Veja como a AI recomenda seu negócio
Realize uma auditoria gratuita
Nota Metodológica: O relatório foi preparado com base em dados do monitoramento de 100 lojas online pertencentes a 10 categorias de e-commerce. Os dados foram agregados e anonimizados, portanto, o relatório não identifica marcas individuais. Para cada loja, um conjunto de 100 consultas refletindo diferentes estágios do processo de compra foi monitorado diariamente. Os resultados apresentados no relatório são agregados para toda a amostra e segmentos analisados e não devem ser interpretados como uma previsão de resultados para cada loja online.
Conclusão Chave
No conjunto de dados analisado, a visibilidade média das lojas online nas respostas de AI aumentou ao longo de 90 dias de 11,8% para 22,6%. Isso representa um aumento de 10,8 pontos percentuais, ou 91,5% em comparação com o nível inicial.
No entanto, a mudança não foi uniforme. De 100 perfis analisados, 43 pelo menos dobraram sua visibilidade, 35 aumentaram em 25–99%, e 7 terminaram o período de observação com um resultado inferior ao do início.
Os maiores aumentos foram observados no grupo de lojas que realizam atividades regulares relacionadas à atualização de informações de produtos, desenvolvimento de conteúdo que atende a necessidades específicas dos clientes e implementação de recomendações resultantes do monitoramento.
O resultado mostra uma correlação entre a consistência das ações e o aumento da visibilidade na amostra analisada. No entanto, isso não significa que o mesmo nível de crescimento possa ser garantido a cada marca ou que a correlação observada resulta exclusivamente das ações tomadas.
Relatório em números
| Indicador | Início | Após 30 dias | Após 60 dias | Após 90 dias | Mudança após 90 dias |
|---|---|---|---|---|---|
| Média de visibilidade | 11.8% | 14.7% | 18.2% | 22,6% | +91,5% |
| Presença nas 3 principais recomendações | 4,9% | 6,3% | 8,5% | 11,7% | +138,8% |
| Taxa de Citação | 2,7% | 3,4% | 4,6% | 6,8% | +151,9% |
| Participação de Voz | 8.6% | 10.3% | 12.5% | 15.4% | +79.1% |
| Posição média da marca* | 5.8 | 5.3 | 4.7 | 4.2 | melhoria de 1.6 posições |
* Posição média calculada apenas para respostas onde a marca foi mencionada. Uma pontuação mais baixa é melhor.
Escopo do estudo e conclusões iniciais
- 100 perfis de lojas online
- 10.000 prompts de compras e produtos únicos
- 10 setores de e-commerce analisados
- 5 ambientes de resposta AI
- 43% das lojas pelo menos dobraram sua visibilidade em 90 dias
- 78% das lojas aumentaram a visibilidade em pelo menos 25%
Como o modelo de pesquisa foi projetado?
O estudo abrangeu 100 lojas online, 10 de cada setor analisado. Para cada loja, foram preparados 100 prompts refletindo as etapas reais da decisão de compra. Um total de 10.000 consultas únicas foi criado.
Os prompts foram divididos em cinco grupos:
| Tipo de prompt | Participação no conjunto | Intenção |
|---|---|---|
| Descoberta e recomendações | 30% | “Quais sapatos de trekking escolher para trilhas fáceis?” |
| Problema e solução | 25% | “O que ajudará a reduzir a queda de pelos do cachorro em casa?” |
| Comparações | 20% | “Uma máquina de espresso automática ou manual é melhor?” |
| Produto e transacional | 15% | “Onde comprar uma cadeira de escritório por 100 EUR?” |
| Validação da marca | 10% | “A marca X é confiável?” |
A visibilidade foi verificada em cinco ambientes: ChatGPT, Gemini, Google AI, Claude e Grok. O mesmo conjunto de prompts foi analisado diariamente por 90 dias.4,5 milhões de respostas de AI foram analisadas.
O que significa visibilidade neste relatório?
A métrica básica mostra a porcentagem de prompts em que a marca monitorada apareceu na resposta da AI. Por exemplo, uma visibilidade de 20% significa que a marca foi mencionada em 20 de 100 consultas verificadas.
