A questão já não é apenas se a visibilidade na IA pode ser medida
A medição da pesquisa com IA tornou-se mais observável em 2026. A Google introduziu uma vista específica das impressões de IA generativa. O Bing ampliou os relatórios AI Performance com contexto temático. Nenhuma das novidades produz uma medida completa da frequência com que uma marca chega a potenciais clientes em todos os assistentes.
A conclusão central da investigação é que estes sistemas observam eventos diferentes. Uma plataforma de pesquisa pode registar um link apresentado. Uma ferramenta de monitorização pode registar o resultado de uma pergunta escolhida. A análise de sites pode registar uma visita. Uma base de clientes pode registar um pedido. Esses eventos podem ligar-se num percurso, mas não são o mesmo evento contado de quatro maneiras.
Isto importa quando a direção pergunta se a pesquisa com IA está a melhorar. Mais presenças podem ser encorajadoras enquanto a descoberta continua fraca. Mais citações podem coexistir com poucas visitas diretas. Um índice em subida pode até refletir uma composição diferente das perguntas. A conclusão útil depende da pergunta comercial a que as provas conseguem realmente responder.
A Google distingue agora impressões de IA, mas as regras de contagem importam
A Google afirma que o relatório de desempenho de IA generativa ficou disponível mundialmente em 31 de agosto de 2026. Inclui impressões de links em AI Overviews e AI Mode, excluindo experiências Search Labs. É uma vista de links apresentados, não de todas as referências à marca no texto das respostas.
O gráfico predefinido agrega por propriedade: dois links do mesmo site numa funcionalidade contam como uma impressão no gráfico. As tabelas de páginas agregam ao nível da página. A soma das linhas pode, por isso, diferir do gráfico sem que nenhum esteja errado. O relatório sobrepõe-se aos dados de desempenho Web; somar os totais duplicaria a contagem da cobertura.
Um detalhe adicional da exportação merece atenção: valores indisponíveis mostrados como traço ou til tornam-se zeros nos dados descarregados. Uma folha de cálculo pode, assim, fazer informação em falta parecer ausência medida.
A implicação estratégica é que a preparação dos dados pode alterar a história aparente antes de começar qualquer análise da concorrência. Uma equipa que compare totais de páginas com uma tendência do site pode estar a comparar duas unidades. Um zero aparente pode exigir exame antes de se tornar uma afirmação de que a empresa desapareceu.
O tamanho dos temas do Bing mede citações, não um público de compradores
O Bing lançou o Topics Portfolio em versão beta em 13 de outubro de 2026. A métrica Topic Size aproxima o total de citações entre sites num tema. Queries conta consultas distintas de fundamentação, enquanto Sites Cited estima os sites concorrentes. Os volumes de oportunidade são intervalos, não totais exatos.
As consultas de fundamentação são as pesquisas de recuperação usadas para obter informação de suporte. As suas contagens não são contagens de pessoas a fazer a mesma pergunta de consumo. Um tema com muitas citações não pode, portanto, ser traduzido diretamente num mercado com igual número de potenciais clientes.
O relatório também omite temas com presença insuficiente do site ou pouca atividade no ecossistema. Temas em falta não demonstram interesse zero. Para uma residência sénior, essa distinção pode afetar a interpretação de um pequeno tema local de cuidados ao lado de um amplo tema nacional de reforma.
A nossa conclusão é que estes dados reforçam o contexto competitivo: revelam onde as fontes participam num ecossistema de respostas. Não substituem a investigação da procura local, e os agrupamentos temáticos aproximados não devem ser apresentados como volumes precisos de pesquisas de consumidores.
As citações demonstram participação como fonte, não posição na recomendação
O anúncio original AI Performance do Bing, publicado em 10 de fevereiro de 2026, descreve contagens de citações, páginas citadas, amostras de consultas de fundamentação e tendências nas experiências de IA da Microsoft suportadas. A Microsoft separa explicitamente estas medidas de classificação, autoridade ou posição numa resposta.
