Quatro levantamentos independentes divulgados em outubro de 2026 colocaram em xeque a forma como empresas medem a chamada “visibilidade em IA”, o indicador usado para mostrar o quanto uma marca aparece em respostas de assistentes como ChatGPT. Os números mostram que essas ferramentas enviam uma fração pequena do tráfego gerado pelo Google e que, até agora, ninguém conseguiu comprovar a influência oculta que muitos profissionais de marketing atribuíam a elas no chamado tráfego direto e nas buscas por marca.
O problema não está em afirmar que a inteligência artificial não importa. Está em como esse impacto vem sendo medido: segundo quem assinou os levantamentos, boa parte dos indicadores usados hoje não passaria por um teste básico de qualidade de dados.
O que os dados sobre visibilidade em IA revelam
Em 19 de outubro de 2026, o pesquisador Kevin Indig, da Growth Memo, analisou 12 propriedades no Google Analytics 4 e rodou 632 testes de correlação em quatro marcas. A conclusão foi direta: não há ligação confiável entre a visibilidade em respostas de IA e o tráfego direto ou as buscas por marca que viriam depois.
Dois dias depois, em 21 de outubro, Marie Haynes publicou um estudo com 100 sites e mais de 145 milhões de sessões ao longo de 12 meses. O resultado: o ChatGPT enviou apenas 0,62% do volume que o Google orgânico gera, e todos os assistentes de IA somados representaram 0,73%.
Um terceiro levantamento, da SEO Works, com dados de setembro de 2025 a agosto de 2026 em 95 propriedades do GA4, encontrou que a busca orgânica tradicional enviou 39 vezes mais tráfego do que os assistentes de IA. Já um estudo da Ahrefs, publicado em 26 de maio de 2025 com 75 mil marcas, mostrou que o volume de busca por marca teve correlação de apenas 0,392 com a visibilidade de marcas em AI Overviews, o recurso de respostas geradas por IA do Google.
A conversão é melhor, mas o volume continua pequeno
O estudo de Marie Haynes trouxe um dado favorável à IA: visitantes vindos do ChatGPT converteram a 13,8%, contra 3,02% do Google orgânico, uma diferença de mais de 4,5 vezes. É esse número que costuma aparecer em apresentações comerciais sobre o tema.
Só que o mesmo levantamento mostra outro lado. O Google ainda foi responsável por 96,5% de todas as conversões registradas, gerando 27 vezes mais conversões do que todos os assistentes de IA somados. A pesquisadora também identificou que o crescimento acelerado de sessões vindas do ChatGPT parou em agosto de 2025, por volta do lançamento do GPT-5.
A SEO Works encontrou uma vantagem mais modesta: tráfego de IA converteu a 7,18%, contra 6,08% da busca orgânica. Mesmo assim, em 23 dos 63 sites analisados com volume suficiente, a IA converteu pior do que a busca tradicional. Em negócios B2B de produto, a conversão via IA ficou em 0,62 vez a taxa orgânica.
Um ponto chamou atenção no estudo: um aumento de 5% na busca orgânica gerou 10,3 conversões adicionais por site ao mês, enquanto dobrar o tráfego de IA entregou 6,6.
Existe influência escondida da IA no tráfego direto?
O argumento mais comum entre defensores da visibilidade em IA é que o clique nunca foi o que importava. A ideia é que a pessoa vê a marca numa resposta de IA, não clica, e depois busca pelo nome ou digita o endereço diretamente.
Kevin Indig testou essa hipótese. Em um primeiro momento, oito das 12 propriedades analisadas mostraram crescimento do tráfego direto entre agosto e setembro. Mas, ao filtrar apenas sessões engajadas, o quadro mudou: no período de janeiro a setembro, o tráfego direto total cresceu 140,9%, enquanto o tráfego direto engajado variou apenas -1,0%. Em um dos sites, o GA4 registrou 409 mil sessões diretas, das quais só 198 foram engajadas.
Depois, Indig rodou 632 testes comparando visibilidade semanal em IA com tráfego direto e busca por marca, com defasagens de zero a seis semanas. Ao aplicar um teste de controle com datas propositalmente erradas, várias dessas combinações erradas apresentaram correlação tão forte quanto as combinações reais. A conclusão do pesquisador foi que um efeito pode até existir, mas não foi possível isolá-lo.
Amanda Natividad, da SparkToro, relacionou esse resultado ao estudo da Ahrefs com 75 mil marcas: menções de marca na web tiveram correlação de 0,664 com a visibilidade em AI Overviews, e âncoras de marca, 0,527. A busca por marca ficou em último lugar, com 0,392. Para ela, se a visibilidade em IA realmente gerasse busca por marca de forma confiável, esse número deveria ser bem mais alto.
O que dizem os autores dos alertas
Rand Fishkin, em publicação no blog da SparkToro de 22 de outubro de 2026, não descartou a relevância da IA. Ele escreveu que ela é “provavelmente bastante influente em alguns compradores, em alguns setores”, citando a avaliação de Mike King de que a IA funciona mais como um canal de marca, um “outdoor digital”, e deveria ser medida como tal.
Natividad reforçou o ponto um dia depois, em sua newsletter Audience Research: “a familiaridade em si já é um resultado de marketing”. Mas completou com um alerta direto a quem constrói painéis de métricas: “se não conseguimos provar, não devemos confiar na atribuição só porque parece fazer sentido”.
Qualidade de dados já preocupava o setor de medição em maio
O debate sobre a confiabilidade desses números não é novo. Em 20 de maio de 2026, a AMEC (International Association for the Measurement and Evaluation of Communication) lançou os Princípios de GEO durante seu Global Summit em Dublin.
A entidade também produziu um white paper chamado “AMEC Data Quality Principles: Tackling the Unstructured Data Quality Challenges in the AI Era”, de autoria principal de Rob Key, fundador e CEO da Converseon, em parceria com a Global Data Quality Initiative, coalizão que reúne a Insights Association, a ESOMAR e a Market Research Society.
O documento propõe quatro perguntas que qualquer conjunto de dados deveria responder antes de embasar decisões: os dados vêm das fontes esperadas? Os metadados são completos e fiéis? Os números correspondem a comportamento real? E, por fim, esses dados são confiáveis para quem decide?
A terceira pergunta, sobre validade preditiva, é considerada a mais sensível. O white paper alerta que uma métrica pode ser “internamente consistente, mas externamente falsa” e que, na era da IA, esse tipo de dado “não fica contido, ele se espalha”. É uma descrição que se encaixa nos atuais placares de visibilidade em IA: eles sobem quando a empresa publica mais conteúdo, mas ainda não há prova de que prevejam algo relevante para o negócio.
O documento também recomenda evitar o que chama de “GEO manipulador”, ou seja, conteúdo criado para enganar sistemas de IA em vez de informar o usuário, resumido na expressão “promoção em vez de precisão”.
O que fica para quem usa esses indicadores
Nenhum dos levantamentos recomenda abandonar o acompanhamento da presença de marcas em respostas de IA. O recado é outro: tratar esses números como indicadores direcionais, testados ao longo do tempo e em diferentes ferramentas, em vez de prova definitiva de retorno. Antes de justificar orçamento com base em um painel de visibilidade em IA, o caminho sugerido pelos próprios autores dos estudos é cruzar esse dado com métricas que realmente mostrem comportamento de compra, como conversão e vendas.
Com informações de searchenginejournal.com.
