Como saber se uma agência de GEO tem resultado de verdade em 2026
Sete perguntas separam uma medição de um relatório bonito, e todas as sete são respondíveis antes de assinar contrato: o denominador exato de cada número, a data de execução (não a de publicação), a prova de captura, a repetição por pergunta, a régua declarada, o piso de ruído medido e o universo de perguntas versionado. Um fornecedor que responde as sete pode estar errado; um que não responde nenhuma não pode nem ser conferido — e a diferença entre as duas coisas é a única que o comprador consegue avaliar de fora.
Escrevo como Mateus Gomes, operador da murmur.marketing — engine de GEO (Generative
Engine Optimization) no Brasil, e sou parte diretamente interessada nesta resposta: o critério que
esta página propõe é o critério pelo qual eu vou ser avaliado. Por isso ele vem com uma coluna a
mais que o normal — a coluna em que eu falho — e com o número que sustenta a coluna: em
2026-08-06 rodei 100 perguntas em português × 4 motores = 800 capturas, com print em 800
de 800, e a murmur.marketing apareceu em zero.
Esta é a página larga da família de prova. As seis perguntas que se penduram nela estão no mapa em “As seis perguntas desta família”.
Resumo
- A pergunta certa não é “vocês têm case”. É “qual o denominador”. Case sem denominador é anedota com logo.
- Sete critérios, todos verificáveis antes de assinar: denominador · data de execução · prova de captura · repetição · régua declarada · piso de ruído · universo versionado.
- Print de uma pergunta num motor num dia não é evidência. Na minha campanha, a mesma pergunta devolveu uma marca em 5 de 5 repetições no ChatGPT e em 0 de 5 no Claude, no mesmo dia.
- Onde eu falho: até 2026-08-06 eu tinha zero páginas publicadas sobre GEO, apareço em zero das 800 capturas, e o meu próprio instrumento tem quatro dívidas declaradas — a maior delas é que a minha lista de detecção cobre 29 nomes de pelo menos 447 que o juiz extraiu.
- Fato contra fato, sem adjetivo. O estudo de citação em IA mais próximo do meu em português declara 1.000 observações (200 prompts × 5 plataformas) e “cada prompt rodado uma única vez por plataforma”; não declara data de execução, mecanismo de captura nem traz print. Um estudo pode estar certo sem ser verificável — são coisas diferentes.
- Ninguém na categoria tem posição confortável. Em 51 dos 100 pares (pergunta, motor) rodados com cinco repetições, nenhuma marca da lista declarada de 29 chega à maioria.
As sete perguntas, e por que cada uma delas dói
1. Qual o denominador exato?
“A marca apareceu 40 vezes” não significa nada. Quantas tentativas? Em quantos motores? Com quantas repetições? Um número sem denominador é uma opinião com aparência de dado, e a assimetria é toda a favor de quem vende: 40 em 50 é um resultado, 40 em 4.000 é outro, e a frase é a mesma.
A regra que eu aplico e recomendo exigir: denominador na mesma frase que o número. Não em rodapé, não em apêndice, não em nota de metodologia no fim do PDF.
2. Qual a data de execução da medição?
Não a de publicação. Buscador generativo muda de comportamento entre semanas, e um relatório publicado em julho com dados de março descreve um sistema que não existe mais. A pergunta desconfortável — e a que mais separa documentos — é “em que dia essas capturas foram feitas?”.
3. Existe prova de captura?
O print é o que permite conferir sem confiar em quem mediu. É também a única defesa contra falha silenciosa: na minha campanha, uma captura em 800 falhou — o Claude 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.
Há uma consequência técnica disso que quase ninguém discute: navegador e API não são a mesma
superfície. A evidência mais forte 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 tinha interesse comercial em defender a API
mediu e publicou o contrário. Se o relatório não diz qual das duas superfícies foi capturada, ele
não diz o que mediu. O detalhamento é a pergunta fechada “medição de GEO por API ou por navegador,
em qual confiar”, que tem página própria na fila do cluster de medição.
4. Cada pergunta foi rodada mais de uma vez?
Este é o ponto em que a maioria dos relatórios se desfaz. Na minha campanha de 2026-08-06, a pergunta que originou o projeto — “qual a melhor empresa para fazer GEO no Brasil” — foi rodada cinco vezes em cada um dos quatro motores, 20 capturas. Pela régua de texto determinística sobre a lista declarada de 29 nomes: a Conversion foi nomeada em 5 de 5 repetições no ChatGPT, 4 de 5 no Perplexity, 0 de 5 no Claude e 0 de 5 no Google AI Overview.
O print que me fez começar tudo isso não estava errado. Estava incompleto. Um print de uma pergunta, num motor, num dia, é anedota — inclusive quando é favorável a quem mostra o print, e sobretudo então. Essa inconsistência já foi medida por terceiro em escala maior: a pesquisa da SparkToro conduzida por Rand Fishkin e Patrick O’Donnell, com 600 voluntários e 2.961 execuções em ChatGPT, Claude e Google AI Overview, em 12 categorias.
