A maioria das auditorias de AI Search termina num slide cheio de prints.
O ChatGPT citou o concorrente.
O Perplexity listou três fornecedores e você não estava entre eles.
O Gemini descreveu sua empresa na categoria errada.
O time olha, concorda que é preocupante, e ninguém sabe o que fazer na segunda-feira.
Isso não é diagnóstico de AI Search. É constatação.
Um diagnóstico de AI Search existe para responder a três perguntas que a constatação não responde:
- Por que a IA está montando a resposta desse jeito?
- Quanto isso custa em pipeline?
- O que mexer primeiro.
Se o trabalho não chega nessas três respostas, ele mediu presença. Mas não produziu direção pro negócio.
E direção é exatamente o que falta para quem já investe pesado em aquisição e começa a perceber que parte da decisão do cliente acontece num lugar que nenhum dashboard da operação enxerga.
O diagnóstico errado. Tratar AI Search como uma auditoria de prompts
Quando uma empresa B2B decide “olhar para AI Search”, o movimento costuma seguir um de dois caminhos.
No primeiro, alguém do time de marketing ou SEO roda dez ou quinze perguntas no ChatGPT, monta uma planilha com “apareceu” e “não apareceu” e apresenta na reunião de liderança.
No segundo, a empresa contrata uma ferramenta de monitoramento que entrega um gráfico de share of voice atualizado toda semana.
Os dois caminhos medem a mesma coisa: o resultado final da resposta. Nenhum dos dois explica a causa!
A consequência aparece logo depois.
Sem saber por que a marca não aparece, o time parte para o checklist genérico:
- publicar llms.txt,
- colocar schema em todas as páginas,
- criar FAQ em massa,
- produzir mais artigos sobre AI Search.
Tudo isso pode ajudar. Mas nada disso foi escolhido com critério. Já escrevi sobre por que schema ajuda, mas não garante citação.
O mesmo vale para qualquer item de checklist aplicado sem leitura de causa.
O segundo erro é de dono.
AI Search vira “projeto de SEO”, fica com o time de conteúdo e não conversa com quem olha CRM, pipeline e receita. A empresa passa a ter uma métrica de presença em IA que não se conecta a nenhuma decisão comercial.
Se isso soa familiar, é porque o mercado já cometeu esse erro antes.
Durante anos, a mídia paga foi otimizada por custo por lead sem que ninguém calculasse o custo por oportunidade. Medir presença em IA sem conectar ao pipeline é o mesmo erro, com outra interface.
A causa real. Presença em IA é sintoma, não diagnóstico
A resposta que um modelo de linguagem entrega sobre a sua categoria não é aleatória.
Ela é consequência de como a categoria é descrita nas fontes que o modelo consegue recuperar, de quais entidades ele associa a ela, de quais páginas e terceiros sustentam a resposta e de quão coerente é a narrativa que a sua própria empresa publica sobre si mesma.
Quando a marca não aparece, o problema raramente está na resposta. Está em alguma coisa anterior a ela. Expliquei essa lógica em detalhe no artigo sobre por que a IA cita umas marcas e ignora outras.
Por isso, medir presença é necessário, mas é só o primeiro andar.
É o equivalente a saber que a taxa de conversão de MQL para SQL caiu.
Útil.
Mas ninguém decide nada sério só com essa informação. A pergunta seguinte é sempre “por quê?”, e depois “quanto isso custa?”.
Presença depende de um sistema. E sistema se diagnostica por partes.
Antes do primeiro prompt: o escopo do diagnóstico de AI Search
Antes de rodar qualquer pergunta, quatro definições precisam estar fechadas.
1.A categoria em que você quer ser lembrado e a categoria que o mercado usa com frequência são diferentes.
A empresa se descreve como “plataforma de inteligência comercial” e o comprador pergunta “ferramenta para prever vendas”. Se o diagnóstico testar só o vocabulário interno, vai medir uma conversa que o cliente não está tendo.
2.Quem decide a compra.
Um CFO e um Head de Growth fazem perguntas diferentes para a IA sobre o mesmo problema. O escopo precisa refletir o comitê de compra real, não apenas o usuário do produto.
3.O competitor set real.
Aqui está um dos desvios mais comuns que vejo em projetos: a lista de concorrentes que o marketing usa não é a mesma que aparece nos negócios perdidos do CRM. O diagnóstico precisa partir da segunda.
