A pergunta da diretoria é simples: “quanto o GEO (Generative Engine Optimization, a otimização para aparecer em respostas de IA) devolveu?”. A resposta honesta é que parte do retorno se mede, parte se estima e parte não se mede. Esconder essa fronteira é o caminho mais rápido para perder credibilidade no primeiro relatório.
O problema é estrutural. Uma citação pode influenciar a compra sem gerar clique. O Google não publica impressões de AI Overviews separadas das demais. Os chatbots não entregam relatório de exposição. Mesmo assim, é possível montar uma cadeia de evidências com quatro camadas que, somadas, sustentam uma conclusão defensável.
Este guia mostra o que medir em cada camada, como configurar as fontes, como desenhar a linha de base e o grupo de comparação, e como apresentar o resultado com fórmulas e limites declarados. Os números dos exemplos são hipotéticos e estão identificados como tal.
O que é possível medir e o que não é
Separar o mensurável do inferido é o primeiro passo do relatório. Sem essa separação, a diretoria cobra precisão que nenhuma fonte entrega.
O que a documentação oficial do Google diz
Segundo a documentação AI features and your website, do Google Search Central, o tráfego dos recursos de IA (AI Overviews e AI Mode) é incluído no tráfego geral de busca do Search Console e aparece no relatório de Desempenho, dentro do tipo de pesquisa “Web”. Não há, portanto, um filtro nativo que isole só a IA do Google.
A Ajuda do Search Console, na página sobre o relatório de Desempenho, detalha a contagem. Clicar em um link externo em AI Overviews ou AI Mode conta como clique. As regras padrão de impressão se aplicam. Em AI Overviews, o bloco ocupa uma posição na página e todos os links dentro dele recebem essa mesma posição. Em AI Mode, um follow-up equivale a uma nova consulta.
A mesma documentação indica acompanhar conversões e tempo no site em outras ferramentas, como o Google Analytics. Para o contexto de relatórios, veja também como o Search Console mede visibilidade em AI Overviews e AI Mode.
O que continua sem dado oficial
- Impressões (quantas vezes sua marca foi vista) em ChatGPT, Gemini fora da busca, Claude e Perplexity: não há relatório de exposição para o site.
- Citações sem clique: a pessoa lê a resposta, memoriza a marca e compra depois, por outro caminho.
- Tráfego de AI Overviews e AI Mode separado do orgânico clássico no GA4: ele chega como google / organic.
- Causalidade: nenhuma fonte prova que a citação causou a venda. Ela só permite construir indícios.
O ponto de partida do relatório é, portanto: o que se mede diretamente (camadas 1 e 2), o que se infere por correlação controlada (camada 3) e o que se estima por declaração do cliente (camada 4).
A cadeia de evidências em quatro camadas
O diagrama abaixo mostra como as camadas se encadeiam, da exposição à receita. Cada degrau tem uma fonte de dados diferente e um grau de confiança diferente.
- 1Visibilidade e citação
Taxa de citação em um conjunto fixo de prompts. Mede exposição, não demanda.
- 2Tráfego de referência de IA
Sessões de origens de IA no GA4, em canal personalizado. Mede visitas com clique.
- 3Busca de marca
Cliques e impressões de consultas com o nome da marca no Search Console, mais Google Trends. Mede demanda gerada sem clique.
- 4Conversão, receita e assistência
Pedidos de sessões de IA, caminhos assistidos e pergunta “como nos conheceu”. Mede o valor.
A leitura é de baixo para cima na confiança e de cima para baixo na ordem de causa. Se as camadas 1 a 3 sobem e a 4 acompanha, a narrativa é consistente. Se só uma sobe, o relatório deve dizer isso.
Camada 1: visibilidade e citação
Defina um conjunto fixo de prompts (por exemplo, 50) que representem a jornada de compra: categoria, comparação, dúvida e marca. Rode o mesmo conjunto, nas mesmas plataformas, em intervalos regulares, e registre se a marca foi citada, recomendada ou ignorada. O método completo está na auditoria de GEO.