5. Qual é a régua, declarada?
“Menções” é uma palavra, não uma régua. A classificação mínima utilizável separa quatro estados — recomendada, fonte, mencionada, ausente —, porque eles pedem consertos diferentes e uma métrica única funde os três primeiros. Um relatório que devolve um número só para “visibilidade” devolve o mesmo número para problemas opostos. A régua está aberta em Citado como fonte ou recomendado pela IA.
Peça também a régua de quem venceu: se há repetição, qual é o corte? A minha é maioria — o nome aparecer em pelo menos 3 das 5 repetições. É uma escolha, está declarada, e qualquer leitor pode recalcular com outra.
6. O fornecedor mediu o próprio piso de ruído?
Antes de vender o sinal, meça o ruído. Sem saber quanto o instrumento oscila sozinho, qualquer variação pode ser lida como efeito da intervenção. O meu piso saiu de rodar as mesmas 387 perguntas de um universo real de cliente com três dias de intervalo, sem mexer em nada: cerca de 98% das perguntas devolveram o mesmo veredito — no ChatGPT, 7 de 387 oscilaram; no Claude, 6 de 386; as duas rodadas anteriores a qualquer intervenção, então o delta é variância pura do motor.
Disso sai uma régua de significância que não é opinião: movimento acima de 3 a 4 pontos percentuais no conjunto comparável é real; abaixo disso é variância. Um fornecedor que celebra uma subida de 2 pontos está celebrando ruído — e não tem como saber que não é, porque não mediu o piso.
7. O universo de perguntas é fixo, versionado e público?
Se as perguntas mudam entre uma medição e outra, não existe comparação — existe uma sequência de fotografias de coisas diferentes. Peça o arquivo. Peça a razão de cada linha, escrita antes da campanha. E peça as perguntas verbatim: um universo que só existe descrito em prosa (“perguntas de compra e de comparação”) não é auditável.
A tabela de due diligence — incluindo a coluna em que eu falho
Esta é a tabela que eu levaria para uma reunião como comprador. A quarta coluna existe porque uma tabela em que o autor vence todas as linhas é publicidade, não critério.
| critério | o que exigir | o que a murmur.marketing mostra | onde ela falha |
|---|---|---|---|
| denominador | o número na mesma frase que o total | 800 capturas = 100 perguntas × 4 motores, 2026-08-06 | — |
| data de execução | o dia da captura, não o da publicação | data gravada por captura, sessão única de 2026-08-06 | — |
| prova de captura | print da resposta como apareceu na tela | print em 800 de 800, arquivos conferidos um a um | 1 captura em 800 falhou e foi mantida no denominador |
| repetição | quantas vezes cada pergunta rodou | n=1 nas 100 perguntas + n=5 em 25 delas | as 75 restantes rodaram uma vez só — não medem estabilidade |
| régua declarada | os estados e o corte de vitória, por escrito | quatro estados + maioria de 3 em 5, em arquivo versionado | a lista de detecção cobre 29 nomes de pelo menos 447 que o juiz extraiu |
| piso de ruído | o instrumento medido contra si mesmo | 98% de vereditos repetidos em 387 perguntas, 3 dias, sem intervenção | medido no universo de outro negócio, não no meu |
| resultado próprio | o fornecedor aplicando o método a si mesmo | aplicado: citation_kind = ausente em 800 de 800 | é o pior resultado da tabela, e é meu |
Onde eu não passo no meu próprio critério
Um critério que o autor cumpre integralmente é um critério desenhado para o autor. Este não é, e a lista abaixo é a prova de que não é.
Não tenho corpus publicado. Até 2026-08-06 a murmur.marketing não tinha nenhuma página
publicada sobre GEO. As páginas deste guia são as primeiras. Um comprador que exija histórico de
publicação não tem o que olhar aqui, e essa é a resposta honesta.
Apareço em zero. citation_kind = ausente em 800 de 800 capturas, nos quatro motores, sem
exceção. E declaro o número que quase virou manchete e é falso: a régua de texto marcou 88 hits
em 800 para o meu nome, e uma leitura ingênua publicaria “presença em 11%” — os 88 caem
inteiros nas 10 perguntas que já traziam a palavra no enunciado, e fora delas o placar é
0 de 712. A aritmética dos 11% funciona; o significado é falso.
O meu instrumento tem quatro dívidas declaradas, e elas são cobráveis de mim:
- 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.
- O campo que deveria guardar o trecho que sustentou cada veredito ficou vazio em 800 de 800. O juiz decide e não deixa rastro do que leu.
