Você mediu a visibilidade da marca nas respostas de IA e o número veio baixo. A pergunta seguinte é incômoda: baixo em relação a quê? Sem uma lista definida de perguntas, qualquer percentual é só um retrato do que alguém decidiu digitar naquele dia.
O monitoramento de prompts resolve esse ponto. Ele transforma a medição em um instrumento repetível: um conjunto fixo de perguntas, rodado com método, que permite comparar semanas, concorrentes e ações de conteúdo.
Este artigo é o passo prático entre medir e saber o que medir. Ele complementa a auditoria de GEO e o guia sobre GEO e AEO, sem repetir os dois. Aqui, o foco é como levantar, classificar, priorizar e pontuar os prompts.
O que é um prompt monitorado
Prompt monitorado é uma pergunta, escrita como um cliente real escreveria, que a marca executa de forma recorrente em um ou mais assistentes de IA para registrar se aparece, como aparece e com quais fontes. Cada prompt tem dono, intenção, estágio do funil e histórico de resultados.
Ele não é uma consulta avulsa feita para ver “o que a IA diz”. A diferença está no registro: o mesmo texto, repetido, com a resposta guardada e classificada.
Prompt não é palavra-chave
Palavra-chave é um termo curto com volume mensurável. Prompt é uma frase longa, muitas vezes com contexto, restrição e pedido de recomendação. Não existe volume oficial de buscas por prompt, o que muda a lógica de priorização.
| Critério | Palavra-chave | Prompt monitorado |
|---|---|---|
| Formato | 2 a 4 termos (“tênis corrida feminino”) | Frase completa, conversacional (“qual tênis de corrida é bom para pé largo até R$ 400?”) |
| Volume | Estimativa por ferramenta de SEO | Sem volume oficial; prioridade vem de negócio e de evidência interna |
| Resultado | Lista ordenada de links | Texto gerado, com marcas e fontes que variam a cada execução |
| Variação | Pequena entre execuções | Alta: marcas, ordem e fontes mudam |
| Unidade de medida | Posição média | Taxa de menção e de citação em várias repetições |
Há ainda um efeito de tamanho. Segundo a documentação oficial do Google, o AI Overviews e o AI Mode podem usar a técnica de query fan-out, que dispara várias buscas relacionadas sobre subtópicos e fontes de dados para montar a resposta. Um prompt, portanto, equivale a várias buscas por trás.
Variações do mesmo prompt
Pessoas diferentes perguntam a mesma coisa de formas diferentes. Por isso, cada intenção deve ter de 2 a 4 variações, com vocabulário, tamanho e grau de detalhe distintos. Exemplo para a intenção “escolher whey proteico”:
- “melhor whey para ganhar massa”
- “qual whey proteico não dá gases e tem bom preço?”
- “whey concentrado ou isolado, o que compensar para quem treina 4 vezes por semana?”
A lista final conta intenções e variações. Uma intenção com três variações gera três linhas, que depois se agrupam no cálculo.
Onde levantar os prompts
A melhor lista nasce de fontes que a empresa já possui. Inventar perguntas em uma sala é o caminho mais curto para um conjunto que reflete o vocabulário interno, não o do cliente.
| Fonte | O que extrair | Cuidado |
|---|---|---|
| Search Console | Consultas longas e em formato de pergunta, por página | Mostra buscas, não prompts; serve de ponto de partida |
| Busca interna do site | Termos digitados na loja e buscas sem resultado | Volume baixo em lojas pequenas |
| SAC e WhatsApp | Perguntas pré-compra e dúvidas recorrentes, com a frase original | Anonimizar dados pessoais antes de compartilhar |
| Reviews e perguntas em marketplaces | Critérios de decisão, objeções, comparações espontâneas | Separar opinião de fato |
| People Also Ask | Perguntas relacionadas que o Google agrupa por tema | Varia por usuário e local; coletar mais de uma vez |
| Equipe comercial | Objeções reais e perguntas de fechamento | Registrar a frase do cliente, não a resposta do vendedor |
Search Console como ponto de partida
No relatório de desempenho, a dimensão Consultas agrupa os dados pelo que os usuários digitaram, com cliques, impressões, CTR e posição média, como descreve a ajuda oficial do Search Console. Filtre por consultas com 5 ou mais palavras ou que comecem com “como”, “qual”, “melhor”, “vale a pena”, e exporte.
