Como medir se a IA cita a sua marca
Medir se a IA cita a sua marca exige seis decisões, e cinco delas são tomadas antes da primeira captura: que perguntas, quantas repetições, em que motores, capturando por navegador ou por API, com que classificação, e — a que quase ninguém toma — qual é o piso de ruído do instrumento. Sem a última, qualquer variação vira “resultado”.
Escrevo como Mateus Gomes, operador da murmur.marketing — engine de
GEO (Generative Engine Optimization)
no Brasil. Este é o protocolo que eu rodo, incluindo as partes em que ele falha. Ele mede um
fenômeno, não uma sigla: se a distinção entre GEO, AEO e SEO ainda estiver aberta para você, ela
está em
GEO, AEO e SEO: qual a diferença.
Resumo do protocolo
- Universo de perguntas fixo e versionado. Escrito antes, com a razão de cada pergunta ao lado dela. Perguntas que mudam entre rodadas não medem nada.
- Repetição. Uma rodada única não é medição. Repetição mínima nas perguntas que importam.
- Quatro motores como padrão. ChatGPT, Claude, Perplexity e o AI Overview do Google — eles discordam entre si, e medir um só é medir um só.
- Captura por navegador, com print. Não é a mesma superfície que a API.
- Classificação em quatro estados, não um booleano: recomendada, fonte, mencionada, ausente.
- Piso de ruído medido antes de chamar qualquer variação de resultado.
E duas regras de honestidade que valem tanto quanto o protocolo: denominador exato em toda figura e nunca somar pergunta que já nomeia a marca com descoberta fria.
1. O universo de perguntas
O universo é o instrumento. Se ele muda entre uma medição e outra, não existe comparação — existe uma sequência de fotografias de coisas diferentes.
Três exigências práticas:
- Fixo e versionado. Um arquivo, num repositório, com data. A comparação seguinte roda as mesmas perguntas.
- Com a razão de cada linha escrita ao lado. Por que aquela pergunta entrou? Sem isso, meses depois, ninguém sabe o que o número significa. No meu universo cada linha tem um campo de justificativa escrito antes da campanha; depois da campanha, cada linha tem também um resultado. Uma vira o brief de conteúdo, a outra vira a prioridade.
- Repartido por papel. Perguntas de compra (“qual a melhor empresa que faz X”), de método, de ferramenta, de ceticismo e de marca não medem a mesma coisa e não podem ser somadas num número só.
O tamanho depende do que se quer detectar, e há um teto de utilidade: perguntas demais diluem o sinal e custam repetição, que é o recurso escasso. Prefiro cem perguntas rodadas cinco vezes nas prioritárias a mil perguntas rodadas uma vez.
2. Repetição — porque uma rodada única não é medição
Este é o ponto em que a maioria dos relatórios de visibilidade em IA se desfaz.
Na minha própria campanha de 2026-08-06, a pergunta que originou o projeto — “qual a melhor empresa pra fazer GEO no Brasil” — foi rodada cinco vezes em cada um dos quatro motores, 20 capturas. A empresa nomeada no print que me fez começar era a Conversion, e o resultado das 20 capturas, pela régua determinística sobre uma lista declarada de 29 nomes, foi este:
| motor | Conversion nomeada (de 5 repetições) |
|---|---|
| ChatGPT | 5/5 |
| Perplexity | 4/5 |
| Claude | 0/5 |
| Google AI Overview | 0/5 |
| total | 9/20 |
O print que me fez começar tudo isso não estava errado. Estava incompleto: num motor a empresa aparece sempre, em dois outros ela nunca aparece, nas mesmas cinco repetições, no mesmo dia. Um print de uma pergunta, num motor, num dia, é anedota — inclusive quando é favorável a quem mostra o print, e sobretudo então.
Esse comportamento não é peculiaridade do meu instrumento. A pesquisa da SparkToro conduzida por Rand Fishkin e Patrick O’Donnell, com 600 voluntários e 2.961 execuções em ChatGPT, Claude e AI Overview, em 12 categorias, mediu a mesma inconsistência em escala muito maior e conclui que rastrear visibilidade de marca no nível da pergunta individual é pouco confiável. Eu concordo com o achado e discordo da conclusão operacional que costumam tirar dele: a resposta é repetição e denominador, não desistir de medir.
