Como montar um universo de perguntas pra testar minha marca no ChatGPT em 2026

Um universo de perguntas é um arquivo, não uma lista de ideias: cada linha carrega a pergunta verbatim, o papel dela, a razão de ela existir — escrita antes da campanha — e, depois, o resultado. Sem papel declarado por linha, os números de famílias diferentes acabam somados, e a soma infla exatamente a métrica que interessa. É o erro mais caro e mais comum da medição de marca em IA, e ele não é de captura: é de desenho do instrumento.

Escrevo como Mateus Gomes, operador da murmur.marketing — engine de GEO (Generative Engine Optimization) no Brasil, que faz só GEO e não é agência de SEO nem full-service. A declaração de interesse vem antes dos números: eu vendo medição, então tenho interesse direto em que este método pareça bom. O que permite julgar o viés é que o universo descrito aqui foi apontado para a minha própria marca em 2026-08-06 — 100 perguntas × 4 motores, 800 capturas — e devolveu citation_kind = ausente em 800 de 800. Zero.

Esta é uma das páginas que se penduram em Como medir se a IA cita a sua marca, onde o protocolo inteiro está descrito. Aqui só se resolve a primeira decisão dele: quais perguntas entram.

Resumo

O universo é o instrumento. Se ele muda entre duas rodadas, não existe comparação — existem duas fotografias de coisas diferentes.
Oito colunas por linha, e a mais importante é a rationale: por que esta pergunta entrou, escrita antes de rodar.
Quatro papéis, e eles existem para proibir somas: no meu universo, atacar 34 perguntas, rastrear 26, baseline 30 e defender 10.
A armadilha: pergunta que já traz a marca no enunciado mede reconhecimento, não descoberta. Na minha campanha, os 88 hits em 800 capturas caíam inteiros nas 10 perguntas que já diziam o nome; fora delas, 0 de 712.
O denominador vive por família, nunca no agregado: atacar 0/136, rastrear 0/104, baseline 0/120, e a família que já diz o nome, 40/40 de puro eco.
Guardar as perguntas verbatim, versionadas e disponíveis sob pedido, é o que transforma um relatório em algo repetível por terceiros.

1. O que um universo de perguntas é — e o que ele não é

Um universo não é uma lista de palavras-chave. Palavra-chave é fragmento; o que se digita num buscador generativo é frase inteira, muitas vezes em primeira pessoa e com contexto — “minha clínica não aparece no Google, o que eu faço” é uma pergunta, não um termo.

Três exigências práticas, e as três são baratas:

Fixo e versionado. Um arquivo, num repositório, com data. A comparação seguinte roda as mesmas linhas. Um universo que “melhora” a cada rodada destrói a série.
Com a razão de cada linha escrita ao lado, antes. Meses depois ninguém lembra por que aquela pergunta entrou, e sem isso o número não significa nada.
Repartido por papel. É o assunto da seção 3, e é o que faz o instrumento medir mais de uma coisa sem confundi-las.

2. As oito colunas de cada linha

O universo que eu rodei em 2026-08-06 tem exatamente oito campos por linha, e nenhum deles é enfeite:

query_id — identificador estável. É por ele que uma captura, um veredito e um print se reencontram meses depois.
query_run — a pergunta verbatim, exatamente como vai ser digitada. Sem normalização, sem correção de acento, sem melhorar a gramática do comprador.
tipo — a família temática. No meu universo são dez: ranking_agencia, ranking_ferramenta, comparativo_conc, metodo, taxonomia, prova, category_head, ceticismo, persona e branded.
chance — prioridade de disputa, de p1 a p3. É ela que decide onde a repetição cara vai ser gasta.
role — o papel na medição: atacar, rastrear, baseline, defender. É a coluna que proíbe somas, e a seção 3 é inteira sobre ela.
gap_hypothesis — a hipótese do que falta, se a marca não aparecer: conteúdo, entidade, marca, sentimento. Escrita antes, ela vira falsificável.
segmento — o recorte de público ou de vertical a que a pergunta pertence.
rationale — a frase que explica por que a linha existe. Depois da campanha, cada linha tem também um resultado, e o par vira duas coisas: o brief de conteúdo e a ordem de prioridade.

A rationale é a coluna que quase ninguém escreve e é a que sustenta o resto. Um exemplo real, da primeira linha do meu universo: a pergunta “qual a melhor empresa pra fazer GEO no Brasil” entrou com a justificativa de que era a pergunta exata do print que originou o negócio e de que serviria de referência — se um dia ela virar, o projeto funcionou. Isso é um critério de sucesso declarado antes do resultado, e é o oposto de escolher a métrica depois de ver o número.

