Duas perguntas se repetem entre lojistas. Primeira: “já usamos Search Console e análise da loja, mas nenhum diz o que acontece quando alguém pede uma recomendação ao ChatGPT ou ao Gemini”. Segunda, de um lojista que quase pagou US$ 3.000 por uma auditoria mais US$ 400 por mês de monitoramento: vale a pena?
A melhor resposta à segunda veio de outro lojista na mesma discussão: se a entrega é um relatório, dá para pular, a £450 ou a US$ 3.000 — e pagar para olhar um número antes de mudar qualquer coisa é o inverso do certo. Então aqui está a verificação. Nós a rodamos em nós mesmos em três plataformas, e dois achados mudaram o que fizemos.
Passo 1 — escreva as perguntas que seus compradores realmente fazem
Não “minha marca aparece?”. De vinte a quarenta perguntas no formato que um comprador digita antes de comprar: melhor <tipo de produto> para <caso de uso>, <tipo de produto> que <restrição importante>, alternativas a <produto óbvio do mercado>. Mantenha também algumas perguntas com o nome da marca — elas se comportam de forma bem diferente, e essa diferença importa.
Guarde a lista num arquivo. A lista é o ativo, porque você vai rodá-la de novo.
Passo 2 — registre o que veio, não só se você apareceu
Rode cada pergunta no ChatGPT e no Gemini e, para cada resposta, registre quatro coisas: você foi mencionado; você foi citado com link real nas fontes; quais concorrentes apareceram e em que ordem; e quais URLs foram citadas, de quem quer que seja.
Mencionado e citado não são a mesma coisa, e a diferença é a parte acionável. Nas nossas rodadas achamos respostas que reproduziam nosso posicionamento quase palavra por palavra descrevendo a gente de forma genérica — sem nome de marca, sem link. Isso é problema de texto-fonte, não de ranking, e nenhum painel de visibilidade diria qual era.
Passo 3 — a coluna que muda o que você faz
A quarta coluna é onde está o dinheiro. Quando rodamos perguntas de categoria sem marca em três plataformas, todas as citações foram para repositórios do GitHub e artigos-lista de terceiros — não para o nosso site. Perguntas com o nome da marca se comportaram de outro jeito e citaram nossas páginas.
Duas consequências para uma loja. Se as respostas sem marca na sua categoria citam comparativos de varejo, anúncios de marketplace e sites de review, reescrever sua home não muda nada; a unidade de distribuição é o que o modelo está de fato citando. E teste os dois tipos de pergunta separadamente — se você faz média de tudo num só “índice de visibilidade”, ganha um número que se move por motivos sobre os quais não dá para agir.
Passo 4 — conserte a fonte, não o painel
Dois modos de falha relatados por lojistas, os dois corrigíveis na fonte.
Fatos velhos. Um lojista recebeu um cliente citando um preço que ele não praticava desde a abertura da loja, mais de um ano antes. Outro viu o ChatGPT recomendando um produto que ele tinha parado de vender meses atrás e, ao checar, achou dois outros modelos mostrando o mesmo item descontinuado. Se um preço antigo ou um produto morto ainda está numa página em cache, num post velho ou num anúncio de terceiro, é isso que volta para os seus clientes.
Falta de conteúdo comparativo. Um modelo respondendo “X vs Y” precisa de algo para citar. Se ninguém na sua categoria escreveu uma comparação honesta, a resposta é montada com quem escreveu.
Então a lista de ações é: corrigir os fatos velhos onde eles de fato moram, inclusive em páginas que não são suas, e depois criar o conteúdo comparativo ou de caso de uso que falta na superfície para onde as citações realmente apontam. A mecânica de por que uma passagem é citada e outra não está em nosso texto sobre ser citado pelo ChatGPT.
Passo 5 — meça de novo, mas não semana que vem
Os metadados que os modelos enxergam atrasam muito. Nas nossas checagens as plataformas reportavam contagem de estrelas e data de release com meses de atraso. Não avalie uma correção na semana em que a fez. Rode a mesma lista algumas semanas depois e compare taxa de menção, taxa de citação e ordem dos concorrentes com a primeira rodada — por isso o passo 1 mandou guardar a lista num arquivo.
Mais uma disciplina: isto é amostragem, não medição. As respostas variam entre rodadas, então repita cada pergunta pelo menos três vezes em dias diferentes antes de acreditar numa mudança. Uma rodada única não diz quase nada.
Rodando no Orkas
O Orkas traz um SeoGeoAgent embutido, e a lista de perguntas, os registros por rodada e a lista de correções ficam numa pasta de projeto — assim a rodada dois compara com a um em vez de começar do zero. O fluxo maior está em o caso de uso de visibilidade em busca e respostas de IA.
O que isto não entrega
- Nenhum número de tráfego. O relatório de IA generativa do Search Console não tem API e, por construção, só traz impressões — não dá para calcular CTR de IA a partir dele.
- Nenhuma participação real de concorrente. Você amostra respostas, não mede uma população.
- Nenhuma garantia de propagação. Algumas fontes citadas estão inteiramente fora do seu controle.