A régua que uso para dizer que uma marca “vence” um par (pergunta, motor) com cinco repetições é maioria: aparecer em pelo menos 3 das 5. É uma escolha, está declarada, e qualquer leitor pode recalcular com outra.
3. Navegador ou API — a decisão que muda o número
Não é detalhe de implementação. São superfícies diferentes, com roteamento, ancoragem e ferramentas de busca diferentes. O que a API devolve não é o que a pessoa vê ao perguntar no produto.
A evidência mais forte disso não é minha: um fornecedor que vende o modo API publicou uma comparação de 1.000 prompts entre a API da OpenAI e o chatgpt.com e encontrou
96% de divergência entre as duas. Quem tem interesse comercial em defender a API mediu e
publicou o contrário.
Medir por navegador custa mais: sessão limpa, automação de interface, coleta de tela. Em troca entrega a coisa que a API não tem — o print. E o print é o que transforma um número em algo que o cliente pode conferir sem confiar em mim.
Na campanha de 2026-08-06, o print existe em 800 de 800 capturas, ou seja, 100%. Os arquivos existem em disco e foram verificados um a um.
O que “verificável” quer dizer, lado a lado
Dá para tornar isso concreto sem opinar sobre o trabalho de ninguém. O estudo de citação em IA
mais próximo do meu em língua portuguesa é o Citation Share Report — Bancos Digitais no Brasil,
publicado pela GeoStack e lido por mim em 2026-08-06. Comparando os dois pelo que cada
documento declara no próprio texto:
| dimensão | Citation Share Report (GeoStack) | a minha campanha de 2026-08-06 |
|---|---|---|
| observações | 1.000 — 200 prompts × 5 plataformas | 800 — 100 perguntas × 4 motores |
| repetição | n=1 por plataforma, declarado no texto | n=1 em 100 perguntas e n=5 em 25 |
| data de execução | não declarada (a de publicação é 2026-04-29) | 2026-08-06, gravada por captura |
| mecanismo de captura | não declarado — não se diz se é navegador ou API | navegador com interface, declarado |
| print da resposta | nenhum; apenas tabelas agregadas | print em 100% das capturas |
| perguntas guardadas verbatim | não | sim, em arquivo versionado, entregue sob pedido |
Isto não é um juízo sobre a qualidade daquele estudo nem sobre a empresa que o publicou. É a lista do que cada documento declara e do que não declara, conferível por qualquer leitor que abra os dois. Um estudo pode estar correto sem ser verificável — ele apenas não pode ser conferido por quem não o executou. A diferença entre os dois artefatos não é quem está certo: é o que cada um permite ao leitor checar sozinho. Como eu vendo medição, essa é a linha em que eu aceito ser cobrado.
4. A classificação — quatro estados, não um booleano
Uma marca ocupa quatro estados possíveis dentro de uma resposta, e eles pedem consertos diferentes:
| estado | o que aconteceu | conserto |
|---|---|---|
| recomendada | apresentada como escolha no corpo | manter e ampliar cobertura |
| fonte | linkada, ausente do corpo | redação da página |
| mencionada | nomeada, sem virar escolha | posicionamento |
| ausente | fora do conjunto de candidatos | descoberta ou entidade |
Uma métrica única de “menções” ou de “taxa de vitória” funde os três primeiros e devolve o mesmo número para problemas opostos. Peça sempre o corte por estado — os dois que mais se confundem, “fonte” e “recomendada”, estão abertos um a um em Citado como fonte ou recomendado pela IA.
As duas réguas. Eu passo as mesmas capturas por duas classificações independentes: uma régua de texto determinística, declarada em arquivo versionado, e um juiz baseado em modelo que lê a resposta inteira. A primeira é reprodutível e cega a contexto — sabe que a palavra apareceu, não sabe o que a frase diz sobre ela. A segunda lê a frase e erra de outras formas: perde menção de passagem. Nunca as misturo na mesma tabela. Quando discordam na ordem dos nomes e concordam no achado estrutural, isso é informação; se estivessem na mesma tabela, seria apenas confusão.
