Share of model voice: como auditar presença em mecanismos de resposta

Ser citado não é ser adotado

Existe uma confusão que atravessa quase toda a conversa sobre visibilidade em IA: tratar a aparição de uma URL na lista de fontes como prova de influência. A aparição é fácil de capturar, cabe em uma captura de tela e alimenta relatório. O problema é que uma fonte pode ser listada e não ter participado da formação de nenhuma frase da resposta — o modelo consultou, registrou, e seguiu por outro caminho.

A distinção que organiza todo o resto é entre citação e absorção. Citação é presença nominal: a marca ou o endereço aparecem. Absorção é influência: o argumento, o número, o critério ou a terminologia que a empresa produziu aparecem na resposta, com ou sem crédito explícito. Uma empresa pode ter absorção alta e citação baixa, o que é uma posição muito melhor do que o inverso, e é justamente o caso que a auditoria superficial não enxerga.

Isso importa porque a métrica mais fácil de coletar é a que menos informa. Uma lista de fontes ao pé da resposta é o equivalente, nesse ambiente, à impressão: barata, abundante e fracamente correlacionada com resultado. O que interessa é se a resposta diz o que a empresa diria, e se diz com as palavras dela.

Publicamos pesquisa editorial: não é consultoria e não garante resultado comercial. O que segue é um método de auditoria, escrito para quem precisa produzir um número defensável sobre presença em mecanismos de resposta sem transformar isso em teatro de capturas de tela.

As cinco camadas mensuráveis

A primeira decisão de uma auditoria de citações é escolher o que medir. Nossa leitura é que existem cinco camadas, com custo de coleta crescente e valor de diagnóstico também crescente.

A primeira é a taxa de citação: de todas as respostas analisadas, em quantas o endereço da empresa aparece como fonte declarada. É a camada mais barata e a mais citada em relatórios, porque é binária e rápida de anotar. Serve como termômetro de presença, não como prova de influência.

A segunda é a taxa de menção: em quantas respostas o nome da marca aparece no corpo do texto, independentemente de haver link. Ela captura um fenômeno que a primeira ignora — o modelo citar a empresa nominalmente sem apontar nenhuma fonte, o que é comum quando a informação veio do conhecimento de treinamento e não de uma busca recente.

A terceira é a taxa de recomendação: em quantas respostas o mecanismo sugere ativamente a empresa, seja nomeando-a entre opções, seja colocando-a como caminho a considerar. É a camada com maior proximidade de intenção comercial e, por isso mesmo, a mais sensível e a mais difícil de influenciar diretamente.

A quarta é a camada de citação x absorção: quando a empresa é citada, a resposta efetivamente incorpora o conteúdo citado? A forma prática de medir é comparar a resposta com o trecho citado e verificar se há sobreposição de afirmação, de número ou de enquadramento. Quando há citação sem absorção, a fonte está decorativa.

A quinta é a classificação de sentimento e de precisão: a menção é neutra, favorável, desfavorável; e o que foi dito sobre a empresa está correto. Um modelo que descreve mal o produto, atribui características erradas ou repete uma crítica antiga está causando dano que nenhuma métrica de presença captura. Em ciclos B2B longos, essa camada é a mais subestimada.

O método do conjunto fixo de prompts

A unidade básica de uma auditoria é um conjunto fixo de prompts: uma lista de vinte a quarenta perguntas escritas como um comprador real escreveria, mantida estável ao longo do tempo. Não são palavras-chave. São perguntas longas, com contexto, restrição e critério — do tipo que alguém faz quando está de fato avaliando uma decisão.

A construção dessa lista é o trabalho mais subestimado do processo. Ela precisa sair de entrevistas com vendas, de objeções recorrentes, de dúvidas que aparecem em reuniões de implantação e de comparações que o comprador faz por conta própria. Uma lista montada a partir do que a empresa quer dizer produz um relatório sobre a empresa; uma lista montada a partir do que o comprador pergunta produz um relatório sobre o mercado.

O tamanho é um compromisso. Menos de vinte perguntas dá uma amostra que se move ao sabor do acaso e não permite segmentar por tema. Mais de quarenta torna a execução mensal inviável sem automação e cria um incentivo perverso: a auditoria vira tão pesada que passa a ser feita a cada dois meses, o que destrói justamente a comparabilidade que a justifica.

Cada pergunta deve ter um dono interno e uma categoria — problema, comparação, implementação, custo, risco, limite. Essa classificação é o que permite dizer, no fim do mês, que a empresa perdeu espaço em perguntas de comparação e ganhou em perguntas de implementação. Sem ela, o relatório se resume a um número agregado que não sugere ação nenhuma.

