Conheça a nova métrica que importa para a IA recomendar sua marca

Durante muito tempo, o sucesso de uma marca se resumia a duas métricas: o quanto ela vendia (market share) e o quanto era lembrada (mind share).

Essa lógica fazia total sentido em um mundo onde a decisão final dependia exclusivamente da memória e da pesquisa do consumidor.

Basicamente, se a sua marca não estivesse na mente do cliente, ela nem entrava no jogo.

Você deve estar se perguntando. Faziam sentido? Não fazem mais?

Claro que elas continuam sendo importantes, porém, o cenário agora é outro. Cada vez mais, a fase de pesquisa (ou descoberta) e comparação não é realizada diretamente mais pelo cliente, mas sim por um sistema de IA que resume, compara e recomenda marcas ou fornecedores.

Conforme isso passou a ocorrer de forma mais intensa, a pergunta relevante precisa deixar de ser "o cliente se lembra da minha marca?" para "a IA que o cliente está usando me recomenda como confiável para resolver seu problema ou sua dúvida?".

É importante ter em mente que uma marca pode ter um altíssimo mind share entre as pessoas e, ainda assim, estar completamente fora do conjunto de opções que a IA apresenta.

Isso significa que ela pode ser excluída da decisão antes mesmo de o cliente perceber que existia como alternativa.

Essa lacuna, entre a força da marca percebida pelos humanos e a presença real nas respostas de um sistema de IA, torna a inclusão ou exclusão nessas respostas tão ou mais crucial do que o tradicional indicador de lembrança de marca.

Agora, as pessoas não pesquisam mais no Google digitando apenas palavras-chave. Elas fazem perguntas complexas para IAs generativas (ChatGPT, Gemini, Claude etc.), como: "Qual o melhor tênis de corrida para quem tem dor no joelho?" ou "Qual o notebook ideal para edição de vídeo, com bom custo-benefício?".

E para serem uma opção viável no algoritmo de recomendação, o segredo é estar preparado para uma nova métrica que surge: a AI Recall Share (algo como quantas vezes a IAs recomenda a marca).

A AI recall share se refere à frequência com que uma marca é lembrada por sistemas de IA quando ela atende perfeitamente ao problema de um usuário. Em outras palavras, ela mede quantas vezes a sua marca é a resposta certa para o que o usuário realmente precisa.

Veja que interessante: se o seu produto resolve o problema levantado pelo usuário, mas a IA não o recomenda nessa situação específica, isso quer dizer que o seu AI Recall Share está baixo.

Por outra ótica, isso também representa uma grande oportunidade para marcas menos conhecidas ou PMEs de serem mais lembradas e citadas, desde que façam a lição de casa em relação à Reputação Generativa.

Quatro padrões que explicam por que marcas fortes podem desaparecer

Uma pesquisa conduzida pela Universidade de Georgetown e a Darden Business School (Universidade da Virgínia) revelou que a nova disputa das marcas é para ser uma opção viável no algoritmo de recomendação de IA.

Ao testar os mesmos comandos (prompts) em três grandes IAs generativas, avaliando 15 categorias de produtos (como tecnologia, petcare e finanças), os pesquisadores mapearam mais de mil menções a 716 marcas distintas.

A conclusão é categórica: uma marca super conhecida pode ser ignorada em uma resposta, se não estiver preparada.

O estudo indica quatro comportamentos, juntos, ajudam a entender melhor por que empresas com marcas consolidadas podem estar perdendo espaço, especialmente agora que a IA desempenha um papel crucial nas decisões de compra.

1) A visibilidade é mais fragmentada do que parece. Apenas 8,4% das marcas aparecem de forma consistente em diferentes sistemas de IA. A maioria delas é vista com maior autoridade em apenas uma plataforma. Assim, uma marca que é forte em um assistente de IA pode estar completamente ausente em outro.

2) Uma mesma marca é posicionada de formas diferentes conforme a IA. Entre as marcas que aparecem em mais de uma plataforma, 55% têm um enquadramento distinto entre elas. Isso ocorre porque os sistemas de IA não conseguem reproduzir com precisão a mensagem que a empresa deseja transmitir. Em vez disso, eles inferem o posicionamento com base nas informações de terceiros disponíveis sobre a marca, e não na narrativa que a empresa gostaria de projetar. Daí a importância de uma gestão de narrativas coerente.