A rationale tem um segundo uso, e ele é o que liga a medição à produção: cada linha em que a marca não aparece é o brief de uma página. O que colocar nessa página é assunto de outro território, mas o único trabalho experimental de referência sobre o que muda uma resposta gerada é o de Aggarwal et al., KDD 2024, que mediu ganhos de visibilidade de +41% com estatísticas e +30% com citações diretas num benchmark de 10.000 consultas — o que aponta para páginas com número e fonte, não com adjetivo.

3. Os quatro papéis — a coluna que existe para proibir somas

Papéis diferentes medem mecanismos diferentes e não podem ser somados num número só. Esta é a repartição do universo que eu rodei, com o denominador de cada família na primeira onda da campanha (uma repetição por pergunta, quatro motores), em 2026-08-06:

papel	perguntas	capturas	o que ele mede	o que ele não autoriza concluir
`defender` (a marca está no enunciado)	10	40	se o motor reconhece um nome que já lhe foi dado	nada sobre descoberta. Aqui deu 40 de 40 — e é eco puro, não visibilidade
`atacar` (método, taxonomia, prova)	34	136	se a marca aparece onde ela deveria ser a resposta	nada sobre demanda de mercado. Deu 0 de 136
`rastrear` (quem são os concorrentes)	26	104	o mapa competitivo na boca dos motores	nada sobre a própria marca. Deu 0 de 104
`baseline` (demanda larga)	30	120	se a categoria já tem fornecedor associado	nada sobre intenção de compra. Deu 0 de 120

As quatro linhas somam 400 capturas, que é o total da primeira onda. A soma dos denominadores é conferível, e é assim que se sabe que nenhuma pergunta foi contada duas vezes nem esquecida.

E repare no que a repartição entrega de graça: o zero não é uniforme por acaso — ele aparece em cada família com denominador próprio. Um agregado único teria escondido isso, e teria escondido a única família com hit, que é justamente a que não mede visibilidade nenhuma.

4. A armadilha central: pergunta que já traz a marca no enunciado

Esta é a linha que separa um número honesto de um número inflado, e ela custou caro para eu enxergar no meu próprio relatório.

A régua determinística marcou 88 hits de “murmur” em 800 capturas. Uma leitura ingênua publicaria “presença em 11%”. As 88 caíam inteiras nas 10 perguntas que já traziam o nome no enunciado — eram o motor ecoando a pergunta antes de dizer que não tinha achado a marca. Fora dessas 10 perguntas: 0 de 712. O número honesto era zero.

Há um segundo achado nessa mesma família, e ele só existe porque o papel estava declarado: entre as 40 capturas das perguntas que trazem o nome, 33 citam algum domínio com “murmur” no nome — e só 5 são o meu. Nas outras 360 capturas de descoberta fria, nenhum domínio “murmur” aparece, nem o meu nem os homônimos. São dois problemas diferentes: ambiguidade de nome e inexistência de categoria. Se as duas famílias estivessem no mesmo número, os dois problemas teriam virado um só — e o conserto de um não conserta o outro.

Regra operacional: pergunta que nomeia a marca entra no universo, porque ela mede uma coisa real, mas entra com papel próprio e denominador próprio, e nunca soma com descoberta fria.

5. De onde as perguntas vêm

Quatro fontes, em ordem de valor:

A frase literal do comprador. No mercado brasileiro, o que se digita é “aparecer no ChatGPT”, não a sigla da categoria. Universo escrito no vocabulário do fornecedor mede o fornecedor.
A pergunta que originou o problema. Quase todo projeto começa com um print de alguém perguntando algo específico. Essa pergunta entra verbatim e vira o critério de sucesso.
As perguntas de terceiro nível que o comprador faz antes de comprar — método, prova, ceticismo, comparação. São as que ninguém coloca no universo e são onde a marca costuma sumir.
O mapa competitivo, que é o papel rastrear: perguntas cujo sujeito são os outros, e cuja resposta é o campo, não a marca.

6. O que cada família devolve, na prática

Vale ver o formato da resposta que cada papel produz, porque ele muda a leitura.

