Duas famílias de indicadores para medir o impacto dos LLM
Medir o GEO (Generative Engine Optimization, o posicionamento nos motores generativos) equivale a seguir o lugar da sua marca nas respostas do ChatGPT, do Perplexity, do Gemini, do Copilot ou dos AI Overviews da Google. Todo o dispositivo assenta numa distinção simples. Os indicadores de presença medem esse lugar nas respostas: reagem depressa e orientam o trabalho do dia a dia. Os indicadores de resultados medem o efeito real no negócio: leads, registos, vendas, com semanas de atraso. Os primeiros justificam o esforço, os segundos justificam o orçamento. São precisos os dois.
Indicadores de presença: o acompanhamento de prompts
O acompanhamento de prompts consiste em executar todos os dias, em vários modelos, uma biblioteca de perguntas representativa do seu negócio e dos seus objetivos de produto, e depois registar o que as respostas dizem da sua marca. Se vende um software de faturação eletrónica, por exemplo, são as perguntas que um diretor financeiro faz antes de escolher: «que software de faturação eletrónica escolher para uma PME?», «que soluções estão em conformidade com a reforma?». Recolha-as nas reuniões comerciais, nos tickets de suporte e nas consultas da Search Console reformuladas em linguagem natural. Mantenha à parte os prompts que nomeiam a sua marca: mencionam-no quase sempre e inflacionam todos os valores.
Uma ferramenta de acompanhamento de prompts, como Peec, Profound ou Otterly, automatiza esta recolha e regista três dados em cada resposta: as menções (a sua marca é nomeada), a ordem (o lugar da sua marca entre as que a resposta cita) e as citações (as páginas que o modelo apresenta como fontes, sejam suas ou de terceiros).
Das menções e da sua ordem, extraio cinco indicadores. As citações servem mais abaixo, numa leitura qualitativa.
| Indicador | Cálculo | O que diz |
|---|---|---|
| Quota de voz | As suas menções sobre as de todas as marcas acompanhadas, a sua incluída | O seu desempenho face aos outros. Não significa nada em termos de negócio por si só, mas a sua tendência valida ou não os seus esforços. |
| Visibilidade | Percentagem dos prompts executados em que é mencionado | A sua cobertura do perímetro definido pela biblioteca de prompts. Bom indicador de pilotagem. |
| Posição | Ordem média da sua menção entre as marcas citadas, apenas nos prompts em que aparece | Ser citado primeiro traduz provavelmente uma credibilidade superior. Lida isoladamente, lisonjeia: desaparecer dos prompts em que estava mal classificado melhora-a. |
| Menção ponderada | Média do inverso da ordem sobre todos os prompts, ausências incluídas, numa escala de 100 (fórmula abaixo da tabela) | Combina cobertura e ordem num só número. Seguida todos os dias, é o indicador de pilotagem, o mais expressivo do conjunto. |
| Quota de voz ponderada | A sua menção ponderada sobre a soma das menções ponderadas de todas as marcas acompanhadas | O seu peso nas respostas face ao mercado, cobertura e ordem em conjunto. Mais rica do que a quota de voz clássica, e complementar. |
A menção ponderada merece a sua fórmula, porque é ela que orienta o trabalho. Para cada prompt, a sua menção vale o inverso da sua ordem: 1 se for citado primeiro, 0,5 em segundo, 0,33 em terceiro, 0 se estiver ausente. A média destes valores sobre toda a biblioteca, multiplicada por 100, dá o indicador. Exemplo com 100 prompts: citado 30 vezes primeiro, 20 vezes segundo, 10 vezes terceiro e ausente dos outros 40, ou seja 30 × 1 + 20 × 0,5 + 10 × 0,33 + 40 × 0 = 43,3 pontos em 100 prompts, logo uma menção ponderada de 43 em 100. As 40 ausências pesam: é isso que distingue este indicador da posição. Calcule-o modelo a modelo antes de fazer uma média: o ChatGPT e o Perplexity não o classificam da mesma forma, e a diferença entre os dois ensina muitas vezes alguma coisa.
Acrescente duas leituras qualitativas. As citações primeiro: uma página citada influencia a narrativa do modelo. Identifique as que funcionam e use-as para justificar os seus investimentos ou hierarquizar as suas ações: que fios de discussão influenciar primeiro, que criadores de vídeo contactar. Observe também as dos concorrentes. O sentimento depois: a forma como os modelos falam de si. Se alimenta regularmente terceiros que falarão da sua marca, siga o efeito de cada evento, como um novo selo obtido, no sentimento global ou por produto.
