Em uma frase, o Brand Radar trata cada mecanismo de IA como um sistema que pode responder de forma diferente a cada consulta. Por isso, faz as mesmas perguntas repetidas vezes e mede com que frequência a sua marca aparece e serve como fonte. Não monitora ranking de palavras-chave nem tráfego do site. A pergunta é outra: “Quando um potencial cliente pede à IA que indique uma empresa, com que frequência a sua marca aparece — e com que credibilidade?”. A qualidade do resultado depende mais do desenho da amostra do que da tecnologia usada para coletá-la.
Primeiro, é preciso entender exatamente o que o Brand Radar mede.
Uma ferramenta tradicional de SEO informa a posição de uma URL no Google. Nos mecanismos de IA, essa posição fixa não existe. Se você perguntar ao ChatGPT “Quais são as agências de GEO em Taiwan para empresas B2B SaaS?”, ele pode listar três nomes hoje, cinco amanhã e ainda mudar a ordem. A visibilidade, portanto, não cabe em uma posição isolada. Ela precisa ser expressa como a probabilidade de a marca aparecer em um grande número de consultas repetidas. O Brand Radar transforma essa probabilidade em indicadores mensuráveis: taxa de menção, taxa de citação, posição média, sentimento e share of voice diante dos concorrentes.
Etapa 1: transforme perguntas reais dos compradores em um conjunto de prompts
O erro mais comum é montar a lista com as palavras-chave pelas quais a empresa gostaria de ser encontrada. Um comprador dificilmente pesquisa “serviço de auditoria de GEO”. É mais provável que pergunte “Nossa empresa nunca aparece nas buscas por IA; quem pode resolver isso?” ou “Como saber se o ChatGPT está recomendando meu produto?”. Construímos essa lista a partir de três fontes: perguntas que clientes já fizeram à empresa, a linguagem usada em conversas com clientes e com o time de vendas e as sugestões e respostas oferecidas pelos próprios mecanismos. A amostra precisa ser grande o suficiente para produzir taxas estáveis, mas volume por si só não é vantagem: prompts demais diluem os problemas comerciais relevantes. Em uma operação B2B com ciclo de venda mais longo, de 40 a 120 prompts centrais costumam ser suficientes para cobrir descoberta, comparação e decisão. O essencial é que cada prompt represente uma situação real de compra.
Etapa 2: por que repetir as consultas várias vezes?
As respostas dos mecanismos de IA variam. A mesma pergunta, feita ao mesmo modelo dez vezes, pode gerar oito formulações diferentes e mudar a ordem das recomendações. Uma única execução produz um registro, não um sinal confiável. O Brand Radar repete cada prompt em cada mecanismo e analisa a distribuição estatística dos resultados. Se a marca aparece em sete de dez execuções, sua taxa de menção é de 70% — um número muito mais útil. A amostragem também precisa abranger diferentes mecanismos, porque ChatGPT, Perplexity, Gemini e Google AI Overviews têm preferências de fontes bastante distintas. A mesma marca pode ter grande visibilidade em um deles e quase nenhuma em outro.
Etapa 3: colete as respostas e diferencie “menção” de “citação”
Cada resposta coletada precisa ser analisada de duas maneiras. A primeira é a menção: o nome da empresa, do produto ou de uma pessoa-chave aparece no texto? A segunda é a citação: os links de fonte, as notas de rodapé ou a lista de referências apontam para o site da empresa? Embora sejam frequentemente confundidos, esses sinais têm significados distintos. A menção indica que o modelo reconhece a marca; a citação mostra que o conteúdo da empresa foi usado como evidência para compor a resposta. Marcas com presença saudável tendem a apresentar os dois. Muitas menções e poucas citações geralmente indicam que a reputação acumulada ainda sustenta a marca, mas que seu conteúdo atual tem baixa cobertura como fonte. Há também um problema de identificação: nomes de marca podem ser interpretados incorretamente, empresas homônimas podem entrar na contagem e o modelo pode escrever o nome errado ou pela metade. Por isso, a coleta precisa de regras claras de desambiguação, capazes de separar menções reais à marca de coincidências. Sem essa limpeza, todas as pontuações calculadas depois ficam distorcidas.
Etapa 4: como calcular a pontuação de visibilidade?
Depois de identificar e limpar menções e citações, os dados são convertidos em pontuações rastreáveis. A lógica central usa pesos, não uma contagem genérica:
- Taxa de menção: proporção de todas as amostras em que a marca aparece no texto da resposta.
- Taxa de citação: proporção das respostas com fontes que apontam para o site da marca, indicando em que medida seu conteúdo é usado como evidência.
- Posição: a marca aparece no início da resposta ou ocupa uma posição de destaque?
- Sentimento: a IA descreve a marca de forma positiva, neutra ou negativa? Isso afeta diretamente o valor real da exposição.
- Share of voice: comparação com os principais concorrentes no mesmo conjunto de prompts para identificar quem é selecionado com mais frequência pela IA.
Esses indicadores são ponderados conforme o valor comercial de cada prompt. Perguntas próximas da decisão, com intenção clara de compra, recebem prioridade sobre consultas genéricas de reconhecimento. O resultado final é uma pontuação consolidada de visibilidade, útil para comunicação e acompanhamento. Mas as decisões práticas normalmente vêm da análise de cada componente, porque métricas diferentes apontam para correções diferentes: uma taxa de citação baixa exige conteúdo mais sólido e evidências estruturadas; um share of voice baixo mostra quais temas estão sendo dominados pelos concorrentes.
Etapa 5: transforme um retrato isolado em uma tendência
A pontuação de um único momento mostra a situação, mas não revela causa nem efeito. O valor está no acompanhamento contínuo: executar novamente os mesmos prompts em uma frequência semanal fixa e organizar as pontuações em uma série temporal permite relacionar ações e resultados — por exemplo, passar de “publicamos três comparativos no mês passado” para “duas semanas depois, a taxa de citação no Perplexity começou a subir”. A tendência também antecipa riscos. Se a presença de um concorrente cresce por três medições consecutivas e começa a ocupar respostas antes associadas à sua marca, o sinal pode aparecer antes de qualquer impacto perceptível no tráfego do site.
Como usar esses números na prática
A pontuação de visibilidade não deve ser apenas uma métrica de vaidade em relatórios. Sua função é indicar qual deve ser o tema do próximo conteúdo, em qual mecanismo está a lacuna mais importante e se o esforço investido realmente faz a marca aparecer com mais frequência nas respostas de IA.
Ao percorrer a lógica do Brand Radar, fica claro que ele é um método de mensuração aplicado a mecanismos de IA que funcionam como uma matriz variável. O desafio não está em capturar os dados, mas em selecionar os prompts certos, limpar os resultados e conectar cada pontuação a uma ação executável. Se você ainda não sabe em quais temas e mecanismos de IA sua marca aparece — nem onde estão as principais lacunas —, agende um diagnóstico de GEO de 30 minutos. Executaremos uma rodada de perguntas relevantes para o seu segmento e identificaremos os pontos de queda e as correções prioritárias.
