Como medimos a visibilidade em busca de IA

O WhoCanFindMe mede duas coisas diferentes, e é importante entender ambas:

1. Prontidão de página (a Checagem Gratuita de IA). Uma pontuação determinística e heurística baseada em sinais que extraímos diretamente da sua página pública: regras de robots.txt, dados estruturados, extraibilidade de conteúdo, sinais de atualidade, e saúde técnica. Isso roda em segundos e não custa nada porque não exige nenhuma chamada de API de IA ao vivo. Ela te diz se sua página está posicionada para ser encontrada por crawlers e parsers de IA.
2. Visibilidade Medida (nível pago). Consultas ao vivo fundamentadas enviadas ao ChatGPT, Perplexity, Gemini e Claude, para medir se sua marca está realmente aparecendo em respostas. Cada engine é consultada com a própria ferramenta de busca na web ao vivo do provedor ativada, então as respostas que pontuamos são baseadas em recuperação em vez de lembradas dos dados de treinamento. Veja a Seção 4 para o detalhe completo.

A distinção importa. Uma pontuação de Prontidão te diz sobre os pré-requisitos técnicos para visibilidade em IA; Visibilidade Medida te diz o resultado real. Pense em Prontidão como "a porta está destrancada?" e Visibilidade Medida como "as pessoas estão realmente entrando?"

A pontuação de Prontidão agrega seis categorias de sinal. Cada uma é mensurável independentemente a partir da sua página pública, sem nenhuma chamada de API de IA.

Cada engine de IA pondera as seis categorias de sinal de forma diferente porque elas têm arquiteturas de recuperação genuinamente diferentes. Em vez de apresentar uma única "pontuação de IA", calculamos uma pontuação de Prontidão por engine e depois tiramos a média delas para o número principal geral.

O ChatGPT pondera o acesso de crawler fortemente porque 87% de suas citações vêm do top-10 do Bing, e o Bing exige acesso do OAI-SearchBot. O Perplexity pondera atualidade e autoridade mais porque seu pipeline RAG de seis estágios filtra agressivamente por recência e densidade factual. O Gemini é onde ponderamos dados estruturados mais alto, porque markup limpo é o que torna uma página fácil de ser analisada pelos sistemas do Google. A própria orientação do Google é que o SEO padrão se aplica aos seus recursos de IA, então trate schema como higiene em vez de uma alavanca específica de IA. O Claude coloca extraibilidade em primeiro lugar porque é a engine mais seletiva, com 97,8% das citações vindo de fontes estabelecidas e claramente estruturadas.

Qualquer engine que esteja bloqueada no robots.txt recebe uma penalidade de 55% na sua pontuação combinada (a pontuação é multiplicada por 0,45), refletindo que engines bloqueadas não conseguem indexar ou citar a página de jeito nenhum.

A pontuação geral de Prontidão é a média aritmética das quatro pontuações por engine, cada uma limitada entre [0, 100].

Pontuações de Prontidão são uma condição necessária, mas não suficiente, para visibilidade em IA. A Visibilidade Medida vai além: enviamos consultas reais às engines de IA reais e medimos se sua marca aparece nas respostas fundamentadas e citadas.

Por que consultas fundamentadas, e não sondagens de memória de treinamento

Para a maioria das principais engines de IA de consumo (ChatGPT Search, Perplexity, Google AI Overviews, e Copilot), as respostas são fundamentadas em recuperação da web ao vivo no momento da consulta. A memória de treinamento decide se uma IA "sabe" que uma marca existe; a recuperação ao vivo decide se ela cita essa marca nas respostas. GEO é primariamente um problema de recuperação, e é por isso que preferimos consultas fundamentadas onde quer que a engine as suporte.

Para as quatro engines, nós não usamos prompting de modelo-base (perguntar à IA o que ela "sabe" sobre uma marca sem busca na web). Isso testa a memória de treinamento congelada, é altamente não-determinístico, propenso a alucinação para marcas menos conhecidas, e não reflete o que os usuários realmente veem em engines de consumo fundamentadas. Claude incluído: nós o consultamos através da ferramenta de busca na web própria da Anthropic, o mesmo formato de recuperação ao vivo que usamos para as outras três. Uma diferença vale a pena declarar claramente: a Anthropic deixa o modelo decidir se uma dada pergunta precisa de busca, então uma resposta do Claude é fundamentada apenas quando ele realmente buscou. Registramos isso em cada resposta e calculamos métricas baseadas em citação apenas a partir de respostas fundamentadas.

Design do conjunto de consultas

Construímos um conjunto curado de consultas cobrindo três grupos: consultas de descoberta (baseadas em categoria, sem nomes de marca), consultas de comparação (estágio de avaliação), e consultas diretas de marca. A mistura é aproximadamente 60/30/10: descoberta recebe o maior peso porque é onde nova audiência é capturada. O volume de consultas segue o plano: a checagem medida do nível gratuito roda 4 prompts no ChatGPT, o Relatório Completo avulso roda 25 em 3 engines, o Lite roda 15 em 2, e o Multi-Site roda 25 em todas as 4.