Quatro fontes complementares: motores, registos, painéis, AI Overviews
Estas quatro fontes não medem nem a presença nem o resultado: iluminam a mecânica entre os dois, o que os robôs leem, o que os motores mostram, de onde vêm os visitantes. Consultam-se uma vez por mês, ou quando um número do acompanhamento de prompts mexe sem razão visível.
| Fonte | O que traz |
|---|---|
| Os dados dos motores | O Bing Webmaster Tools e a Google Search Console publicam, cada um, dados sobre o lugar das suas páginas nas respetivas respostas geradas, o Copilot de um lado, os AI Overviews e o AI Mode do outro. Servem sobretudo para justificar uma alocação de orçamento, ou para aprofundar um ponto preciso. |
| Os registos do servidor | Filtre os robôs dos LLM nos seus registos e separe duas famílias: os robôs de treino e de indexação (GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot), que alimentam os modelos e os seus índices, e os robôs de resposta (ChatGPT-User, Perplexity-User, Claude-User), que leem uma página no momento em que um modelo compõe uma resposta. Os segundos provam, página a página, que serve de fonte. E quando implementa uma melhoria técnica para ajudar os modelos a compreender o site, é aqui que se lê o seu efeito do lado da exploração. |
| Os dados de fornecedores terceiros | Alguns painéis, como a Similarweb, estimam que percentagem dos seus visitantes também utilizou o ChatGPT ou o Perplexity no mesmo dia, e quantas visitas cada assistente lhe envia em comparação com os seus concorrentes. Estimativas a tomar com prudência, mas o ângulo de visão, externo e comparativo, é precioso. |
| O acompanhamento dos AI Overviews | A sua ferramenta de acompanhamento de posições (Semrush, Ahrefs ou SE Ranking incluem esta função) indica, palavra-chave a palavra-chave, se um AI Overview é apresentado e se o seu site é aí citado. Bom indicador de pilotagem para medir o efeito de uma alteração feita ao site: conteúdo novo, formatação nova. |
Indicadores de resultados: o impacto real nos seus potenciais clientes
Primeiro, o declarativo. A pergunta «como nos conheceu?» mede o impacto comercial real, e o seu veredicto diverge muitas vezes do modelo de atribuição. Sem ela, perde o cenário mais comum: alguém lê uma recomendação num LLM, escreve a sua marca no Google, clica num link pago ou orgânico. Nenhum modelo de atribuição vê essa cadeia.
Depois, a analítica. No GA4, crie um grupo de canais personalizado «LLM» definido por uma expressão regular sobre a origem da sessão: chatgpt.com, perplexity.ai, copilot.microsoft.com, gemini.google.com, claude.ai, chat.mistral.ai. Sem ele, estas visitas afogam-se no canal «Referral». Quando um visitante chega ao clicar num link de uma resposta, pode atribuí-lo. Este número é um valor mínimo: os cliques vindos dos AI Overviews e do AI Mode chegam como tráfego orgânico da Google, indistinguíveis do SEO clássico, e as aplicações móveis dos assistentes muitas vezes não enviam qualquer referenciador, essas visitas caem no tráfego direto. Complete com os cookies: se um potencial cliente visita o seu site, passa por um LLM e volta, o relatório Caminhos de conversão mostra essa passagem como ponto de contacto intermédio, seja qual for o modelo de atribuição escolhido.
Por fim, os sinais indiretos. Uma subida inexplicada do tráfego de marca e do tráfego direto traduz muitas vezes o mesmo cenário que o declarativo: uma recomendação lida, e depois uma pesquisa. Mande analisar todos os dias as transcrições das chamadas das suas equipas comerciais para detetar os potenciais clientes que citam um LLM como fonte; uma pequena automatização basta, um script que faz a um modelo uma única pergunta sobre cada transcrição, «o potencial cliente diz ter descoberto a marca através de uma IA?», e assinala um campo do CRM quando a resposta é sim. E mantenha um olho nos estudos declarativos, públicos ou pagos, que documentam como as pessoas pesquisam: sempre instrutivo.
| Sinal | O que capta | O seu limite |
|---|---|---|
| Declarativo | O canal real pelo qual os potenciais clientes o conheceram | Depende da memória e da sinceridade de quem responde |
| Analítica (GA4) | Os cliques diretos a partir das respostas dos LLM | Cega à recomendação seguida de uma pesquisa de marca, e aos cliques sem referenciador |
| Sinais indiretos | Tráfego de marca, transcrições comerciais, estudos | Correlações, nunca provas por si sós |
Reunir tudo, e por onde começar
O último elo é o mais simples, desde que se respeite uma ordem. No primeiro dia, implemente o que é gratuito e cujo histórico não se recupera: a pergunta «como nos conheceu?» nos formulários e o grupo de canais LLM no GA4. Na primeira semana, construa a biblioteca de prompts e lance o acompanhamento. No primeiro mês, ligue as fontes complementares.
Depois, reúna todos estes dados num só lugar, uma folha de cálculo basta no início, e confie a um assistente de IA, o Claude no meu caso, uma análise semanal, com um breve resumo das tendências entregue numa mensagem Slack. Três ritmos de leitura: a menção ponderada todos os dias, pela pessoa que faz o trabalho; o resumo todas as semanas, pela equipa de marketing; presença e resultado lado a lado todos os trimestres, perante a direção, porque é essa comparação que decide o orçamento. A medição só vale se alguém a ler todas as semanas.
Em 2026, o impacto dos LLM na geração de leads não se lê em nenhum painel pronto a usar. Reconstrói-se indicador a indicador, presença de um lado, resultado do outro, até que as duas curvas contem a mesma história: a menção ponderada sobe num trimestre, a percentagem de potenciais clientes que declaram uma IA sobe no seguinte. Enquanto divergirem, sabe onde procurar: presença sem resultado, é citado em prompts que não trazem os seus compradores; resultado sem presença, a sua biblioteca não cobre o que eles realmente perguntam.
Perguntas frequentes
Outras análises sobre a medição do GEO e a pesquisa generativa estão disponíveis nos artigos do diário.