Auditar a visibilidade em IA é medir se, e como, os assistentes recomendam a tua 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.
- Mede-se sobre um conjunto fixo de perguntas, não por pesquisas avulsas
- Vários motores e dois modos: memória de treino e pesquisa ao vivo
- As métricas: citation rate, share of voice, posição, com denominador
- Uma auditoria não termina na medição: diagnostica a causa da ausência
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 tu fazes, a tua 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 teus compradores realmente fazem. Não o nome da tua empresa, mas a necessidade que ela resolve. Cobre 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. Testa nos que o teu comprador usa, e mede vários.
Dentro de cada motor, distingue dois modos. Na resposta de memória, o assistente responde sem internet, com o que aprendeu no treino; mede a força da tua entidade. Na resposta com pesquisa web ao vivo, o motor procura e cita fontes no momento; mede a tua 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
Faz cada pergunta, em cada motor, mais do que uma vez, porque a resposta varia entre execuções. Para cada resposta, regista três coisas: se a marca foi mencionada, se foi recomendada como opção (que é diferente de mencionada de passagem), e em que posição apareceu. Guarda 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 tua, em comparação com as outras marcas.
- Posição média: quando apareces em listas, em que lugar, sabendo que uma posição menor é melhor.
A palavra que importa é fixo e explícito. Dizer aparecemos 30% das vezes só significa algo se disseres 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 estás ausente, a pergunta é porquê, e há três causas típicas que se distinguem pelos dados que já recolheste:
- Entidade fraca: ausente sobretudo no modo de memória. Os modelos não te fixam porque a tua identidade é fina ou contraditória entre plataformas.
- Conteúdo em falta: ausente sobretudo no modo com pesquisa. Não tens 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, tens números; com ele, sabes onde agir primeiro.
Fazer à mão ou com ferramenta
Uma fotografia inicial faz-se à mão, e vale a pena: define as perguntas, corre-as, regista, e já sabes onde estás 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 estás a melhorar. É a diferença entre saber onde estás e saber para onde vais. É também por isso que construímos uma ferramenta que corre esta medição em sete motores 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.
Ver também como medir citation rate e share of voice, o Visibility Tracker e as perguntas frequentes.
A destaque.ai é uma consultoria de Generative Engine Optimization em Lisboa. Se quiseres saber onde a tua marca está hoje, em cada motor, fazemos esse diagnóstico: contacto@destaque.ai ou WhatsApp.