“Estamos aparecendo na IA?” virou pergunta de diretoria — e a maioria das empresas responde com impressões, não com dados. Este guia organiza a medição em quatro camadas (presença nas respostas, acurácia do que é dito, tráfego de referência e conversão), define cada métrica operacionalmente, entrega um protocolo manual gratuito para começar hoje e mapeia as ferramentas do mercado — incluindo o que nenhuma delas consegue medir e por que os números variam tanto.
Resposta direta
Medir se as IAs recomendam sua empresa exige quatro camadas complementares: (1) presença e citação — uma bateria fixa de 20-30 perguntas reais rodada mensalmente em ChatGPT, Gemini, Perplexity e AI Overviews, registrando taxa de presença, citação e share of voice contra concorrentes; (2) acurácia — o que é dito está correto?; (3) tráfego de referência — no GA4, filtrando origens como chatgpt.com e perplexity.ai (sabendo que parte chega como tráfego direto); e (4) conversão — esse tráfego converte cerca de 4,4 vezes mais que o orgânico tradicional, segundo a Semrush. Nenhuma ferramenta cobre as quatro; o protocolo manual cobre as duas primeiras de graça. O ponto de partida é uma linha de base como a do Diagnóstico B.I.N.A..
Por que medir IA é diferente de medir busca
No SEO, a medição herda duas décadas de infraestrutura: o Search Console entrega impressões, cliques e posições da fonte oficial. Na camada de IA, três características quebram esse modelo. Primeira: as respostas não são determinísticas. A mesma pergunta gera respostas diferentes conforme a formulação, o momento, a localização e a versão do modelo — não existe "a posição" da sua marca; existe uma probabilidade de aparecer. Segunda: não há fonte oficial de dados. Nenhuma plataforma de IA oferece hoje um "Search Console de citações" completo; até o filtro de recursos de IA que o Google adicionou ao Search Console agrega impressões de AI Overviews e Modo IA sem permitir separá-los, conforme documentado pela cobertura especializada. Terceira: o comportamento dominante é ler sem clicar — o Pew Research Center mediu que apenas 1% dos usuários clica nas fontes citadas dentro dos AI Overviews, então a métrica clássica (sessões) enxerga só a borda do fenômeno.
A consequência: quem tenta medir IA com as métricas da busca conclui, errado, que "não há nada acontecendo". A medição correta é probabilística, amostral e orientada a tendência — como pesquisa de mercado, não como analytics de servidor.
O framework: quatro camadas de medição
O programa completo responde quatro perguntas em sequência, cada uma com sua fonte de dados:
| Camada | Pergunta que responde | Fonte de dados | Frequência |
|---|---|---|---|
| 1. Presença e citação | A marca aparece nas respostas? É citada como fonte? Em que fatia das respostas do mercado (share of voice)? | Bateria padronizada de prompts (manual ou via ferramenta) | Mensal |
| 2. Acurácia | O que as IAs dizem sobre a empresa está correto e completo? | Análise qualitativa das respostas da mesma bateria | Mensal |
| 3. Tráfego de referência | Quantas visitas as IAs enviam e para onde? | GA4 (origens de referência) + logs do servidor | Contínua |
| 4. Conversão e valor | O que esse tráfego e essa presença valem em negócio? | GA4 (conversões por origem) + indicadores de marca | Mensal/trimestral |
Camada 1 — Presença e citação: o protocolo manual
É a camada mais importante e a única que dispensa ferramenta. O protocolo, passo a passo:
- Construa a bateria de prompts. De 20 a 30 perguntas que clientes reais fariam, cobrindo o funil: definições da categoria ("o que é X"), comparações ("melhores fornecedores de X para Y"), recomendações ("qual empresa contratar para X no Brasil") e perguntas diretas sobre a marca. Use a linguagem do cliente, não o jargão interno — prompts reais são longos e contextuais.
- Padronize as condições. Sessões limpas (sem histórico ou memória ativada), mesmos sistemas todo mês — ChatGPT, Gemini, Perplexity e a Busca do Google observando AI Overviews e Modo IA —, registrando data e versão quando visível.
- Registre em planilha, por prompt e por sistema: a marca foi mencionada? Foi citada como fonte (com link)? Em que posição da resposta? Quais concorrentes apareceram? Qual página sua foi citada?