As respostas de IA variam entre execuções. Por isso, repita cada prompt mais de uma vez e trate o resultado como proporção com margem de erro. Exemplo hipotético: 18 prompts com citação em 50 dá taxa de 36%. A margem aproximada, com 95% de confiança, é 1,96 × raiz de (0,36 × 0,64 / 50) = 1,96 × 0,068 = 13 pontos percentuais. Uma variação de 36% para 42% está dentro do ruído.
Camada 2: tráfego de referência de IA no GA4
No GA4, a Ajuda do Google Analytics informa que propriedades padrão podem ter até 2 grupos de canais personalizados, com até 50 canais cada, e que o tráfego é atribuído ao primeiro canal cujas condições ele atende. A ordem importa: o canal de IA deve vir antes de “Referral”. As definições do grupo de canais padrão mostram que Referral abrange medium “referral”, “app” ou “link”, e que as definições padrão não podem ser editadas.
Crie um canal “IA generativa” com a condição “Origem da sessão” correspondendo a expressão regular. Um ponto de partida, a ser revisado com os dados reais da sua propriedade:
^(chatgpt\.com|chat\.openai\.com|perplexity(\.ai)?|gemini\.google\.com|copilot\.microsoft\.com|claude\.ai)$Antes de fixar a regex, liste as origens reais no relatório de aquisição de tráfego e inclua as que aparecem. O passo a passo está em como medir o tráfego de IA no GA4. Para as marcações de origem, veja também o caso do Gemini com UTM.
Atenção: o tráfego de AI Overviews e AI Mode continua em google / organic. E parte das visitas vindas de chatbots chega sem origem identificável e cai em Direct. O caso está descrito em ChatGPT sem UTM: tráfego de IA caiu no GA4. Trate o canal de IA como piso, não como total.
Camada 3: busca de marca no Search Console e no Google Trends
Quando a IA recomenda uma marca e a pessoa não clica, o rastro costuma aparecer depois: ela pesquisa o nome da marca no Google. É a ponte entre citação e demanda. A lógica está detalhada em por que ser recomendado pela IA aumenta sua busca de marca.
No Search Console, filtre consultas que contêm o nome da marca (e variações com erro de grafia) e acompanhe cliques e impressões por semana. Exclua do cálculo as campanhas de mídia de massa, que também elevam busca de marca.
O Google Trends serve como segunda opinião de direção. Conforme a Ajuda do Google Trends, os valores são normalizados de 0 a 100, vêm de uma amostra, termos de baixo volume aparecem como zero, há ruído aleatório por privacidade e as buscas feitas pelos produtos do próprio Google, incluindo AI Mode e AI Overviews, são removidas. Use o Trends para direção, nunca para volume.
Camada 4: conversão, receita e pesquisa “como nos conheceu”
Aqui entram três leituras. A primeira é a conversão direta das sessões do canal de IA (pedidos e receita no GA4). A segunda é a assistência: sessões de IA que aparecem no caminho de conversões atribuídas a outros canais. A terceira é declarativa: um campo “como nos conheceu?” no checkout ou em pesquisa pós-compra (por e-mail ou WhatsApp), com opção “ChatGPT, Gemini ou outra IA”.
A pesquisa declarativa tem viés de memória e de resposta, mas é a única que captura a citação sem clique. Use-a como estimativa, com amostra e taxa de resposta informadas.
Tabela das métricas: o que mede, fonte e limitação
A tabela reúne as métricas do relatório com sua fonte e o principal limite de cada uma. Ela serve de glossário para a diretoria.
| Métrica | O que mede | Fonte | Limitação |
|---|---|---|---|
| Taxa de citação | % de prompts em que a marca é citada | Monitoramento próprio de prompts | Respostas variam; amostra pequena tem margem alta |
| Sessões de IA | Visitas com origem de chatbot | GA4, canal personalizado | Piso: parte cai em Direct; AI Overviews ficam em orgânico |
| Cliques e impressões em AI Overviews/AI Mode | Tráfego do Google com IA, dentro do total | Search Console (tipo Web) | Não há filtro separado |
| Busca de marca | Demanda pelo nome da marca | Search Console | Influenciada por mídia, PR, sazonalidade |
| Interesse relativo da marca | Direção da busca ao longo do tempo | Google Trends | Normalizado, amostrado, com ruído |
| Taxa de conversão de sessões de IA | Pedidos ÷ sessões do canal | GA4 | Poucas sessões geram taxa instável |
| Conversões assistidas | Participação de IA no caminho | GA4 (caminhos, explorações) | Depende de origem identificada |
| Menção na pesquisa pós-compra | % de compradores que citam IA | Formulário ou pesquisa | Viés de memória; só quem responde |
A principal conclusão da tabela: nenhuma métrica sozinha prova o retorno. O valor está na convergência de indícios e na transparência sobre o limite de cada um.