No entanto, a menção sozinha não esgota a análise. Portanto, os seguintes itens também foram incluídos:
- Taxa TOP 3, que é a parte das respostas em que a marca estava entre as três principais recomendações
- Taxa de Citação, a porcentagem de todas as respostas analisadas em que o site da marca monitorada foi indicado como fonte de informação ou um link para ele apareceu
- Participação de Voz, que é a participação da marca em todas as menções a ela e aos concorrentes monitorados
- Posição Média, que é a posição média da marca na lista de recomendações se foi mencionada
Visibilidade após três meses: um aumento de 91,5%
No início do estudo, as marcas apareceram em uma média de 11,8% das respostas. Após o primeiro mês, o resultado aumentou para 14,7%. Uma aceleração mais pronunciada ocorreu entre o 30º e o 90º dia: após dois meses, a visibilidade era de 18,2%, e após três, era de 22,6%.
| Momento de Medição | Visibilidade | Índice, início = 100 | Crescimento relativo ao início |
|---|---|---|---|
| Início | 11.8% | 100 | 0% |
| 30 dias | 14,7% | 125 | +24,6% |
| 60 dias | 18,2% | 154 | +54,2% |
| 90 dias | 22,6% | 192 | +91,5% |
Os dados mostram que avaliar os efeitos após alguns dias pode ser prematuro. O conteúdo deve ser publicado, descoberto por sistemas de coleta de informações, processado e utilizado nas respostas. Na prática, os primeiros sinais podem aparecer mais cedo, mas uma imagem mais completa da mudança só é fornecida após vários ciclos de medição subsequentes.
Nem todas as lojas cresceram no mesmo ritmo
A distribuição das mudanças foi claramente variada:
- 43 lojas pelo menos dobraram sua visibilidade
- 35 lojas aumentaram em 25-99%
- 15 lojas registraram um aumento de menos de 25% ou um resultado próximo ao inicial
- 7 lojas terminaram o período com um resultado inferior ao do início
No início, 31 de 100 lojas não apareceram em nenhum dos principais prompts em sua categoria. Após 90 dias, o número de tais lojas caiu para 9 no estudo. Ao mesmo tempo, a visibilidade mediana aumentou de 10,6% para 20,1%.
A conclusão é simples: o aumento médio não foi resultado de algumas marcas excepcionalmente fortes. A melhoria abrangeu a maior parte da amostra, embora sua escala dependesse da indústria e da intensidade das ações.
Quais indústrias ganharam mais?
As maiores dinâmicas foram alcançadas em indústrias onde as perguntas dos clientes são detalhadas, orientadas a problemas e requerem esclarecimento. Isso inclui, entre outros, suplementos, produtos para pets, peças automotivas e equipamentos para casa.
| Indústria | Início | Após 90 dias | Variação relativa | Variação em p.p. |
|---|---|---|---|---|
| Saúde e suplementos | 8,4% | 20.3% | +141.7% | +11.9 |
| Peças e acessórios automotivos | 7.6% | 17.2% | +126.3% | +9.6 |
| Suprimentos para Animais | 9.8% | 21.8% | +122.4% | +12.0 |
| Casa e Jardim | 12.1% | 25.4% | +109.9% | +13.3 |
| Esporte e ao ar livre | 11.7% | 23.8% | +103.4% | +12.1 |
| Crianças e brinquedos | 13.9% | 25.6% | +84.2% | +11.7 |
| Moda e calçados | 13,5% | 23,9% | +77,0% | +10,4 |
| Eletrônicos de consumo | 10,9% | 18,6% | +70.6% | +7.7 |
| Alimento especializado | 14.3% | 23.6% | +65.0% | +9.3 |
| Beleza e cosméticos | 15.8% | 25.8% | +63.3% | +10.0 |
O maior aumento relativo nem sempre significa a maior visibilidade final. A indústria de saúde e suplementos começou de um nível baixo, então o crescimento de 8.4% para 20.3% resultou em uma dinâmica superior a 140%. Em contraste, os cosméticos tiveram a maior visibilidade inicial e alcançaram o maior resultado final após três meses, apesar de dinâmicas percentuais mais baixas.
Por que algumas categorias crescem mais rápido?
O estudo mostrou que categorias que atendem a três condições ganham uma vantagem:
- Os clientes fazem muitas perguntas detalhadas antes de comprar
- A escolha do produto depende de parâmetros, aplicação ou problema do usuário
- A loja pode publicar conhecimentos específicos que não cabem em uma descrição curta do produto
Isso pode explicar parcialmente a alta dinâmica observada na categoria de casa e jardim. Os usuários raramente perguntam apenas sobre um nome de produto específico. Mais frequentemente, eles descrevem o espaço, orçamento, restrições e resultado esperado. Uma loja que explica melhor essas situações do que a concorrência fornece modelos com o material necessário para construir recomendações úteis.