Repetições e tratamento estatístico

Uma única execução de uma única consulta é quase sem sentido. A não-determinismo dos LLMs significa que a mesma consulta pode produzir citações diferentes entre execuções, mesmo em temperature=0 (a variância de tamanho de lote no nível da GPU não pode ser eliminada). O artigo GEO de Princeton descobriu que 60 a 100 repetições são necessárias para estabilizar as porcentagens de visibilidade.

Cada repetição envia a consulta idêntica novamente. Não variamos ou parafraseamos o prompt entre repetições. O nível gratuito e o Relatório Completo avulso rodam 3 repetições por consulta por engine. Os níveis de assinatura rodam 1 e tiram seu sinal de precisão da série temporal de monitoramento semanal em vez disso, que amostra as fontes reais de variância (rotatividade de índice, movimento de concorrentes, atualizações de modelo) ao longo de semanas em vez de segundos. A troca é declarada claramente: um placar de assinatura mostra estimativas pontuais sem faixa da mesma auditoria. A taxa de citação é calculada como a fração de execuções em que a marca foi citada (brandCited = true). Onde há repetições suficientes, usamos o intervalo de escore de Wilson para calcular um intervalo de confiança de 95% nessa proporção. Isso reflete a consistência execução-a-execução sob variação do lado do provedor em chamadas idênticas, não uma amostra de como a citação pode variar entre diferentes formulações da mesma consulta.

Fidelidade API vs. interface de consumo

Para as quatro engines usamos a API programática do provedor com sua ferramenta de busca na web ativada. Esse é o padrão da indústria e a única abordagem escalável, mas ela introduz lacunas conhecidas:

• O ChatGPT.com de consumo pode incluir personalização e histórico de navegação que as APIs não replicam.
• A API do Gemini com fundamentação de Busca do Google e o Google AI Overviews compartilham apenas ~38,5% dos domínios mais citados, uma lacuna estrutural que divulgamos explicitamente em toda pontuação do Google.
• O Perplexity documenta divergência potencial entre sua API e sua interface de consumo.
• O Claude decide por si mesmo se uma pergunta precisa de busca, então uma resposta individual do Claude pode voltar sem fundamentação. Registramos a fundamentação por resposta e excluímos respostas não fundamentadas das métricas de citação em vez de contá-las como zero.

Sinalizamos essas limitações em todo relatório que inclui uma pontuação de Visibilidade Medida. Acreditamos que transparência sobre limitações de medição vale mais do que falsa precisão.

Pontuações de visibilidade em IA são estimativas, não fatos. Três fontes de volatilidade afetam qualquer medição:

1. Não-determinismo dos LLMs. Mesmo em temperature=0, as respostas de API variam devido à variância de tamanho de lote no nível da GPU. Uma pontuação pontual sem repetições pode variar ±30% em uma nova execução. Nossa engine de Visibilidade Medida repete cada consulta idêntica múltiplas vezes e relata intervalos de confiança de escore Wilson na taxa de citação resultante. Isso mede a consistência execução-a-execução sob variação do lado do provedor, não a variação entre diferentes formulações da mesma consulta, para que você possa ver quão estável cada número é.
2. Atualizações de modelo e algoritmo. OpenAI, Google e Perplexity atualizam seus modelos continuamente, muitas vezes sem anúncios públicos. Uma pontuação de seis semanas atrás pode não refletir a realidade atual. Mostramos a data da medição em cada pontuação e sinalizamos pontuações com mais de 30 dias.
3. Variação geográfica e de personalização. A mesma consulta produz respostas diferentes entre localizações, idiomas, e tipos de conta. Nossas medições rodam a partir de localizações padronizadas. Resultados para outras geografias podem diferir.

A pontuação de prontidão de página (a Checagem Gratuita de IA) é muito mais estável do que a Visibilidade Medida porque ela testa sinais determinísticos (robots.txt, dados estruturados, conteúdo HTML), não saídas estocásticas de IA. Uma mudança na pontuação de prontidão reflete uma mudança real na sua página.

Acreditamos que honestidade intelectual sobre os limites de medição é o que separa uma ferramenta útil de um gerador de pontuações convincente. Aqui está o que esta ferramenta explicitamente não pode te dizer:

Nossa metodologia é construída sobre pesquisa acadêmica publicada e estudos primários de praticantes. O campo se move rápido; reverificamos as estatísticas-chave trimestralmente. Rótulos de força de evidência: Comprovado = estudo controlado ou replicado em múltiplos estudos; Provável = estudo único ou forte consenso de praticantes com mecanismo plausível; Folclore = amplamente repetido, sem estudo.