Quando me pedem um único número de visibilidade em IA, eu começo separando três perguntas: o Google exibiu um link? Uma resposta descreveu ou citou a marca? Essa exposição levou alguém a um resultado de negócio? Cada pergunta exige uma evidência diferente, e somá-las em uma nota única esconde de onde veio o dado.
Medir GEO é combinar sinais observáveis, como impressões reportadas pelo Google, respostas coletadas em plataformas de IA e sessões ou conversões identificáveis, mantendo claros os limites de cada fonte. O método não consiste em procurar um KPI universal, mas em relacionar uma pergunta de negócio a uma métrica, uma fonte e uma decisão.
O relatório generativo do Search Console mede uma parte específica da visibilidade no Google. A observação manual permite analisar respostas e citações em outras plataformas. Dados de analytics e CRM podem aproximar a relação com visitas e resultados comerciais, mas não devem ser apresentados como prova automática de que uma resposta de IA causou uma conversão.
As Quatro Classes de Evidência na Mensuração de GEO
Uma medição confiável classifica cada resultado como dado oficial, observação direta, proxy ou incógnita. Essa separação impede que um número de uma plataforma seja tratado como medida universal de visibilidade em todas as IAs.
| Classe de evidência | O que pode responder | Exemplos | O que não prova sozinha |
|---|---|---|---|
| Dado oficial da plataforma | O que a própria plataforma reporta sobre a propriedade | Impressões em AI Overviews e AI Mode no Search Console | Presença em ChatGPT, Perplexity ou Claude, nem precisão factual de cada resposta |
| Observação direta | O que apareceu em uma execução registrada | Resposta, menção, URL citada, contexto e data | O que todos os usuários viram ou a frequência total da resposta |
| Proxy de tráfego ou negócio | Se houve um sinal mensurável associado a uma origem identificável | Sessões referenciadas, leads, busca de marca ou campo autodeclarado no CRM | Causalidade exclusiva da IA ou exposição sem clique |
| Incógnita ou dado indisponível | O que a equipe não consegue observar com os dados acessíveis | Todas as consultas reais, todas as respostas servidas ou influência sem visita | Não deve ser preenchido com estimativas apresentadas como fatos |
Na minha abordagem, uma métrica só entra no painel quando consigo responder quatro coisas: qual pergunta de negócio ela atende, qual é sua fonte, qual unidade está sendo contada e qual limite acompanha a interpretação. Se a equipe não consegue responder a essas perguntas, ainda não há um indicador pronto para orientar investimento.
Essa régua é complementar ao modelo mental de GEO, que separa elegibilidade, utilidade, seleção observada e resultado de negócio. Para entender como a marca é descrita e se as afirmações permanecem corretas, conecto a mensuração à auditoria de consistência de marca nas IAs.
O Que o Search Console Realmente Mede na Busca Generativa
O relatório generativo do Search Console mostra impressões orgânicas de links para uma propriedade em AI Overviews e AI Mode. A documentação também permite agrupar os dados por página, país, data e dispositivo, portanto o relatório é uma evidência oficial do Google, não um painel multiplataforma.
Em 31 de agosto de 2026, o Google informou que o relatório havia sido disponibilizado para sites globalmente. A ausência do relatório não significa, por si só, ausência absoluta de visibilidade: a documentação diz que ele pode não aparecer quando a propriedade ainda não recebeu impressões suficientes nos recursos generativos.
Eu leio esse dado com a unidade e o agrupamento à vista. No gráfico, as impressões são agregadas por propriedade; a tabela pode agrupá-las por página. Por isso, totais do gráfico e da tabela podem divergir sem que haja necessariamente um erro de implementação. O dado mais recente também pode ser preliminar e mudar enquanto a coleta termina.
O relatório responde perguntas úteis: quais páginas acumularam impressões, como a série evoluiu e em quais países ou dispositivos houve exibição. Ele não fornece o texto de cada resposta, o prompt exato que a originou ou uma avaliação de se a IA descreveu corretamente a marca. Também não informa a visibilidade em ChatGPT Search, Perplexity ou Claude.
Por isso, eu não transformo impressões do Search Console em Share of Model, participação de mercado ou número de citações. O próprio escopo documentado é específico aos recursos generativos do Google Search; sua utilidade está justamente em oferecer uma medida oficial com fronteiras claras.
Como estruturar a coleta de respostas em ChatGPT, Perplexity e Claude?
A observação manual registra o que uma equipe encontrou ao executar um conjunto definido de perguntas em uma plataforma, sob condições documentadas. Ela serve para examinar menções, citações, páginas referenciadas e precisão das afirmações, mas descreve a amostra observada, não todas as respostas distribuídas a todos os usuários.
Para tornar uma execução interpretável, eu guardo o texto literal da pergunta, a plataforma, o modo ou modelo visível, o estado da busca na web quando a interface informa essa condição, o idioma, a localização, a data e a hora. Também salvo a resposta completa e as URLs citadas, não apenas uma captura do trecho favorável à marca.
A pergunta precisa refletir a intenção investigada. Uma consulta que pede “quais opções existem para organizar estoque de uma loja virtual?” não mede o mesmo que “a plataforma X é a melhor para controlar estoque?”. Na primeira, o nome da marca não está embutido; na segunda, a própria pergunta a sugere e ainda introduz uma premissa comparativa.
Se a resposta trouxer fontes, eu abro as páginas e confiro se elas sustentam as afirmações associadas. A documentação do ChatGPT Search alerta que citações podem estar incompletas, desatualizadas ou incorretas e recomenda verificar a fonte e sua data de publicação ou atualização. O mesmo princípio de checagem é útil em qualquer revisão de resposta: a presença de um link não comprova, por si só, que o link dá suporte ao trecho.