A família de contratação — 12 perguntas × 4 motores = 48 capturas, régua determinística sobre uma lista declarada de 29 nomes, em 2026-08-06 — devolveu contagem absoluta assim: Brasil GEO 19 · Conversion 18 · GeoStack 18 · Criamente 14 · SW Agência 10 · Upsend 9 · Bloomin 9 · Quality SMI 7. Duas ressalvas viajam com esses números e não se separam deles: os quatro motores discordam sobre qual é o primeiro nome — no ChatGPT, Brasil GEO em 8 de 12; no Claude, Brasil GEO em 7 e Criamente em 7; na Perplexity, GeoStack em 8; no AI Overview do Google, Conversion em 9 — e em 8 das 48 capturas nenhum dos 29 nomes aparece. É contagem absoluta, e nunca vira percentual, porque a lista de detecção enxerga 29 nomes de pelo menos 447 que o juiz extraiu das mesmas capturas.

Essa discordância entre motores não é peculiaridade do meu universo. A pesquisa da SparkToro, de 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 instabilidade em escala muito maior — e é justamente por isso que o universo precisa carregar o papel e o denominador de cada linha: sem eles, a instabilidade vira ruído sem endereço.

A família de demanda larga devolve outra coisa: na pergunta ampla — o que é GEO, vale a pena — o motor responde conceito, não fornecedor. O nome da lista mais citado ali aparece 13 vezes em 120 capturas. E no conjunto da primeira onda, em 216 das 400 capturas nenhum dos 29 nomes aparece, com mediana de zero marcas distintas por captura. Uma família mede o campo; a outra mede se o campo existe. Somá-las apagaria as duas leituras.

7. O exemplo que prova que a repartição é o achado

O melhor argumento a favor de repartir por papel não é o meu zero — é um caso em que a marca tem resultado e mesmo assim perde numa família inteira.

Na Fly Vet, empresa minha, a campanha de junho de 2026 rodou 100 perguntas por motor, uma repetição cada, com a régua citation_kind: o ChatGPT recomenda em 30 de 100, o Claude em 41 de 100, e o Google nunca recomenda — usa como fonte em 81 de 100. Números respeitáveis.

Aí se olha uma família só. No recorte em que o veterinário descreve a dor dele em primeira pessoa — 40 perguntas × 2 repetições = 80 registros por motor — a Fly Vet aparece 2 vezes em 80 no ChatGPT e zero em 80 no Claude. Ganho o comparativo e perco a dor. É o buraco mais caro do meu próprio funil, ele estava dentro de um agregado saudável, e só a repartição por família o mostrou.

O contraste também vale como aviso contra promessa de prazo: na Fly Med, empresa irmã, a primeira citação de uma página do diretório apareceu no ChatGPT em T+5 dias após a publicação, com print no repositório — e, no mesmo probe e no mesmo dia, a Fly Vet marcou zero. Mesma metodologia, mesma data, resultados opostos.

8. Quantas perguntas, e como versionar

O tamanho é assunto de outra página desta família — Quantas perguntas preciso rodar pra ter medição confiável de IA — porque ele depende de repetição e de orçamento de captura, não de gosto. O que pertence a esta página é a disciplina do arquivo:

Uma versão por data. O universo de 2026-08-06 é universe-v1, com cem linhas; a rodada seguinte roda as mesmas cem antes de acrescentar qualquer coisa.
Acréscimo é acréscimo, não edição. Trocar o texto de uma pergunta existente quebra a série inteira daquele query_id; a forma certa é criar linha nova e aposentar a antiga com data.
Guardar verbatim, e entregar sob pedido. As cem perguntas estão versionadas em arquivo, exatamente como foram digitadas, e eu as entrego a quem pedir. É o que permite a um terceiro repetir o experimento — e é a diferença entre um relatório que pode ser conferido e um que precisa ser acreditado.

Aqui cabe uma concessão a quem publica na categoria: o estudo de citação em IA mais próximo do meu em português, o Citation Share Report — Bancos Digitais no Brasil, da GeoStack, lido por mim em 2026-08-06, declara o desenho no próprio texto — 1.000 observações, 200 prompts × 5 plataformas, cada prompt rodado uma única vez por plataforma — e isso é mais do que muitos relatórios de visibilidade declaram. O que ele não traz é a data de execução (só a de publicação, 2026-04-29), o mecanismo de captura e as perguntas verbatim. Não é juízo sobre a qualidade do estudo: é a lista do que cada documento declara — e um estudo pode estar correto sem ser verificável.