Por que a sessão precisa ser nova e a redação idêntica

Dois requisitos do método parecem burocráticos e são, na verdade, a condição de validade de toda a medição: rodar sempre em sessão nova e nunca alterar a redação.

Sessão nova significa abrir uma conversa limpa, sem histórico, sem memória e sem personalização acumulada. Quando a auditoria é feita dentro de uma conversa que já mencionou a empresa, ou dentro de um perfil que já interagiu com a marca, o sistema tende a acomodar a resposta ao que já foi dito. O resultado é uma taxa de menção inflada que não se reproduz para um comprador real, que chega com contexto vazio.

Redação idêntica significa não reescrever a pergunta entre uma rodada e outra, nem para deixá-la mais clara. A tentação é compreensível: depois de três meses, sempre aparece uma formulação melhor. Mas toda alteração quebra a série histórica e torna a comparação inválida. O caminho correto é manter a lista congelada por um período definido e revisá-la em bloco, anotando a troca como uma quebra de série explícita no relatório.

Há um terceiro requisito, menos discutido: registrar a configuração. Qual mecanismo, qual modelo, se a busca estava ativada, em que idioma, em que horário e a partir de qual localização. Pequenas diferenças de configuração movem resultados, e um relatório sem essas anotações fica impossível de auditar depois — inclusive pela própria equipe que o produziu.

Também vale registrar a resposta inteira, não só o veredito. A resposta é a evidência primária. Se no mês seguinte a empresa quiser entender por que caiu a taxa de recomendação, a única forma de investigar é reler o que foi dito e comparar.

Volatilidade: por que o número se move em semanas

Quem começa a medir espera uma curva e encontra ruído. A mesma pergunta, repetida com dias de diferença, produz respostas diferentes, com fontes diferentes, às vezes com recomendações diferentes. Isso não é falha de método: é propriedade do ambiente.

Três forças produzem essa movimentação. A primeira é a atualização de modelo e de índice de recuperação: quando a forma de buscar muda, ou quando o conjunto de documentos recuperáveis é reindexado, o conjunto de fontes elegíveis muda junto. A segunda é a movimentação de concorrentes e de terceiros: um fio de fórum que ganha tração, uma análise publicada por um veículo do setor, uma página que passou a ser muito referenciada. A terceira é a própria sazonalidade da pergunta, que altera o conjunto de documentos considerados relevantes.

A consequência para o desenho da auditoria é direta: uma rodada mensal completa, feita sempre na mesma configuração, mais uma checagem semanal. A checagem semanal não precisa repetir as quarenta perguntas; dez a quinze perguntas prioritárias, escolhidas entre as de maior valor comercial, bastam para detectar movimento brusco e investigar a causa antes do relatório do mês.

A consequência para a interpretação é igualmente direta: variações pequenas entre meses consecutivos não são tendência. Nossa prática editorial é só descrever como movimento o que persiste por pelo menos três rodadas na mesma direção. Declarar tendência a partir de um mês é a forma mais comum de produzir uma conclusão que o mês seguinte desmente.

Decaimento de frescor: não publicar também é uma decisão

Existe um efeito que torna a auditoria menos opcional do que parece: a probabilidade de um conteúdo ser recuperado e citado tende a cair com o tempo desde a última atualização relevante. A literatura de mercado descreve esse comportamento de forma consistente como direcional, e a nossa leitura acompanha essa direção — não se trata de uma medição feita por nós.

O mecanismo é razoável. Sistemas que recuperam documentos para fundamentar uma resposta privilegiam material que parece atual, tanto por desenho quanto porque o próprio conjunto de documentos disponíveis incorpora material mais novo continuamente. Um texto que não é revisitado deixa de competir não porque ficou pior, mas porque há concorrência mais recente para a mesma pergunta.

Isso inverte o significado da inércia. Em mídia própria tradicional, não publicar é neutro: o que está no ar continua no ar. Em ambiente de resposta, não publicar é ativo — é aceitar uma perda de espaço que se acumula. É por isso que a auditoria mensal é um instrumento de manutenção e não apenas de diagnóstico: ela é o que torna visível uma perda que, de outra forma, só apareceria quando o pipeline já tivesse sentido.

O corolário é sobre atualização versus volume. Revisitar e corrigir material existente, com datas de atualização honestas e conteúdo efetivamente revisto, costuma ter mais efeito sobre a probabilidade de citação do que empilhar novas páginas. Publicar muito sobre o mesmo tema, com variações pequenas, tende a fragmentar o sinal em vez de concentrá-lo.