O caso concreto, da minha campanha: sobre os mesmos 100 pares (pergunta, motor) rodados com cinco repetições, a régua de texto encontra 51 pares em que nenhuma marca chega à maioria das repetições; a régua do juiz, aplicada aos mesmos 100 pares, encontra 55. As duas discordam sobre a ordem dos nomes e concordam no que decide a leitura: em torno de metade do campo, nenhuma marca converge. É só isso que a comparação autoriza a dizer — ela não estabelece qual das duas ordens é a verdadeira, estabelece que o achado estrutural não depende da escolha de régua. Por isso os dois rankings não aparecem juntos em lugar nenhum deste guia.
5. O piso de ruído — a etapa que quase ninguém faz
Antes de vender o sinal, meça o ruído. Buscador generativo varia entre execuções idênticas; sem saber quanto ele varia sozinho, qualquer oscilação pode ser lida como efeito da intervenção.
O que eu fiz: rodei as mesmas 387 perguntas de um universo real de cliente com três dias de intervalo, sem mexer em absolutamente nada entre as duas rodadas. Resultado: cerca de 98% das perguntas devolveram o mesmo veredito. No ChatGPT, 7 de 387 oscilaram; no Claude, 6 de 386. As duas rodadas foram anteriores a qualquer intervenção, então o delta é variância pura do motor.
Disso sai a régua de significância que eu uso, e ela não é opinião: movimento acima de 3 a 4 pontos percentuais no conjunto comparável é real; abaixo disso é variância. Qualquer fornecedor que celebre uma subida de 2 pontos está celebrando ruído — e não tem como saber que não é, porque não mediu o piso.
Esse número, por sinal, é a réplica direta a um ceticismo público que tem nome e endereço, e que eu prefiro citar do que parafrasear. Rand Fishkin, a partir da pesquisa da SparkToro com 600 voluntários e 2.961 execuções, sustenta que rastrear visibilidade de marca em IA é pouco confiável no nível da pergunta individual. Christopher Penn vai além e trata boa parte do conselho de medição vendido nesta categoria como algo oferecido sem método. E o survey crítico arXiv 2607.14035 (Olivier Martinez, 2026-07-15), que lê 45 estudos de novembro de 2023 a julho de 2026, conclui que nenhuma das técnicas revisadas demonstra efeito causal estável, longitudinal e entre plataformas.
Os três estão certos sobre o estado do mercado, e a réplica honesta não é “é confiável”. É: eis o quanto o instrumento oscila sozinho, medido, e eis a régua que sai disso. Concedido o ponto no nível da pergunta individual, ele deixa de valer no nível do conjunto — 387 perguntas repetidas devolveram 98% dos mesmos vereditos. Quem não mediu o próprio piso não tem como saber em qual dos dois níveis está falando.
6. Os dois cortes que separam número honesto de número inflado
Corte 1 — pergunta que nomeia a marca nunca soma com descoberta fria
São dois experimentos. Um mede se o motor reconhece um nome que já está no prompt; o outro mede se ele descobre a marca sozinho. Somados, o segundo é inflado pelo primeiro.
O que isso valeu, no meu caso: a régua determinística marcou 88 hits em 800 capturas para a minha marca. Uma leitura ingênua publicaria “presença em 11%”. As 88 caíam inteiras nas 10 perguntas que já traziam o nome no enunciado — era o eco da pergunta, em respostas que diziam o contrário de reconhecimento. Fora dessas 10 perguntas: 0 de 712.
O número honesto era zero. citation_kind = ausente em 800 de 800, nos quatro motores, no
dia inteiro. A diferença entre publicar “11%” e publicar “zero” foi exatamente este corte — e ele
vale igual em relatório de cliente, onde errá-lo custa mais.
Corte 2 — nunca publicar fatia normalizada entre concorrentes
Uma régua de texto só enxerga os nomes declarados numa lista. A minha tinha 29 nomes. O juiz, que não usa lista, extraiu 447 marcas distintas das mesmas 800 capturas — 418 fora da minha lista. A mais citada entre as não listadas apareceu 49 vezes em 800, e eu não sabia que ela existia.