Resultados variaram entre os sistemas de AI
A mesma marca pode estar bem visível em um sistema e quase invisível em outro. Cada ambiente usa um conjunto diferente de fontes, métodos de recuperação de informações e mecanismos de construção de respostas.
| Ambiente de IA | Visibilidade no Lançamento | Visibilidade após 90 Dias | Alteração Relativa |
|---|---|---|---|
| ChatGPT | 13,7% | 25,4% | +85.4% |
| Gêmeos | 11.9% | 23.7% | +99.2% |
| Google AI | 9,4% | 18,2% | +93,6% |
| Claude | 10,1% | 20,1% | +99,0% |
| Grok | 13,9% | 25,6% | +84,2% |
| Média | 11,8% | 22,6% | +91,5% |
Diferenças ainda maiores são visíveis nas citações:
| AI Environment | Taxa de Citação Inicial | Taxa de Citação após 90 dias |
|---|---|---|
| ChatGPT | 3.1% | 7.6% |
| Gemini | 3.4% | 8.2% |
| Google AI | 5.8% | 10.9% |
| Claude | 0.9% | 2.9% |
| Grok | 0.3% | 4.4% |
| Média | 2.7% | 6.8% |
O resultado mostra por que um único teste em um chat é insuficiente para avaliar a visibilidade. Uma marca pode ser frequentemente mencionada, mas raramente citada. Ela também pode aparecer alta em perguntas comparativas e desaparecer em consultas relacionadas a problemas. Apenas o monitoramento contínuo de múltiplos modelos e grupos de prompts revela a estrutura real de visibilidade.
O maior aumento na visibilidade foi registrado para prompts de problemas
Nem todo grupo de perguntas reagiu às ações na mesma medida. As maiores dinâmicas foram alcançadas por consultas onde o usuário descreveu o problema, resultado esperado ou condições de uso do produto.
| Intenção do prompt | Início | Após 90 dias | Alteração relativa |
|---|---|---|---|
| Problema e solução | 9,8% | 23.4% | +138.8% |
| Descoberta e recomendações | 8.4% | 19.2% | +128.6% |
| Comparações | 12.9% | 24.6% | +90.7% |
| Produto e transacional | 11.6% | 20.5% | +76.7% |
| Validação da marca | 22,8% | 28,1% | +23,2% |
Os prompts contendo o nome da marca tiveram alta visibilidade desde o início. Seu potencial de crescimento foi, portanto, limitado. Um escopo muito maior para melhoria foi proporcionado por perguntas feitas antes que o cliente conheça uma marca específica, por exemplo:
- “Qual colchão escolher para dor nas costas e dormir de lado?”
- “Como escolher a comida para um cachorro com sistema digestivo sensível?”
- “Quais tênis de corrida são adequados para uma pessoa com pé largo?”
- “Qual cortador de grama robótico pode lidar com um quintal inclinado?”
Neste estágio, a resposta da AI pode introduzir uma nova marca no processo de compra. Para o e-commerce, esta é a área mais valiosa, pois permite alcançar usuários que ainda não decidiram onde comprar o produto.
Intensidade das ações e mudança na visibilidade ao longo de 90 dias
As lojas estudadas foram divididas em três grupos com base na intensidade das ações realizadas durante o período de observação.
O Semly AI Growth Score foi utilizado para avaliação - uma métrica que classifica perfis de acordo com a regularidade das ações relacionadas à melhoria da visibilidade nas respostas da AI.
A análise mostrou uma relação clara entre o nível de atividade e a mudança na visibilidade. O grupo que realizou as ações mais regulares obteve a maior melhoria em 90 dias.
Esta é uma relação observacional. Com base apenas na comparação de grupos, não se pode concluir que a intensidade das ações foi a única causa das diferenças nos resultados.
| Grupo | Características | Início | Após 90 dias | Mudança |
|---|---|---|---|---|
| Alta atividade | publicações regulares, atualizações de dados e implementação da maioria das recomendações | 12,0% | 31,2% | +160% |
| Média de atividade | 2-3 ações por mês, implementação parcial das recomendações | 11,8% | 22,0% | +86% |
| Baixa atividade | ações únicas ou falta de regularidade | 11.6% | 14.8% | +28% |
A diferença entre os grupos era pequena no início, mas após três meses ficou muito clara. As lojas mais ativas alcançaram mais do que o dobro da visibilidade final em comparação com o grupo de baixa atividade.