- Calcule as métricas: taxa de presença (% de respostas com a marca), taxa de citação (% com link para seus domínios), share of voice (sua fatia contra os concorrentes na mesma bateria).
- Repita mensalmente sem mudar a bateria — mudanças nas perguntas destroem a comparabilidade. Revise o conjunto por trimestre, versionando.
Por que a padronização importa tanto: os padrões de citação são voláteis por natureza. O estudo da Semrush com 230 mil prompts documentou o Reddit despencando de cerca de 60% para 10% das respostas do ChatGPT em seis semanas — sem que os sites envolvidos mudassem nada. Num ambiente assim, só a comparação entre medições idênticas separa tendência real de ruído do sistema.
Camada 2 — Acurácia: o que a IA diz quando fala de você
Presença sem acurácia pode ser passivo: uma IA que recomenda sua empresa descrevendo errado o que ela faz, com preços desatualizados ou confundindo-a com um homônimo, gera consideração contaminada. Na mesma bateria mensal, classifique cada resposta que menciona a marca em três níveis: correta e completa, correta com omissões relevantes ou com erro factual — e registre o erro específico e a fonte que a IA citou ao errar, porque é ela que precisará ser corrigida.
A taxa de erro alimenta diretamente o plano de ação: erros recorrentes quase sempre apontam para inconsistências na camada factual pública da empresa — descrições divergentes entre site e perfis, dados desatualizados em diretórios, ausência de uma fonte oficial estruturada. É o problema que a base de conhecimento oficial legível por máquinas existe para resolver: dar aos sistemas uma camada factual canônica para consultar antes de improvisar.
Camada 3 — Tráfego de referência: configurando o analytics
No GA4, crie um relatório exploratório ou grupo de canais dedicado, filtrando as origens de referência dos principais sistemas: chatgpt.com (e o legado chat.openai.com), perplexity.ai, gemini.google.com e copilot.microsoft.com. Acompanhe sessões, páginas de entrada (que revelam qual conteúdo seu as IAs estão linkando), engajamento e conversões por origem.
Declare as limitações no próprio relatório, para ninguém ler o número como total: parte dos cliques vindos de experiências de IA chega sem referência e cai em tráfego direto — comportamento documentado nas experiências de chat do próprio Google —, o que significa que o tráfego medido é um piso, não o teto. E os AI Overviews não geram origem própria distinguível: seus cliques se misturam ao orgânico do Google, com o Search Console agregando as impressões de recursos de IA sem separação. A leitura conjunta com a camada 1 corrige a miopia: presença alta com tráfego baixo não é fracasso — é o padrão do ambiente, como o dado de 1% do Pew estabelece.
Camada 4 — Conversão e valor: os números que justificam o programa
A camada que transforma medição em orçamento. Dois padrões aparecem de forma consistente nos dados de mercado: o tráfego vindo de IA é pequeno em volume e desproporcional em qualidade — dados da Semrush apontam conversão cerca de 4,4 vezes maior que a da busca orgânica tradicional, conforme compilado pela cobertura do setor. E a citação protege o desempenho na própria página de resultados: a Seer Interactive, analisando 25,1 milhões de impressões, mediu 35% mais cliques orgânicos para marcas citadas dentro do AI Overview em comparação com as não citadas, com os estudos de cliques reunidos e detalhados pela cobertura especializada.
Complete a camada com indicadores indiretos que capturam o valor sem clique: evolução das buscas pela marca (Search Console), menções, e — quando o volume permitir — comparação de taxa de fechamento entre leads que citam IA como origem no "como nos conheceu" e os demais. O indicador executivo do programa é um só: share of voice em IA nas perguntas que definem o seu mercado, com taxa de acurácia ao lado. É a fatia da resposta que a sua marca ocupa — o resto do funil deriva dela.
