Uma marca pode ser reconhecida por um modelo de IA e, ainda assim, nunca ser recomendada. A explicação mais comum é culpar o conteúdo. Um artigo publicado em 15 de outubro de 2026 no Search Engine Land, assinado pela consultora Maryanna Franco, propõe olhar antes para um problema anterior: a identificação da entidade, ou seja, quem a IA acredita que a sua marca é.
O argumento é que o nome da marca pode ser categorizado corretamente pelos modelos de linguagem, enquanto o Knowledge Graph do Google (a base de entidades que o buscador usa para entender pessoas, empresas e coisas) associa o mesmo nome a outra organização. Esse conflito de resolução ocorre antes da recomendação, e a autora o chama de “entidade sequestrada no Knowledge Graph”.
Este texto resume o estudo, separa o que ele mostra do que é hipótese e traz um roteiro de diagnóstico que você pode aplicar à sua marca.
O que o estudo observou
Segundo o artigo, a base são 14.140 execuções controladas via API, com 12 marcas em 5 plataformas de IA generativa. O trabalho foi feito por Franco em parceria com João da Silva e está publicado no Zenodo, sob licença Creative Commons CC BY 4.0. O artigo informa que a Search Engine Land pertence à Semrush e que a autora é fundadora de uma consultoria de SEO e GEO, o que vale ter em mente ao pesar os resultados.
Escala do estudo citado pelo Search Engine Land
Execuções controladas via API em plataformas de IA generativa.
- 14.140execuções controladas
- 12marcas analisadas
- 5plataformas de IA generativa
O recorte mais didático está em três marcas do conjunto. A tabela resume o que o artigo relata para cada uma.
| Marca | O que a IA fez | O que o Knowledge Graph mostrou | Leitura do artigo |
|---|---|---|---|
| TALA (activewear, Reino Unido) | Os quatro sistemas testados na categorização a associaram a athleisure; não apareceu em nenhuma recomendação | Descreveu a marca como empresa de serviços financeiros | Entidade sequestrada: o nome aponta para outra empresa |
| New Balance | Reconhecimento de 1,0, mas zero recomendações em athleisure | Descreve a marca como empresa de calçados | Problema de categoria, não de entidade |
| LNDR | Zero recomendações | Sinais de entidade muito fracos | Entidade pouco consolidada |
O estudo classifica cada marca em um estado de codificação de categoria, cruzando a descrição do Knowledge Graph com a categoria que os modelos associam a ela. A tabela abaixo reproduz, em português, a Figura 5 do estudo. Nela, a TALA é a única marca em estado sequestrado.
| Marca | Descrição no Knowledge Graph | Categoria testada nos LLMs | Estado de codificação |
|---|---|---|---|
| Nike | Empresa de calçados | athletic_footwear | Específico |
| New Balance | Empresa de calçados | athletic_footwear | Específico |
| Reebok | Empresa de artigos esportivos | athletic_footwear | Específico |
| lululemon | Empresa de vestuário | athleisure_apparel | Específico |
| Alo Yoga | Empresa de vestuário | yoga_wellness | Específico |
| Outdoor Voices | Empresa de moda | athleisure_apparel | Parcial |
| Sweaty Betty | Empresa de varejo | athleisure_apparel | Fraco |
| TALA | Empresa de serviços financeiros | athleisure_apparel | Sequestrado |
| Gymshark | (“Empresa” genérico) | mixed | Nenhum |
| Rhone Apparel | (“Empresa” genérico) | mixed | Nenhum |
| Varley | (“Empresa” genérico) | mixed | Nenhum |
| LNDR | (sem descrição) | athleisure_apparel | Nenhum |
A captura da resposta do ChatGPT a “What is TALA?”, publicada no Search Engine Land, mostra o contraste: o modelo identifica a marca de roupas corretamente, enquanto o Knowledge Graph a descreve como empresa de serviços financeiros.
TALA é uma marca britânica de moda fitness e athleisure fundada pela empreendedora Grace Beverley em 2019.
A marca vende roupas femininas, incluindo leggings, tops esportivos, blusas, agasalhos, vestidos e peças de athleisure para o dia a dia. A TALA se posiciona em torno da moda fitness com apelo de moda, combinando roupas de desempenho com estilos pensados para serem usados além da academia.
Dois erros diferentes produzem o mesmo sintoma. No caso da New Balance, a IA sabe exatamente quem é a marca, mas a vê como fabricante de calçados e não a lembra quando a pergunta é sobre athleisure. Na TALA, a própria identidade está confundida com outra empresa. A autora recomenda não tratar a baixa visibilidade como problema de conteúdo antes de verificar se a IA identifica corretamente a marca, e é aí que o diagnóstico muda a ação.