Segundo o Google, as funcionalidades de IA na Busca entram no total de tráfego do Search Console, dentro do tipo de pesquisa Web. Ou seja, não há um relatório que entregue os prompts dos usuários. A lista segue sendo uma construção da equipe.
Conversas de SAC e WhatsApp trazem nome, telefone e pedido. Ao transformá-las em prompts, remova identificadores e guarde só a pergunta genérica, em respeito à LGPD.
Taxonomia: intenção e estágio do funil
Sem classificação, a planilha vira uma lista. Com ela, o resultado responde a perguntas de negócio: em que etapa a marca some? Cada prompt recebe um estágio do funil e uma intenção.
| Estágio | Intenção do usuário | Exemplo (loja de cafés especiais) | O que a marca quer ver |
|---|---|---|---|
| Descoberta | Entender uma categoria ou problema | “como escolher café especial para coador?” | Marca citada como referência ou fonte |
| Comparação | Colocar opções lado a lado | “café em grão ou moído, o que dura mais?” | Marca entre as opções, com critérios corretos |
| Decisão | Escolher onde comprar | “onde comprar café especial com entrega rápida?” | Marca recomendada, com link para a loja |
| Marca | Perguntar sobre a empresa | “a [marca] é confiável?” | Descrição correta e sentimento neutro ou positivo |
| Pós-venda | Resolver uso, troca, garantia | “como moer o grão para prensa francesa?” | Conteúdo de apoio da marca como fonte |
Os prompts de marca merecem atenção própria. Se a IA descreve a empresa com dados errados, o problema costuma estar em consistência de informação, tema do artigo sobre confusão de entidade.
Personas, localização e idioma
O mesmo desejo muda de forma conforme quem pergunta. Defina de 2 a 4 personas, cada uma com vocabulário, restrição e contexto de compra. Para um e-commerce de cafés, por exemplo:
- Iniciante: “café especial vale a pena ou é moda?”
- Entusiasta: “qual café com notas de frutas vermelhas para método V60?”
- Presente: “presente de café até R$ 150 com entrega rápida”
Para o Brasil, escreva em português do Brasil, com os termos que o cliente usa (“frete grátis”, “parcelar no cartão”, “pagar no Pix”, “entrega para o Nordeste”). Inclua variações regionais quando o negócio vende no país inteiro e prompts com cidade ou estado quando há operação local.
Registre o idioma, o país e, se possível, a cidade usada em cada coleta. Resultados de IA podem mudar com localização e contexto, e uma coleta sem esse registro não pode ser reproduzida.
Tamanho da lista e priorização
Uma lista inicial de 30 a 100 prompts costuma ser suficiente para um e-commerce de médio porte. Menos de 30 deixa estágios do funil sem cobertura. Mais de 100 aumenta o custo de coleta e de revisão sem melhorar a decisão. Esta faixa é uma recomendação da Analytikos, não um padrão de mercado.
Para priorizar, pontue cada prompt de 1 a 5 em quatro critérios e some:
- Valor de negócio: o quanto a pergunta se aproxima de compra.
- Margem ou relevância do produto envolvido.
- Evidência de demanda: aparece no SAC, na busca interna ou no Search Console.
- Capacidade de ação: existe conteúdo ou página que a marca pode melhorar.
Exemplo hipotético: um prompt de decisão para um produto de margem alta, que aparece no WhatsApp toda semana e tem página pronta para revisão, pontua 5 + 5 + 4 + 4 = 18 de 20. Um prompt de descoberta ampla, sem ação clara, pontua 2 + 3 + 2 + 1 = 8. O primeiro entra no núcleo; o segundo fica na lista de observação.
Divisão de partida, recomendação da Analytikos: 25% descoberta, 25% comparação, 30% decisão, 10% marca e 10% pós-venda. Em 40 prompts, são 10, 10, 12, 4 e 4.
