Relatórios de visibilidade em IA: o que medem, por que é difícil confiar neles e o que configurar antes de pagar

Um relatório de visibilidade em IA conta com que frequência uma marca aparece nas respostas de um assistente a um conjunto de perguntas escolhido pelo fornecedor. Os estudos públicos mostram que essas respostas mudam entre repetições, de modo que importam o método e a quantidade de repetições. Antes de pagar, convém medir o tráfego próprio e exigir que o fornecedor explique como mede.

Este guia foi pensado para quem precisa decidir se contrata um relatório desse tipo, e não apenas para quem o configura. Os termos técnicos são explicados em palavras simples e o detalhe aparece sob o rótulo "Para a equipe técnica". Convém esclarecer de onde este texto é escrito: a CookingMetrics oferece auditorias de mensuração e acompanhamento a equipes de desenvolvimento, e desenvolve suas próprias aplicações. Não vende nem revende ferramentas de visibilidade, mas tem interesse em que cada site meça o que é seu. Que "as ferramentas de visibilidade não são uma base confiável para decidir" é uma opinião da CookingMetrics; o que segue separa essa opinião do que dizem as fontes.

Em síntese

• Um relatório de visibilidade mede aparições em respostas de modelos a perguntas definidas, não visitas nem vendas. É uma amostra, e seu valor depende de quantas perguntas e quantas repetições inclui.
• Um estudo da SparkToro (27 de janeiro de 2026, não revisado por pares) constatou que, ao repetir uma mesma pergunta cerca de cem vezes, a lista de marcas recomendadas quase nunca se repetia. Seu autor sustenta que uma posição em um ranking de IA não é uma medida significativa e que uma porcentagem de visibilidade sobre muitas perguntas repetidas pode ser.
• Um estudo da Authoritas (19 de fevereiro de 2025) mediu a mudança nas fontes citadas pelos AI Overviews do Google, não em assistentes de chat. Essas mudanças foram maiores que as dos resultados orgânicos do mesmo período.
• "Visibilidade não é receita": que uma marca apareça mais não equivale a que venda mais. A relação existe ou não conforme o negócio, e se verifica com as conversões próprias; não se dá por suposta nem por descartada.
• Antes de pagar, convém ter mensuração própria (visitas, rastreamento, citações nos consoles) e levar ao fornecedor um conjunto curto de perguntas sobre seu método.

O que mede um relatório de visibilidade

A descrição a seguir é geral e é uma síntese feita para este guia; os métodos variam e cada fornecedor deveria documentar o seu.

Um relatório típico funciona assim: o fornecedor define uma lista de perguntas que um cliente poderia fazer a um assistente de IA ("qual é o melhor…", "que fornecedor convém para…"). Envia-as a um ou mais assistentes, guarda as respostas e conta em quantas aparece a marca do cliente, às vezes com sua posição em uma lista ou com uma avaliação. O resultado é mostrado como uma porcentagem de visibilidade, uma posição média ou uma comparação com concorrentes.

Isso é muito diferente do que medem as ferramentas próprias do site:

• Um relatório de visibilidade estima aparições em respostas a perguntas escolhidas. Não registra nenhuma pessoa real.
• A análise de dados e os registros do servidor medem visitas e atividade de robôs reais no site. Não sabem o que foi respondido.
• Os consoles dos mecanismos de busca informam impressões, cliques e, no caso do Bing Webmaster Tools, citações, sobre o domínio verificado. O guia Como medir o tráfego de assistentes de IA descreve essas camadas e seus limites.

Nenhuma das três substitui as outras. A análise de dados e os registros descrevem a atividade no site; os consoles informam aparições ou cliques em suas superfícies; um relatório de visibilidade observa respostas dentro de uma amostra escolhida. Impressões e citações podem ocorrer sem uma visita ao domínio.

O que diz a evidência pública sobre a estabilidade das respostas

Há dois estudos públicos que servem de referência. Nenhum prova que todas as ferramentas sejam pouco confiáveis, e ambos têm limites que seus próprios autores declaram.