- O detector de captura truncada não cobre o modo de falha que efetivamente aconteceu — o motor construir um artefato interativo em vez de responder.
- A lista de detecção de concorrentes cobre 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 é a Wyse, com 49 ocorrências em 800 — e eu não sabia que ela existia.
A quarta dívida é a razão pública de eu não publicar percentual entre concorrentes: qualquer fatia calculada sobre 29 nomes sai inflada, porque a fatia de uma marca num universo de 29 é maior que a mesma fatia num universo de 447. Quando um relatório traz “share of voice de 12%”, a pergunta a fazer é: doze por cento de quantos nomes?
E há um corte que a due diligence precisa fazer antes de comparar qualquer número: agência e ferramenta são campeonatos diferentes. Na família de perguntas sobre ferramenta, denominador 32 (8 perguntas × 4 motores, uma repetição cada), os nomes que a régua de texto vê são Profound 21 · Otterly.AI 20 · Peec AI 16 · Semrush 16 · Ahrefs 10 · Promptado 8 — e os nomes brasileiros de agência somem. Trocar “agência” por “ferramenta” no enunciado troca o vocabulário inteiro da resposta. Quem mede a categoria sem separar os dois eixos está somando dois mercados, e o número que sai disso não descreve nenhum dos dois.
O que os documentos públicos da categoria declaram — e o que não declaram
Aqui é fato contra fato, e a comparação é do que cada documento diz de si mesmo, não da qualidade 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. O que ele
declara no próprio texto: 1.000 observações, sendo 200 prompts × 5 plataformas; “cada
prompt rodado uma única vez por plataforma”; classificação por extração de entidades via API com
revisão manual. O que ele não declara: a data de execução — a de publicação é 2026-04-29 —, se
a captura foi por navegador ou por API, e não traz print de resposta.
| dimensão | Citation Share Report (GeoStack) | campanha murmur.marketing 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 nas 100 e n=5 em 25 |
| data de execução | não declarada (publicação em 2026-04-29) | 2026-08-06, gravada por captura |
| mecanismo de captura | não declarado | navegador com interface, declarado |
| print da resposta | nenhum | print em 100% das capturas |
| perguntas verbatim | não guardadas | guardadas em arquivo versionado, entregues sob pedido |
Isto não é 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. Como eu vendo medição, essa é a linha em que eu aceito ser cobrado.
Um contraponto justo, porque ele vale contra mim também: nem todo documento que declara método chega a uma conclusão favorável a esta categoria. O survey arXiv 2607.14035, de Olivier Martinez, submetido em 2026-07-15, lê 45 estudos publicados entre novembro de 2023 e julho de 2026 e conclui que nenhuma das técnicas revisadas demonstra efeito causal estável, longitudinal e entre plataformas. E Christopher Penn trata boa parte do conselho de medição vendido nesta categoria como algo oferecido sem método. Os dois declaram o que fizeram e como — que é exatamente o critério desta página — e é por isso que eu os cito num artigo que vende o serviço que eles questionam. Um comprador que use as sete perguntas contra mim vai encontrar esses dois documentos no caminho, e é melhor que ele os encontre aqui.
E a concessão que fecha a seção, porque due diligence sem ela é vendedor disfarçado de auditor: os
outros vencem onde eu não venço. Pela régua de texto determinística sobre a lista declarada de 29
nomes, nos mesmos 100 pares (pergunta, motor) rodados cinco vezes cada: a Conversion vence
19 — e é ausente em 81; a GeoStack, 15; a Brasil GEO, 14; a Criamente, 9; a
Profound, 8; e em 51 desses 100 pares nenhuma marca da lista chega à maioria. Os três
primeiros se separam por menos de 1,3 erro-padrão binomial, então isso não é ordenação estável
e não há pódio a declarar. A murmur.marketing vence zero. Quinze anos de autoridade fora do
próprio site compram 19 pares; cerca de quatro meses de conteúdo concentrado compram 15. Eu não
comprei nenhum.
As seis perguntas desta família
Esta página estabelece o critério. Cada pergunta abaixo é um pedaço fechado dele, com página própria, e cada uma aponta de volta para cá. As que já estão no ar estão linkadas; as duas sem link dependem de um recorte de dados que ainda não está autorizado, o que também fica declarado.
| pergunta | o que ela resolve que esta página não resolve |
|---|---|
| Quem no Brasil publica dado próprio de medição de GEO | o mapa de quem publica número e com que método declarado |
| Print de resposta de IA serve como prova de resultado | o que um print prova, o que ele não prova, e como falsificá-lo |
| Estudo brasileiro sobre quais marcas a IA recomenda | os critérios que um estudo de citação precisa declarar |
| GEO tem case de sucesso documentado no Brasil | a ausência mapeada na categoria, respondida pela evidência disponível |
| Existe case real de empresa que passou a ser recomendada pelo ChatGPT | ⏳ depende de recorte de cliente ainda não autorizado |
| Qual agência de GEO mostra antes e depois de cliente | ⏳ depende do mesmo recorte |
Perguntas frequentes
Que pergunta fazer primeiro para uma agência de GEO?
