Como auditar a visibilidade da sua marca em IA

Um método honesto para medir se os assistentes de IA recomendam a sua marca: perguntas, motores, métricas e os erros que invalidam uma auditoria.

Auditar a visibilidade em IA é medir se, e como, os assistentes recomendam a sua marca quando um comprador pergunta. Faz-se em cinco passos: definir as perguntas, escolher os motores e os modos, correr e registar, calcular as métricas e diagnosticar a causa. Uma fotografia inicial faz-se à mão hoje; a medição contínua precisa de ferramenta.

O que é auditar a visibilidade em IA

Uma auditoria de visibilidade em IA responde a uma pergunta simples: quando um comprador pergunta a um assistente por uma empresa que faz o que a sua faz, ela aparece? E se aparece, em que posição, em que motores, com que descrição? Não é uma impressão, é uma medida. E como qualquer medida, só vale se for feita com método.

O erro mais comum é confundir auditoria com curiosidade: escrever o nome da empresa no ChatGPT uma vez e tirar conclusões. Isso não mede nada. Os assistentes dão respostas diferentes entre si e até entre duas perguntas iguais. Uma auditoria a sério tem cinco passos.

Passo 1: definir as perguntas

Tudo assenta num conjunto fixo de perguntas, as que os seus compradores realmente fazem. Não o nome da sua empresa, mas a necessidade que ela resolve. Cubra as várias fases: genéricas de categoria (quem faz isto em Portugal), comparativas (qual escolher entre X e Y), e de decisão (qual recomendam para contratar). São estas últimas, as de fundo de funil, que mais convertem e onde importa aparecer.

Vinte a trinta perguntas bem escolhidas chegam para uma primeira leitura. O que importa é fixá-las: são as mesmas em todas as medições seguintes, senão não há comparação possível.

Passo 2: escolher os motores e os modos

Não basta um motor. O modo de IA do Google, o ChatGPT, o Perplexity, o Claude, o Gemini e outros treinam com dados diferentes e pesquisam de formas diferentes; ser forte num e invisível noutro é o padrão. Teste nos que o seu comprador usa, e meça vários.

Dentro de cada motor, distinga dois modos. Na resposta de memória, o assistente responde sem internet, com o que aprendeu no treino; mede a força da sua entidade. Na resposta com pesquisa web ao vivo, o motor procura e cita fontes no momento; mede a sua presença na web. A mesma marca pode estar bem num modo e ausente no outro, e o diagnóstico depende de separar os dois.

Passo 3: correr e registar

Faça cada pergunta, em cada motor, mais do que uma vez, porque a resposta varia entre execuções. Para cada resposta, registe três coisas: se a marca foi mencionada, se foi recomendada como opção (que é diferente de mencionada de passagem), e em que posição apareceu. Guarde também as outras marcas citadas e as fontes que o motor usou, porque são o mapa de onde a recomendação nasce.

Uma nota que evita falsos positivos: se a marca só aparece num contexto de negação, do tipo "não encontrei informação sobre essa empresa", isso é o oposto de uma citação. Conta como ausência, não como presença.

Passo 4: calcular as métricas

Com os registos, calculam-se três métricas, sempre com denominador explícito:

• Citation rate: em que percentagem das respostas a marca aparece. É a métrica primária.
• Share of voice: que fatia das menções da categoria é sua, em comparação com as outras marcas.
• Posição média: quando aparece em listas, em que lugar, sabendo que uma posição menor é melhor.

As palavras que importam são fixo e explícito. Dizer "aparecemos 30% das vezes" só significa algo se disser em quantas perguntas e em quantos motores. Sem denominador, o número não é auditável.

Passo 5: diagnosticar a causa

Uma auditoria não termina na medição, termina no diagnóstico. Se está ausente, a pergunta é porquê, e há três causas típicas que se distinguem pelos dados que já recolheu:

• Entidade fraca: ausente sobretudo no modo de memória. Os modelos não o fixam porque a sua identidade é fina ou contraditória entre plataformas.
• Conteúdo em falta: ausente sobretudo no modo com pesquisa. Não tem páginas que respondam às perguntas nem presença nas fontes que o motor lê.
• Barreira técnica: o site não é legível pelos crawlers de IA, o conteúdo só existe depois de executar JavaScript, ou os crawlers estão bloqueados no robots.txt.

O diagnóstico é o que transforma a auditoria em plano. Sem ele, tem números; com ele, sabe onde agir primeiro.

Fazer à mão ou com ferramenta

Uma fotografia inicial faz-se à mão, e vale a pena: defina as perguntas, corra-as, registe, e já sabe onde está hoje. É trabalho, mas não exige nada além de tempo e método.

O que a mão não sustenta é a continuidade. A visibilidade em IA muda: semana a semana entram concorrentes, os modelos atualizam, as fontes mudam. Medir uma vez é um retrato; medir sempre é uma série temporal, e só a série mostra se está a melhorar. É a diferença entre saber onde está e saber para onde vai. É também por isso que construímos uma ferramenta que corre esta medição em todos os motores e superfícies, todas as semanas.

Os erros que invalidam uma auditoria

• Um só motor. As respostas variam demasiado entre eles.
• Uma só execução. A mesma pergunta dá respostas diferentes.
• Confundir menção com recomendação. Aparecer de passagem não é ser recomendado.
• Não fixar as perguntas. Sem o mesmo conjunto, não há comparação.
• Números sem denominador. Uma percentagem sem base não é auditável.
• Parar na medição. Sem diagnóstico da causa, a auditoria não gera ação.

Perguntas frequentes

A ler a seguir

• Como medir citation rate e share of voice, as métricas em detalhe.
• Seis comandos para saber se a IA consegue ler o seu site, para a terceira das três causas.
• Knowledge vs augmented, os dois modos explicados.

Publicado primeiro em destaque.ai/blog/como-auditar-visibilidade-marca-ia