Onde o mecanismo vai buscar

Uma observação que se repete em auditorias de diferentes setores é o peso desproporcional de terceiros. Quando o mecanismo precisa fundamentar uma afirmação sobre produto, fornecedor ou prática, ele recorre com frequência a lugares onde pessoas discutem a experiência de uso, e não ao material produzido pela própria empresa.

Daí a importância da presença em fóruns: comunidades abertas, fóruns verticais, áreas de comentário e espaços de discussão técnica. O que aparece ali tem características que o material próprio não tem — discordância explícita, ressalvas, relato de caso, comparação entre alternativas — e é exatamente esse tipo de conteúdo que serve de evidência para uma resposta que precisa parecer equilibrada.

A mídia ganha opera na mesma lógica, com uma vantagem adicional: veículos do setor e plataformas de avaliação acumulam autoridade de domínio e costumam ser recuperados com prioridade. Uma menção em análise independente circula mais do que uma página nova no site da empresa. Isso não é uma recomendação de tática de relacionamento com imprensa; é uma constatação sobre onde a evidência reside.

Para a auditoria, a implicação é que o relatório precisa separar origem própria de origem de terceiros. Um aumento na taxa de citação sustentado apenas por material próprio é mais frágil do que um aumento sustentado por terceiros, e um aumento na taxa de recomendação sem presença em fóruns costuma não se sustentar. A empresa que descobre que é citada apenas por si mesma aprendeu algo importante sobre o próprio risco.

Vale também observar o que não aparece. Se em perguntas de comparação a empresa nunca é mencionada, mas concorrentes são, a ausência é o dado mais valioso do relatório — e é o tipo de dado que nenhuma métrica de tráfego captura, porque ausência não gera sessão.

Fatos citáveis e dados estruturados

Entre as alavancas disponíveis, a mais barata e a mais confiável é escrever de forma extraível. Um mecanismo de resposta não lê uma página como um leitor humano: ele recorta trechos que sustentem uma afirmação. Se nenhum trecho da página sobrevive ao recorte, a página não serve.

A unidade que sobrevive ao recorte é a afirmação atômica: uma frase que contém sujeito, condição, número ou critério e permanece verdadeira quando isolada do parágrafo. Textos sustentados por pronomes, por referências ao que foi dito antes e por qualificadores espalhados em frases seguintes se desfazem quando recortados. Textos construídos em blocos autocontidos sobrevivem e são reutilizados.

Isso tem consequências concretas de redação. Evitar começar frases com Ele, Isso, Esse tipo de solução. Repetir o nome do objeto em cada afirmação relevante. Colocar número, unidade e período na mesma frase. Separar o que é definição do que é opinião, porque definições são recortadas com muito mais frequência. E, quando houver uma ressalva, escrevê-la dentro da mesma frase em vez de em um parágrafo posterior.

Os dados estruturados entram como reforço, não como solução. Marcar conteúdo com esquemas apropriados — organização, artigo, pergunta e resposta, produto quando aplicável, dados de autor e datas — reduz ambiguidade sobre o que a página é, sobre quem a escreveu e sobre quando foi revista. Não é um atalho para ser citado; é uma forma de não ser mal interpretado por quem está decidindo o que recortar. Para empresas B2B, onde a diferença entre descrições de produto é sutil, essa redução de ambiguidade vale mais do que parece.

A ressalva necessária: estrutura não substitui substância. Uma página perfeitamente marcada sem nenhuma afirmação verificável e específica não tem o que ser recortado. O ganho vem da combinação — conteúdo que diz algo identificável, apresentado de forma que a máquina consiga localizar onde aquilo está dito.

Sobre o llms.txt

O arquivo llms.txt ganhou atenção como uma forma de declarar, em linguagem simples, o que um site gostaria que sistemas automatizados lessem. Nossa posição é a de tratá-lo como uma iniciativa especulativa.

O argumento a favor é de organização: um índice curto, apontando para o material canônico, poderia reduzir o trabalho de descoberta. O argumento contra, que nos parece mais forte hoje, é de adoção: não há evidência pública consistente de que os principais mecanismos de resposta o utilizem como insumo relevante. Investir esforço de engenharia em um artefato que ninguém consome é uma aposta, não um trabalho de otimização.

Por coerência com essa leitura, este site não mantém esse arquivo. A decisão é deliberada e pode ser revista se a evidência mudar — e é exatamente esse o tipo de posição que uma publicação de pesquisa deve declarar, em vez de adotar por imitação. O que sustenta visibilidade, na nossa observação, continua sendo a existência de material que responda bem à pergunta e a existência de terceiros que o referenciem.