SparkToro, janeiro de 2026: assistentes de chat

• O que fizeram: Rand Fishkin (SparkToro), com Patrick O'Donnell, que segundo o próprio artigo trabalha em uma empresa do setor de monitoramento de IA, convocou 600 voluntários. Foram feitas 12 perguntas distintas, cada uma repetida entre 60 e 100 vezes, até somar 2.961 respostas do ChatGPT, do Claude e dos AI Overviews do Google (com o AI Mode quando os primeiros não apareciam). Os dados foram coletados em novembro e dezembro de 2025.
• O que encontraram, segundo os autores: ao pedir a mesma recomendação cerca de cem vezes, a probabilidade de obter duas vezes a mesma lista de marcas era inferior a uma em cem; a de obtê-las na mesma ordem, da ordem de uma em mil. Com perguntas escritas por pessoas para uma mesma necessidade, a similaridade entre os textos foi muito baixa (0,081 na medida que os autores usaram), mas algumas marcas apareciam com frequência alta (de 55% a 77% das respostas, para quatro marcas de fones de ouvido).
• O que conclui o autor: que uma "posição no ranking de IA" não faz sentido como medida e que uma porcentagem de visibilidade sobre dezenas ou centenas de perguntas, cada uma repetida várias vezes, é uma medida razoável. Recomenda verificar que o fornecedor documente seu método de forma pública.
• Limites declarados: não é revisado por pares; os autores dizem que não são pesquisadores profissionais; não controlaram localização, dispositivo nem histórico; os dados são de novembro e dezembro de 2025 e os modelos mudam; não coletaram como as respostas descrevem as marcas; pedem amostras muito maiores.

Authoritas, fevereiro de 2025: AI Overviews do Google

• O que fizeram: o diretor executivo da empresa, Laurence O'Toole, reuniu 11.203 palavras-chave no Google.com dos Estados Unidos, em desktop, e as consultou em três datas: 23 de agosto de 2024, 17 de outubro de 2024 e 17 de janeiro de 2025. Apenas 2.104 mostravam um AI Overview, e a análise dessas respostas usa somente esse grupo.
• O que mediu: quanto muda a lista de páginas citadas no AI Overview entre duas datas, em uma escala de 0 a 1 em que um valor maior significa mais mudança. O autor a calcula como uma distância entre listas que dá mais peso às primeiras posições e não publica na página os pesos exatos.
• O que encontrou: entre agosto e outubro (cerca de oito semanas), a mudança nas fontes citadas foi de 0,68, contra 0,49 nos resultados orgânicos; entre outubro e janeiro (cerca de treze semanas), 0,73 contra 0,55. O autor resume que em dois ou três meses é possível esperar que mude uma proporção próxima de 70% das páginas citadas.
• Limites declarados: apenas desktop e apenas Estados Unidos; três datas; um subconjunto pequeno de palavras-chave com AI Overview; não se informam testes de significância nem intervalos de confiança; o autor adverte que algumas de suas métricas não são comparáveis entre si.

O que se pode e o que não se pode concluir

• Pode-se dizer que, nesses dois estudos, as respostas e as fontes citadas mudaram muito entre repetições e entre datas, e que um único dado pontual de um relatório pode não representar o que outra pessoa verá.
• Não se pode dizer que todas as ferramentas de visibilidade sejam pouco confiáveis. Os estudos não avaliaram nenhuma ferramenta concreta, e uma ferramenta que repita cada pergunta muitas vezes e publique seu método responde, ao menos em parte, ao que o autor da SparkToro considera razoável.
• Não se pode extrapolar o segundo estudo para assistentes de chat, nem o primeiro para AI Overviews: medem coisas distintas, em datas distintas e com métodos distintos.
• Ambos os estudos têm mais de nove meses (o da Authoritas, quase dois anos) e os modelos mudam com frequência; convém buscar trabalhos mais recentes antes de citar números.