Essa distinção explica um resultado que, de outra forma, parece confuso: uma página pode tornar-se uma fonte mais frequente sem que a empresa se torne o prestador preferido. Uma fonte sobre financiamento de cuidados pode sustentar uma explicação geral. A resposta pode depois recomendar outra residência, ou não recomendar nenhuma.
A implicação vai além das residências sénior. A documentação de uma empresa de software, o guia de compra de um retalhista e a explicação de serviços de um prestador podem contribuir com factos sem receber uma recomendação direta. Presença como fonte e preferência comercial são conclusões diferentes.
Um único índice de citações não revela o papel da empresa. A própria resposta contém o contexto em falta: se a marca foi apenas descrita, comparada, recomendada, criticada ou estava ausente enquanto a sua página fornecia provas. É por isso que as contagens se tornam mais úteis quando acompanhadas da resposta subjacente.
Uma amostra verificada mostra como um total tranquilizador pode esconder descoberta fraca
O conjunto de dados fornecido sobre residências sénior contém 100 perguntas geradas para o ChatGPT e 17 menções de marca para um operador canadiano. À primeira vista, sugere uma taxa de menções de 17%. Separar as perguntas revela um resultado muito mais nítido: o operador apareceu em todas as 13 perguntas que o nomeavam, mas apenas em quatro das restantes 87.
A taxa de menções de descoberta é, portanto, de cerca de 4.6%. Treze das 17 menções observadas, cerca de 76.5%, vieram de perguntas que já forneciam o nome do operador. São cálculos da amostra verificada, não estimativas de quota de mercado nem comportamento observado de famílias. A data e a janela de recolha não estavam disponíveis.
A amostra demonstra um problema de medição, não uma referência do setor. Uma marca pode ser reconhecida de forma consistente quando é indicada e ainda aparecer pouco nas perguntas mais amplas testadas. Mudar a proporção de perguntas com o nome da marca mudaria o índice global mesmo que o desempenho dentro de cada grupo se mantivesse.
Isto faz da composição do painel de perguntas parte do resultado, não uma pequena nota metodológica.
| Grupo de perguntas | Menções / perguntas | O que esta amostra sugere |
|---|---|---|
| 13 / 13 | Reconhecimento quando o nome é fornecido | |
| 4 / 87 | Descoberta limitada nestas perguntas da amostra | |
| 17 / 100 | Um total que esconde a diferença |
Um índice de perguntas geradas não se converte automaticamente em visitas
Considere dois painéis de teste fictícios de igual dimensão. Um contém muitas perguntas que já nomeiam uma marca; o outro concentra-se na descoberta sem a nomear. A marca pode ter desempenho idêntico dentro de cada tipo de pergunta e, ainda assim, obter taxas globais de menções diferentes porque os painéis perguntam coisas diferentes. É uma ilustração de ponderação, não um resultado medido de campanha.
Nenhum painel diz quantas pessoas reais fazem essas perguntas. Os testes também não revelam com que frequência alguém vê a resposta, se a menção é útil ou se essa pessoa segue um link. Multiplicar uma taxa de menções de perguntas geradas por um público presumido ligaria grandezas que a experiência nunca mediu.
A ligação em falta é uma cadeia de eventos: uma pessoa relevante encontra uma resposta, nota um prestador adequado, decide investigar e chega a um destino mensurável. Cada passo pode variar por pergunta, mercado, produto e necessidade familiar. Um teste fixo pode examinar a própria resposta. Não pode fornecer o comportamento não observado entre essa resposta e uma visita.
A conclusão é que um índice melhor na amostra pode sustentar uma hipótese de descoberta sem sustentar uma previsão de tráfego. As provas do próximo passo têm de vir da observação desse próximo passo.
