Um diretor comercial pergunta ao ChatGPT quais fornecedores são referência no seu setor. Recebe cinco nomes, uma breve justificativa para cada um e uma sugestão de próximos passos. Em menos de um minuto, a lista de candidatos está formada — e nenhum vendedor participou dessa conversa. Se a sua empresa não está entre os nomes citados, ela perdeu a oportunidade antes de saber que ela existia. Esse é o problema que a maioria das empresas ainda não mede. Os painéis de marketing mostram posições no Google, cliques, custo por lead e conversão do site, mas não respondem à pergunta que passou a importar: quando o cliente pergunta a um assistente de IA, a minha marca é recomendada? Este artigo apresenta um método prático para medir visibilidade em IA, transformar essa medição em indicadores executivos e conectar o resultado ao que interessa ao conselho: receita, margem e custo de aquisição.
Por que visibilidade em IA virou um indicador de negócio
Durante duas décadas, a jornada de pesquisa de um comprador B2B seguiu um padrão conhecido: buscar no Google, abrir alguns resultados, comparar sites, pedir indicações a colegas e só então falar com fornecedores. Cada etapa deixava rastros mensuráveis, e o marketing aprendeu a otimizar cada uma delas.
Os assistentes de IA comprimem várias dessas etapas em uma única interação. Em vez de abrir dez abas, o comprador faz uma pergunta e recebe uma síntese: quem são os principais players, quais são as diferenças, o que considerar na escolha. A comparação, que antes acontecia no site de cada fornecedor, agora acontece dentro da resposta do assistente.
Isso muda três coisas para quem vende. A primeira é que a lista curta se forma mais cedo e com menos visibilidade para o fornecedor: não há visita ao site, não há formulário, não há cookie. A segunda é que a narrativa sobre a sua empresa passa a ser escrita por um terceiro — o modelo — a partir do que ele encontrou ou aprendeu sobre você. A terceira é que o efeito é cumulativo: marcas citadas com frequência tendem a ser mais pesquisadas, mencionadas e discutidas, o que reforça a sua presença nas fontes que alimentam esses sistemas.
Para o C-level, a consequência prática é simples: existe um canal de influência sobre a decisão de compra que não aparece em nenhum relatório atual. Tudo o que não é medido tende a ser subinvestido ou investido às cegas. Medir visibilidade em IA não é um exercício de curiosidade tecnológica; é a condição para decidir com dados se vale a pena investir nesse canal e quanto.
Há também um argumento defensivo. Mesmo empresas que ainda não recebem demanda relevante de assistentes precisam saber o que esses sistemas dizem sobre elas. Uma descrição desatualizada, uma confusão com outra empresa de nome parecido ou a ausência total em perguntas centrais do seu mercado são riscos de reputação e de receita que só aparecem quando alguém decide olhar.
Como medir: o método das perguntas de compra
A medição de visibilidade em IA não depende de ferramentas sofisticadas para começar. Depende de método e disciplina. O processo tem cinco etapas.
1. Monte o conjunto fixo de perguntas
Liste entre 20 e 50 perguntas que um cliente real faria antes de comprar o que você vende. Elas devem cobrir quatro famílias: perguntas de categoria ("quais são as melhores empresas de consultoria em IA no Brasil?"), perguntas de contexto ("qual fornecedor é indicado para uma empresa de médio porte do setor financeiro?"), perguntas de localização, quando relevante ("consultorias de marketing premium em São Paulo"), e perguntas de comparação ("como a empresa X se compara à empresa Y?"). Escreva as perguntas como o cliente escreveria, não como o seu time de marketing gostaria que ele escrevesse.
Uma boa fonte para essas perguntas é o próprio time comercial: quais dúvidas aparecem nas primeiras reuniões? Que comparações os clientes fazem? Que termos eles usam? Outra fonte são as consultas que já trazem tráfego orgânico ao site, disponíveis no Google Search Console.
2. Defina os motores e o protocolo
Escolha os assistentes relevantes para o seu público — normalmente ChatGPT, Gemini, Claude e Perplexity, além das respostas geradas por IA no próprio Google. Para cada um, defina um protocolo estável: sessões sem histórico de conversa, sem personalização ativa, no mesmo idioma e, quando possível, com a mesma configuração de busca na web. As respostas variam entre execuções, então cada pergunta deve ser feita mais de uma vez por motor em cada ciclo.
