Faça hoje ao ChatGPT a mesma pergunta de três meses atrás e talvez metade da lista de marcas já seja outra. Não é impressão sua, nem sinal de que o modelo “ficou pior”. As referências usadas pelos mecanismos generativos mudam — e mudam o suficiente para alterar a lista de opções considerada em uma decisão de compra. Durante uma temporada, acompanhamos exatamente o mesmo conjunto de perguntas para medir o tamanho dessa oscilação, entender suas causas e identificar possíveis padrões. A conclusão: a volatilidade é muito maior do que a maioria das marcas imagina, e revela melhor sua posição real aos olhos da IA do que um ranking isolado.
O que monitoramos?
O método foi simples. Selecionamos 40 perguntas típicas de compradores B2B, como “melhor software de XX”, “ferramenta de XX” e “XX para qual equipe”. Depois, repetimos semanalmente as mesmas perguntas, com a mesma redação, no ChatGPT, Perplexity e Gemini durante três meses. A cada rodada, registramos quais marcas apareciam nas respostas, quais URLs eram citadas e quem ocupava a primeira posição.
Controlar as variáveis era essencial para a validade do estudo. Usamos as mesmas contas e regiões e desativamos a memória personalizada e o histórico de busca. Assim, as mudanças nas respostas viriam dos próprios modelos e de suas fontes, não dos nossos rastros de uso. A redação das perguntas permaneceu rigorosamente igual: mudar uma única palavra poderia alterar o conteúdo e transformar a comparação temporal em duas perguntas diferentes.
Três meses depois, as respostas haviam mudado.
Comecemos pelo dado mais contraintuitivo: essa volatilidade não se limita a temas novos ou pouco consolidados. Até em uma busca como “melhor software de gestão de projetos”, quase 40% das marcas citadas foram substituídas ao longo de três meses. A marca pode parecer dona de uma posição quando, na verdade, ocupa um lugar bem menos seguro do que imagina.
- Entre o início e o fim do mês, a taxa média de sobreposição foi de cerca de 55%. Em outras palavras, uma em cada três marcas citadas foi substituída dentro de uma temporada.
- Em cerca de um terço das perguntas, a marca na primeira posição mudou pelo menos uma vez ao longo dos três meses.
- O Perplexity foi o mais dinâmico, por depender fortemente de resultados de busca em tempo real. O ChatGPT mostrou mais estabilidade com marcas já consolidadas, mas também apresentou mudanças.
- Nas perguntas de cauda longa e com intenção de compra, a lista mudou cerca de duas a três vezes mais do que nos temas mais populares.
- Conteúdo novo, bem estruturado, claramente delimitado e com definições precisas conseguiu entrar na lista de referências duas ou três semanas após a publicação.
A estabilidade das citações representa melhor o status real de uma marca do que um ranking isolado. Um artigo pontual pode elevar sua posição por pouco tempo; já ser citado de forma consistente indica que os modelos reconhecem repetidamente sua marca como uma fonte confiável.— Tenten GEO Brand Radar tracking observation
Por que a mesma pergunta gera respostas diferentes?
A volatilidade resulta de várias camadas de variação. Na base está a busca: antes de responder, o modelo pode consultar resultados em tempo real ou pesquisar em seu índice. Esses resultados são reordenados todos os dias, enquanto novas páginas entram, páginas antigas perdem espaço e o conteúdo selecionado muda. Outra camada são as atualizações do próprio modelo: a cada poucas semanas, os fornecedores ajustam pesos e políticas de segurança, o que pode levar o mesmo prompt a acionar critérios diferentes de seleção. Por fim, existe a aleatoriedade da geração. Mesmo que as duas primeiras camadas permaneçam iguais, ainda podem ocorrer pequenas variações de palavras e exemplos.
Há ainda um fator fácil de ignorar: seus concorrentes não estão parados. Quando um deles publica um comparativo bem estruturado, com escopo e definições claros, pode ocupar seu lugar em duas ou três semanas. A resposta da IA é um equilíbrio recalculado o tempo todo, não uma lista definitiva.
Há padrões por trás dessa volatilidade.
Mesmo em meio à variação, há uma parte previsível. Marcas conhecidas e respaldadas por fontes externas oscilam claramente menos. Já as marcas sustentadas apenas pelo próprio site são as primeiras a desaparecer quando a lista muda. Perguntas com intenção clara e respostas amplamente aceitas tendem a ser mais estáveis; quanto mais vaga, abrangente e aberta a múltiplas opções for a pergunta, maior será a volatilidade. Isso significa que uma marca pode avançar para o lado mais estável das citações com uma estrutura de conteúdo melhor e validação externa especializada.
Como uma marca deve reagir a essa instabilidade?
A resposta menos eficaz é consultar a IA todos os dias e entrar em pânico sempre que um artigo ou sua marca deixa de aparecer. A lista de um único dia já é naturalmente instável, e tomar decisões com base em um único ponto só desperdiça tempo e recursos. O que realmente importa é ampliar o período de monitoramento e usar indicadores como volume de citações e taxa de sobreposição para descobrir se a presença da marca caminha para a estabilidade ou apresenta uma perda contínua.
O caminho para aumentar a estabilidade é claro: transformar os temas centrais em parágrafos objetivos, quantitativos e contextualizados, que os modelos consigam extrair com precisão; manter sinais de marca consistentes em várias fontes confiáveis; e acumular referências e confirmações de terceiros, dando à IA vários motivos para considerar sua empresa uma fonte confiável. É exatamente isso que o Brand Radar da Tenten faz: monitora continuamente o histórico de citações da sua marca em diferentes mecanismos generativos e filtra oscilações de um único dia para convertê-las em tendências úteis à tomada de decisão.
As respostas da IA não vão se estabilizar por sua causa. O que você pode fazer é tornar sua marca uma fonte difícil de substituir. Se quiser entender a estabilidade das suas citações e identificar as lacunas, agende um diagnóstico de GEO de 30 minutos. Vamos analisar o histórico da sua própria marca e conversar diretamente sobre os números.