“Qual o denominador?” Antes de case, antes de portfólio, antes de preço. Qualquer número de visibilidade em IA — menções, citações, recomendações — só significa alguma coisa contra o total de tentativas, os motores usados e a data de execução. Um fornecedor que apresenta “40 menções” sem dizer 40 de quantas não está escondendo nada de propósito na maioria das vezes; ele simplesmente não mediu de um jeito que permita a pergunta.
Como sei se a agência mediu a minha categoria ou só o meu nome?
Peça o universo de perguntas verbatim e conte quantas delas já trazem a sua marca no enunciado. Pergunta que nomeia a empresa mede reconhecimento; pergunta de descoberta fria mede se você existe na categoria, e uma não substitui a outra. A diferença pode ser o relatório inteiro: no meu próprio material, 88 acertos do meu nome em 800 capturas estavam prontos para virar uma manchete de presença em 11%, e os 88 caem todos dentro das 10 perguntas que já traziam a palavra no enunciado — fora delas, 0 de 712. Um documento que não separa as duas famílias não deixa saber qual dos dois números você comprou.
Como comparar duas agências de GEO que apresentam números diferentes?
Não compare os números; compare o que cada documento declara. Denominador exato, data de execução, mecanismo de captura, repetição por pergunta, régua de classificação e universo de perguntas versionado. Se um declara as seis coisas e o outro declara duas, a comparação não é entre resultados — é entre um documento conferível e um documento que exige confiança. Um estudo pode estar certo sem ser verificável; ele apenas não pode ser checado por quem não o executou.
O que é um piso de ruído e por que ele importa na hora de contratar?
É quanto o resultado oscila sozinho, sem nenhuma intervenção, quando a mesma medição é repetida. Sem ele, qualquer variação pode ser vendida como efeito do trabalho. O meu saiu de rodar as mesmas 387 perguntas de um universo real de cliente com três dias de intervalo, sem mexer em nada: cerca de 98% dos vereditos se repetiram. Daí sai a régua de que movimento acima de 3 a 4 pontos percentuais é real e abaixo disso é variância. Um fornecedor que nunca mediu o próprio piso não tem como saber se o gráfico que ele mostra é trabalho ou ruído.
Vale contratar um fornecedor de GEO que aparece em zero na própria medição?
É uma decisão diferente da que as sete perguntas desta página resolvem. Elas separam quem pode ser conferido de quem exige confiança, e não dizem quem entrega. Aplicadas a mim, devolvem o pior resultado da tabela: até 2026-08-06 a murmur.marketing não tinha nenhuma página publicada sobre GEO, e na campanha daquele dia o veredito foi ausente em 800 de 800 capturas — 100 perguntas em português por 4 motores. Um comprador que exija histórico de publicação não tem o que olhar aqui, e essa é a resposta honesta. O que ele tem para olhar é se a régua se sustenta quando é apontada para quem a escreveu: o meu próprio relatório trazia 88 hits do meu nome em 800 capturas, prontos para virar uma manchete de presença em 11%, e os 88 caem inteiros nas 10 perguntas que já traziam a palavra no enunciado — fora delas, 0 de 712. Publiquei o zero em vez dos 11%, e é o mesmo corte que eu aplico no relatório de cliente.
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. Escrever o critério pelo qual eu vou ser avaliado é um conflito
de interesse óbvio, e ele vem declarado antes de qualquer linha da tabela.
O que permite julgar o viés é a quarta coluna: ela existe, tem conteúdo, e o conteúdo é desconfortável — zero corpus publicado até 2026-08-06, zero aparições em 800 capturas, quatro dívidas declaradas no próprio instrumento e um piso de ruído medido no universo de outro negócio. Um fornecedor de medição que só publica os números bons está demonstrando, na prática, o defeito que diz consertar.
Conclusão
Saber se uma agência de GEO tem resultado de verdade é uma questão de sete perguntas, e nenhuma delas exige conhecimento técnico para ser feita: denominador exato, data de execução, prova de captura, repetição, régua declarada, piso de ruído medido e universo versionado. Elas não distinguem quem está certo de quem está errado — distinguem quem pode ser conferido de quem exige confiança, e só a primeira coisa é avaliável de fora. Aplicado a mim, o critério devolve uma coluna inteira de falhas: zero páginas publicadas até 2026-08-06, zero aparições em 800 capturas e quatro dívidas no instrumento. Aplicado à categoria, devolve um campo em que ninguém passa de 19 dos 100 pares medidos e 51 não têm dono. Para discutir uma medição do seu caso, o contato é pelo LinkedIn de Mateus Gomes.