3. Registre e classifique cada resposta
Para cada resposta, registre: se a sua marca foi citada, em que posição na lista de recomendações, quais concorrentes apareceram, como a sua marca foi descrita e quais fontes foram citadas, quando o assistente mostra fontes. Esse registro pode começar em uma planilha e evoluir para uma rotina automatizada que consulta as APIs dos modelos e organiza os resultados.
4. Calcule os indicadores
Com os registros, calcule os indicadores apresentados na próxima seção. O importante é que a fórmula seja sempre a mesma, para que a comparação entre meses seja válida.
5. Repita mensalmente e conecte ao CRM
A medição isolada é uma fotografia; a série histórica é o que gera decisão. Repita o processo todo mês com o mesmo conjunto de perguntas, adicionando novas perguntas em um grupo separado para não contaminar a comparação. Em paralelo, configure o rastreamento do tráfego que chega de assistentes e inclua no atendimento a pergunta "como você chegou até nós?", com a opção "assistente de IA" explícita.
Impacto no negócio: números que importam
Cinco métricas formam o painel executivo de visibilidade em IA. Todas são calculáveis com o método acima e nenhuma depende de estimativas de mercado externas.
- Índice de citação: respostas em que a marca foi citada ÷ total de respostas analisadas × 100. É o indicador principal: de cada cem vezes que um cliente faz uma pergunta relevante, em quantas a sua empresa aparece.
- Posição média de recomendação: soma das posições em que a marca aparece ÷ número de respostas com citação. Ser citado em quinto lugar tem valor diferente de ser a primeira recomendação.
- Share of voice em IA: citações da sua marca ÷ total de citações de todas as marcas no conjunto de respostas × 100. Mostra o seu espaço relativo frente aos concorrentes, independentemente do tamanho do conjunto de perguntas.
- Tráfego de referência de assistentes: sessões no site originadas de domínios de assistentes de IA, identificadas no analytics pela origem do tráfego. É a parte mensurável e direta da influência.
- Leads e receita atribuídos: leads cuja origem registrada é um assistente de IA (por rastreamento ou declaração do cliente) e a receita fechada a partir deles. É a métrica que conecta o canal ao resultado financeiro.
O cálculo de ROI segue a lógica de qualquer canal: (receita incremental atribuída × margem bruta − investimento no canal) ÷ investimento no canal. A diferença é que, em visibilidade em IA, parte da receita influenciada não é rastreável por clique. Por isso, recomendamos apresentar o ROI em duas camadas: a camada direta, baseada em tráfego e leads rastreados, e a camada de influência, baseada na evolução do índice de citação e do share of voice, analisada junto com a evolução do volume total de oportunidades.
Comparativo antes e depois (modelo ilustrativo)
A tabela abaixo é um modelo de relatório, não um resultado real. Ela mostra como os indicadores devem ser apresentados à diretoria para comparar o ponto de partida com a situação após um ciclo de trabalho.
| Indicador | Ponto de partida (mês 0) | Após o ciclo (mês 6) | Como ler |
|---|---|---|---|
| Índice de citação | [valor medido] | [valor medido] | Presença nas respostas de compra |
| Posição média | [valor medido] | [valor medido] | Quanto menor, melhor |
| Share of voice em IA | [valor medido] | [valor medido] | Espaço frente aos concorrentes |
| Sessões vindas de assistentes | [valor medido] | [valor medido] | Influência direta e rastreável |
| Leads atribuídos a IA | [valor medido] | [valor medido] | Conexão com o pipeline comercial |
Aplicações práticas: como empresas usam essa medição
A medição de visibilidade em IA tem três usos práticos que justificam o esforço, mesmo antes de qualquer investimento em otimização.
Priorização de conteúdo. Ao identificar as perguntas em que a marca não aparece — e quais concorrentes aparecem no lugar —, o time de marketing ganha uma pauta objetiva. Em vez de produzir conteúdo genérico, produz respostas para as perguntas exatas em que a empresa está ausente. Em um caso que acompanhamos, de uma empresa B2B de serviços especializados, a análise revelou que a marca era citada em perguntas sobre a sua categoria geral, mas desaparecia em perguntas sobre aplicações setoriais específicas, justamente as de maior ticket. A pauta editorial dos meses seguintes foi construída a partir dessas lacunas.