4.A pergunta de negócio.
“Estamos saindo do shortlist?” leva a um diagnóstico.
“Estamos sendo descritos de forma errada?” leva a outro.
“Nossos concorrentes menores estão ocupando a conversa de categoria?” leva a um terceiro.
Sem essa pergunta, tudo parece prioridade.
Com o escopo fechado, entra a bateria de prompts.
A forma de montá-la está no artigo sobre a bateria de prompts que mede presença real da sua marca em IA, e a forma de classificar cada resposta, separando menção, citação e recomendação, também já está publicada.
O que o diagnóstico acrescenta é a leitura dessas respostas por dimensão.
As seis dimensões de um diagnóstico de AI Search
As seis dimensões abaixo não são etapas lineares. Um gap em uma delas pode limitar o efeito de todas as outras. Uma empresa com ótima produção de conteúdo educativo, por exemplo, perde boa parte desse esforço se a IA não entende em qual categoria ela compete.
01. Presença direta: a IA entende o que você faz e para quem?
É a primeira pergunta e a mais subestimada. Se a IA não entende sua categoria, ela não te coloca na comparação.
O que verificar: se a home, a página Sobre e as páginas de solução explicitam nome, categoria, público, região e proposta de valor. Se há termos vagos ou dependentes de contexto interno. E se a descrição da empresa é consistente entre as respostas das diferentes IAs.
O ponto mais importante desta dimensão: as páginas comerciais precisam descrever o serviço na linguagem em que o comprador pergunta, não na linguagem em que a empresa se apresenta internamente.
02. Comparações: os critérios de decisão estão públicos?
Quando o comprador pede à IA para comparar fornecedores, ela precisa de critérios verificáveis para trabalhar. Se a sua empresa não publica esses critérios, a IA usa os do concorrente.
O que verificar: se existem páginas comparativas com critérios objetivos. Se preço, prazo, requisitos, limites e diferenciais estão públicos. E se está claro para quem a solução é indicada e para quem não é.
Comparação não é ataque ao concorrente. É explicitar critérios de decisão de forma útil e coerente com a oferta.
Em B2B, essa costuma ser a dimensão com nota mais baixa, porque muitas empresas tratam preço e prazo como informação de conversa comercial, nunca de página.
03. Educação: você responde às dúvidas que antecedem a compra?
Boa parte das perguntas feitas à IA acontece antes de o comprador procurar fornecedor. Ele ainda está entendendo o problema. Quem ajuda nesse momento tende a ser lembrado depois.
O que verificar: se as dúvidas que o time de vendas ouve toda semana viraram artigos, guias ou FAQs pensados para AI Search.
Se as respostas são autocontidas, claras e úteis fora do contexto da página. E se o conteúdo ajuda a formar critérios de compra, não apenas a atrair tráfego.
04. Competitividade: quem ocupa a conversa e com quais provas?
Saber quem aparece no seu lugar é o começo. O diagnóstico precisa explicar por que aquele concorrente aparece.
O que verificar: quais concorrentes, portais, diretórios e marketplaces aparecem em cada pergunta. Quais provas sustentam a posição deles: dados, cases, autoria especializada. E quais argumentos a IA usa para recomendá-los.
Com frequência, quem ocupa a conversa de categoria não é o maior concorrente em receita. É o que construiu sinais mais claros.
Tamanho de empresa não decide visibilidade em IA, e o artigo sobre o concorrente que ganha antes da sua campanha começar mostra como isso afeta a decisão antes de qualquer contato comercial.
05. Narrativa: as fontes públicas contam a mesma história?
Esta é a dimensão que a maioria das auditorias pula. Perplexity, AI Overviews e o ChatGPT com busca ativa exibem as fontes que usaram.
Essas fontes contam a história inteira: quais são páginas suas, quais são de concorrentes e quais são de terceiros, como diretórios, portais de review, artigos de mídia e perfis no LinkedIn.
O que verificar: se existe uma descrição canônica da empresa e dos produtos. Se há divergências ou informações antigas em fontes públicas. E qual é a distância entre a narrativa que a empresa quer transmitir e a narrativa que a IA efetivamente recupera.
A ordem de correção importa.
Primeiro as fontes oficiais. Depois as inconsistências externas que mais pesam nas respostas.