Desenho de linha de base e comparação antes e depois
Sem linha de base não há “antes”. Registre as métricas das quatro camadas antes de qualquer ação de GEO, e preserve a configuração (prompts, regex, filtros de marca) para que o “depois” seja comparável.
Janelas de tempo
- Linha de base: de 8 a 12 semanas antes do início, para absorver a variação semanal.
- Janela de efeito: mínimo de 8 a 12 semanas após as mudanças serem publicadas e rastreadas. Citações e busca de marca respondem com atraso.
- Comparação sazonal: compare também com o mesmo período do ano anterior, quando houver histórico, para separar efeito de calendário.
Grupo de comparação
Um antes e depois isolado confunde GEO com tudo o que mudou no período. Quando possível, aplique as ações a parte do catálogo (categorias tratadas) e mantenha outra parte como comparação (categorias semelhantes, sem intervenção). A diferença entre as variações é uma estimativa mais limpa que a variação bruta.
Exemplo hipotético: cliques de busca de marca nas categorias tratadas passam de 40.000 para 45.600 (+14%). Nas categorias de comparação, de 25.000 para 26.000 (+4%). A diferença é 14% − 4% = 10 pontos percentuais atribuíveis, com cautela, às ações. Para a lógica de grupo de controle em CRM, veja receita incremental com holdout.
Fórmulas e exemplo numérico hipotético
Premissas hipotéticas, usadas só para ilustrar o cálculo: 300.000 sessões orgânicas e 1.200 sessões do canal de IA no mês; conversão de 1,8% no orgânico e 3,0% na IA; ticket médio de R$ 280; margem de contribuição de 30%; custo do programa de GEO de R$ 18.000 por mês; 8.000 pedidos no mês; 600 respostas à pesquisa pós-compra, das quais 42 citam IA.
| Indicador | Fórmula | Resultado (hipotético) |
|---|---|---|
| Taxa de conversão da IA | pedidos ÷ sessões | 3,0% (36 pedidos em 1.200 sessões) |
| Taxa de conversão do orgânico | pedidos ÷ sessões | 1,8% (5.400 pedidos em 300.000) |
| Razão IA ÷ orgânico | 3,0% ÷ 1,8% | 1,67 vez |
| Receita direta da IA | pedidos × ticket | 36 × R$ 280 = R$ 10.080 |
| Menção à IA na pesquisa | menções ÷ respostas | 42 ÷ 600 = 7% |
| Pedidos influenciados (estimativa) | 7% × 8.000 | 560 |
| Receita influenciada (teto) | 560 × R$ 280 | R$ 156.800 |
| Custo por sessão de IA | custo ÷ sessões | R$ 18.000 ÷ 1.200 = R$ 15,00 |
| Custo por pedido influenciado | custo ÷ pedidos | R$ 18.000 ÷ 560 = R$ 32,14 |
| ROI, só receita direta | (receita × margem − custo) ÷ custo | (10.080 × 0,30 − 18.000) ÷ 18.000 = −83% |
| ROI, receita influenciada | (156.800 × 0,30 − 18.000) ÷ 18.000 | (47.040 − 18.000) ÷ 18.000 = 161% |
O exemplo mostra por que mostrar um único número engana. Pela receita direta, o programa não se paga. Pela receita influenciada, paga com folga, mas esse valor é um teto: nem todo comprador que cita IA teria deixado de comprar sem ela. Apresente as duas leituras e a faixa entre elas.
