manual funciona para um primeiro retrato, mas rapidamente consome tempo quando você adiciona:
- Múltiplas plataformas
- Múltiplas repetições
- Reexecuções regulares
- Controle de mudanças e arquivamento
Se você for avaliar automação, observe se a ferramenta consegue:
- Armazenar uma biblioteca de prompts versionada
- Executar prompts em agenda
- Preservar saídas brutas para auditoria
- Separar relatórios por plataforma de agregados combinados
- Guardar metadados de modelo e modo em cada execução
- Exportar resultados para sua própria análise
A friction AI se posiciona como uma forma de automatizar execução de prompts e monitoramento competitivo em múltiplas plataformas de IA, então pode ser uma candidata se você quiser operacionalizar o fluxo, em vez de gerenciar tudo em planilhas.
Detalhes de preços e planos mudam ao longo do tempo. Se você estiver comparando opções, confirme os valores atuais diretamente.
Preços verificados em 26 de julho de 2026. Verifique a página ao vivo em https://www.frictionai.co/pricing
Last verified: July 26, 2026. Check current pricing at https://www.frictionai.co/pricing
Perguntas frequentes
Qual é a fórmula correta para share of voice em IA?
Use uma fórmula baseada em menções de forma consistente:
Share of voice em IA (baseado em menções) = menções da sua marca dividido por menções de todas as marcas monitoradas, para o mesmo conjunto de prompts e janela de execução.
Apresente primeiro por plataforma e só depois calcule um número combinado, se você documentar claramente como a combinação foi feita.
Taxa de menção é a mesma coisa que share of voice?
Não. Taxa de menção é cobertura por resposta:
Taxa de menção = respostas em que sua marca aparece dividido pelo total de respostas.
Share of voice é a sua fração de menções entre as marcas monitoradas, não a sua presença nas respostas.
Devo medir share of voice em IA por plataforma ou de forma combinada?
Faça os dois, mas mantenha separado:
- Share of voice por plataforma é mais acionável porque mostra onde você está sub-representado.
- Share of voice combinado pode ser útil para dashboard, mas apenas se você documentar plataformas incluídas, janela de execução e qualquer ponderação.
Quantos prompts e quantas repetições eu preciso?
Use prompts suficientes para representar a intenção real de descoberta na sua categoria e repetições suficientes para lidar com a variabilidade das respostas. O que mais importa é consistência ao longo do tempo: mesma versão do conjunto de prompts, mesma contagem de repetições e configurações de modelo ou modo documentadas.
Dá para pagar para ser mencionado por sistemas de IA?
Evite assumir uma regra universal entre plataformas ou ao longo do tempo. Trate visibilidade em IA como um problema de medição: rode testes controlados, documente a configuração e observe como as saídas mudam.