06. Conversão: a menção leva ao lugar certo?
Presença sem destino correto perde força comercial. Se a IA recomenda a empresa e aponta para a home genérica, uma página desatualizada ou um formulário que não conversa com a intenção da pergunta, a influência se perde no último metro.
O que verificar: se existe uma página específica para cada intenção relevante. Se links, contatos, CTAs e formulários são coerentes com o que a resposta prometeu. E se o próximo passo faz sentido para o momento do comprador: leitura, diagnóstico, reunião, orçamento ou compra.
É a dimensão que conecta AI Search à operação comercial. E é a que menos aparece em auditorias feitas só pelo time de conteúdo.
O que sustenta as seis dimensões? E onde entra a receita!
As seis dimensões dependem de três capacidades transversais.
▸ Acessibilidade
- Rastreamento;
- Indexação;
- Texto;
- Links;
- Sitemap;
- Renderização;
Se a IA não acessa a página, nada do resto importa.
Por isso o SEO técnico continua sendo base, como escrevi em auditoria técnica de SEO para quem decide.
▸ Citabilidade
- Resposta clara;
- Contexto;
- Evidência;
- Fonte;
- Autoria;
- Atualização visível;
▸ Mensuração
- Presença;
- Precisão;
- Concorrentes;
- Leads;
- Pipeline;
- Receita;
A mensuração é onde a maioria dos trabalhos de AI Search para cedo.
Um diagnóstico orientado a receita precisa sair do ambiente da IA e entrar na operação:
▸ O CRM tem um campo de origem declarada (“como você conheceu ou começou a considerar nossa empresa?”) com opção para assistentes de IA?
Se não tem, a empresa não está medindo algo que já acontece.
▸ Os prospects mencionam ChatGPT, Perplexity ou Gemini nas primeiras reuniões?
O time de vendas registra isso?
▸ Nos negócios perdidos, para quem a empresa perdeu?
Esse concorrente é o mesmo que a IA recomenda?
▸ O tráfego de referência vindo de chatgpt.com, perplexity.ai e similares no GA4 vira oportunidade em que proporção, comparado aos outros canais?
Vale ser honesto sobre o limite: atribuição de AI Search é imperfeita, como qualquer atribuição em ciclo de venda longo.
O objetivo não é precisão contábil. É ordem de grandeza e direção.
Saber se o problema custa pouco ou muito pipeline já muda o tamanho do investimento que faz sentido.
O que o entregável precisa conter. E o que não é diagnóstico
Ao final da leitura pelas seis dimensões, o diagnóstico precisa chegar numa priorização. Não numa lista de tarefas.
A lógica é atacar o gap prioritário, não o mais fácil.
Cada dimensão tem uma intervenção típica:
- explicitar categoria e público na presença direta,
- publicar critérios e limites nas comparações,
- transformar dúvidas de vendas em guia ou FAQ na educação,
- publicar cases com dados e autoria na competitividade,
- corrigir divergências entre fontes na narrativa,
- associar cada intenção a página e próximo passo na conversão.
- A camada técnica, com llms.txt, dados estruturados e marcação de autor, entra como suporte, não como ponto de partida.
O critério de ordem é o mesmo que uso em qualquer diagnóstico de aquisição: impacto provável em pipeline, esforço de execução e tempo até o efeito aparecer.
Uma ação técnica rápida que não toca a dimensão mais fraca vem depois de uma reescrita de página que toca.
E todo diagnóstico precisa terminar com data de reteste, mantendo as mesmas perguntas, ferramentas e critérios para que o antes e depois seja comparável.
Os modelos mudam, as fontes mudam e a presença pode sumir sem aviso.
Um diagnóstico sem reteste vira fotografia.
Alguns sinais de que você recebeu constatação, e não diagnóstico:
▸ O competitor set não foi validado contra os negócios perdidos no CRM.
▸ O resultado é binário: apareceu ou não apareceu.
▸ Ninguém mostrou quais fontes sustentam as respostas.
▸ As seis dimensões não foram avaliadas, ou foram avaliadas sem evidência.
▸ Não existe nenhuma conexão com pipeline, nem como hipótese.
▸ Não há data de reteste.
If três ou mais desses sinais aparecem, a empresa tem um retrato. Não tem um plano.
