O ChatGPT começou a recomendar proativamente esta nova empresa de SaaS B2B a potenciais clientes. Isso não aconteceu porque ela chegou ao primeiro lugar do Google, mas porque transformou informações básicas — quem somos, para quem servimos e quanto custamos — em trechos que os mecanismos de IA conseguiam extrair sem precisar preencher lacunas. Após 90 dias, as consultas geradas por conversas com IA — ChatGPT, Perplexity e visões gerais criadas por IA do Google — cresceram 58%, enquanto o tráfego de busca orgânica permaneceu praticamente estável no mesmo período. Este artigo explica o que fizemos, por que seguimos essa ordem e quais aprendizados podem ser aplicados diretamente.
O ponto de partida: segunda página do Google e invisibilidade na IA
A empresa é uma nova companhia taiwanesa com 20 funcionários, especializada em um SaaS de escalas e controle de presença para redes de alimentação e varejo. O problema que nos apresentou era bastante específico: os negócios continuavam chegando, mas um número cada vez maior de potenciais clientes dizia logo na primeira ligação: “Perguntei ao ChatGPT. Ele recomendou as empresas A e B, mas vocês nem apareceram na lista.” O site oficial tinha boa qualidade, o blog era atualizado com frequência e as principais palavras-chave apareciam entre as páginas 1 e 2 do Google. Ainda assim, os mecanismos de IA não citavam a empresa ao responder a perguntas como “Quais softwares de gestão de escalas existem em Taiwan?” ou “Qual sistema de controle de presença é adequado para redes de alimentação?”. A marca aparecia na busca, mas não na IA — a lacuna mais comum que encontramos ao longo de quase um ano.
O primeiro passo não é escrever. É medir a visibilidade em IA.
O instinto da maioria das equipes é publicar mais alguns artigos. Não foi o que fizemos. Na primeira semana, o monitoramento de visibilidade em IA testou 20 situações reais de compra no ChatGPT, Perplexity, Gemini e nas visões gerais criadas por IA do Google. Registramos três pontos: se a empresa era mencionada, se a descrição estava correta e quais páginas eram citadas como fonte. O valor dessa etapa está em substituir a impressão vaga de “acho que não temos exposição suficiente” por uma linha de base mensurável e segmentada por tipo de pergunta.
Os resultados foram piores do que o esperado, mas tornaram o caminho mais claro. As lacunas se concentravam em quatro pontos:
- Dos 20 conjuntos de perguntas, apenas três mencionavam a empresa — e somente quando o nome da marca era pesquisado diretamente. Em perguntas situacionais de comparação ou recomendação, a presença era zero.
- Ao explicar o posicionamento do produto, a IA o confundia com uma simples ferramenta de registro de ponto e ignorava seu recurso mais forte: a criação automática de escalas. O site oficial nunca havia apresentado essa capacidade em uma definição que pudesse ser extraída com clareza.
- Um concorrente mantinha uma página clara de “Comparação com X”, citada repetidamente pelo Perplexity. Como a nova empresa ainda não tinha criado esse conteúdo, havia deixado nas mãos do concorrente a narrativa da comparação.
- O preço aparecia apenas como “Fale conosco”. Sem informações que pudesse citar, a IA simplesmente ignorava a empresa em qualquer resposta sobre preços ou planos.
A execução: adicionar três “unidades de extração para IA”
Não produzimos um grande volume de artigos. Reescrevemos e adicionamos três tipos de página, cada um estruturado para ser citado com clareza pelos mecanismos de IA. O primeiro foi o parágrafo de definição. No topo da página do produto, incluímos uma frase direta: `Este é um SaaS de criação automática de escalas e controle de presença desenvolvido para redes de alimentação e varejo. O sistema organiza as escalas automaticamente com base na previsão da operação e nas regras legais de jornada de trabalho.` Assim, categoria, público, diferencial e contexto ficaram explícitos, sem obrigar a IA a adivinhar.
A segunda categoria foi a página comparativa. Selecionamos três concorrentes que apareciam com mais frequência nas disputas comerciais e criamos uma comparação honesta com cada um, inclusive reconhecendo os aspectos em que o outro produto era realmente superior. Essa abordagem, embora pareça contraintuitiva, evita o tom publicitário e permite que o Perplexity trate a página como uma fonte neutra de informação. A terceira categoria reorganizou preços, fórmula de cobrança, porte de empresa atendido e dúvidas frequentes em parágrafos curtos no formato de perguntas e respostas, cada um compreensível de forma independente.
Na parte técnica, acrescentamos duas medidas: aplicamos os dados estruturados Schema correspondentes a produto, preço e FAQ; e garantimos que as páginas essenciais não dependessem de renderização excessiva no front-end, permitindo que os rastreadores acessassem o texto completo em vez de encontrar apenas uma estrutura vazia. Esses dois pontos costumam ser negligenciados, mas podem determinar diretamente se a IA conseguirá ou não capturar o conteúdo.
Os resultados em 90 dias
Repetimos o teste a cada duas semanas, sempre com o mesmo conjunto de 20 perguntas. Na sexta semana, o nome da empresa começou a aparecer em respostas de comparação e recomendação. Na décima semana, ao receber perguntas sobre sistemas para redes de alimentação em Taiwan, o ChatGPT passou a listá-la entre as três recomendações e descreveu corretamente o diferencial da criação automática de escalas.
- Nas 20 situações de compra avaliadas, a proporção de respostas em que a IA mencionava corretamente a empresa subiu de 15% para 70%.
- Os pedidos de informação recebidos pelo site oficial a partir de canais de IA cresceram 58% em 90 dias.
- A equipe comercial observou que os leads vindos da IA já entendiam melhor o posicionamento do produto. Isso reduziu o esforço de comunicação na primeira ligação, pois já não era necessário gastar tempo explicando que “não somos apenas uma ferramenta de registro de ponto”.
- No mesmo período, a variação do tráfego de busca orgânica do Google permaneceu entre -5% e +5%, indicando que o crescimento vinha da visibilidade em IA, e não do SEO tradicional.
O resultado mais importante não foi o número de visitas, mas o fato de os clientes já saberem o que a empresa fazia antes de ligar. Antes, eram necessários 10 minutos para esclarecer o posicionamento. Agora, os leads chegavam por recomendação da IA e a conversa podia começar pelo que realmente importava.— The new marketing manager.
Três aprendizados que podem ser aplicados diretamente
Primeiro, meça antes de escrever. Teste perguntas reais de compra, veja como a IA descreve sua empresa hoje e identifique se a lacuna está na definição, no preço ou em outro ponto — com base em evidências, não em impressões. Segundo, produza páginas comparativas honestas. Reconhecer os pontos fortes do concorrente aumenta a confiança e a chance de citação pela IA; omitir essas informações só mantém sua marca ausente de mais perguntas semelhantes. Terceiro, acompanhe separadamente a visibilidade em IA e o tráfego de busca. Neste case, o crescimento quase não apareceu nos números de busca orgânica do Google Analytics. Quem observa apenas os indicadores antigos pode concluir que nada aconteceu.
Essa abordagem não está limitada a um setor específico, mas as lacunas variam de empresa para empresa. Quer entender como os mecanismos de IA descrevem sua marca hoje e qual elo está faltando no seu funil? Em um diagnóstico de GEO de 30 minutos, usamos situações reais de compra do seu negócio para identificar onde está a lacuna.