Formato da planilha
Uma linha por prompt, uma aba separada para as execuções. A separação evita misturar o cadastro (que muda pouco) com os resultados (que crescem a cada rodada).
| Aba | Coluna | Conteúdo |
|---|---|---|
| Cadastro | ID e prompt | Código único e texto exato, sem edição entre rodadas |
| Cadastro | Intenção e variação | Intenção-mãe e número da variação |
| Cadastro | Estágio e persona | Descoberta, comparação, decisão, marca ou pós-venda; persona |
| Cadastro | Idioma, país e cidade | pt-BR, Brasil, cidade quando houver |
| Cadastro | Prioridade | Pontuação de 4 a 20 e responsável |
| Execução | Data, plataforma e modo | Assistente, versão visível, com ou sem busca na web |
| Execução | Repetição | Número da rodada (1 a N) |
| Execução | Marca mencionada (0/1) | 1 se a marca aparece no texto |
| Execução | Domínio citado (0/1) e URL | 1 se o site é citado como fonte; URL citada |
| Execução | Posição | Ordem da marca na lista, vazio se não houver lista |
| Execução | Sentimento | Positivo, neutro ou negativo |
| Execução | Concorrentes e fontes | Marcas e domínios que aparecem; resposta completa arquivada |
Frequência e número de repetições
Aqui está o ponto que mais derruba monitoramentos: a mesma pergunta não gera a mesma resposta. Em um estudo da SparkToro com a Gumshoe (fornecedora de ferramenta de monitoramento de IA, o que os autores declaram como possível conflito de interesse), voluntários rodaram 12 prompts de recomendação em ChatGPT, Claude e Google AI. Segundo a publicação, cada prompt foi executado de 60 a 100 vezes por plataforma, e a mesma lista de marcas raramente se repetiu: menos de 1 em 100 execuções no ChatGPT e na IA do Google.
O estudo também mostrou que a taxa de aparição ao longo de muitas execuções foi mais estável do que a posição na lista. Em um exemplo, uma instituição apareceu em 69 de 71 respostas, mas foi a primeira citada em apenas 25. Os autores reconhecem que o trabalho não passou por revisão por pares, usou apenas 12 prompts, foi feito em categorias de produtos e serviços dos EUA e deixa em aberto quantas execuções bastam.
A leitura prática, e recomendação da Analytikos: não conclua nada de uma única resposta. Use repetições e trabalhe com taxas.
- Para acompanhamento semanal: 5 repetições por prompt, nos prompts do núcleo.
- Para diagnóstico inicial ou decisão importante: 10 a 20 repetições nos prompts de maior prioridade.
- Frequência da rodada: semanal para o núcleo, mensal para a lista de observação.
- Mantenha as mesmas condições: mesma plataforma, mesmo modo, mesmo idioma, sessão sem histórico quando possível.
A OpenAI explica na ajuda oficial que o ChatGPT decide sozinho quando buscar na web e mostra citações e a lista de fontes na resposta. Ou seja, a presença de fontes depende do próprio assistente. Registre se a coleta teve busca ativa ou não.
Por que poucas repetições enganam
Com 5 repetições, um prompt em que a marca aparece 3 vezes mostra 60% de taxa de menção. A margem de erro é grande: pela aproximação normal, o erro padrão é √(0,6 × 0,4 ÷ 5) ≈ 0,22, e o intervalo de 95% fica em torno de 60% ± 43 pontos percentuais (1,96 × 0,22). O número serve como sinal, não como medida de precisão.
No agregado a história muda. Com 200 respostas e taxa de 31%, o erro padrão é √(0,31 × 0,69 ÷ 200) ≈ 0,033, e o intervalo fica em 31% ± 6,4 pontos. Por isso, analise primeiro o conjunto, depois o prompt isolado.
Para quem já acompanha tráfego, loja e mídia em um mesmo lugar, a Athena, plataforma de BI para e-commerce da Analytikos, reúne loja, GA4 e mídia em um só painel, com teste de 30 dias grátis. É um ponto de partida para cruzar a visibilidade nas respostas de IA com visitas e vendas.
