Metodologia
Toda pontuação neste site, sua ou nossa, remonta a um conjunto declarado de prompts, um conjunto declarado de engines e um número declarado de rodadas, tudo registrado. Esta página é o como, por completo, não um resumo de marketing dele.
Metodologia v1.1A medição
Uma taxa de citação só tem significado quando você sabe exatamente o que a produziu. Declaramos as três entradas antes de mostrar qualquer número.
Quando possível, os conjuntos de prompts vêm de dados de demanda de busca medidos para a categoria, nas palavras do próprio comprador, não perguntas escolhidas a dedo porque rendiam uma boa captura de tela. Nosso próprio baseline de categoria usou 20 prompts de intenção de compra, coletados do mesmo jeito.
Engines de chat e resultados de busca gerados por IA são superfícies diferentes, com mecânicas diferentes. Medimos as duas, mas nunca fundimos numa única pontuação sem dizer de qual família cada número veio.
Uma rodada é um retrato; várias rodadas são uma faixa. Dizemos qual das duas você está vendo sempre, da nossa própria pesquisa publicada ao relatório que você receberia como cliente.
Duas famílias, nunca fundidas
Uma citação dentro de uma conversa no ChatGPT e uma citação dentro de uma AI Overview do Google acontecem por mecânicas diferentes. Reportar as duas como um único número esconderia qual delas realmente importa numa jornada de compra específica. Mantemos as duas separadas, sempre rotuladas.
ChatGPT, Perplexity, Gemini e Claude. Você faz uma pergunta direta e recebe uma resposta conversacional, às vezes com uma fonte citada. A amostragem do modelo tem aleatoriedade real aqui, então essa família é medida várias vezes por ciclo.
AI Overviews do Google, AI Mode do Google e o painel de resposta de IA dentro do Bing. Um resumo escrito por IA embutido direto numa página de resultados familiar, não uma conversa de chat. Se comporta de forma quase determinística para uma mesma busca, então precisa de menos rodadas, mas ainda é um número à parte.
As 7 superfícies
Duas famílias, sete superfícies, um rótulo público de método preso em cada número, pra ninguém precisar adivinhar o que o produziu.
medido · chat nativo. Segmentado por a resposta ter usado busca ao vivo (grounding) ou não.
medido · chat nativo
medido · chat nativo
medido · chat nativo
medido · busca respondida por IA
medido · busca respondida por IA. Só buscas em inglês.
proxy · resposta de IA na busca. O painel de resposta de IA dentro dos resultados de busca, não o app de chat Copilot separado.
Os tiers de amostragem
Mais repetições produzem um número mais estreito e mais confiável, e custam mais para rodar. Nunca deixamos um tier barato emprestar o rótulo que um mais rigoroso conquistou. Toda pontuação diz qual tier a produziu.
Uma rodada por prompt, em todas as engines.
snapshot de rodada única
Cinco rodadas por prompt nas engines de chat, uma a duas nas superfícies de busca com IA.
report-grade, com o intervalo largo mostrado
Sete a oito rodadas por prompt nas engines de chat, duas nas superfícies de busca com IA, batendo o piso do survey acadêmico de reprodutibilidade GEO.
research-grade
Confiança, não falsa precisão
Calculamos o intervalo por reamostragem bootstrap das rodadas por trás de uma pontuação, sem supor uma curva de sino que o dado de resposta de IA na verdade não segue. Um número sem intervalo é teatro: parece preciso e não diz nada sobre o quanto poderia ter caído em outro lugar. Numa rodada única, não fingimos um intervalo, mostramos o rótulo de snapshot de rodada única em vez disso, e dizemos isso.
Uma taxa de citação de 40% com um intervalo de 95% de 10% a 70% é uma afirmação bem diferente de 40% com um intervalo de 35% a 45%, mesmo com o número principal idêntico. Mostramos a largura sempre, nunca só o ponto médio.
Seleção vs Absorção
Pesquisa publicada sobre o comportamento de citação de LLM achou que a inclusão acontece em duas etapas com drivers diferentes. Tratá-las como um único número fundido esconde qual das duas você está de fato melhorando.
A marca entrou no pool de fontes que o modelo usou? Guiado principalmente por sinais clássicos de autoridade: backlinks, reconhecimento de marca, menções de terceiros. É o que a maioria dos números publicados de taxa de citação mede de fato.
Uma vez selecionada, o quanto a marca de fato moldou a substância da resposta, versus ficar parada, não usada, numa lista de fontes? Guiado pela densidade de evidência extraível: definições, estatísticas, comparações e conteúdo estruturado que um modelo consegue puxar direto. Ranquear bem resolve Seleção. Não resolve Absorção automaticamente.