Entidade e categoria: duas causas, duas correções
Entidade é o objeto identificado: a sua empresa, distinta de qualquer outra de mesmo nome. Categoria é o grupo em que a IA a encaixa quando alguém pergunta por uma solução. Para recomendar, o modelo precisa acertar as duas. A falha em cada uma pede uma correção diferente, e tratar as duas do mesmo modo desperdiça esforço.
- Falha de entidade: a IA ou o Knowledge Graph confundem a marca com outra. A correção é de identidade: página de entidade, dados padronizados e fontes externas que reforcem quem você é.
- Falha de categoria: a IA sabe quem você é, mas não o associa ao tema da pergunta. A correção é de posicionamento: conteúdo, menções e contexto que liguem a marca à categoria desejada.
A leitura vale também para quem já acompanha a presença em respostas de IA. Em nosso texto sobre visibilidade em IA, mostramos que parte das marcas nem sabe se aparece. O estudo sugere um passo anterior à medição: verificar se a IA sabe quem você é.
Como diagnosticar em quatro passos
Os passos abaixo seguem o roteiro proposto no artigo, adaptado para uma rotina simples de teste manual. Registre as respostas em uma planilha, com data e plataforma, e repita em mais de um sistema de IA.
Roteiro de diagnóstico de entidade e categoria
Etapas propostas por Maryanna Franco no Search Engine Land.
- 1Sem contextoPergunte “O que é [marca]?” e “Descreva [marca]” e veja se a entidade correta aparece.
- 2CategoriaCom a entidade correta, teste a qual categoria a IA a associa.
- 3Knowledge GraphLeia a descrição que o grafo retorna. Se citar outra organização, há conflito.
- 4Sem a marcaPergunte pela categoria, sem citar a marca, e veja se ela é recomendada.
A ordem importa. Se o passo 1 falha, não faz sentido otimizar a categoria. Se o passo 3 mostra descrição de outra empresa, o problema é de identidade. Só quando a entidade está correta é que o passo 4, a recomendação por categoria, indica falta de posicionamento.
Como corrigir quando há colisão de entidade
O artigo lista medidas para os casos em que a colisão se confirma. A leitura abaixo é nossa, organizada em ordem de execução.
- Declarar que as organizações de mesmo nome são entidades distintas, com atributos próprios.
- Fortalecer a página de entidade (entity home), a página do seu site que concentra a identidade da marca, como detalha o Search Engine Land.
- Padronizar nome, endereço, aliases e descrições em perfis oficiais.
- Explicitar relações com fundadores, produtos e outras entidades conhecidas.
- Buscar corroboração em fontes terceiras relevantes, o que se relaciona com os sinais de autoridade que explicamos em Google EEAT.
- Enviar correções ao Google quando o Knowledge Graph apresentar a marca de forma errada. Para entender como o grafo usa entidades, veja o guia do Search Engine Land.
A autoria e a clareza de quem publica também pesam nesse processo. O Google já tem sinalizado atenção a esse ponto, como mostramos ao tratar do alerta contra autor falso.
Limites do estudo
Os próprios autores reconhecem que os dados são observacionais. A coincidência entre conflito no Knowledge Graph e ausência de recomendações não prova que um cause o outro. Trata-se de uma hipótese testável: se a desambiguação da entidade for feita, deveria haver mudança mensurável nas recomendações. Há também o tamanho da amostra de marcas (12) e o fato de o estudo ter sido conduzido por quem oferece consultoria no tema.
Na prática, use o estudo como método de investigação e não como regra. Teste a sua marca, documente o que encontrar e só então decida se o investimento é em identidade, em categoria ou em conteúdo. Como a IA passou a exibir interfaces mais ricas, como em nosso texto sobre a Intelligent UI do ChatGPT, saber quem a IA acha que você é fica ainda mais relevante.
Perguntas frequentes
O que é confusão de entidade?
É quando a IA ou o Knowledge Graph do Google associam o nome da sua marca a outra organização ou categoria. A marca pode ser reconhecida, mas é confundida com outra empresa de mesmo nome, e por isso não é recomendada.
Como saber se minha marca está sendo confundida?
Pergunte a mais de uma IA “O que é [marca]?” e “Descreva [marca]”, sem outras pistas. Depois, leia a descrição que o Knowledge Graph retorna. Se aparecer outra empresa, há sinal forte de conflito.
Zero recomendações significa que o conteúdo é ruim?
Não necessariamente. Segundo o artigo, o problema pode estar na identificação da entidade ou na categoria associada. Por isso, a autora recomenda verificar isso antes de tratar a baixa visibilidade como falha de conteúdo.
O estudo prova que o Knowledge Graph causa a falta de recomendações?
Não. Os dados são observacionais e mostram correlação. A própria autora trata a relação como hipótese que pode ser testada com a desambiguação das entidades.