Métricas e fórmulas
Cada resposta coletada vira linhas de 0 e 1 na planilha. As métricas saem de contagens simples, o que facilita a auditoria.
| Métrica | Fórmula | Como ler |
|---|---|---|
| Taxa de menção | respostas com a marca ÷ total de respostas | Presença no texto, com ou sem link |
| Taxa de citação | respostas que citam o domínio como fonte ÷ total | Presença como fonte, com chance de clique |
| Posição média | soma das posições ÷ respostas com lista e a marca | Use como apoio; é a métrica mais instável |
| Sentimento líquido | (positivas − negativas) ÷ menções | De −100% a +100% |
| Share of voice | menções da marca ÷ menções de todas as marcas | Fatia da conversa frente aos concorrentes |
| Fontes citadas | contagem de domínios por frequência | Onde a IA busca informação sobre o tema |
Exemplo numérico (hipotético)
Considere 40 prompts, 5 repetições cada, em uma plataforma: 200 respostas. Os números abaixo são inventados para ilustrar a conta.
- Respostas com a marca: 62. Taxa de menção: 62 ÷ 200 = 31%.
- Respostas que citam o domínio como fonte: 24. Taxa de citação: 24 ÷ 200 = 12%.
- Menções por marca: concorrente A, 96; concorrente B, 52; nossa marca, 62. Total: 210. Share of voice: 62 ÷ 210 = 29,5%.
- Posição: soma das posições nas 62 menções = 149. Posição média: 149 ÷ 62 ≈ 2,4.
- Sentimento: 41 positivas, 17 neutras e 4 negativas. Líquido: (41 − 4) ÷ 62 ≈ 59,7%.
O gráfico mostra a mesma coleta lida de três formas. A marca é mencionada em quase um terço das respostas, mas citada como fonte em pouco mais de um décimo.
Exemplo hipotético: 40 prompts, 5 repetições, 200 respostas
Mesma coleta, três leituras diferentes da marca.
Menção sem link e link sem menção são eventos diferentes.
Imagem: Analytikos
A distância entre 31% e 12% indica que a IA conhece a marca, mas não usa o site como fonte.
Para ligar a visibilidade a visitas, veja tráfego de IA sem UTM no GA4.
Ferramentas: manual ou automatizada
| Critério | Coleta manual | Coleta automatizada |
|---|---|---|
| Custo | Horas da equipe | Assinatura de ferramenta ou desenvolvimento próprio |
| Escala | Boa até cerca de 30 prompts com 5 repetições (150 respostas) | Centenas de prompts e muitas repetições |
| Fidelidade ao que o usuário vê | Alta: é a interface real | Depende do método: interface ou API; podem diferir |
| Auditoria | Precisa de padrão de registro | Costuma guardar a resposta; verifique |
| Risco principal | Inconsistência entre pessoas | Prompts e condições fora do seu controle |
Os autores do estudo da SparkToro apontam como pergunta aberta se resultados por API equivalem ao que os usuários veem. Antes de contratar uma ferramenta, rode 10 prompts manualmente e compare as taxas com as dela.
Em ambos os casos valem lista fixa, repetições e arquivo da resposta. Um panorama de como a IA entra em cada área está no guia IA no marketing: o guia prático por área.
Query fan-out e o que ele muda na lista
Como o Google descreve na documentação oficial, o fan-out dispara buscas relacionadas por subtópicos. Isso muda a forma de montar a lista: o prompt de decisão depende de conteúdo sobre critérios, preço, prazo e avaliação.
Na prática, para cada prompt de decisão, escreva os subtemas que a IA provavelmente precisa resolver e verifique se o site tem uma página para cada um. Exemplo para “melhor cafeteira para casal”:
Subtemas: tipos (italiana, elétrica, de cápsula), custo por xícara, manutenção, prazo de entrega e garantia.
Se as fontes citadas nas respostas cobrem esses subtemas e a marca não, a lacuna de conteúdo está identificada. É uma hipótese de trabalho, recomendação da Analytikos, e não uma regra publicada por plataforma.