Para a equipe técnica. A "volatilidade" do segundo estudo é uma distância entre listas (os autores a descrevem como uma distância de Levenshtein ponderada): conta quantas mudanças de posição, inclusões e exclusões são necessárias para passar da lista de uma data para a de outra. Não mede a qualidade da resposta nem se a mudança foi boa ou ruim para uma marca. Se o fornecedor informa uma porcentagem de visibilidade, a pergunta técnica é quantas repetições sustentam essa porcentagem: com poucas repetições, a margem de erro é grande.

Conteúdo exclusivo

Para leitores com conta

Calcular a proporção sem esconder o denominador

Resolva um exemplo fictício que distingue a média por pergunta da proporção por execuções.

Entre para acessar esta seção →

Trabalhamos para oferecer conteúdos da melhor qualidade; por isso algumas destas explicações não são públicas.

O que perguntar a um fornecedor antes de pagar

Estas perguntas são critério editorial da CookingMetrics, não um padrão do setor. Servem para comparar propostas sem precisar de conhecimentos técnicos.

1. Quem define as perguntas e posso vê-las e alterá-las? As perguntas deveriam se parecer com as que seus clientes fazem, e não apenas com as que o fornecedor escolheu. No estudo da SparkToro, pessoas diferentes escreveram de forma muito distinta uma mesma necessidade.
2. Quantas vezes cada pergunta é repetida e como se informa a variação? Uma porcentagem sem a quantidade de repetições é difícil de interpretar. A SparkToro sugere da ordem de 60 a 100 por pergunta; é uma recomendação desse autor, não uma norma.
3. Em que condições se consulta? País, idioma, dispositivo, se usa a interface que as pessoas veem ou uma conexão técnica (API) com o modelo. Os estudos citados não controlaram essas condições, e não há como saber daqui se alteram o resultado.
4. Que assistente e que versão? Os modelos mudam. Um relatório sem data de consulta e sem modelo é difícil de comparar com o seguinte.
5. Como se decide que uma marca "aparece"? Menção textual, link, recomendação. E se a resposta for errada ou negativa? O estudo da SparkToro não coletou essa informação.
6. Posso exportar as respostas completas, com data? Se o fornecedor não entrega as respostas, não há como revisar a porcentagem. Isso, e que o método seja público, é o que o autor da SparkToro recomenda verificar.

Se o fornecedor não consegue responder a três ou mais, o dado continua sendo uma estimativa, mas não uma que se possa defender diante de um conselho de administração.

Conteúdo exclusivo

Para leitores com conta

Avaliar o método de um relatório concreto

Solicite consultas, definições, repetições e respostas exportáveis antes de interpretar uma porcentagem.

Entre para acessar esta seção →

Trabalhamos para oferecer conteúdos da melhor qualidade; por isso algumas destas explicações não são públicas.

Visibilidade não é receita

Uma marca pode aparecer em muitas respostas e não vender mais, ou vender mais sem aparecer nelas. A frase "visibilidade não é receita" não afirma que a visibilidade não gere vendas. Afirma que não equivalem: a relação não está medida em geral e depende do negócio, do produto e de quem pergunta. Este guia não cita nenhum estudo que quantifique essa relação e, portanto, não a afirma nem a nega.

O que uma organização pode fazer é verificá-la com seus próprios dados:

• O que observar: as conversões atribuíveis a visitas vindas de assistentes de IA e do mecanismo de busca, e quantas delas correspondem às páginas ou aos temas que o relatório diz que melhoraram.
• Com que cuidado: se nenhuma visita registrada chega de assistentes, ou se são poucas, não há base para tirar conclusões em nenhuma direção. O detalhe do que se pode medir está no guia de mensuração por camadas.

O que configurar antes de pagar

Antes de contratar um relatório, convém que a organização tenha resolvido o seguinte. É uma recomendação da CookingMetrics e sua ordem é uma proposta.

• Os consoles verificados. O domínio verificado no Google Search Console e no Bing Webmaster Tools, para ver impressões, cliques e citações sobre o próprio site.
• A análise de dados com o canal de assistentes de IA revisado. Ver quais visitas já chegam e quais não podem ser atribuídas.
• Os registros do servidor ou da CDN. Para saber quais robôs de IA leem o site. Os guias de acessibilidade para robôs de IA e de Cloudflare para SEO e GEO explicam como verificar o acesso.
• Um marco para interpretar os resultados. A nota o que é GEO descreve o conceito.