Para aproximar o incremental, aplique à receita influenciada um fator de incrementalidade conservador, definido com a diretoria antes da análise (por exemplo, 25%). Com 25%: R$ 156.800 × 0,25 = R$ 39.200; com margem de 30%, R$ 11.760 contra custo de R$ 18.000. O ROI fica negativo no curto prazo, e o relatório deve dizer isso. O fator é uma premissa, não um dado.
Modelo de relatório para a diretoria
Um relatório mensal enxuto, em uma página, com a estrutura abaixo.
- Resumo: o que mudou nas quatro camadas, em uma frase cada, com a variação sobre a linha de base.
- KPIs principais: taxa de citação (com margem), sessões de IA, cliques de busca de marca, pedidos e receita diretos, menção à IA na pesquisa pós-compra.
- Comparação: tratado versus grupo de comparação, e versus o mesmo período do ano anterior.
- Faixa de valor: receita direta (piso), receita influenciada (teto) e a estimativa com incrementalidade declarada.
- Limites: o que não foi medido (citações sem clique, AI Overviews no orgânico, tráfego em Direct).
- Decisões: o que continuar, ajustar ou interromper, com base no que os dados sustentam.
Organize os KPIs em um painel único para que a diretoria veja a cadeia completa sem abrir quatro ferramentas. Também ajuda manter o contexto de escala do tráfego de IA frente ao orgânico, já que o canal costuma ser pequeno e o relatório não deve vender expectativa maior que a realidade.
Limitações que devem constar no relatório
- Tráfego direto sem referrer: parte das visitas de IA chega sem origem e é contada como Direct.
- UTM inconsistente: nem todas as plataformas marcam links da mesma forma, e a marcação pode mudar. Revise a regex periodicamente.
- Amostras pequenas: com poucas dezenas de pedidos, uma taxa de conversão oscila muito de um mês para outro.
- Variação das respostas: o mesmo prompt pode render respostas diferentes. Meça repetidamente e reporte intervalos.
- Fatores concorrentes: campanhas, PR, promoções e sazonalidade afetam busca de marca e vendas.
Erros comuns ao provar o valor do GEO
Erros de cálculo e configuração
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| 1. Regex de IA depois de “Referral” no canal personalizado | O GA4 atribui ao primeiro canal que casa; o tráfego de IA fica em Referral e o canal de IA aparece vazio | Colocar o canal de IA acima de Referral e validar com uma visita de teste |
| 2. Regex incompleta ou desatualizada | Origens novas ou variações ficam fora; o piso fica ainda mais baixo | Revisar mensalmente a lista de origens no relatório de aquisição |
| 3. Sem linha de base | Qualquer número vira “crescimento”, sem referência | Registrar 8 a 12 semanas antes de agir e preservar a configuração |
| 4. Somar receita influenciada como se fosse incremental | Quem cita IA poderia ter comprado de qualquer jeito; o ROI sai inflado | Mostrar faixa piso e teto e declarar o fator de incrementalidade |
Efeito prático do erro 1, em número hipotético: 1.200 sessões de IA classificadas como Referral somem do relatório de IA, e a diretoria conclui que “a IA não traz nada”. O erro 4 faz o oposto: no exemplo, R$ 156.800 viram “retorno” quando a estimativa incremental com 25% é R$ 39.200.
Erros de interpretação
5. Concluir causa a partir de correlação. A busca de marca sobe junto com a taxa de citação e o relatório afirma que uma causou a outra. Acontece porque o período teve outras ações. O efeito é atribuir ao GEO o que foi de uma campanha. Correção: usar grupo de comparação e registrar eventos concorrentes na linha do tempo.
6. Ler variação dentro da margem de erro como tendência. Com 50 prompts, a margem é de cerca de 13 pontos percentuais. Acontece por falta de repetição das medições. O efeito é comemorar ou entrar em pânico por ruído. Correção: repetir prompts, ampliar o conjunto e só falar em mudança quando ela superar a margem.
7. Comparar conversão de IA com orgânico com poucas sessões. Com 1.200 sessões e 36 pedidos, uma diferença de 10 pedidos muda a taxa em quase um ponto. Acontece porque o canal é pequeno. O efeito é uma “taxa superior” que desaparece no mês seguinte. Correção: acumular períodos e relatar o intervalo.
