Duas perguntas repetem-se entre lojistas. Primeira: “já usamos o Search Console e a 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 monitorização: vale a pena?
A melhor resposta à segunda veio de outro lojista na mesma discussão: se o resultado entregue é um relatório, pode dispensá-lo, a £450 ou a US$ 3.000 — e pagar para olhar para um número antes de mudar alguma coisa é fazer as coisas ao contrário. Eis então a verificação. Aplicámo-la a nós próprios em três plataformas, e duas descobertas mudaram o que fizemos.
Passo 1 — escreva as perguntas que os seus compradores realmente fazem
Não “a minha marca aparece?”. Entre vinte e quarenta perguntas no formato que um comprador escreve 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 — comportam-se de forma muito diferente, e essa diferença importa.
Guarde a lista num ficheiro. A lista é o ativo, porque vai voltar a executá-la.
Passo 2 — registe o que obteve, não apenas se apareceu
Faça cada pergunta ao ChatGPT e ao Gemini e, para cada resposta, registe quatro coisas: foi mencionado; foi citado com uma ligação real nas fontes; que concorrentes apareceram e em que ordem; e que URL foram citados, independentemente de a quem pertençam.
Ser mencionado e ser citado não são a mesma coisa, e a diferença é a parte que permite agir. Nas nossas rondas, encontrámos respostas que reproduziam o nosso posicionamento quase palavra por palavra, descrevendo-nos de forma genérica — sem nome de marca, sem ligação. Isso é um problema do texto-fonte, não da classificação, e nenhum painel de visibilidade diria qual era.
Passo 3 — a coluna que muda o que faz
A quarta coluna é onde está o dinheiro. Quando fizemos perguntas de categoria sem marca em três plataformas, todas as citações apontaram para repositórios do GitHub e artigos em forma de lista de terceiros — não para o nosso site. As perguntas com o nome da marca comportaram-se de outra forma e citaram as nossas páginas.
Duas consequências para uma loja. Se as respostas sem marca na sua categoria citam comparações de retalho, anúncios em mercados em linha e sites de avaliações, reescrever a sua página inicial não muda nada; a unidade de distribuição é aquilo que o modelo está de facto a citar. E teste os dois tipos de pergunta separadamente — se calcular a média de tudo num único “índice de visibilidade”, obtém um número que varia por motivos sobre os quais não pode agir.
Passo 4 — corrija a fonte, não o painel
Dois modos de falha relatados por lojistas, os dois corrigíveis na fonte.
Factos desatualizados. Um lojista recebeu um cliente que citava um preço que já não praticava desde a abertura da loja, mais de um ano antes. Outro viu o ChatGPT a recomendar um produto que tinha deixado de vender meses antes e, ao verificar, encontrou dois outros modelos a mostrar o mesmo artigo descontinuado. Se um preço antigo ou um produto retirado de venda ainda estiver numa página em cache, numa publicação antiga ou num anúncio de terceiros, é isso que volta aos seus clientes.
Falta de conteúdo comparativo. Um modelo que responde a “X vs Y” precisa de algo para citar. Se ninguém na sua categoria escreveu uma comparação honesta, a resposta é construída com base em quem a escreveu.
Assim, a lista de ações é: corrigir os factos desatualizados onde realmente se encontram, incluindo em páginas que não são suas, e depois criar o conteúdo comparativo ou de caso de utilização em falta no local para onde as citações realmente apontam. A explicação de por que razão uma passagem é citada e outra não está em o nosso texto sobre ser citado pelo ChatGPT.
Passo 5 — meça novamente, mas não na próxima semana
Os metadados que os modelos veem têm muito atraso. Nas nossas verificações, as plataformas indicavam contagens de estrelas e datas de lançamento com meses de atraso. Não avalie uma correção na semana em que a fez. Execute a mesma lista algumas semanas depois e compare a taxa de menção, a taxa de citação e a ordem dos concorrentes com a primeira ronda — foi por isso que o passo 1 indicou que devia guardar a lista num ficheiro.
Mais uma regra: isto é amostragem, não medição. As respostas variam entre rondas, por isso repita cada pergunta pelo menos três vezes em dias diferentes antes de acreditar numa mudança. Uma única ronda não diz quase nada.
Executar no Orkas
O Orkas inclui um SeoGeoAgent integrado, e a lista de perguntas, os registos por ronda e a lista de correções ficam numa pasta de projeto — assim a segunda ronda é comparada com a primeira em vez de começar do zero. O fluxo mais amplo está em o caso de utilização de visibilidade em pesquisas e respostas de IA.
O que isto não fornece
- Nenhum número de tráfego. O relatório de IA generativa do Search Console não tem API e, por conceção, só apresenta impressões — não é possível calcular a CTR de IA a partir dele.
- Nenhuma quota real dos concorrentes. Recolhe uma amostra de respostas, não mede uma população.
- Nenhuma garantia de propagação. Algumas fontes citadas estão inteiramente fora do seu controlo.