Medir visibilidade generativa: mention rate, share of model e citation coverage num painel de prompts

Aparecer numa resposta de ChatGPT, Gemini ou Perplexity deixou de ser sorte que você comemora quando acontece: virou um número que você mede, repete e acompanha — ou não é nada. A tese deste guia separa quem trata GEO como arte de quem trata como engenharia: visibilidade generativa só é gerenciável quando vira métrica falsificável sobre um painel fixo de prompts, medida em série temporal, com a volatilidade explicitada em vez de escondida.

Este é o guia de medição, não o de técnica. Como ganhar a citação — estruturar conteúdo, expor dados, responder objeções — está no guia GEO para e-commerce: ser citado por máquinas. Aqui o assunto é o outro lado: como saber se você está sendo citado, quanto, em que temas e se a curva sobe ou desce. Sem essa medição, qualquer esforço de GEO é fé.

O que significa medir visibilidade generativa de forma falsificável?

Resposta direta: significa definir antes quais perguntas você vai testar, em quais motores, com qual frequência, e registrar cada resultado para que qualquer pessoa possa repetir a medição e chegar ao mesmo número. Falsificável é o oposto de anedótico: não é “vi a marca aparecer uma vez”, é “em 40 de 50 prompts, em três rodadas semanais, a marca foi citada”.

A unidade de medida é o painel de prompts: um conjunto fixo de perguntas que representam como o cliente realmente consulta a IA na sua categoria. “Qual a melhor loja de semijoias com troca fácil?”, “tênis de corrida para joelho sensível até R$ 500”, “ótica online que aceita meu plano”. O painel precisa ser estável entre rodadas — mudar as perguntas a cada medição destrói a comparabilidade.

A ontologia deste portal modela o tópico com quatro entidades — Prompt, Citation, AI Answer e Signal — porque é exatamente isso que se mede: o prompt que você dispara, a resposta da IA que volta, a citação (ou ausência dela) dentro da resposta, e o sinal que isso gera ao longo do tempo. A definição canônica é direta: medir presença em respostas de IA de forma falsificável, sobre um painel fixo, nos cinco motores.

Visibilidade generativa medida uma vez é uma foto sem contexto. Medida em série temporal sobre um painel fixo, vira o único instrumento que diz se o seu GEO funciona ou se você está gastando esforço no escuro.

Quais são as três métricas que importam?

Resposta direta: mention rate, share of model e citation coverage. Mention rate diz quão presente você está; share of model diz quão dominante você é frente aos concorrentes; citation coverage diz quão amplo é o seu alcance temático. Cada uma conta uma história diferente, e olhar só uma engana.

Mention rate é a frequência com que a sua marca aparece nas respostas do painel. Se em 50 prompts a marca é citada em 20, o mention rate é 40%. É a métrica de presença bruta — quanto da conversa da IA inclui você.

Share of model é a fatia que você ocupa quando aparece, frente aos concorrentes citados na mesma resposta. Se a IA lista cinco lojas e você é uma delas, seu share naquela resposta é 20%. Agregado pelo painel, o share of model revela domínio relativo: você pode ter mention rate alto e share baixo se aparece sempre, mas sempre como coadjuvante numa lista longa.

Citation coverage é a proporção dos prompts do painel em que você é citado ao menos uma vez. Mede amplitude temática: uma marca pode ter mention rate concentrado em poucos temas (aparece muito, mas sempre nos mesmos três prompts) ou espalhado (aparece em muitos temas diferentes). Coverage alto é sinal de autoridade ampla; coverage baixo com mention alto é sinal de nicho.

Métrica	O que mede	Pergunta que responde	Cuidado
Mention rate	Frequência de menção no painel	Quão presente eu estou?	Alto não significa dominante
Share of model	Fatia frente aos concorrentes	Quão dominante eu sou?	Pode cair com lista longa de rivais
Citation coverage	Proporção de prompts que me citam	Quão amplo é meu alcance?	Baixo revela dependência de nicho
AI referral traffic	Tráfego que a IA de fato manda	A visibilidade vira visita?	Liga métrica a receita

A quarta linha — AI referral traffic — é o que liga a medição de visibilidade à medição de receita. Aparecer é meio do caminho; o fim é o clique e a conversão que a aparição gera. E aqui os dados de 2026 mudam a conversa.

Por que a medição virou medição de receita?

Resposta direta: porque o tráfego de IA deixou de ser marginal e virou o canal que converte melhor. Segundo a Adobe Analytics, o tráfego de IA para varejistas cresceu 393% no Q1 2026 e, pela primeira vez, converte 42% melhor que o tráfego não-IA. Medir visibilidade generativa deixou de ser exercício de SEO avançado e virou medição de um canal de receita real.

A Adobe analisou mais de 1 trilhão de visitas a sites varejistas americanos no Q1 2026. O resultado é uma reversão histórica: o que em Q1 2025 convertia 38% pior que o tráfego humano passou a converter 42% melhor. A receita por visita inverteu na mesma direção — de 28% menor para 37% maior. Quem vem da IA passa 48% mais tempo na página e vê 13% mais páginas por visita.

A leitura para o varejo brasileiro é estratégica. O volume ainda é pequeno — compilações de pesquisa que orientaram este portal indicam que menos de 0,2% das sessões de e-commerce vêm do ChatGPT. Mas a combinação de crescimento de 393% com conversão superior significa que cada ponto de visibilidade generativa conquistado hoje vale mais do que o volume atual sugere. Medir esse canal não é antecipar um futuro incerto; é instrumentar um canal que já performa.

Como conectar a métrica de visibilidade ao resultado de negócio?

