Uma recomendação que nunca aparece no relatório

Numa segunda-feira de manhã, o responsável de marketing abre o painel. As sessões estão estáveis e o relatório de canais não mostra nada fora do normal. Então chega um ticket de suporte que menciona um concorrente que nunca apareceu em nenhum funil: três semanas antes, um assistente o recomendou ao responder a uma pergunta que a marca passara um ano tentando posicionar. Nenhum clique chegou. Nada na pilha de analítica registrou a recomendação. A marca esteve visível no lugar onde a decisão se formava e completamente invisível no lugar onde os resultados são contados.

Não é um caso exótico. A Branch entrevistou 300 responsáveis de marketing e crescimento empresarial e constatou que 89% afirmaram que a busca com IA melhorou o desempenho do marketing em 2025 (benchmark empresarial da Branch, reportado pela Business of Apps, 2026). A mesma pesquisa revelou que 26% não conseguiam rastrear o caminho da descoberta por IA até a conversão, e que 24% diziam que as ferramentas de analítica ainda não davam suporte à atribuição de IA. Confiança e medição avançam em direções opostas: o canal é amplamente reconhecido e quase ninguém consegue atribuir-lhe um número.

O que cada sinal realmente vê

SinalO que registraOnde fica cegoO que a equipe ainda consegue ler
SessõesVisitas que trouxeram um cliqueCerca de 70% do tráfego de IA cai em DirectO volume que sobreviveu ao clique
Fonte de referênciaO domínio que enviou a visitaRespostas de IA raramente deixam uma referência limpaQuem menciona a marca
Participação de voz da IAMenções em prompts amostradosÉ probabilística: reamostrar a moveA direção da visibilidade ao longo do tempo
Busca pela marcaConsultas pelo nome da marcaMistura muitas causasSe exposição e demanda andam juntas
Atribuição de conversãoO caminho entre descoberta e venda26% das equipes não consegue rastreá-loOnde estão os limites do que se sabe

Uma métrica para um alvo que se move

A participação de voz da IA, ou SOAV, preencheu a lacuna: as menções de uma marca divididas por todas as menções rastreadas, multiplicadas por 100 (glossário da GEO Playbooks). É simples o suficiente para caber numa frase e frágil o suficiente para confundir um conselho de administração. As respostas de IA são geradas por amostragem diante de um prompt, não recuperadas de um índice fixo. A mesma pergunta feita duas vezes pode citar marcas diferentes. Um ranking tradicional é determinístico: a mesma consulta devolve a mesma ordem. SOAV é uma leitura de uma distribuição, e uma única leitura é base frágil para uma meta trimestral.

O mercado de ferramentas cresceu em torno dessa ansiedade. A Meticulous Research colocou o mercado de software GEO em 210 milhões de dólares em 2025 e em 370 milhões em 2026, com projeção de 4,12 bilhões para 2036 e taxa composta de crescimento anual de 27,3% (Meticulous Research, via GII Research, 2026). O relatório faz uma observação mais crua do que as previsões: nenhum motor de resposta oferece uma interface de visibilidade comparável ao Search Console. Não há um lugar onde entrar e ver quais respostas incluíram uma marca. Essa ausência, mais do que qualquer algoritmo de ranqueamento, é o que as novas ferramentas vendem.

Os dados de cliques explicam o motivo. A Semrush e a Machine Relations examinaram quase 69 milhões de sessões de desktop no Google nos Estados Unidos e constataram que apenas entre 6% e 8% das sessões do AI Mode seguiram para um domínio externo, deixando entre 92% e 94% sem nenhuma saída; cerca de 70% do tráfego de IA que chegou foi arquivado no balde Direct do GA4 (Semrush / Machine Relations, 2026). As taxas de cliques zero variam bastante entre estudos, dispositivos e definições do que conta como visita, então o número que vale manter é o 6–8% deste conjunto de dados, e não uma constante universal. A consequência prática é mais estranha do que um número baixo: uma visita provocada por uma resposta de IA costuma chegar sem referenciador, sendo contabilizada como se alguém tivesse digitado o endereço.

Os números divulgados por fornecedores reforçam a sensação de um mercado correndo mais rápido do que sua medição. Levantamentos do setor colocam o financiamento de ferramentas de visibilidade de IA acima de 300 milhões de dólares entre o verão de 2025 e a primavera de 2026, com a Profound sozinha captando 155 milhões a uma avaliação de 1 bilhão de dólares. Esses números vêm de anúncios de fornecedores recolhidos pela imprensa especializada, não de demonstrações financeiras auditadas, e entram no argumento como sinal de demanda — ressalva que importa quando os mesmos fornecedores vendem os painéis.

A tentação de fingir precisão

A tentação é vestir a SOAV com as roupas de um KPI exato. Um painel que reporta 4,2% com uma casa decimal parece rigoroso enquanto apoia-se numa lista de prompts escolhida à mão. Reamostrar os prompts na semana seguinte move o número, porque as respostas subjacentes também são amostradas. Equipes que definem uma meta trimestral de SOAV tomam emprestada a autoridade das métricas de SEO sem a estabilidade que a sustenta. O uso defensável é direcional: manter fixa a lista de prompts, observar a faixa em vez do ponto e acompanhá-la com pesquisas de marca que perguntem onde as pessoas encontraram a marca pela primeira vez. O que se pode afirmar aqui é correlação — exposição e demanda andando juntas —, não que uma menção tenha provocado uma venda. Aceitar essa névoa é mais rigoroso do que uma casa decimal falsa.

Esse é o motivo para construir a observabilidade dentro do catálogo e não acrescentá-la depois. Um catálogo aberto que publica uma entrada canônica e legível por máquina para cada mini-programa oferece ao problema de medição um objeto fixo: a mesma descrição pode ser amostrada por um assistente, citada dentro de uma resposta e contada num conjunto de prompts de SOAV. O runtime compartilhado da CrossMiniApp acrescenta o que uma página não consegue: uma identidade governada e um registro de qual superfície de anfitrião executou de fato o programa, de modo que o sinal de visibilidade e o sinal de execução apontem para o mesmo objeto. A precisão não melhorará fingindo que o clique existe. Melhora tornando legível aquilo que é recomendado e sendo honesto sobre quanto do caminho continua sem ser visto.

Fontes