Isso não significa que o número de publicações leva automaticamente a um aumento. O que importa é o alinhamento do conteúdo com as lacunas reais nas respostas de AI. Quatro artigos abordando questões onde a marca perde para concorrentes podem ter mais valor do que vários textos gerais preparados sem análise de prompt.
O que conectou os perfis de crescimento mais rápido?
No grupo estudado de líderes, cinco elementos foram os mais comuns:
- Dados de produto precisos. Parâmetros, aplicações, limitações, compatibilidade e informações de disponibilidade foram registradas em conteúdo legível sem executar JavaScript.
- Conteúdo abordando perguntas específicas. Artigos abordaram problemas reais de compra, não apenas frases amplas de categoria.
- Comparações baseadas em critérios. Lojas explicaram para quem uma determinada solução seria adequada e quando é melhor escolher outra opção.
- Consistência da informação. Descrições de produtos, categorias, guias, dados estruturados e informações da marca não se contradiziam.
- Medição regular. Mudanças foram avaliadas nos mesmos prompts e nos mesmos modelos, permitindo a distinção entre uma tendência duradoura e uma flutuação pontual.
Mencionar não é o mesmo que citar
Após 90 dias, a Taxa de Menção foi de 22,6%, enquanto a Taxa de Citação foi de 6,8%. Isso significa que a marca foi mencionada muito mais frequentemente do que seu site foi citado como fonte.
Assumindo que citar é um subconjunto de respostas contendo uma menção da marca, cerca de 30% das respostas com uma menção também incluíram uma citação do site da marca.
Isso não diminui o valor da presença. Uma recomendação sem um link pode construir reconhecimento e influenciar buscas futuras pela marca. No entanto, do ponto de vista do tráfego do site, a citação é particularmente importante, pois fornece aos usuários um caminho direto para a loja.
No estudo sobre o aumento da Taxa de Citação, os seguintes foram os mais frequentemente associados:
- respostas claras a perguntas específicas
- títulos e cabeçalhos claros descrevendo o problema do usuário
- dados únicos, comparações e instruções
- informações visíveis sobre o autor, atualizações e fontes
- vínculo lógico entre o guia, categoria e produto
- dados estruturados alinhados com o conteúdo da página
A conclusão para as lojas é prática: vale a pena medir separadamente se a marca é mencionada, se ocupa uma posição alta na lista de recomendações e se seu site é citado como fonte. Cada um desses resultados descreve uma fase diferente da construção de visibilidade.
TOP 3 cresceu mais rápido do que o número total de menções
A proporção de respostas em que a marca ficou entre as três principais recomendações aumentou de 4,9% para 11,7%. Isso é uma melhoria de 138,8%, claramente maior do que o aumento na visibilidade em si.
Ao mesmo tempo, a posição média da marca melhorou de 5,8 para 4,2. Na prática, as lojas estudadas não apenas apareceram com mais frequência, mas também se aproximaram do início das respostas, onde a recomendação é mais visível e mais fácil de lembrar.
Esse resultado mostra por que a resposta 'a marca apareceu' é insuficiente. Listar a loja em sétimo lugar tem um valor diferente de apresentá-la como a primeira recomendação com justificativa e um link.
5 conclusões para proprietários de e-commerce
1. A visibilidade em AI pode ser alterada, mas leva tempo
O aumento observado de 11,8% para 22,6% não ocorreu após uma publicação. A maior parte da melhoria apareceu após o primeiro mês, quando ações sistemáticas começaram a criar uma imagem mais ampla e coerente da oferta.
2. A maior oportunidade está antes de perguntar sobre a marca
Os prompts problemáticos e de recomendação cresceram mais do que o dobro. Estas são perguntas de usuários que sabem o que precisam, mas ainda não escolheram um produto ou vendedor.
3. Cada setor precisa de seu próprio conjunto de prompts
Uma loja de cosméticos, um vendedor de peças de automóveis e uma marca de produtos para o lar participam de processos de tomada de decisão completamente diferentes. Um conjunto comum e geral de perguntas não revelará sua verdadeira visibilidade.
