Ferramentas de monitoramento de visibilidade em inteligência artificial se tornaram populares entre marcas que querem saber com que frequência aparecem em respostas do ChatGPT, AI Overviews, AI Mode e outras superfícies de busca baseadas em IA. Mas, embora essas pontuações ajudem a orientar decisões de marketing, nem sempre está claro que ação tomar a partir delas.
A procura por esse tipo de ferramenta cresce de forma consistente. Segundo levantamento da Ahrefs, as buscas pelo termo “AI search tracking” aumentaram 184% nos Estados Unidos no último ano, enquanto “AI rank tracking” teve alta de 175%, com base em dados mensais do Keywords Explorer da própria empresa. Os números refletem mais interesse crescente do que adoção em massa, mas a tendência é evidente.
Uma variação na pontuação de visibilidade — para cima ou para baixo — não significa automaticamente que a estratégia está correta ou que precisa de ajustes. Entender o que cada métrica realmente mede, e o que ela deixa de capturar, é essencial para interpretar esses resultados. Todos os dados citados a seguir são da Ahrefs, empresa que pesquisa medição de busca por IA e comercializa uma ferramenta de visibilidade chamada Brand Radar.
Menção e citação não são a mesma coisa
Um score de visibilidade em IA costuma somar pelo menos duas medições distintas: a menção, quando o nome da marca aparece no texto de resposta, e a citação, quando uma URL é indicada como fonte. Às vezes apenas uma delas ocorre — há casos de menção sem link e casos de citação sem que a marca seja mencionada no conteúdo da resposta. Ao juntar esses dois indicadores em um único número, fica mais difícil identificar o que realmente motivou a mudança na pontuação. Por isso, é recomendável investigar o evento específico que gerou a variação sempre que ela acontecer.
O processo de recuperação de dados (retrieval) adiciona outra camada de complexidade. Em uma análise recente de 1,4 milhão de prompts do ChatGPT, a Ahrefs constatou que URLs do Reddit são recuperadas em grande escala, mas citadas em apenas 1,93% dos casos. Isso sugere que muitas dessas páginas podem nunca ter sido efetivamente lidas pelo sistema, o que significa que os relatórios de citação não retratam todos os detalhes do processo de recuperação. Ferramentas diferentes que contam esses eventos de formas distintas podem, inclusive, chegar a conclusões divergentes sobre se a visibilidade de uma marca aumentou ou não.
A visibilidade tradicional em buscadores ainda pesa
O posicionamento nos resultados orgânicos tradicionais continua influenciando boa parte das citações em AI Overviews, embora não seja um requisito obrigatório. Em uma análise de 863 mil palavras-chave e 4 milhões de URLs presentes em AI Overviews, a Ahrefs constatou que:
- 37,1% das URLs citadas também apareciam no top 10 orgânico do Google para a mesma consulta;
- 26,2% ocupavam posições entre 11 e 100;
- 36,7% não estavam nem entre os 100 primeiros resultados.
Uma versão anterior do mesmo estudo havia apontado uma sobreposição maior entre citações e ranking orgânico, mas a Ahrefs revisou sua metodologia de identificação de citações, o que torna os dois conjuntos de dados não diretamente comparáveis.
A empresa destaca ainda o papel do chamado “query fan-out” do Google, processo em que uma consulta é dividida em subconsultas relacionadas para gerar a resposta em IA. Isso explica por que páginas bem posicionadas em temas correlatos podem ser citadas mesmo sem estarem entre os primeiros resultados para o termo original — um comportamento que ferramentas de rastreamento focadas apenas na palavra-chave principal tendem a não capturar por completo.
Sinais associados à visibilidade em IA nem sempre confirmam expectativas do mercado de SEO
O uso de dados estruturados (schema markup) é um bom exemplo de como interpretações podem levar a conclusões equivocadas. Um estudo da Ahrefs mostrou que páginas citadas por sistemas de IA tinham quase três vezes mais chance de conter JSON-LD do que páginas não citadas. A empresa acompanhou 1.885 páginas que passaram a usar JSON-LD entre agosto de 2025 e março de 2026, comparando-as com um grupo de controle de 4 mil páginas em três plataformas diferentes.
Curiosamente, a implementação do schema não gerou aumento relevante nas citações. No AI Mode, o crescimento foi de 2,4% em relação ao grupo de controle; no ChatGPT, de 2,2% — ambos considerados estatisticamente insignificantes pela Ahrefs. Já nas citações do AI Overview houve queda de 4,6%, uma redução pequena, porém estatisticamente significativa, equivalente a cerca de 12 citações a menos por página por dia, em um cenário em que a maioria das páginas recebia centenas de citações diárias. Vale destacar que ambos os grupos já apresentavam queda antes mesmo da adição do schema, e a Ahrefs reconhece não ser possível afirmar se o schema causou a redução ou se outros fatores estavam em jogo.
A amostra incluiu apenas páginas que já tinham pelo menos 100 citações em AI Overview antes de receber o schema, ou seja, páginas que já eram referenciadas por sistemas de IA. O estudo não esclarece se o schema ajuda uma página a conquistar reconhecimento inicial.
Uma análise complementar sobre o ChatGPT identificou uma correlação que o schema não demonstrou: títulos de páginas citadas se alinhavam mais às subconsultas geradas internamente pelo ChatGPT do que ao prompt original digitado pelo usuário. A Ahrefs também observou que URLs com slugs em linguagem natural eram citadas com mais frequência. Como os processos internos do ChatGPT são proprietários, a empresa usou ferramentas de código aberto para estimar relevância — e ressalta que essas conclusões são específicas do ChatGPT, podendo não se repetir em outras plataformas de busca por IA.
O que fazer com esses dados?
Antes de tomar qualquer decisão com base em métricas de visibilidade, é fundamental garantir que a medição seja consistente.
A Ahrefs destaca que as respostas de IA são probabilísticas — ou seja, o mesmo prompt pode gerar marcas e citações diferentes em execuções distintas. Por isso, a recomendação é analisar grandes conjuntos de prompts para identificar padrões, em vez de reagir a variações isoladas.
Mudanças de pontuação também podem ocorrer simplesmente por atualização de prompts ou troca de modelo de IA, o que indica variabilidade de medição, não uma mudança real de mercado.
Depois de confirmar que os dados são confiáveis, cada métrica pode oferecer respostas específicas. Por exemplo, se as menções caírem enquanto os prompts permanecem estáveis, vale investigar se concorrentes absorveram a parcela de menções perdida pela marca antes de concluir que a estratégia de conteúdo precisa mudar.
Com informações de searchenginejournal.com.