Com isso resolvido, o relatório passa a ser um complemento e não a única fonte do dado.

Conteúdo exclusivo

Para leitores com conta

Documentar uma decisão de compra

Compare necessidade, cobertura, evidências e trabalho interno sem inventar preços nem retorno econômico.

Entre para acessar esta seção →

Trabalhamos para oferecer conteúdos da melhor qualidade; por isso algumas destas explicações não são públicas.

Quando pode fazer sentido avaliar uma ferramenta

Pode fazer sentido quando a organização já mede o que é seu e precisa ver algo que os consoles não oferecem, por exemplo como aparece diante de concorrentes em perguntas concretas de seus clientes, em vários países ou idiomas. Uma forma razoável de decidir é um teste de repetição, um método proposto neste guia que a CookingMetrics ainda não executou:

1. Escolher entre 5 e 10 perguntas que seus clientes realmente fazem, escritas por eles, não pelo fornecedor.
2. Fazer cada uma várias vezes, em sessões novas, em um mesmo país e idioma, e anotar em quantas aparece a marca e com quais fontes.
3. Pedir ao fornecedor os mesmos dados para as mesmas perguntas.
4. Comparar. Se o fornecedor e o teste próprio diferirem muito, perguntar por quê antes de pagar.
5. Registrar a data, o assistente e a versão, para repetir o teste mais adiante.

Com poucas repetições, o teste não é estatisticamente sólido; serve para detectar diferenças grandes, não pequenas.

Conteúdo exclusivo

Para leitores com conta

Projetar um piloto comparável

Defina condições, repetições e critérios para continuar ou parar antes de conhecer os números.

Entre para acessar esta seção →

Trabalhamos para oferecer conteúdos da melhor qualidade; por isso algumas destas explicações não são públicas.

O que não concluir

• Que uma porcentagem de visibilidade alta signifique mais vendas. Não há evidência citada aqui dessa relação.
• Que uma posição em um ranking de IA seja uma medida estável. Segundo o autor do estudo da SparkToro, não é.
• Que os dois estudos representem todas as ferramentas ou todos os assistentes.
• Que alguma ferramenta seja melhor ou pior que outra. Este guia não compara fornecedores nem recomenda nenhum.

O que fazer depois

Se a sua equipe avalia uma ferramenta de visibilidade, leve as seis perguntas à reunião e compare as respostas por escrito. Se ainda não mede as visitas, o rastreamento e as citações do seu próprio site, comece por aí. Se desejar que revisemos essa base, conheça nosso serviço de SEO para buscas com IA: revisamos a configuração e acompanhamos a sua equipe, e não vendemos ferramentas de visibilidade.

Perguntas frequentes

O que é um relatório de visibilidade em IA?

É um relatório que estima quantas vezes uma marca aparece nas respostas de assistentes de IA a um conjunto de perguntas escolhido pelo fornecedor. Não registra visitas de pessoas nem vendas.

Por que as respostas de um assistente mudam entre repetições?

Os estudos citados observaram que as listas de marcas e as fontes citadas mudam entre repetições e entre datas. Este guia não explica a causa; apenas informa o observado.

Uma porcentagem de visibilidade é uma medida confiável?

Segundo o autor do estudo da SparkToro, pode ser se for calculada sobre dezenas ou centenas de perguntas repetidas várias vezes e o fornecedor documentar seu método. Com poucas perguntas ou poucas repetições, a margem de erro é grande.

A visibilidade em IA aumenta as vendas?

Não há neste guia dados que o quantifiquem. Pode ser verificado com as conversões próprias de visitas vindas de assistentes; se há poucas visitas, não é possível concluir.

É preciso pagar por uma ferramenta para medir a visibilidade em IA?

Não necessariamente. Os consoles do Google e do Bing, a análise de dados e os registros do servidor medem visitas, rastreamento e citações sobre o próprio site, sem depender de perguntas escolhidas por um fornecedor. Uma ferramenta de visibilidade pode complementar essa base, não substituí-la.