Uma resposta pode mudar em outra execução. Um preprint de 2026 avaliou medições repetidas em Perplexity Search, OpenAI SearchGPT e Google Gemini, usando três tópicos de consumo e coletas diárias ao longo de nove dias. O estudo reporta variabilidade nas citações e argumenta que uma medição única pode transmitir uma precisão que a amostra não sustenta; ele não testou Claude nem Google AI Overviews e não deve ser usado para estimar diretamente o comportamento dessas interfaces.
Eu trato capturas manuais como observações datadas. Se o objetivo for estimar presença ou comparar plataformas, o número de perguntas, o denominador e a repetição das execuções precisam ser definidos antes da coleta. A pauta específica de Share of Model em GEO desenvolve esse protocolo sem confundir uma amostra observada com um ranking universal.
Limites e Uso Correto de Proxies de Tráfego e Conversão
Um proxy é um sinal indireto que pode ajudar a investigar uma hipótese, mas não mede o fenômeno inteiro. Sessões vindas de uma origem identificável, conversões assistidas, busca de marca e respostas autodeclaradas no CRM podem orientar a análise, desde que permaneçam identificadas como sinais parciais.
Eu separo o painel em camadas, em vez de somar impressões, citações, sessões e receita em uma pontuação única:
- Exposição observada: impressões reportadas pelo Search Console ou resposta registrada manualmente, cada uma com sua fonte e período.
- Seleção editorial ou informacional observada: menções e citações verificadas na amostra, acompanhadas da URL, da afirmação atribuída e do contexto da pergunta.
- Visita identificável: sessão que a ferramenta de analytics associa a uma origem reconhecível, sem presumir que todas as interações com IA gerem um referenciador identificável.
- Resultado comercial: lead, pedido ou receita registrados no sistema de negócio, com a regra de atribuição descrita em separado.
- Influência declarada: resposta do usuário sobre como conheceu a marca, útil como sinal qualitativo, mas sujeita a memória e interpretação da pessoa.
Uma busca de marca pode crescer ao mesmo tempo que uma campanha de relações públicas, uma promoção, uma expansão de distribuição ou uma mudança sazonal. Eu posso investigar se a mudança coincide com uma ação de GEO, mas não atribuo causalidade apenas pela coincidência temporal.
Em uma operação de e-commerce, impressões e respostas sobre produtos podem ser ligadas a catálogo, estoque, preço e conversão, mas cada elo depende da fonte e da janela de medição. Para aprofundar essa camada comercial, consulte o ebook SEO para E-commerce; a futura pauta de atribuição de GEO para e-commerce e B2B detalhará como separar receita direta, assistida, autodeclarada e modelada.
Matriz de Decisão: Conectando Métricas a Ações de SEO
Um protocolo de medição começa pela decisão que a equipe precisa tomar e só depois escolhe a fonte de dados. Assim, cada indicador ganha um responsável, um período, uma unidade e uma ressalva que permanece junto do número quando ele chega à liderança.
- Escreva a pergunta de negócio. Exemplos: quais páginas aparecem no Google, como as IAs descrevem uma linha de produto ou se há tráfego identificável vindo de plataformas generativas.
- Escolha a classe de evidência. Use relatório oficial para o dado reportado pelo Google, captura manual para respostas observadas, analytics para sessões identificáveis e CRM para resultados comerciais registrados.
- Defina o universo observado. Registre propriedade, plataforma, idioma, país, dispositivo, intenção, período e condições de execução que afetam a leitura.
- Registre unidade e regra de contagem. Diga se o valor representa impressões, respostas observadas, URLs citadas, sessões, leads ou pedidos. Não some unidades diferentes.
- Guarde o dado bruto. Preserve exportações, consulta literal, resposta, URL, data e filtros. Um gráfico sem contexto não permite reproduzir a análise.
- Marque limites e lacunas. Identifique agregações, dados preliminares, ausência de relatório, amostra pequena, respostas sem fonte e canais que a equipe não consegue observar.
- Compare períodos equivalentes. Mantenha as mesmas definições e documente alterações de plataforma, prompts, filtros ou configuração antes de interpretar uma variação.
- Associe o indicador a uma ação. Defina quem investiga, qual evidência adicional precisa e qual decisão pode ser tomada sem extrapolar o que o dado mostra.
Para organizar perguntas, países e cenários de avaliação, a biblioteca de Prompts para SEO pode servir de base para um painel versionado. Eu registro cada alteração na lista de perguntas, porque trocar um prompt muda o universo observado e pode invalidar uma comparação simples com o período anterior.
A futura pauta sobre programa de GEO e mensuração de impacto reunirá governança, métricas e decisões de negócio. Já o artigo de GEO local e governança operacional aplicará a mesma disciplina a consultas por cidade, horários, serviços e fontes locais.
Quando e Como Integrar o Share of Model ao Diagnóstico
O Share of Model não é sinônimo de impressões do Google nem de quantidade bruta de citações coletadas em uma única rodada. Antes de comparar marcas, a equipe precisa definir universo de prompts, respostas válidas, plataformas, período, localização, idioma e denominador.
Neste artigo, organizei as classes de evidência e o que cada uma permite concluir. O artigo existente de Share of Model será atualizado para apresentar o protocolo específico de amostragem, presença, citação, posicionamento e limitações estatísticas. A distinção evita que uma métrica ampla de gestão e um método operacional de cálculo disputem a mesma intenção de busca.
Se eu não consigo dizer de onde veio um número e o que ele deixa de fora, não o uso como prova de resultado. Uma medição GEO útil não precisa reunir tudo em um placar; precisa ajudar a equipe a decidir com evidência proporcional à pergunta.
Qual decisão de GEO você precisa tomar hoje e qual fonte de dados realmente consegue sustentá-la?