Within-tool, nunca entre motores
O comportamento de citação varia enormemente de uma engine de IA pra outra. Pesquisa publicada mediu oscilações de até 615 vezes entre engines na mesma categoria, e achou só cerca de 11% de sobreposição entre as fontes que o ChatGPT cita e as fontes que o Perplexity cita para buscas comparáveis. Uma mudança dentro de uma engine, acompanhada ao longo do tempo, é sinal real. Uma comparação da pontuação bruta de uma engine contra a pontuação bruta de outra engine diferente não é um achado, é ruído disfarçado de achado.
As regras de honestidade
Significa que o número veio de exatamente uma passada, não de uma média de rodadas repetidas. Respostas de LLM não são totalmente determinísticas: pergunte a mesma coisa duas vezes e você pode receber duas citações diferentes. Um número de rodada única é dado real, mas é uma fotografia, não uma linha de tendência, e rotulamos assim sempre, inclusive no nosso próprio baseline de 240 respostas.
As engines da família chat são amostradas várias vezes por ciclo de medição; as superfícies de busca com IA precisam de menos rodadas por serem quase determinísticas para uma mesma busca. Onde rodamos mais de uma vez, mostramos uma faixa em vez de um número único e favorável.
Não. São superfícies diferentes, medidas de forma diferente, e reportadas separadamente sempre, rotuladas por família. Um "placar de visibilidade em IA" fundido pareceria mais limpo e diria menos.
Porque ninguém controla o que um modelo escolhe citar, nem nós, nem você, nem sequer o laboratório que o treinou. Quem promete uma citação de IA garantida está prometendo algo fora do próprio controle. O que podemos garantir é que o número que te entregamos foi produzido do jeito descrito nesta página, nunca inventado.
O que nunca fazemos
A pesquisa
Em julho de 2026 rodamos exatamente a metodologia descrita acima na nossa própria categoria, antes de vender para qualquer cliente. Aqui está o que cada módulo mediu, direto das rodadas de pesquisa registradas.
Cada palavra-chave que 14 domínios concorrentes já ranqueiam: 1.721 palavras-chave únicas, a matéria-prima da fila de ranking obrigatório.
Quem a AI Overview do Google cita para a categoria hoje, amostrado em cinco línguas.
O estudo de prompts de intenção de compra por trás de todo número de placar deste site: 240 respostas pontuadas em quatro engines.
Cruzando tudo isso numa fila de conteúdo validada.
Mesma régua
Rodamos exatamente a metodologia descrita nesta página contra a nossa própria categoria, e publicamos os resultados como um estudo de caso datado e contínuo, atualizado no lugar conforme os números se movem, ou não. Se um método não sobrevive a ser aplicado em quem o criou, não é um método.
Publicado, datado e atualizado no lugar, não uma retrospectivaVerifique você mesmo
Todo número nesta página vem de perguntar coisas reais pra engines de IA reais e contar o que voltou. Aqui está exatamente como rodar a mesma checagem você mesmo: sem conta, sem ferramenta, só as engines e um cronômetro.
Pegue um prompt de um conjunto declarado, como o exemplo abaixo, e pergunte pra cada engine que importa pra você, exatamente como está escrito, numa conversa nova, sem contexto prévio.
Em cada resposta, anote se a sua marca ou domínio aparece, e quais fontes a engine nomeia ou linka. Uma rodada única é um retrato, não uma tendência.
Repita o mesmo prompt na mesma engine em dias diferentes pra ver como o comportamento de citação se move. Nunca compare a contagem bruta de uma engine direto contra a contagem bruta de outra engine diferente.
best CRM software providersUm exemplo real medido ainda não foi publicado. Está na fila do nosso próprio próximo self-scan e vai substituir esta nota assim que chegar.
Changelog
19 de julho de 2026Os tiers de amostragem foram renomeados para o lançamento de pagamento único: Starter e Pro viram os relatórios Compete e Deep Research, o rótulo monitoring-grade vira report-grade, e o tier Compete trava em cinco rodadas por prompt. As contagens de rodadas, o método de intervalo de confiança e todos os rótulos de honestidade continuam os mesmos.
18 de julho de 2026Publicação inicial: tiers de amostragem com rótulos honestos (snapshot de rodada única, monitoring-grade, research-grade), Seleção e Absorção medidas separadamente, comparação within-tool só, prompt sets versionados, e um rótulo de método preso em cada superfície.
Referências
Toda regra nesta página remonta a uma fonte publicada específica, não uma opinião interna sobre o que soa rigoroso.
O baseline original de reprodutibilidade da categoria: 5 seeds aleatórias, código público. Ainda não seguido pela maioria das ferramentas comerciais.
Estabelece o piso de sete a oito rodadas por trás do nosso tier research-grade, e os estimandos separados que amostramos.
602 prompts e 21.143 citações por trás da divisão Seleção vs Absorção.
A oscilação de CTR orgânico sob AI Overviews que motiva medir esta categoria, pra começo de conversa.
Por que uma única query-semente não basta: AI Overviews expandem um prompt em sub-queries antes de responder.
Relatório avulso, sem assinatura, entregue em poucos dias.