Três nomes na resposta da IA. O seu é um deles?

O dono de um café no Porto pergunta ao ChatGPT: “que Wi-Fi para clientes devo instalar para criar uma base de dados de clientes sem violar o RGPD”. Recebe três nomes, uma linha sobre cada um e um par de ligações. Toca numa. E pronto — a escolha está feita, e os dez separadores de resultados de pesquisa nunca chegaram a existir.

Se for um dos três, tem um cliente. Se não for, não “desceu nos rankings” — simplesmente não esteve na sala. E o seu analytics não lhe vai dizer nada, a não ser que as “visitas diretas” subiram um pouco este mês.

Como entrar na resposta é outra história — escrevi sobre isso com o exemplo de um site que chegou ao ChatGPT em 17 dias. Este texto é sobre como medir se lá chegou ou não. No último mês ouvi várias vezes “ficámos mais visíveis na IA” — e nem uma vez com um número que se pudesse verificar.

Três nomes, ou nada

A pesquisa tem dez ligações e uma posição entre elas. A resposta de um modelo tem dois ou três nomes, ou nenhum. Não há uma “segunda página” de onde subir. Por isso, o que se mede não é a posição — é a presença da marca na própria resposta: se é nomeada, por que ordem, com ou sem ligação, e quem é nomeado ao lado dela.

Na maioria dos mercados europeus há várias superfícies a acompanhar: o ChatGPT, o Perplexity, os AI Overviews da Google e o mais recente AI Mode, o Gemini e o Microsoft Copilot. Respondem de maneira diferente, e é preciso contá-las em separado.

Quem está na resposta no seu lugar é o resultado mais útil de toda a medição. Essa é a lista real de quem compete consigo. Raramente coincide com a que está na apresentação para investidores.

Perguntas, não palavras-chave

Ninguém escreve “wi-fi para clientes preço” a um assistente. As pessoas fazem uma pergunta com uma situação, e a situação muda a resposta: “onde posso encomendar 40 cadeiras de escritório com entrega em Lisboa até sexta-feira”, “que CRM serve para uma clínica dentária com três cadeiras”, “o que oferecer aos clientes nas festas com um orçamento de 30 € por pessoa”. A medição começa com uma lista destes cenários: quem pergunta, o que quer, por que palavras. Vinte a trinta chegam para quase qualquer negócio.

Duas regras. Inclua os cenários em que espera perder — são esses que ensinam alguma coisa. E não altere a lista de uma medição para a outra, ou estará a medir as suas próprias alterações em vez da tendência.

Pergunte três vezes

Este é o passo que toda a gente salta, e é o que decide se os números significam sequer alguma coisa.

Os modelos não são determinísticos. Faça a mesma pergunta três vezes e terá três respostas diferentes — a sua marca aparece numas e desaparece noutras. Uma única execução é um lançamento de moeda disfarçado de relatório.

A solução é aborrecida: cada pergunta é feita várias vezes, e ao lado de cada percentagem mostra-se a dispersão. Não “58%”, mas “58% ± 9”. Quando no mês seguinte der 63, está dentro do ruído. Quando der 78, aconteceu alguma coisa. O crescimento só conta se for maior do que a dispersão. Quem alguma vez mostrou um diapositivo com “+8%” que se evaporou na execução seguinte sabe porque é que isto importa.

O que contar

Sete números respondem a quase todas as perguntas que o marketing vai fazer:

Conte cada superfície em separado. Os modelos com pesquisa em tempo real incluem quase sempre ligações; os que não a têm quase nunca o fazem; os AI Overviews da Google incluem ligações, mas não aparecem em todas as pesquisas. Uma média de todos esconde precisamente a diferença sobre a qual é preciso agir.

De uma medição de base do nosso próprio serviço de Wi-Fi para clientes: 72 perguntas em seis cenários, quatro modelos, três repetições. Taxa de menção de 53%, índice de dominância de 45 contra 31 do concorrente mais próximo — nada mau à primeira vista. Mas, no cenário sobre o RGPD e o tratamento de dados, a marca foi nomeada em 8% das respostas e nem uma única vez com ligação. É isso que entra no plano de trabalho — e não “visibilidade global de 53%”.