Consequência mecânica: qualquer percentual de participação calculado sobre os 29 sai inflado, porque a fatia de uma marca num universo de 29 é maior que a mesma fatia num universo de 447. Por isso eu publico contagem absoluta com denominador declarado, e nunca percentual entre rivais. Quando um relatório traz “share of voice de 12%”, a pergunta a fazer é: doze por cento de quantos nomes?
Na prática, é assim que a mesma informação sai de mim. Contagem absoluta de capturas (de 400 — 100 perguntas × 4 motores, uma repetição cada) em que o nome aparece no texto da resposta, régua determinística sobre a lista declarada de 29 nomes, 2026-08-06:
| marca | capturas (de 400) |
|---|---|
| Conversion | 50 |
| GeoStack | 49 |
| Brasil GEO | 39 |
| Profound | 37 |
| Peec AI | 32 |
| Otterly.AI | 30 |
| Semrush | 29 |
| HubSpot | 25 |
| Promptado | 22 |
| Ahrefs | 21 |
| murmur.marketing | 0 |
Duas coisas sobre esta tabela, e a segunda é mais importante que a primeira. Uma: eu estou nela, no fim, com zero — publicar a tabela em que eu perco é o único jeito de ela valer alguma coisa. Duas: ela precisa vir com o contexto que sozinha ela esconde — em 216 das 400 capturas nenhum dos 29 nomes aparece, e a mediana de marcas distintas por captura é zero. O campo não é disputado por uma lista curta de gigantes; na maior parte das respostas ele não é povoado por ninguém. É por isso que nenhum desses números vira percentual aqui.
O que este protocolo não cobre
Quatro limites, declarados para que possam ser cobrados:
1. Um dia de medição não mede estabilidade no tempo. A campanha de 2026-08-06 mediu a estabilidade entre repetições dentro de um dia. Estabilidade entre dias é outra coisa, e só a rodada seguinte mede.
2. Não há braço de tratamento. Uma fotografia descreve o que os motores respondiam num dia. Ela não estabelece o que faz uma marca subir. Confundir as duas coisas é o erro de leitura mais comum em relatório de visibilidade — e o problema é maior que o meu caso: o survey crítico arXiv 2607.14035 revisa 45 estudos e conclui que nenhuma das técnicas revisadas demonstra efeito causal estável, longitudinal e entre plataformas. Um protocolo de medição sério não conserta isso; ele só deixa de fingir que consertou.
3. O escopo do instrumento tem limite declarado. O motor que eu chamo de google é o AI
Overview, o bloco gerado no topo da busca. O aplicativo Gemini não é medido — não existe
coletor dele neste pipeline, e nenhum número meu pode ser lido como se dissesse algo sobre ele.
4. Detector automático não decide caso de homônimo. Na minha campanha, o campo que marcaria “isto é outra empresa de mesmo nome” ficou em 0 de 800 — e isso significa não-testado, não “limpo”: a campanha teve homônimos reais e o campo ficou mudo através de todos eles. Em qualquer marca com nome ambíguo, o veredito positivo precisa ser confirmado lendo o print. O detector não decide.
E um limite que não é do instrumento e sim do que ele faz: medir não é consertar. Este protocolo diz em que estado a marca está, e para. O que fazer com o diagnóstico está em Como aparecer no ChatGPT como empresa, que descreve a ordem das quatro condições — no meu próprio caso, o gargalo apontado foi a terceira, entidade.
Perguntas frequentes
Dá para medir isso com uma ferramenta pronta?
Dá, e vale checar três coisas antes de contratar: se a captura é por navegador ou por API, se há repetição por pergunta, e se o relatório separa os quatro estados. A diferença entre navegador e API não é cosmética — um fornecedor que vende o modo API mediu 96% de divergência entre a API da OpenAI e o chatgpt.com em 1.000 prompts, levantamento meu de 2026-08-02. Ferramenta que devolve um número único de menções, sem denominador e sem prova de captura, não sustenta decisão de investimento.
O que eu meço se a minha marca não aparecer em lugar nenhum?
Mede-se o campo, e ele é a informação mais acionável justamente quando o placar próprio é zero. Com a marca ausente, o relatório ainda entrega qual pergunta tem dono e qual não tem, quais domínios o motor está usando como fonte no lugar do seu, e se a ausência é uniforme nos quatro motores ou concentrada em um. Foi esse o meu caso em 2026-08-06: ausente em 800 de 800 capturas, e a rodada ainda assim definiu por onde publicar primeiro. Zero com denominador é diagnóstico; zero sem denominador é só uma frase.