9. O que um universo de perguntas não mede

Três limites, declarados para que possam ser cobrados:

Um universo mede a resposta, não a demanda. Ele não diz quantas pessoas fazem aquela pergunta. Volume de busca e comportamento de IA são instrumentos diferentes, e trocá-los é o erro que faz um relatório prometer tráfego a partir de citação.

Um universo não estabelece causa. Ele descreve o estado num dia. O que faz uma marca subir é outra pergunta, e a literatura ainda não a fechou: o survey crítico arXiv 2607.14035 (Olivier Martinez, 2026-07-15) lê 45 estudos e conclui que nenhuma das técnicas revisadas demonstra efeito causal estável, longitudinal e entre plataformas.

A lista de detecção limita o que o universo enxerga. A minha cobria 29 nomes; o juiz extraiu pelo menos 447 marcas distintas das mesmas 800 capturas, e a mais citada fora da lista apareceu 49 vezes em 800 — eu não sabia que ela existia. Universo bom com lista de detecção pobre devolve um mapa incompleto e confiante.

Perguntas frequentes

Quantas perguntas um universo precisa ter?

Depende do que se quer detectar, e a variável que mais compra confiabilidade é a repetição, não a quantidade de perguntas. O desenho que eu rodei em 2026-08-06 foi 100 perguntas com uma repetição em quatro motores, mais 25 perguntas prioritárias com cinco repetições nos mesmos quatro motores — 800 capturas ao todo. Cem perguntas rodadas cinco vezes nas prioritárias detecta mais do que mil perguntas rodadas uma vez.

Devo incluir perguntas que já citam o nome da minha marca?

Sim, mas com papel e denominador próprios, e nunca somadas com as demais. Elas medem reconhecimento, não descoberta. Na minha campanha, os 88 hits da régua determinística em 800 capturas caíram inteiros nas 10 perguntas que já traziam o nome no enunciado; fora dessas dez perguntas o resultado foi 0 de 712, e o número honesto do relatório era zero.

O que escrever na coluna de justificativa de cada pergunta?

A razão pela qual aquela linha existe, escrita antes de rodar a campanha: que decisão o resultado dela vai informar, e o que significaria se a marca aparecesse ou não aparecesse ali. Escrita antes, ela torna a pergunta falsificável e vira o brief de conteúdo depois. Escrita depois, ela vira racionalização do número que apareceu.

Posso usar as mesmas perguntas para todos os motores?

Sim, e é obrigatório se a intenção é comparar motores. O mesmo enunciado nos quatro motores é o que revela a discordância entre eles: na minha campanha, na família de perguntas de contratação, cada um dos quatro devolveu um primeiro nome diferente sobre as mesmas 12 perguntas, e em 8 das 48 capturas nenhum nome da lista declarada apareceu.

A repartição entre os quatro papéis precisa ser equilibrada?

Não — ela segue a decisão que cada família vai informar, não uma simetria. No universo que eu rodei em 2026-08-06 as cem linhas ficaram em 34 perguntas de atacar, 26 de rastrear, 30 de baseline e 10 de defender, e a família que já traz a marca no enunciado é a menor de propósito, porque ela mede reconhecimento e não descoberta. O que não é negociável é cada papel carregar o próprio denominador: na primeira onda foram 0 de 136 em atacar, 0 de 104 em rastrear, 0 de 120 em baseline e 40 de 40 na família que já dizia o meu nome — quatro parcelas que somam as 400 capturas. Se uma família ficou pequena demais para sustentar leitura sozinha, é nessa conta que isso aparece, não no total.

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 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 método 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. A medição completa, com metodologia e com o que não foi medido, está publicada no Observatório GEO Brasil.

Conclusão

Montar um universo de perguntas é uma tarefa de arquivo, não de brainstorm: oito colunas por linha, a pergunta verbatim, o papel declarado, a razão escrita antes e o resultado escrito depois. O papel é a coluna que carrega o peso — sem ele, a família que já diz o nome da marca contamina a família que mede descoberta, e o relatório publica um número que o próprio autor não consegue defender. No meu caso a diferença entre as duas leituras foi “11%” e zero. Guardar as perguntas verbatim fecha o ciclo: é o que permite a um terceiro repetir o experimento sem pedir nada a quem mediu. Para discutir um universo do seu caso, o contato é pelo LinkedIn de Mateus Gomes.

Como montar um universo de perguntas pra testar minha marca no ChatGPT em 2026 — as oito colunas e os quatro papéis — murmur.marketing · GEO no Brasil