As métricas, definidas operacionalmente
| Métrica | Definição operacional | Fonte |
|---|---|---|
| Taxa de presença | % das respostas da bateria em que a marca é mencionada (com ou sem link) | Bateria de prompts |
| Taxa de citação | % das respostas com link para domínios da marca | Bateria de prompts |
| Share of voice em IA | Fatia das menções da marca sobre o total de menções de marcas concorrentes na mesma bateria | Bateria de prompts |
| Taxa de acurácia | % das menções classificadas como corretas e completas | Análise qualitativa |
| Tráfego de referência de IA | Sessões com origem em domínios de sistemas de IA (piso, não total) | GA4 |
| Conversão do tráfego de IA | Taxa de conversão das sessões dessa origem vs. orgânico tradicional | GA4 |
| Páginas citadas | Quais URLs da marca as IAs linkam (orienta a priorização de conteúdo) | Bateria + GA4 (páginas de entrada) |
Ferramentas: o mapa de um mercado em formação
Entre 2025 e 2026 nasceu uma categoria inteira de ferramentas de monitoramento de visibilidade em IA — várias delas são as fontes dos estudos citados neste artigo: Semrush (com seu conjunto de recursos para busca com IA), Peec AI (a análise de 30 milhões de fontes), Evertune (200 milhões de prompts), além de nomes como Profound, Scrunch, Otterly e o Brand Radar da Ahrefs. Em essência, todas automatizam a camada 1: rodam baterias de prompts em escala, extraem menções e citações e calculam share of voice.
Três critérios de escolha — e uma cautela. Critérios: cobertura de sistemas (inclui os que importam para o seu público, idealmente com suporte a prompts em português?), transparência metodológica (mostra os prompts, a frequência e as condições da coleta?) e exportabilidade (os dados saem para o seu relatório executivo?). A cautela: é um mercado em formação, com metodologias divergentes — os próprios trackers discordam sobre qual domínio lidera as citações, como a comparação de cinco estudos independentes da Contently deixa explícito. A regra de ouro: escolha uma metodologia e compare-a com ela mesma ao longo do tempo; nunca misture números de fontes diferentes na mesma série. E lembre: a ferramenta automatiza a coleta, não a estratégia — o que fazer com os números continua sendo o trabalho descrito no nosso guia de como ser citado pela IA.
Perguntas frequentes
Dá para medir visibilidade em IA sem ferramenta paga?
Dá — e todo programa sério deveria começar assim. O protocolo manual: defina 20 a 30 perguntas reais do seu mercado (as que clientes fariam), rode-as mensalmente em ChatGPT, Gemini, Perplexity e na Busca do Google observando os AI Overviews, sempre em sessões limpas, e registre em planilha: a marca apareceu? Foi citada como fonte? O que foi dito está correto? Quais concorrentes apareceram? Isso produz as três métricas centrais — taxa de presença, taxa de citação e acurácia — a custo zero. Ferramentas pagas automatizam e escalam esse processo, mas não mudam sua natureza.
O Google Analytics mostra o tráfego que vem do ChatGPT?
Mostra parte dele. Visitas iniciadas por cliques em links do ChatGPT chegam com referência de chatgpt.com, e o mesmo vale para perplexity.ai e gemini.google.com — no GA4, um relatório ou grupo de canais filtrando essas origens revela o volume, o comportamento e a conversão desse tráfego. As limitações: parte dos cliques vindos de experiências de IA chega sem referência e cai em tráfego direto, subestimando o total; e o tráfego é só uma camada do valor, porque a maioria dos usuários lê a resposta sem clicar — o Pew Research mediu apenas 1% de cliques nas fontes citadas dentro dos AI Overviews.
O que é share of voice em IA?
É a fatia das respostas de IA do seu mercado em que a sua marca aparece, em comparação com os concorrentes. Operacionalmente: sobre um conjunto fixo de prompts relevantes, mede-se em quantas respostas cada marca é mencionada ou citada; a proporção de cada uma é o seu share of voice. É a métrica que transforma "estamos na IA?" em número comparável e acompanhável — e a mais próxima de um indicador executivo nessa camada. Importante: como os padrões de citação mudam rápido, o share of voice deve ser lido como tendência entre medições padronizadas, não como fotografia definitiva.
Com que frequência devo medir a visibilidade em IA?
Mensalmente para a bateria de prompts e o share of voice; continuamente (via analytics) para o tráfego de referência. O ritmo mensal equilibra dois fatos: os padrões de citação mudam em semanas — a Semrush documentou o Reddit caindo de cerca de 60% para 10% das respostas do ChatGPT em um mês e meio —, mas medições mais frequentes que as suas ações geram ruído sem decisão. A regra prática: mesma bateria de perguntas, mesmas condições, mesma planilha, todo mês; e uma revisão trimestral para atualizar as perguntas conforme o mercado muda.