8. Tratar o Google Trends como volume. Acontece porque o índice de 0 a 100 parece uma contagem. O efeito é projetar demanda sobre dado normalizado e amostrado. Correção: usar o Trends para direção e o Search Console para volume.
9. Concluir que não há retorno porque o clique é pequeno. Acontece ao olhar só a camada 2. O efeito é cortar um investimento que gera demanda de marca. Correção: ler as quatro camadas juntas e incluir a pesquisa declarada.
Erros de ação e operação
10. Mudar o conjunto de prompts a cada rodada. Acontece quando o time quer “melhorar” o monitoramento. O efeito é perder comparabilidade e não saber se a taxa mudou por ação ou por prompts diferentes. Correção: congelar a base e versionar qualquer alteração.
11. Medir cedo demais. Acontece pela pressão por resultado em 30 dias. O efeito é concluir que o GEO falhou antes de rastreamento e citação responderem. Correção: combinar a janela mínima de 8 a 12 semanas com a diretoria desde o início.
12. Não perguntar ao cliente. Acontece porque a pesquisa dá trabalho e não aparece no GA4. O efeito é deixar de ver a citação sem clique. Correção: incluir “como nos conheceu?” no checkout ou no pós-compra, com opção de IA e campo aberto, e informar a taxa de resposta.
Checklist de implantação
- Definir o conjunto fixo de prompts e as plataformas, e registrar a primeira medição.
- Criar o canal personalizado de IA no GA4, acima de Referral, e testar com uma visita real.
- Salvar as consultas de marca e variações no Search Console e iniciar o acompanhamento semanal.
- Configurar a série do Google Trends para a marca.
- Adicionar o campo “como nos conheceu?” com opção de IA.
- Registrar 8 a 12 semanas de linha de base antes de publicar as mudanças.
- Definir o grupo de comparação e o fator de incrementalidade com a diretoria.
- Montar o relatório mensal com faixa de valor e limites declarados.
Perguntas frequentes
Como provar que o GEO gera vendas?
Não é possível provar causalidade com uma única métrica. Monte a cadeia de quatro camadas (citação, tráfego de IA, busca de marca e conversão com pesquisa pós-compra), use linha de base e grupo de comparação e apresente uma faixa de valor, com piso e teto.
O Search Console separa o tráfego de AI Overviews e AI Mode?
Não. Segundo a documentação do Google, esse tráfego é incluído no total e aparece no relatório de Desempenho, no tipo de pesquisa Web. Cliques em links dentro desses recursos contam como cliques.
Como identificar o tráfego de IA no GA4?
Crie um grupo de canais personalizado com um canal de IA, usando a condição de origem da sessão por expressão regular, e posicione-o acima de Referral. Lembre que parte do tráfego chega como Direct e que AI Overviews ficam em orgânico.
O que fazer quando a IA cita a marca e ninguém clica?
Acompanhe a busca de marca no Search Console e no Google Trends e inclua a pergunta como nos conheceu no pós-compra. Esses sinais capturam parte do efeito sem clique, com margem de erro declarada.
Quanto tempo leva para ver resultado?
Planeje uma janela de efeito de pelo menos 8 a 12 semanas após as mudanças, depois de uma linha de base de 8 a 12 semanas. Citações e busca de marca respondem com atraso.
Como calcular o ROI do GEO?
ROI = (receita × margem − custo) ÷ custo. Calcule com a receita direta do canal de IA (piso) e com a receita influenciada estimada pela pesquisa, aplicando um fator de incrementalidade. Informe as premissas.
O tráfego de IA converte mais que o orgânico?
Depende da loja e das amostras, e as sessões de IA costumam ser poucas. Compare a taxa de conversão acumulando períodos e informando o intervalo, antes de concluir que há diferença.
Preciso de uma ferramenta paga para medir?
Para as camadas 2 a 4, GA4, Search Console, Google Trends e uma pesquisa pós-compra bastam. Ferramentas ajudam a automatizar a camada 1, mas o método e os limites contam mais que o software.