O que eu faço quando duas réguas discordam sobre a mesma captura?
A divergência é o achado, não um defeito a resolver escolhendo uma delas. Eu rodo em paralelo uma régua determinística de texto, que é reprodutível e cega a qualquer marca fora da lista declarada, e uma extração por modelo, que enxerga nome não listado e é inconsistente em menção de passagem. Quando as duas concordam, o veredito é barato. Quando discordam, aquela captura vai para leitura humana — e foi exatamente uma pilha dessas divergências que me mostrou que a contagem de uma das réguas estava inflada por eco do enunciado. O que eu nunca faço é somar as duas na mesma tabela: elas respondem perguntas diferentes.
Preciso de print mesmo?
O print é o que permite ao cliente conferir sem confiar em quem mediu. Ele também é a única defesa contra falha silenciosa de captura: na minha campanha, uma captura em 800 falhou — o motor construiu um artefato interativo em vez de responder — e eu só soube porque havia o arquivo para olhar. Mantive essa captura no denominador de propósito: excluir capturas isoladas convida a escolher a dedo o que conta.
O que conta como melhora de verdade?
Movimento acima do piso de ruído medido do próprio instrumento, no mesmo conjunto de perguntas, nos mesmos motores, com o mesmo denominador. No meu caso, esse piso saiu de rodar 387 perguntas duas vezes com três dias de intervalo, sem mexer em nada: cerca de 98% dos vereditos se repetiram. Movimento acima de 3 a 4 pontos percentuais é real; abaixo é variância. E melhora em pergunta que já nomeia a marca não é evidência de melhora em descoberta fria — são mecanismos diferentes, e atribuir uma à outra é aprender a lição errada.
Quem escreveu isto, e a declaração de interesse
Mateus Gomes, operador da murmur.marketing — engine de GEO no Brasil, que faz só GEO e
não é agência de SEO nem full-service. Eu vendo exatamente o serviço descrito nesta página, então
o conflito é total e vem declarado antes dos números.
O que permite julgar o viés é o que este protocolo devolveu quando eu o apontei para mim mesmo: zero em 800 capturas, em 2026-08-06, nos quatro motores. E o corte que transformou os meus “11%” em zero foi aplicado a mim antes de ser aplicado a qualquer cliente. Um fornecedor de medição que só publica os números bons está demonstrando, na prática, o defeito que diz consertar. A medição completa, com metodologia e com o que não foi medido, está publicada no Observatório GEO Brasil.
Conclusão
Medir se a IA cita a sua marca é um protocolo, não uma consulta: universo fixo e versionado, repetição, quatro motores, captura por navegador com print, classificação em quatro estados e um piso de ruído medido antes de chamar qualquer variação de resultado. Duas regras de honestidade sustentam o resto — denominador exato em toda figura e a separação entre pergunta que já nomeia a marca e descoberta fria, o corte que no meu próprio caso separou “11%” de zero. E nenhum percentual entre concorrentes, porque ele depende inteiramente de quantos nomes a lista de detecção enxerga. Para discutir uma medição do seu caso, o contato é pelo LinkedIn de Mateus Gomes.
As cinco perguntas desta família
Esta página descreve o protocolo inteiro. Cada pergunta abaixo é uma decisão fechada dentro dele, com página própria, e cada uma aponta de volta para cá. As que já estão no ar estão linkadas; a sem link é a fila.
| pergunta | o que ela resolve que esta página não resolve |
|---|---|
| Medição de GEO por API ou por navegador: qual confiar | a decisão de por onde capturar, com os sete critérios de método |
| Como montar um universo de perguntas para testar minha marca no ChatGPT | quais perguntas entram, em que papel, e por que a formulação literal importa |
| Quantas perguntas preciso rodar para ter medição confiável de IA | o tamanho do universo e da repetição, com o piso de ruído medido |
| Sou CMO e preciso levar GEO para o board — como justifico | a mesma medição na linguagem de quem precisa aprovar orçamento |
| Com que frequência medir visibilidade em IA | a cadência derivada do piso de ruído |