Gestão de narrativa. O registro de como cada assistente descreve a empresa revela inconsistências: serviços descontinuados ainda associados à marca, posicionamento antigo, confusão com empresas de nome parecido. Corrigir essas informações nas fontes que os modelos consultam — site, perfis institucionais, diretórios do setor, imprensa — é uma ação de reputação de baixo custo e alto impacto.
Inteligência competitiva. O share of voice em IA mostra quem domina as respostas da sua categoria e com quais argumentos. Essa leitura frequentemente revela concorrentes menores que investiram cedo em conteúdo e presença editorial e já ocupam um espaço desproporcional ao seu tamanho de mercado.
Para empresas que já investem em SEO, a medição de visibilidade em IA é uma extensão natural do trabalho. Na Trilion, tratamos as duas frentes de forma integrada dentro do serviço de SEO Premium, porque as bases técnicas e editoriais são em grande parte as mesmas.
Erros comuns ao medir visibilidade em IA
Mudar as perguntas a cada mês. Sem um conjunto fixo, não há série histórica e qualquer variação pode ser efeito da mudança de perguntas, não do trabalho executado.
Fazer cada pergunta uma única vez. As respostas dos modelos têm variabilidade natural. Uma única execução pode dar uma leitura excessivamente otimista ou pessimista.
Testar com a própria conta logada. Históricos e preferências pessoais influenciam as respostas. A medição precisa ser feita em sessões limpas.
Olhar só para a citação, ignorando a descrição. Ser citado com uma descrição errada ou pouco favorável pode ser pior do que não ser citado. A qualidade da menção importa tanto quanto a frequência.
Prometer atribuição perfeita. Parte da influência da IA acontece sem clique. Quem promete ao conselho uma atribuição completa cria uma expectativa impossível de cumprir. Melhor apresentar as duas camadas, direta e de influência, com transparência sobre o que cada uma mede.
Como a Trilion pode ajudar
A Trilion estrutura programas de visibilidade em IA para empresas que querem tratar o tema com o mesmo rigor de qualquer outro canal de aquisição. O trabalho começa pela medição: definimos com o time comercial o conjunto de perguntas de compra, executamos o protocolo nos principais assistentes e entregamos um painel com índice de citação, posição, share of voice e as lacunas frente aos concorrentes. A partir daí, executamos a otimização — conteúdo editorial orientado às perguntas sem presença, dados estruturados, consistência de informações institucionais e presença nas fontes que os assistentes consultam — e repetimos a medição todo mês para mostrar a evolução. Para empresas que ainda estão definindo a sua estratégia de IA de forma mais ampla, a nossa consultoria em IA integra esse trabalho a uma visão de negócio completa.
FAQ — Perguntas frequentes
Com que frequência devo medir a visibilidade da minha marca em IA?
Mensalmente é o ritmo mais útil para a maioria das empresas. As respostas dos assistentes variam de uma semana para outra, então medições muito frequentes geram ruído; medições trimestrais demoram a revelar tendências. Um ciclo mensal, com o mesmo conjunto de perguntas e o mesmo método, permite comparar períodos e atribuir mudanças às ações executadas.
Quantas perguntas são necessárias para uma medição confiável?
Entre 20 e 50 perguntas de intenção de compra costumam ser suficientes para uma leitura executiva, desde que cubram as principais formas como o cliente pesquisa: por categoria, por localização, por ocasião de compra e por comparação com concorrentes. O mais importante é manter o conjunto estável ao longo do tempo e repetir cada pergunta mais de uma vez em cada motor.
É possível atribuir vendas diretamente à visibilidade em IA?
Em parte. O tráfego que chega de assistentes com referência identificável pode ser rastreado até o lead e a venda no CRM. Mas boa parte da influência da IA acontece antes do clique, quando o cliente forma a lista de opções. Por isso, o ROI combina atribuição direta, perguntas de origem no atendimento e a evolução do índice de citação ao longo dos meses.
Visibilidade em IA deixou de ser um tema experimental para se tornar uma camada da decisão de compra que acontece fora do alcance dos relatórios tradicionais. A boa notícia é que ela pode ser medida com método simples e disciplina: um conjunto fixo de perguntas, um protocolo estável, indicadores claros e uma conexão honesta com o CRM. Com essa base, a decisão de investir no canal deixa de ser aposta e passa a ser gestão. O primeiro passo é saber onde a sua empresa está hoje.
Converse com a Trilion sobre a visibilidade da sua marca em IA →