4. Você precisa medir várias dimensões simultaneamente
Taxa de menção, Taxa de citação, TOP 3, Participação de voz e posição média respondem a perguntas diferentes. Apenas juntas elas mostram se uma marca é reconhecida, recomendada e apontada como fonte.
5. A vantagem é construída por um sistema, não um único artigo
Os melhores resultados foram alcançados por lojas que combinaram monitoramento, análise competitiva, otimização de informações de produtos e publicação regular de conteúdo abordando lacunas identificadas.
Plano de Crescimento de Visibilidade de 90 Dias para Sua Marca
Dias 1-30: Diagnóstico e Fundamentos
- Crie um conjunto de prompts incluindo recomendações, problemas, comparações e perguntas sobre produtos
- Verifique a visibilidade da marca e os principais concorrentes em vários modelos de IA
- Selecione 10-20 consultas de alto valor comercial onde os concorrentes estão visíveis, mas sua marca não está presente
- Verifique se bots e sistemas de coleta de informações têm acesso ao site
- Suplementar descrições de produtos e categorias chave com aplicações, parâmetros, limitações e respostas a perguntas de clientes
Dias 31-60: publicando e distribuindo conhecimento
- Publique conteúdo preparado com base em lacunas específicas de visibilidade
- Vincule guias com categorias e produtos apropriados
- Adicione comparações, tabelas, respostas curtas e critérios de seleção claramente definidos
- Garanta consistência nos dados do produto, disponibilidade, preços e informações da marca
- Compare a segunda medição com a linha de base, separadamente para cada grupo de prompts
Dias 61-90: escalando o que funciona
- Expanda sobre tópicos que melhoraram a visibilidade ou a Taxa de Citação
- Atualize o conteúdo que foi descoberto, mas ainda não leva a citações
- Analise novas menções de concorrentes e mudanças no TOP 3
- Limite a criação de conteúdo que não aborda nenhum problema de usuário monitorado
- Avalie os efeitos com base em tendências de várias medições, não em uma única resposta do modelo
Limitações do Estudo
Os resultados do relatório devem ser interpretados no contexto de várias limitações.
As respostas geradas por sistemas de AI podem variar entre chamadas sucessivas do mesmo prompt. Elas são influenciadas por fatores como atualizações de modelo, mudanças nos mecanismos de recuperação de informações, disponibilidade de fontes e a forma como as respostas são construídas por diferentes plataformas.
O estudo mostra principalmente a direção e a escala das mudanças observadas no conjunto de dados analisado, em vez de um resultado garantido para cada marca.
A divisão das lojas por intensidade de atividade é observacional. Maior atividade foi associada a um maior crescimento de visibilidade, mas a análise não permite concluir que foi a única causa desse crescimento.
Outros fatores também podem ter influenciado os resultados, como reconhecimento prévio da marca, autoridade de domínio, presença da marca em fontes externas, mudanças nas ofertas e atualizações nos próprios sistemas de AI.
Por essa razão, os resultados devem ser tratados como uma análise das dependências observadas ao longo de um período de 90 dias, em vez de uma garantia de crescimento específico após ações específicas serem tomadas.
Resumo
Uma análise de 100 perfis de lojas e 10.000 prompts mostra que a visibilidade das marcas de e-commerce nas respostas de AI pode mudar significativamente em poucos meses.
No conjunto de dados analisado, a visibilidade média aumentou de 11,8% para 22,6% em 90 dias. As maiores dinâmicas foram registradas para consultas de problema e recomendação — ou seja, na fase em que o usuário conhece sua necessidade, mas ainda não escolheu uma marca ou produto específico.
Ao mesmo tempo, os resultados indicam uma relação clara entre a regularidade das ações e a escala do crescimento observado. Lojas no grupo de alta atividade terminaram o período de estudo com visibilidade significativamente maior do que perfis que realizaram ações esporadicamente.
Isso não significa que uma única otimização leva automaticamente a um aumento específico. A visibilidade em AI depende de muitos fatores, incluindo a qualidade e a disponibilidade das informações da marca, fontes utilizadas pelos sistemas de AI, concorrência e mudanças que ocorrem nos próprios modelos.
Portanto, uma abordagem prática para a Pesquisa em AI deve combinar medição regular, identificação de lacunas nas respostas de AI, melhoria da qualidade das informações sobre produtos e marcas, e publicação de conteúdo que atenda às necessidades específicas dos usuários.
Compartilhar:
