No artigo anterior, a NEODY partiu de uma pergunta básica: sua empresa aparece quando alguém pergunta à inteligência artificial o que comprar ou quem contratar?
A pergunta continua válida. Mas já ficou pequena.
Uma empresa pode aparecer em uma resposta e não ser recomendada. Pode ser citada como fonte e não entrar entre as opções. Pode ser recomendada e não receber clique. Pode receber o clique e não gerar contato. Pode entrar na consideração do cliente e perder a venda para um concorrente.
Por isso, a discussão sobre GEO começa a sair do campo da visibilidade e entrar na jornada comercial.
A nova pergunta é mais difícil:
A empresa apareceu para a IA. Foi recomendada. E depois? O cliente avançou até a compra?
Como aparecer na IA e ser recomendado?
Não existe uma fórmula pública que garanta que uma empresa será recomendada pelo ChatGPT, pelo Gemini ou pelos recursos de IA da Busca Google.
A primeira camada continua sendo a elegibilidade.
A OpenAI informa que sites públicos podem aparecer na busca do ChatGPT e orienta quem deseja ser encontrado, exibido e citado a permitir o OAI-SearchBot. A própria empresa ressalta que posicionamento não é garantido.
No Google, a orientação é semelhante em um ponto fundamental: os recursos generativos continuam apoiados nos sistemas centrais da Pesquisa. Para aparecer, a página precisa ser acessível, indexável e útil. O Google afirma que SEO continua relevante para AI Overviews e AI Mode e que não existe uma marcação especial capaz de garantir presença.
Isso resolve apenas a primeira parte do problema.
Ser encontrável não significa ser escolhido.
Para uma IA recomendar uma empresa em determinada situação, ela precisa conseguir relacionar aquela empresa à intenção do usuário.
Uma pergunta como “qual software de CRM existe?” é diferente de “qual CRM atende uma equipe de 30 vendedores que vende pelo WhatsApp no Brasil?”.
Uma clínica pode ser conhecida pelo sistema e não aparecer quando a busca envolve uma especialidade específica.
Uma consultoria pode ser citada em uma explicação e desaparecer quando o usuário pede três empresas para contratar.
Uma marca pode ter forte presença para perguntas informacionais e baixa presença nas perguntas que antecedem uma compra.
A primeira mudança de método, portanto, é simples:
não medir apenas se a marca aparece. Medir em qual intenção ela aparece e qual papel recebe na resposta.
Aparecer na IA já não basta
A Adobe publicou em 2026 uma formulação que ajuda a entender essa diferença: reconhecimento e preferência não são a mesma coisa.
Uma marca pode ser reconhecida em uma pergunta ampla de categoria. Isso não significa que será escolhida quando o consumidor acrescenta orçamento, localização, restrições, características desejadas ou contexto de uso.
Para uma empresa, existem pelo menos quatro situações diferentes:
Presença: a marca aparece na resposta.
Citação: uma página ou domínio da empresa aparece como referência.
Recomendação: a empresa é apresentada como alternativa adequada para a necessidade.
Preferência contextual: diante de uma comparação, a empresa é apresentada como especialmente adequada para determinado perfil, restrição ou objetivo.
Uma captura de tela pode mostrar a marca nas quatro situações.
O valor comercial, porém, é diferente.
É por isso que um painel de GEO baseado apenas em número de menções tende a perder a parte mais importante da história.
O cliente está usando IA para escolher?
Os sinais de mercado apontam nessa direção, embora o tamanho e a velocidade da mudança variem conforme setor, país e plataforma.
A OpenAI afirma que mais pessoas estão iniciando jornadas de compra no ChatGPT para explorar, comparar e decidir o que comprar. A experiência de pesquisa de produtos permite comparar alternativas, considerar restrições e receber informações atualizadas dentro da conversa.
O Google também está aproximando busca, recomendação e comércio. O AI Mode já apresenta recomendações orgânicas de produtos com base na relevância para a consulta. A empresa vem construindo experiências em que descoberta, comparação e checkout podem acontecer com menos interrupções entre uma etapa e outra.
No Google I/O 2026, a companhia informou que o AI Mode havia ultrapassado 1 bilhão de usuários mensais e que seu volume de consultas vinha mais que dobrando a cada trimestre desde o lançamento.
O dado não significa que 1 bilhão de pessoas estejam usando o AI Mode para comprar.
Ele mostra escala.
A consequência empresarial é que uma interface de busca com capacidade de comparar alternativas já possui alcance suficiente para merecer medição própria.
O que acontece quando a IA envia o cliente para o site?
Aqui aparece um dos dados mais relevantes para a discussão.
A Adobe analisou mais de 1 trilhão de visitas a sites de varejo nos Estados Unidos e encontrou crescimento anual de 393% no tráfego originado por IA no primeiro trimestre de 2026.
Em março, essas visitas converteram 42% melhor que fontes não relacionadas a IA.
Os visitantes permaneceram 48% mais tempo nos sites, navegaram por 13% mais páginas e produziram 37% mais receita por visita.
É um resultado importante.
Também é um resultado que exige limite.
Os dados são de varejo americano. Não provam que o mesmo comportamento existe em serviços B2B, saúde, indústria, educação ou no mercado brasileiro.
Mas permitem formular uma hipótese empresarial relevante:
quando uma pessoa chega ao site depois de uma conversa que já ajudou a esclarecer necessidade, comparar alternativas e reduzir opções, ela pode chegar mais próxima de uma decisão.
A IA, nesse cenário, não funciona apenas como geradora de tráfego.
Ela funciona como uma etapa anterior de qualificação.
Aparecer, ser recomendado e vender são três problemas diferentes
A empresa pode organizar a jornada em três perguntas.
1. A IA me encontra?
Aqui entram rastreamento, indexação, estrutura técnica, clareza da entidade, conteúdo, presença local, dados de produto e fontes públicas.
É o problema da visibilidade.
2. A IA me considera adequada?
Aqui entram contexto, especialização, reputação, atributos, diferenciais, evidências e comparação com concorrentes.
É o problema da recomendação.
3. Essa recomendação gera comportamento comercial?
Aqui entram busca pela marca, clique, visita direta, contato, lead, oportunidade, proposta e receita.
É o problema do resultado.
Misturar as três camadas cria métricas enganosas.
Uma empresa pode melhorar muito a visibilidade e não melhorar recomendação.
Pode melhorar recomendação e ainda não conseguir medir impacto comercial.
Pode receber tráfego qualificado e perder conversão porque o site, o preço, a oferta ou o atendimento falham depois.
Por isso, a pergunta “estamos performando bem em GEO?” precisa ser substituída por perguntas mais específicas.
Como saber se o ChatGPT recomenda minha empresa?
O teste precisa começar pela intenção do cliente, não pelo nome da empresa.
Pesquisar “o que você sabe sobre a empresa X?” mede reconhecimento.
Uma empresa interessada em aquisição deveria testar perguntas como:
“Quais empresas fazem X?”
“Quem atende Y nesta cidade?”
“Qual fornecedor é indicado para uma empresa com este problema?”
“Compare três opções para esta necessidade.”
“Qual alternativa oferece melhor relação entre estes critérios?”
“Quem é especializado neste tipo de projeto?”
“Qual empresa escolher se minha prioridade for este atributo?”
A bateria deve conter variações que correspondam a momentos diferentes da jornada.
Descoberta.
Comparação.
Avaliação.
Contratação.
O mesmo conjunto precisa ser executado em mais de um ambiente.
A Comscore mostrou por que isso importa. No painel da empresa, a participação do ChatGPT no volume de prompts caiu de aproximadamente 70% em janeiro de 2026 para 50% em junho. No mesmo período, Gemini passou de 17% para 30% e Claude de 2% para 11%.
Esses números pertencem à metodologia da Comscore e não representam uma participação universal de mercado.
Mas deixam uma implicação clara:
medir apenas um assistente produz uma visão incompleta.
A Matriz NEODY de Participação na Decisão
Para esta análise, a NEODY propõe separar a presença em IA em seis dimensões observáveis.
Cobertura de intenção
Em quantas intenções comerciais relevantes a empresa aparece?
O denominador importa.
Aparecer em 30 respostas quase idênticas não significa cobrir 30 necessidades. O ideal é agrupar consultas por intenção real.
Recomendação
Quando a empresa aparece, ela é apenas mencionada ou efetivamente apresentada como alternativa?
Essa diferença precisa ser registrada.
Posição competitiva
Quais concorrentes aparecem junto?
Quem recebe mais contexto?
Quem é apresentado primeiro?
Qual empresa recebe a justificativa mais forte?
A ordem, sozinha, não deve virar um ranking artificial. O importante é entender o papel competitivo atribuído a cada marca.
Adequação
A empresa é associada aos atributos pelos quais deseja competir?
Uma marca pode aparecer muito e aparecer pelo motivo errado.
Se uma consultoria quer ser reconhecida por implantação de IA em indústria e aparece apenas em perguntas genéricas sobre marketing, existe presença sem aderência estratégica.
Consistência
A recomendação se mantém quando a pergunta muda de formulação?
E quando muda o sistema?
Uma marca que aparece apenas em um prompt específico pode ter uma presença frágil.
Evidência
Quais informações e fontes parecem sustentar a resposta?
Há dados incorretos?
A empresa é citada pelo próprio site, por terceiros ou por ambos?
Há evidência suficiente para justificar a recomendação?
Essas seis dimensões medem participação na resposta.
Ainda não medem venda.
O indicador que falta: participação na decisão
A cadeia comercial precisa continuar.
Uma estrutura inicial é:
INTENÇÃO → PRESENÇA → RECOMENDAÇÃO → CONSIDERAÇÃO → AÇÃO → OPORTUNIDADE → RECEITA
Cada estágio possui evidências diferentes.
Intenção: a pergunta representa uma situação real do mercado?
Presença: a empresa apareceu?
Recomendação: foi apresentada como alternativa adequada?
Consideração: recebeu contexto suficiente para entrar no conjunto de opções do comprador?
Ação: houve clique, busca pela marca, visita, contato ou outra movimentação observável?
Oportunidade: o comportamento chegou ao processo comercial?
Receita: houve negócio?
É importante manter a disciplina metodológica.
Uma citação não prova consideração.
Uma recomendação não prova clique.
Um clique não prova venda.
E uma venda ocorrida depois de uma recomendação não prova, sozinha, que a IA causou a compra.
O objetivo não é fabricar uma causalidade que os dados ainda não permitem demonstrar.
É aproximar progressivamente a medição daquilo que interessa à empresa.
Como medir se a recomendação da IA gera vendas?
Hoje, nenhuma métrica isolada resolve o problema.
Mas existem sinais que podem ser combinados.
A OpenAI informa que links provenientes da busca do ChatGPT incluem o parâmetro utm_source=chatgpt.com, o que permite identificar parte do tráfego de referência em ferramentas de analytics.
O Google avançou em outra direção.
Desde 31 de agosto de 2026, os relatórios específicos de performance em IA generativa do Search Console foram disponibilizados globalmente. Eles oferecem visualizações de impressões em recursos como AI Overviews, AI Mode e experiências generativas no Discover.
Esses dados melhoram a observação da visibilidade.
Ainda assim, o caminho completo até a receita exige conectar outras fontes.
Uma empresa pode acompanhar, no mesmo período:
tráfego identificado vindo de IA;
impressões em recursos generativos do Google;
crescimento de buscas pela marca;
visitas diretas;
páginas acessadas depois da referência;
formulários e contatos;
origem declarada pelo cliente;
oportunidades no CRM;
taxa de avanço comercial;
ticket;
receita.
A pergunta “como conheceu a empresa?” volta a ganhar importância.
Uma opção adicional pode ser incluída:
“ChatGPT, Gemini, Google com IA ou outro assistente.”
Isso não cria atribuição perfeita.
Mas produz um sinal que hoje muitas empresas simplesmente não coletam.
A venda pode acontecer sem o clique que o marketing esperava
Durante anos, o marketing digital se acostumou a enxergar uma sequência relativamente observável:
busca → clique → site → conversão.
As respostas generativas podem produzir uma jornada diferente:
pergunta → comparação → recomendação → busca pela marca → contato.
Ou:
pergunta → recomendação → compra dentro da própria interface.
Ou ainda:
pergunta → resposta → nenhuma ação imediata → lembrança da marca dias depois.
É aqui que a obsessão exclusiva por referral traffic começa a falhar.
A Digiday mostrou um paradoxo relevante para publishers. Dados da Chartbeat citados pela publicação indicaram queda anual de 40,2% nas referências do Google Search entre julho de 2025 e julho de 2026, enquanto referências de IA representavam apenas 0,01% do tráfego.
O recorte é de publishers.
Mas ele ajuda a entender por que “quanto tráfego a IA manda?” pode ser uma pergunta pequena demais.
Se a interface participa da escolha, uma parte do valor pode ocorrer antes do clique ou sem ele.
GEO começa a entrar no comercial
Essa mudança altera quem deveria participar da conversa dentro da empresa.
Se o objetivo é apenas indexação, o tema parece pertencer a SEO.
Se o objetivo é conteúdo citável, marketing e comunicação entram.
Se a pergunta é recomendação, entram marca, produto, reputação, experiência e posicionamento.
Se a pergunta final é venda, comercial, CRM e finanças precisam aparecer.
Por isso, GEO começa a deixar de ser uma discussão exclusiva de marketing.
A métrica precisa atravessar departamentos.
Um painel empresarial poderia separar:
Visibilidade: em quais intenções aparecemos?
Recomendação: em quais situações somos indicados?
Competição: quem aparece quando nós não aparecemos?
Representação: quais atributos a IA associa à marca?
Ação: quais sinais surgem depois?
Resultado: quais oportunidades e receitas podem ser relacionadas a essas jornadas?
Essa estrutura é mais útil para gestão do que um número único de “visibilidade em IA”.
SEO, AEO e GEO convergem na mesma jornada
Há uma tentação de tratar SEO, AEO e GEO como três disciplinas completamente separadas.
O próprio Google recomenda cautela com essa leitura.
Para seus recursos generativos, a empresa afirma que as práticas fundamentais de SEO continuam sendo a base. Também afirma que não é necessário reescrever conteúdo especificamente para sistemas de IA, criar arquivos especiais ou quebrar textos artificialmente em pequenos blocos.
Isso não torna AEO e GEO inúteis como conceitos.
Eles ajudam a enxergar objetivos diferentes.
SEO: ser encontrado e qualificado nos mecanismos de busca.
AEO: responder com clareza a perguntas e intenções.
GEO: entender como sistemas generativos recuperam, sintetizam, citam e recomendam informações.
Para uma empresa, os três convergem em uma mesma jornada:
ser encontrado → ser compreendido → ser considerado → ser escolhido.
A tecnologia muda.
A necessidade empresarial permanece reconhecível.
O que uma empresa pode testar esta semana
Escolha dez intenções comerciais importantes.
Não dez keywords.
Dez situações reais em que um cliente precisa tomar uma decisão.
Distribua entre descoberta, comparação e contratação.
Execute as mesmas perguntas no ChatGPT, Gemini e nos recursos de IA do Google disponíveis para a consulta.
Registre:
empresa apareceu;
concorrentes;
tipo de presença;
recomendação;
atributos usados;
fontes;
erros;
diferenças entre plataformas.
Depois olhe para seus próprios dados.
Houve referência de ChatGPT?
O Search Console registra impressões em recursos generativos?
As buscas pela marca estão mudando?
Clientes mencionam IA na origem?
O CRM possui algum campo capaz de capturar isso?
O teste não provará receita em uma semana.
Mas revelará se a empresa sequer possui instrumentação para descobrir.
O que ainda não podemos afirmar
Não existe hoje uma taxa universal que converta menção em venda.
Não existe um equivalente confiável de “posição 1” que funcione da mesma maneira em todos os assistentes, usuários e consultas.
Não podemos usar o resultado da Adobe em varejo americano para afirmar que qualquer empresa brasileira receberá tráfego 42% mais propenso a converter.
Também não podemos concluir que aumentar o número de citações causará aumento proporcional de receita.
As respostas podem variar conforme formulação da pergunta, modelo, contexto, localização, histórico, disponibilidade de busca e atualização das fontes.
É exatamente por isso que a metodologia precisa ser mais rigorosa que a promessa comercial.
Resumo e conclusões
A pergunta “como aparecer na IA?” continua importante porque uma empresa que não entra nas respostas pode deixar de participar de uma etapa crescente da descoberta.
Mas presença é apenas o começo.
Aparecer mede visibilidade.
Ser recomendado mede adequação e, em alguns contextos, preferência.
Gerar ação aproxima a presença do comportamento comercial.
Chegar à receita exige ligar essa jornada aos dados da empresa.
O movimento de ChatGPT, Gemini e Busca Google em direção a comparação, recomendação e comércio torna insuficiente medir apenas citações.
A pergunta que merece entrar no painel de gestão é mais exigente:
Quando a inteligência artificial participa da escolha do nosso cliente, entramos na decisão e conseguimos identificar o que acontece depois?
Essa é a passagem de GEO como métrica de marketing para participação na decisão.
E ela termina onde qualquer métrica empresarial deveria terminar.
O cliente comprou?
