O que é Share of Voice generativo?

O que é Share of Voice generativo, com precisão?

Share of Voice generativo, abreviado como SOV-AI ou Generative SOV, é a porcentagem de prompts em uma carteira estratégica em que sua marca é citada por LLMs. O cálculo padrão é simples, número de prompts com pelo menos uma citação dividido pelo número total de prompts da carteira, multiplicado por 100. Pode ser apresentado de forma agregada para todos os LLMs ou segmentado por mecanismo.

O conceito é derivado do Share of Voice tradicional usado em marketing de mídia desde os anos 1980, originalmente medindo presença de marca em veículos publicitários. A diferença é que SOV tradicional contava impressões pagas, e SOV generativo conta citações em respostas orgânicas geradas por IA. A lógica é a mesma, ocupar mais espaço da conversa relevante.

Por que a métrica de Share of Voice generativo importa?

Com 60% das buscas B2B terminando em zero-clique segundo Gartner 2024, o tráfego deixou de ser proxy fiel de visibilidade. A pergunta passa a ser, quando o decisor pergunta à IA sobre uma categoria, sua marca aparece? Se sim, em quantas vezes? Em que posição da resposta? Com que tipo de contexto?

SOV-AI captura tudo isso em uma métrica auditável e comparável ao longo do tempo. Diferente de ranking SEO, que oscila por mil fatores diários, SOV-AI tende a se mover em ciclos de 30 a 90 dias, refletindo mudanças reais de autoridade e identidade de referência. É uma métrica que recompensa investimento estrutural, não otimização tática.

Qual é a metodologia de referência para medir o SOV-AI?

A metodologia recomendada para empresas B2B brasileiras em 2026 segue cinco passos. Primeiro, definir carteira de prompts. Tipicamente 25 a 100 perguntas que decisores do seu mercado fariam à IA. Mistura de prompts de descoberta inicial (categoria), prompts de comparação (sua marca vs concorrentes), prompts de problema (sintoma que sua solução resolve) e prompts de validação (perguntas pós-pitch sobre você).

Segundo, definir LLMs em cobertura. Mínimo recomendado em 2026, ChatGPT, Gemini, Claude, Perplexity e Copilot. Estes cinco cobrem mais de 95% do uso B2B no Brasil segundo levantamento próprio Brasil GEO 2025-2026. Terceiro, definir N de execuções por prompt por LLM por período. Padrão é N=50 por mês para reduzir ruído estocástico (LLMs têm temperatura, mesmas perguntas geram respostas levemente diferentes).

Quarto, executar com automação. Manualmente é inviável, 25 prompts × 5 LLMs × 50 execuções × 12 meses dá 75.000 execuções por ano. Ferramentas comerciais como Profound, Otterly, AthenaHQ, ou orquestradores próprios via API resolvem. Quinto, analisar em dashboard com SOV agregado, SOV por LLM, SOV por prompt, posição média na resposta, sentimento da menção, fontes citadas como prova.

Quais são os componentes complementares do SOV-AI?

SOV-AI agregado é o número que vai para diretoria. Mas para entender e agir, é preciso decompor em sub-métricas. Mention Rate, qual fração dos prompts cita sua marca. Position Score, posição média na resposta quando citado, ponderado por destaque visual. Sentiment Score, sentimento da menção (positiva, neutra, negativa). Citation Quality, qualidade da fonte que a IA atribui a você (seu próprio site, mídia tier 1, blog terceiro).

Cada componente revela algo diferente. Mention Rate baixo significa problema de descoberta. Position Score baixo significa que a IA conhece mas não prioriza. Sentiment Score negativo aponta crise de reputação. Citation Quality ruim sinaliza que a marca depende de fontes secundárias e não de propriedade própria forte. Essas leituras só viram decisão quando dividem painel e dono com a posição orgânica; as sete colunas dessa leitura conjunta e o ROI calculado por valor de shortlist estão em artigo dedicado.

Para o CMO de B2B SaaS que precisa transformar essas sub-métricas em um programa acionável, vale o playbook do CMO sobre Citation Rate e Share of Model em B2B SaaS, de Alexandre Caramaschi, que conecta cada indicador a alavancas concretas para virar a resposta padrão em ChatGPT, Gemini e Perplexity.

Qual é o benchmark de SOV-AI para B2B no Brasil em 2026?

Quais ferramentas e custos medem o SOV-AI?

Em 2026, três grupos de ferramentas resolvem o problema. Primeiro, ferramentas comerciais especializadas. Profound, Otterly, AthenaHQ, Goodie AI, BrandRank. Custos variam de US$ 199 a US$ 2.000 por mês dependendo de volume de prompts e LLMs cobertos. Segundo, plataformas SEO ampliadas. Semrush, Ahrefs e Conductor lançaram módulos de tracking em LLMs entre 2024 e 2025, complementando o portfolio existente.

Terceiro, orquestradores próprios via API. Cada execução custa de US$ 0,001 a US$ 0,01 em chamadas para LLMs, dependendo do modelo e do tamanho do prompt e da resposta. Para 25 prompts × 5 LLMs × N=50 × 12 meses, o custo bruto fica entre US$ 75 e US$ 750 por ano. A Brasil GEO opera um orquestrador próprio com 5 LLMs e 25 prompts de referência por cliente, custo de execução em torno de US$ 5 a US$ 15 por mês por cliente em pesado.