Erros comuns no monitoramento de prompts
Erros de cálculo e configuração
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| 1. Rodar cada prompt uma única vez | A resposta varia a cada execução; uma amostra de 1 não mede nada | Mínimo de 5 repetições e leitura por taxa |
| 2. Reescrever o prompt entre rodadas | Muda o que está sendo medido e quebra a série histórica | Congelar o texto; mudanças viram novo ID |
| 3. Misturar plataformas e modos em uma só taxa | ChatGPT com busca e sem busca não se comparam | Calcular por plataforma e por modo |
| 4. Lista só com prompts de marca | Mede o que a IA já sabe, não a chance de ser descoberta | Distribuir pelos cinco estágios do funil |
| 5. Usar posição média como indicador principal | É a métrica mais instável entre execuções | Priorizar menção e citação; posição como apoio |
Exemplo do erro 1: a marca aparece em 1 de 1 resposta (100%) e, na rodada seguinte, em 0 de 1 (0%). A taxa “caiu 100 pontos”, mas nada mudou.
Erros de interpretação
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| 6. Tratar menção como citação | Menção sem link não gera visita; link sem menção gera pouca lembrança | Medir as duas taxas separadas |
| 7. Comparar com meta absoluta (“queremos 50%”) | Categorias amplas variam mais; a meta ignora o concorrente | Usar share of voice e a evolução frente à linha de base |
| 8. Concluir com poucas respostas | Com 5 repetições, o intervalo chega a ±43 pontos | Agregar por intenção e funil antes de decidir |
Erros de ação e operação
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| 9. Montar a lista uma vez e nunca revisar | O vocabulário do cliente e o catálogo mudam | Revisão trimestral: remover, incluir e reclassificar |
| 10. Ignorar a localização e o idioma | Resultados mudam com contexto; a coleta não se reproduz | Registrar país, cidade e idioma em cada coleta |
| 11. Não arquivar a resposta completa | Impossível auditar a classificação | Guardar texto e fontes de cada execução |
| 12. Medir sem ligar a ação | O relatório não vira trabalho | Cada lacuna recebe dono, página e prazo |
Checklist de implantação
- Definir 3 a 5 categorias de produto ou serviço a monitorar.
- Levantar prompts em pelo menos 4 fontes internas (Search Console, SAC e WhatsApp, reviews, equipe comercial).
- Escrever 2 a 4 variações por intenção, em pt-BR.
- Classificar por estágio do funil e persona.
- Pontuar e escolher o núcleo de 30 a 100 prompts.
- Montar a planilha com abas de cadastro e execução.
- Definir repetições (5 por prompt no mínimo) e frequência.
- Rodar a primeira coleta e arquivar as respostas completas.
- Calcular menção, citação, share of voice, sentimento e fontes.
- Definir donos e ações para as maiores lacunas.
- Revisar a lista a cada trimestre.
Perguntas frequentes
O que é um prompt monitorado?
É uma pergunta em linguagem natural, executada de forma recorrente em assistentes de IA, com registro da resposta. O objetivo é saber se a marca aparece, como aparece e quais fontes sustentam a resposta.
Quantos prompts devo monitorar?
Para a maioria dos e-commerces, de 30 a 100 prompts cobrem os cinco estágios do funil. É uma recomendação prática, não um padrão. Comece pelo núcleo de maior valor e amplie quando a rotina estiver estável.
Quantas vezes devo repetir cada prompt?
Cinco repetições servem para acompanhamento semanal; para diagnóstico, de 10 a 20 nos prompts prioritários. A SparkToro rodou 60 a 100 execuções por prompt em um estudo e deixa em aberto o número ideal. O que importa é manter o mesmo critério ao longo do tempo.
O Search Console mostra os prompts das pessoas?
Não. Ele mostra consultas de busca, e o tráfego dos recursos de IA do Google entra no total do tipo de pesquisa Web. As consultas longas servem de inspiração para a lista, mas não substituem a coleta.
Posição na resposta importa?
Pode ajudar como leitura complementar, mas é a métrica mais instável entre execuções. No estudo da SparkToro, uma marca apareceu em 69 de 71 respostas e foi a primeira em apenas 25. Priorize taxa de menção e de citação.
Posso monitorar à mão ou preciso de ferramenta?
Dá para começar à mão com planilha, até cerca de 30 prompts com 5 repetições. Ferramentas ganham sentido com escala. Compare as primeiras coletas automáticas com uma amostra manual antes de confiar nos números.