Guarde as respostas, não apenas as percentagens

A decisão mais útil de todo o método é guardar cada resposta na íntegra, com todas as ligações. Qualquer número pode ser reaberto até ao texto que o produziu, para ler exatamente onde o modelo errou: um preço antigo, um produto descontinuado, uma afirmação de terceiros citada como facto.

E em segundo lugar: acrescente um concorrente de que se esqueceu, ou uma grafia da marca que o modelo usa, e todo o histórico é recalculado a partir das respostas guardadas. Sem novas execuções, sem gráfico partido.

Porque é que o número é o que é

A baixa visibilidade tem quase sempre uma causa técnica, e não se vê a partir de um navegador: o site é-lhe servido a si como pessoa, não como crawler. Já descrevi cinco verificações gratuitas anteriormente. Aqui ficam mais duas.

A primeira: o Bing Webmaster Tools tem um relatório “AI Performance” — mostra com que frequência o Copilot e a IA do Bing citam as suas páginas, e as pesquisas que estão por trás. É gratuito, e a maioria dos donos de sites não sabe que existe. Importa para lá do Bing: a pesquisa do ChatGPT e o Copilot apoiam-se ambos no índice do Bing, pelo que uma página que não esteja indexada lá não vai aparecer nessas respostas. Verifique primeiro a sua cobertura no Bing.

A segunda leva um minuto no terminal. Peça uma página de produto como navegador e como crawler, e compare a quantidade de texto:

curl -sA "Mozilla/5.0 Chrome/128.0" https://example.com/product | wc -w
curl -sA "GPTBot/1.2" https://example.com/product | wc -w

Se o segundo número for uma fração do primeiro, encontrou o problema antes de encontrar o concorrente. De uma medição real: um grande retalhista serve a um crawler de IA 22% do texto que uma pessoa vê, as moradas das lojas estão escondidas dentro de um widget de mapa e não há uma linha de marcação a dizer a que empresa pertence o site. Visto de fora, parece um site como outro qualquer.

E quem apareceu de facto

Tudo o que está acima é sobre o que os modelos dizem. Não responde à pergunta de saber se alguém veio ao site depois — e é exatamente isso que vai perguntar quem paga.

As visitas vindas do ChatGPT, do Perplexity e dos restantes chegam com um referenciador — chatgpt.com, perplexity.ai, e assim por diante. A maioria das ferramentas de analytics não tem um relatório dedicado ao tráfego de IA: é preciso um segmento por domínio de origem, ou fica tudo no “tráfego de referência”, ao lado de um fórum qualquer. E alguns assistentes — incluindo partes das superfícies de IA da Google — não passam referenciador nenhum, ou misturam a visita com a pesquisa normal. Por isso, o canal “assistentes de IA” é um mínimo, não um máximo — e é melhor dizê-lo antes de os números chegarem à direção.

Os dois eixos lado a lado dão uma imagem com que se pode trabalhar. Menções a subir, tráfego estável — o modelo nomeia-o, mas não põe ligação; trabalhe a percentagem com ligação. Menções estáveis, tráfego a subir — o modelo está a enviar pessoas para uma página que não esperava; vá vê-la.

O que faço em relação a isto

Todo este método está integrado no módulo AI Visibility do EuroMetrics — o nosso analytics para a Europa. Os cenários são enviados aos modelos de forma agendada e várias vezes cada um, cada resposta é guardada com as suas fontes, as sete métricas são calculadas por superfície e por concorrente, com a dispersão ao lado de cada número, e as visitas vindas de assistentes de IA aparecem como um canal separado no mesmo analytics.

Os AI Overviews e o AI Mode da Google são a parte difícil: nenhum fornecedor de dados os disponibiliza de forma limpa, por isso captamo-los a partir de um dispositivo real — o texto da resposta juntamente com as ligações, por região. O método está comprovado; está agora a ser integrado no produto. É demasiado cedo para prometer a um cliente que está pronto, e não o vou fazer.

Se quiser ver como a sua marca aparece nas respostas da IA neste momento, entre em contacto. A primeira medição são números concretos para os seus cenários e os seus concorrentes, sem qualquer acesso ao seu site.