3) O tipo de pergunta feita também influencia quais concorrentes são considerados. Perguntas exploratórias geram 95% mais menções de marca do que aquelas com um objetivo específico, e apenas cerca de 11% das marcas aparecem em resposta a ambos os tipos de perguntas. Isso significa que a forma como o cliente descreve seu problema já define, antes mesmo de qualquer resposta, quem está na disputa pela menção.

4) Uma vez que a marca é mencionada, ela quase sempre recebe um tom positivo. Em 78,7% das menções identificadas, o sentimento foi favorável, e isso se manteve consistente entre diferentes plataformas. Isso muda uma questão estratégica: a disputa não é apenas para aparecer de forma positiva na resposta, mas para ser incluído nela. O sentimento não é o gargalo; a inclusão é.

Ser compreendido pela IA é o que garante a inclusão

Uma marca é incluída em uma recomendação de IA quando o modelo consegue estabelecer uma conexão clara entre a condição do usuário, o atributo do produto que resolve essa condição e a marca que oferece esse atributo.

Três elementos sustentam essa conexão: clareza de entidade, ou seja, a marca deve ser facilmente identificável entre diferentes fontes de informação; estrutura de atributos, com características do produto que sejam nomeadas, comparáveis e mensuráveis; e uma base de evidência, com alegações de benefício apoiadas por fontes independentes e confiáveis.

É exatamente nesse espaço que a Modocon estabeleceu o conceito de Reputação Generativa: uma fusão entre relações públicas digitais; conteúdo próprio aprimorado para mecanismos de busca; e otimizações para infraestrutura de websites (SEO técnico), respostas rápidas de assistentes virtuais (AEO) e plataformas de IA conversacional (GEO).

O objetivo dessa combinação é fazer com que uma marca se torne reconhecível, comparável e comprovável diante de qualquer sistema de IA, indo além da simples visibilidade em canais tradicionais, como a imprensa ou redes sociais.

A frase que acompanha nossas publicações resume bem tudo isso que falamos aqui até agora: visibilidade sem reputação resulta em recomendações vazias; reputação sem visibilidade não alcança quem toma decisões.

3 dicas para aumentar o seu AI recall share

1) Troque alegação subjetiva por especificação verificável. Termos como "alta qualidade" ou "solução robusta" não oferecem à IA nada para comparar. Métricas de desempenho, parâmetros técnicos e resultados validados por terceiros são o tipo de informação que o modelo realmente consegue usar em uma recomendação.

2) Cultive validações externas independentes e de autoridade. A inclusão em uma resposta de IA depende do volume e da qualidade das análises, avaliações e comentários que existem sobre a marca fora dos seus canais próprios de comunicação. Isso não se constrói com investimento em publicidade, é algo que leva tempo e exige um bom relacionamento com fontes de autoridade, como a imprensa, plataformas de avaliação e comparação e consultorias de mercado.

3) Mova o foco do apelo simbólico para uma base de evidências. A notoriedade e a narrativa da marca são importantes para criar preferência entre os humanos, mas não são suficientes para fornecer atributos e evidências que um sistema de IA consiga processar. Para preencher essa lacuna, é necessário diminuir a dependência de alegações simbólicas ou frases de efeito e mostrar evidências concretas que conectam a marca a um problema específico do cliente.

O diagnóstico que toda empresa deveria fazer

Antes de colocar qualquer plano em prática, faça um exercício bem simples: teste os principais sistemas de IA com as perguntas que os clientes costumam fazer, tanto as mais genéricas quanto as específicas sobre problemas do seu ramos de atividade.

Observe quais marcas aparecem, como a sua marca é apresentada e se essa menção se mantém consistente em diferentes plataformas, como ChatGPT, Claude, Perplexity e Gemini.

Depois disso, é hora de auditar a própria estrutura de atributos. Cheque se as IAs conseguem listar três características mensuráveis e comparáveis do seu produto ou serviço que atendam a necessidades específicas de clientes. Se a resposta for um sonoro não, então, esse é o primeiro ponto a ser corrigido.

Por último, veja o que já existe de evidências e narrativas sobre a sua marca e os concorrentes em fontes de fora da empresa, como reportagens, avaliações e comentários de especialistas.

Agora, uma dica de ouro: preste atenção nas palavras que os próprios clientes usam para descrever os problemas que enfrentam.

Quando uma empresa ajuda a espalhar esse vocabulário, através de comunidades especializadas e na imprensa do setor, ela passa a fazer parte da narrativa como o mercado descreve o próprio problema. E, acredite, isso vai contar muito a favor da sua marca antes mesmo de qualquer recomendação de IA acontecer.

Visibilidade sem reputação produz recomendação vazia; reputação sem visibilidade não chega a quem decide.