Cruzando o painel de prompts com o tráfego referido por IA no seu analytics. Quando a sua citation coverage sobe num tema, o AI referral traffic daquele tema deveria subir depois — e a conversão desse tráfego deveria bater a média. Se a visibilidade sobe e o tráfego não acompanha, o problema está na resposta que a IA dá sobre você (citação sem link, posição ruim na lista). Se o tráfego sobe mas não converte, o problema está no site, não no GEO. A medição em três camadas — visibilidade, tráfego, conversão — diz exatamente onde o funil vaza.

Como conviver com a volatilidade de 40-60%?

Resposta direta: medindo em série temporal e nunca tirando conclusão de uma rodada só. A citação em motores de IA varia de 40 a 60% mês a mês mesmo sem você mudar nada, porque os modelos são reentrenados e a recuperação é probabilística. O sinal está na tendência ao longo de várias medições, não no número de um dia.

Essa é a armadilha que derruba a maioria das tentativas de medir GEO. A pessoa roda o painel, vê a marca citada em 40% dos prompts, comemora. Na semana seguinte, sem mudar nada, vê 22% e entra em pânico. Nenhum dos dois números, isolado, significa algo. A volatilidade de 40 a 60% é uma propriedade do meio, não um erro de medição.

A defesa é metodológica. Rode o mesmo painel em cadência fixa — semanal ou quinzenal —, registre cada rodada com data e motor, e acompanhe a média móvel ao longo de várias semanas. A tendência da curva é o sinal; a oscilação ponto a ponto é o ruído. Uma marca cujo mention rate oscila entre 30% e 50% mas cuja média móvel sobe de 35% para 45% em dois meses está ganhando visibilidade, por mais que rodadas individuais assustem.

Há um paralelo direto com a disciplina de governança de dados: a mesma rotina de registrar cada medição com sua derivação, que sustenta o audit log descrito no guia de governança de IA, é o que torna a série temporal de GEO auditável e confiável.

Como montar a rotina sem pagar por ferramenta cara?

Resposta direta: com um painel manual de 25 a 50 prompts, rodado nos cinco principais motores em cadência fixa, registrado em planilha versionada. A ferramenta de US$ 1 bilhão acelera e escala, mas não é pré-requisito — a série temporal que importa nasce de disciplina, não de orçamento.

O mercado de ferramentas amadureceu rápido. A Profound atingiu valuation de US$ 1 bilhão com uma Série C de US$ 96 milhões em fevereiro de 2026, dispara milhões de prompts diários para dez motores de LLM e tem um módulo de Shopping Analysis para rastrear produtos. A Conductor posiciona-se como plataforma enterprise de AEO ligando visibilidade a conversão e receita. Essas ferramentas valem o investimento quando o volume e a escala justificam.

Mas a rotina mínima viável dispensa todas elas. Os passos são quatro. Primeiro, defina o painel: 25 a 50 perguntas que reproduzam como o seu cliente realmente consulta a IA na sua categoria — incluindo as perguntas com restrição (preço, prazo, troca, plano) que o agente filtra. Segundo, escolha os motores: rode em ChatGPT, Gemini, Perplexity, Copilot e Claude. Terceiro, fixe a cadência: o mesmo painel, toda semana ou a cada quinze dias, sempre registrado. Quarto, versione: cada rodada vira uma linha datada na planilha, com mention, share e coverage por prompt.

Para o varejo especializado brasileiro, o painel precisa refletir a complexidade real da categoria. Em moda, perguntas por grade, ocasião e troca; em joalheria, por certificado e redimensionamento; em calçados, por numeração e tipo de uso. Um painel genérico mede uma visibilidade que não corresponde a como o cliente brasileiro de varejo especializado pergunta — e medir a coisa errada com precisão é pior que não medir.

A consolidação de 2027

Em 2027, a medição de visibilidade generativa vai migrar de prática de vanguarda para higiene básica de marketing, pela mesma razão que toda métrica de canal se torna obrigatória: o canal cresce até o ponto em que ignorá-lo é negligência. Se o tráfego de IA cresceu 393% no Q1 2026 partindo de uma base pequena e converte melhor que o humano, a projeção é que, em 2027, o AI referral traffic será grande o bastante para figurar como linha própria em qualquer relatório de aquisição sério. As ferramentas vão baratear e padronizar mention rate, share of model e citation coverage como métricas de prateleira. A vantagem competitiva migra de “ter a métrica” para “ter a série temporal mais longa” — e série temporal não se compra retroativamente. Quem começa a medir em 2026, ainda que manualmente, chega a 2027 com a história que ninguém com orçamento maior consegue recuperar.

O que decidir nesta semana

• Monte o seu painel fixo de 25 a 50 prompts hoje, reproduzindo como o cliente da sua categoria realmente pergunta à IA — incluindo as perguntas com restrição de preço, prazo e troca que o agente usa para filtrar.
• Defina os três números que você vai acompanhar — mention rate, share of model e citation coverage — e a cadência fixa (semanal ou quinzenal) em que vai rodar o painel nos cinco motores.
• Crie a planilha versionada antes da primeira medição: cada rodada é uma linha datada por prompt e por motor, porque o valor está na série temporal, não no número de um dia.
• Cruze a citation coverage com o AI referral traffic do seu analytics para separar três problemas distintos: pouca visibilidade, visibilidade que não vira clique e clique que não vira conversão.
• Comece manual e só considere ferramenta paga quando a escala justificar: a série temporal que dá vantagem em 2027 nasce de disciplina iniciada agora, não de orçamento gasto depois.