Vale acrescentar que isso não é um argumento contra experimentar. É um argumento sobre prioridade: dado um orçamento limitado de atenção, corrigir a extrabilidade do material existente tem retorno observável na auditoria; publicar um arquivo de intenção não tem retorno observável, e portanto não deveria consumir a mesma fatia de esforço.

Disciplina de relatório

O risco mais concreto de uma auditoria de citações é ser usada como ilustração. Uma resposta favorável, capturada em um momento bom, vira slide; uma resposta desfavorável é esquecida. Em poucos meses, a organização passa a acreditar em um número que não existe.

A disciplina mínima é: nunca apresentar resultado de rodada única, sempre apresentar a série, e sempre declarar a configuração e o tamanho da amostra. Quarenta perguntas em um mecanismo não são o mercado; são quarenta observações em um mecanismo. A generalização precisa ser explicitamente limitada.

O segundo elemento é separar o que é medição do que é hipótese. A auditoria mede presença e tom. A causa de uma variação é hipótese até ser testada: se a taxa de citação caiu depois de uma mudança de template, a mudança é uma suspeita, não uma explicação. Escrever hipótese como se fosse conclusão é a forma mais rápida de tirar a credibilidade do relatório.

O terceiro é não converter o indicador em meta de curto prazo. Otimizar o texto para uma pergunta específica, de forma a aparecer nela, produz ganhos localizados e instáveis, e costuma degradar a qualidade do material para o leitor humano. A função da auditoria é detectar onde a empresa está ausente, para que se produza material melhor sobre aquele assunto — não para que se ajuste o texto até a próxima rodada.

Capturar o efeito sem clique

Uma parte crescente das consultas assistidas termina sem visita: a pessoa faz a pergunta, recebe a síntese, forma uma opinião e segue. Quando há visita, ela chega sem a sinalização de origem que a análise de tráfego está acostumada a ler, o que produz um volume crescente de acesso classificado como direto.

A resposta analítica passa por dois movimentos. O primeiro é segmentar no GA4 as sessões de indicação por IA: criar um segmento a partir das origens conhecidas de assistentes e mecanismos de resposta e acompanhar esse recorte como uma linha separada no relatório. O número é subestimado por construção — boa parte do tráfego chega sem identificador — mas a tendência dentro de uma série consistente é informativa.

O segundo movimento é mais simples e, na prática, mais útil: perguntar. Um campo aberto no formulário, com a pergunta de como a pessoa ficou sabendo da empresa, captura menções que nenhuma ferramenta de análise registra. Respostas como indicação de um assistente, busca com resposta pronta ou nome de um mecanismo específico aparecem com frequência maior do que o relatório de tráfego sugere, sobretudo em ciclos B2B onde a decisão envolve várias pessoas e várias sessões.

O cuidado é não tratar esse campo como métrica de precisão. Ele é uma amostra qualitativa, com viés de quem completa formulário. Sua função é detectar a existência do fenômeno e dar vocabulário para a conversa interna, não produzir uma porcentagem.

A combinação dos dois movimentos fecha o circuito entre o que a auditoria vê do lado de fora — presença e tom nas respostas — e o que a operação vê do lado de dentro — sessões e formulários. Sem esse fechamento, a auditoria de visibilidade em IA fica sendo um exercício de observação sem consequência.

O que essa auditoria não resolve

É preciso declarar os limites. Share of model voice é um indicador de presença em mecanismos de resposta, medido sobre uma amostra fixa de perguntas, em um conjunto declarado de mecanismos. Ele não é uma estimativa de demanda, não é uma projeção de receita e não substitui qualquer leitura de pipeline.

Ele também não é estável no curto prazo. Movimentos de uma rodada para outra são, em boa medida, ruído de ambiente. Um relatório mensal que trata variação de dois pontos percentuais como evento está produzindo ansiedade em vez de informação.

Há ainda o limite de cobertura: o conjunto de mecanismos auditados é uma escolha, e escolhas diferentes produzem números diferentes. Nossa recomendação editorial é manter o conjunto explícito e estável, e resistir à tentação de trocá-lo a cada trimestre em busca do indicador mais favorável. Trocar o instrumento para melhorar o número é a forma mais antiga de autoengano em mensuração.

O que o método entrega, quando executado com disciplina, é uma coisa específica e valiosa: a capacidade de dizer, com evidência arquivada, em quais perguntas do comprador a empresa está presente, em quais está ausente, e em qual direção isso está se movendo. Isso é menos do que uma resposta sobre retorno, e mais do que qualquer captura de tela consegue oferecer. Para uma publicação de pesquisa, é o suficiente para começar a trabalhar.