Uma queda documentada num gráfico era um problema de registo
A Google registou um erro de recolha que afetou as impressões da Pesquisa com IA generativa entre 13 e 17 de agosto de 2026. A atualização de 21 de agosto afirma que os dados em falta foram repostos. O problema afetou os relatórios, não a visibilidade real na pesquisa.
É um exemplo concreto de por que uma variação num gráfico é uma observação a explicar antes de se tornar uma conclusão estratégica. Durante o período afetado, um prestador podia parecer perder exposição sem a perder no produto. Os dados repostos podiam depois fazer desaparecer a queda aparente.
A interpretação mais ampla não é que os dados das plataformas sejam pouco fiáveis. É que os sistemas de medição têm a sua própria história: incidentes de registo, alterações de agregação, dados recentes incompletos e definições em evolução. Uma explicação convincente de uma mudança tem de ser compatível com essa história e com a atividade de marketing.
O incidente de agosto está resolvido. Não deve ser usado para desvalorizar quedas posteriores. O seu valor é demonstrar que um relatório pode mudar por razões alheias à qualidade dos conteúdos, ao desempenho competitivo ou ao interesse dos clientes.
O valor comercial vai além do índice de visibilidade
A funcionalidade de menções e citações da Searchable distingue presenças da marca de fontes ligadas e fornece provas ao nível da resposta. Isto permite examinar o papel da marca numa resposta. Não estabelece, por si só, a receita criada por essa presença.
Nas residências sénior, um pedido adequado, uma visita concluída e uma entrada são resultados comerciais separados. Um pedido de cuidados indisponíveis pode ter pouco valor, mesmo quando a marca foi recomendada com destaque. Uma resposta correta sobre limites dos serviços pode reduzir pedidos inadequados sem aumentar o volume total de contactos.
Isto significa que a interpretação comercial mais útil pode diferir do gráfico de crescimento mais atraente. Melhor exatidão, descoberta mais relevante e conversas mais informadas podem importar de maneiras diferentes. As provas de cada uma devem continuar identificáveis.
Atribuição e causalidade também continuam diferentes. Registar que um cliente usou IA ajuda a descrever o percurso. Estabelecer que o trabalho criou um cliente adicional exige uma comparação credível com o que teria acontecido de outra forma. Uma etiqueta de rastreio, por si só, não fornece essa comparação.
Conclusão: a medição mais forte conta uma história ligada e delimitada
As provas analisadas aqui sustentam três conclusões separadas: os relatórios das plataformas revelam agora mais atividade de IA; os painéis de respostas geradas podem expor lacunas competitivas relevantes; e as presenças numa amostra não se traduzem automaticamente em tráfego ou resultados comerciais. Nenhuma exige rejeitar as outras medidas.
Um relatório sólido para a direção liga-as sem somar totais incompatíveis. Pode explicar que perguntas mudaram, o que disseram as respostas, se páginas relevantes ganharam exposição e o que aconteceu aos pedidos identificáveis. Onde a ligação não possa ser demonstrada, a incerteza deve constar da conclusão.
Esta análise combina documentação atual da Google e do Bing com uma amostra verificada de respostas fornecida. As fontes foram verificadas em 3 de novembro de 2026. A comparação entre painéis de igual dimensão é uma ilustração hipotética original. Este relatório não estima a quota global da pesquisa com IA nem infere receita causal a partir da visibilidade.
Trabalho na Searchable. O meu trabalho com equipas de direção é tornar estas distinções úteis: perguntas competitivas mais claras, provas ligadas a mercados reais e uma interpretação comercial que resista ao escrutínio. Uma sessão com Daavid e Searchable deve esclarecer o significado dos números para o seu negócio, não simplesmente produzir mais um índice.
Fontes e notas
Fontes revisadas: 3 de novembro de 2026. Planos e exemplos são orientações, não resultados medidos de clientes. Trabalho na Searchable. Os links do produto refletem essa relação.
1
Searchable