O padrão que aparece nos projetos. Incluindo o meu
O exemplo mais claro que tenho para mostrar a diferença entre medir presença e diagnosticar presença é o da minha própria marca.
Quando rodei a bateria de 20 prompts sobre a Degasperi Growth & Revenue, a leitura de presença foi boa nos territórios de diagnóstico de Growth, acquisition, your company e pipeline: a marca aparecia nas primeiras posições.
Mas o prompt que perguntava quem faz análise de presença em AI Search para empresas B2B voltou negativo.
A oferta existia. A página estava no ar. A IA simplesmente não associava a marca ao serviço.
Se eu tivesse parado na medição de presença, a conclusão óbvia seria produzir mais conteúdo sobre AI Search. O blog já tinha uma dezena de artigos sobre o tema.
Education, portanto, não era o gap!
A leitura pelas dimensões apontou para outro lugar: presença direta e narrativa.
A página comercial não descrevia o serviço na linguagem em que a pergunta é feita.
Menção, citação, recomendação, share of voice e impacto comercial eram termos que apareciam nos artigos, mas não na página que deveria ser recuperada.
A prioridade passou a ser reescrever a página da oferta no vocabulário da consulta.
Depois, publicar um grupo pequeno de artigos de metodologia, este incluído, que nomeiam o serviço de forma explícita.
E retestar em data marcada para medir se a agulha mexeu.
Mais conteúdo teria sido esforço na direção errada. É o mesmo padrão que vejo em empresas que investem em mídia: o problema raramente está onde a métrica de topo sugere.
Onde a Análise de Presença em AI Search entra
Na Degasperi Growth & Revenue, as seis dimensões são a base da AI Search Presence Analysis: um diagnóstico de como a marca aparece, é citada, comparada ou ignorada em ChatGPT, Gemini, Perplexity e Google AI Overviews, com plano de correção priorizado.
A análise segue cinco etapas:
- leitura inicial da presença atual;
- mapeamento de lacunas, concorrentes e fontes;
- definição de prioridades editoriais, técnicas e estratégicas;
- plano de estruturação da presença em AI Search;
- integração com aquisição, CRM, pipeline e conteúdo.
O prazo varia de 15 a 30 dias úteis, conforme a categoria, o mercado e a presença digital atual da empresa.
A última etapa é o que separa esse trabalho de uma auditoria de visibilidade.
AI Search aqui não é tratado como canal isolado. É mais uma camada do sistema de aquisição, e precisa conversar com CRM e receita como qualquer outra.
Para quem quer entender o contexto completo antes, o ponto de partida é a análise de visibilidade em AI Search para B2B.
Quando o gargalo maior ainda está na operação de aquisição, CRM e pipeline como um todo, o caminho mais coerente é o Growth Audit.
Presença em IA não compensa um funil que já vaza depois do lead.
A pergunta que separa uma operação madura de uma que ainda está tirando prints é simples.
Se a IA tirasse sua empresa do shortlist da categoria amanhã, em quanto tempo o seu CRM mostraria isso?
Quais são as dimensões de um diagnóstico de AI Search?
Seis: presença direta, comparações, educação, competitividade, narrativa e conversão. Elas são sustentadas por três capacidades transversais: acessibilidade, citabilidade e mensuração. As dimensões não são etapas lineares, e um gap em uma delas pode limitar o efeito das outras.
Qual a diferença entre diagnóstico e monitoramento de AI Search?
Monitoramento mede, com recorrência, se a marca aparece e em que nível. Diagnóstico explica por que ela aparece ou não aparece, quanto isso custa em pipeline e o que priorizar. O monitoramento é parte da mensuração, não um substituto do diagnóstico.
Quanto tempo leva um diagnóstico de AI Search para uma empresa B2B?
Na Análise de Presença em AI Search da Degasperi Growth & Revenue, de 15 a 30 dias úteis. O prazo depende principalmente do tamanho da categoria, do número de concorrentes relevantes e de quanto a empresa já tem de presença digital e dados de CRM organizados.
Quem deve ser o dono do diagnóstico de AI Search dentro da empresa?
Quem consegue conectar a leitura de presença com pipeline e receita. Em geral, Growth ou Revenue Operations, com SEO e conteúdo na execução. Quando o tema fica só com o time de conteúdo, a dimensão de conversão e a mensuração costumam desaparecer.