Por que os números de citação variam tanto entre ferramentas e estudos?
Porque cada um mede um recorte diferente de um sistema não determinístico. As respostas de IA variam por formulação do prompt, momento, localização, histórico e versão do modelo; os estudos usam conjuntos de prompts, janelas de tempo e metodologias distintas — por isso um tracker aponta o Reddit como fonte número 1 e outro aponta o YouTube. Isso não invalida a medição; exige método: padronize suas condições, compare períodos da mesma metodologia e leia tendências, não valores absolutos. Desconfie de qualquer número de visibilidade em IA apresentado sem metodologia.
Ser citado sem ganhar clique tem valor?
Tem — e provavelmente é onde está a maior parte do valor. A citação coloca a marca dentro da resposta que o usuário efetivamente lê, no momento de formação de consideração; o Pew Research mediu que só 1% clica nas fontes dos AI Overviews, ou seja, a leitura sem clique é o comportamento dominante. Os efeitos aparecem em indicadores indiretos: buscas pela marca, menções, tráfego direto e a qualidade do pouco tráfego que vem — a Seer Interactive mediu 35% mais cliques para marcas citadas, e a Semrush aponta conversão cerca de 4,4 vezes maior no tráfego vindo de IA. Medir só sessões subestima sistematicamente essa camada.
Você sabe o que as IAs respondem quando perguntam sobre o seu mercado?
O Diagnóstico B.I.N.A. executa a linha de base completa por você: roda as perguntas do seu mercado nos principais sistemas, mede presença, citação e acurácia, compara com seus concorrentes e entrega as prioridades — o ponto de partida de qualquer programa de medição sério. Não basta ranquear. Seja a resposta.
Fazer o diagnóstico gratuitoSobre o autor
Nota de método
Fontes verificadas em 30 de julho de 2026. Este guia distingue: (1) dados de estudos de medição (Pew Research, Seer Interactive, Semrush, Peec AI, Evertune), que cobrem janelas e amostras específicas — majoritariamente de mercados de língua inglesa — e apresentam divergências metodológicas documentadas entre si; (2) padrões técnicos de atribuição de tráfego (referências de domínio, perda de referência em experiências de chat), descritos conforme a documentação e a cobertura especializada disponíveis, e sujeitos a mudança pelas plataformas sem aviso; (3) recomendações de protocolo, que são prática profissional da Flowup, não norma do setor. Os multiplicadores de conversão (4,4x) e de cliques (+35%) são medições de terceiros em contextos específicos — use-os como ordem de grandeza, não como projeção para o seu caso. O framework foi desenhado para produzir séries comparáveis; nenhuma métrica isolada desta camada deve sustentar decisões sozinha.
Referências
- Tyneside Marketing (2026). Compilação detalhada dos estudos de cliques e CTR: Pew Research (68.879 buscas; 8% vs 15%; 1% de cliques nas fontes), Seer Interactive (25,1 milhões de impressões; +35% para marcas citadas) e Ahrefs. tynesidemarketing.co.uk/blog/ai-overviews-click-through-rates
- Semrush (2025). The Most-Cited Domains in AI: estudo de 3 meses com 230 mil prompts, com a volatilidade dos padrões de citação documentada. semrush.com/blog/most-cited-domains-ai
- Contently (2026). Comparação de cinco estudos independentes de citação (Evertune, Peec AI, SE Ranking e outros), com as divergências metodológicas explícitas. contently.com/2026/04/29/top-sources-llms-cite
- Search Engine Land / Peec AI (2026). Análise de 30 milhões de fontes citadas por sistemas de IA. searchengineland.com/ai-search-engines-cite-reddit-youtube-and-linkedin-most-study-473138
- PikaSEO (2026). Compilação dos dados de conversão do tráfego de IA (Semrush: 4,4x) e do comportamento zero-click. pikaseo.com/articles/zero-click-search-ai-overviews-2026
- SmartLinks (2025). Documentação em português sobre a medição dos recursos de IA do Google: filtro agregado no Search Console e perda de referência nos cliques vindos do chat. smartlinks.pt/google-ai-mode
- Search Engine Journal (2026). Consolidação dos estudos de CTR e visibilidade em páginas citadas por AI Overviews. searchenginejournal.com/ai-overview-ctr-fell-61-but-clicks-didnt-collapse
