Como medimos presença em motores de IA

Presença é a fundação: sem ela, nenhum outro componente importa

Medir presença em motores de IA significa disparar prompts reais em ChatGPT, Gemini, Perplexity e Google AI Overviews e registrar se a marca aparece na resposta. A gente não pergunta "fale sobre a marca X" — isso seria trapacear. Os prompts simulam perguntas reais de consumidores: "melhor pizzaria no Jardins", "software de gestão pra clínica", "qual fintech tem menor taxa de câmbio". Se a marca aparece organicamente nessas respostas, ela tem presença. Se não aparece, ela é invisível pra esse canal. Segundo dados do BrightEdge, buscas com AI Overviews já representam quase metade das queries no Google nos EUA. No Brasil, a adoção está acelerada — o Google ativou AI Overviews no país em 2025. Isso significa que presença em IA deixou de ser curiosidade e virou canal de aquisição real.

O protocolo de prompts: como a gente define o que perguntar

A gente não inventa os prompts aleatoriamente. O Gemini, primeiro modelo do pipeline, analisa o setor da marca e gera uma lista de prompts baseada em três fontes: termos de busca reais (via SERP), perguntas frequentes em Google Places e Reclame Aqui, e variações de intenção (comercial, informacional, comparativa). Pra cada marca, geramos entre 30 e 80 prompts, dependendo do tamanho do setor. Cada prompt é então executado nos quatro motores principais. A execução é feita via API quando disponível e via simulação de interface quando necessário. Um detalhe importante: a gente executa os mesmos prompts em janelas de conversação limpas, sem histórico, pra evitar personalização. Segundo o Stanford HAI AI Index 2024, respostas de LLMs variam significativamente conforme o contexto da conversa — por isso padronizar a janela é essencial pra resultados comparáveis entre marcas.

Taxa de aparição: o número que resume presença

O output da dimensão presença é a taxa de aparição, calculada como: número de prompts em que a marca apareceu dividido pelo total de prompts relevantes, por motor. Se a gente dispara 50 prompts no ChatGPT e a marca aparece em 15, a taxa de aparição nesse motor é 30%. Essa taxa é calculada separadamente pra cada motor e depois ponderada pra compor o sub-score de presença. O peso de cada motor reflete seu alcance no Brasil: Google AI Overviews tem peso maior que Perplexity, por exemplo, porque o volume de usuários é incomparavelmente maior. A gente também registra a posição da menção dentro da resposta — primeira citação, citação intermediária ou menção no final. Aparecer como primeira recomendação vale mais do que ser citado como "outra opção". Esses dados de posição alimentam tanto a dimensão presença quanto a dimensão contexto.

Cobertura entre motores: por que um só não basta

Uma armadilha comum é achar que "aparecer no ChatGPT" é suficiente. O problema é que cada motor usa fontes e lógicas diferentes. Uma marca pode ter presença forte no Gemini (que puxa bastante do ecossistema Google) e presença zero no Perplexity (que prioriza fontes citáveis e artigos recentes). A gente mede a cobertura entre motores como um componente separado dentro da dimensão presença. Uma marca com taxa de aparição de 60% no Gemini mas 5% no ChatGPT tem um problema de cobertura. Segundo relatório da Gartner 2025, consumidores usam em média 2.3 assistentes de IA diferentes — então depender de um único motor é arriscado. O sub-score de cobertura premia marcas que aparecem consistentemente em múltiplos motores e penaliza concentração excessiva em um só. Isso reflete a realidade de como as pessoas realmente usam IA.

O que um score baixo de presença realmente significa

Score baixo de presença (abaixo de 3 na dimensão) significa que os motores de IA praticamente não conhecem a sua marca. Quando alguém pergunta sobre o seu setor, você não é citado. Isso normalmente acontece por três razões: a marca tem pouca presença digital estruturada (site fraco, sem Google Business Profile atualizado, poucos reviews), o conteúdo existente não está em formato que LLMs conseguem processar, ou a concorrência domina as fontes que os motores consultam. A boa notícia é que presença é a dimensão mais direta de melhorar. Diferente de contexto, que depende de como o mercado percebe a marca, presença depende de ações técnicas: estruturar dados, otimizar conteúdo pra citação, garantir consistência entre plataformas. A gente usa o Claude, terceiro modelo do pipeline, pra gerar planos de ação específicos baseados nas lacunas que o teste de presença identificou.