Quando um cliente pergunta a um assistente de IA se uma loja é confiável, a resposta raramente nasce do site da própria loja. Ela é montada com o que outras pessoas escreveram sobre a marca: reclamações, avaliações, discussões e matérias. Para o consumidor brasileiro, uma dessas fontes tem peso próprio: o Reclame Aqui.
Isso muda o trabalho de visibilidade. Não basta publicar bom conteúdo no blog. É preciso saber o que está escrito sobre a marca fora dela, corrigir o que é falho na operação e organizar as informações para que o que a IA leia seja verdadeiro e atual.
Este guia explica quais fontes de reputação tendem a pesar, o que o Reclame Aqui exige para o selo RA1000, quais regras do Google valem para avaliações e dados estruturados, como auditar o que a IA diz da sua marca e quais erros mais prejudicam. Para o panorama geral, veja o guia completo de GEO e AEO.
Por que a IA lê a reputação da sua marca
Assistentes de busca respondem a perguntas de decisão (“essa loja entrega?”, “vale a pena comprar da marca X?”) juntando fontes disponíveis na web. Quanto mais a pergunta envolve confiança, mais as fontes de terceiros entram na conta.
Existe evidência acadêmica nessa direção. Um estudo disponível no arXiv, Generative Engine Optimization: How to Dominate AI Search, concluiu que os buscadores de IA favorecem fortemente a mídia conquistada, isto é, conteúdo de terceiros, sobre o conteúdo da própria marca. É um preprint, e vale ler como indicação, não como regra.
Há também dados de fornecedores de monitoramento. Segundo o Search Engine Roundtable, que relata uma análise de 30 milhões de citações feita pela Profound (dado do fornecedor), a Wikipedia respondeu por 47,9% das citações do ChatGPT, e o Reddit por 46,7% das do Perplexity. O escopo é global, e os números não descrevem o Brasil nem sites de avaliação.
A conclusão prática é cautelosa: não há um número oficial dos assistentes sobre quanto cada fonte pesa no Brasil. O que há são sinais consistentes de que fontes externas importam. Por isso o método correto é medir o que a IA diz da sua marca, e não assumir.
Quais fontes de reputação a IA pode ler
| Fonte | O que pode ser lido | O que fazer |
|---|---|---|
| Reclame Aqui | Perfil público com reclamações, respostas, nota e índices | Responder todas, resolver e pedir avaliação do consumidor |
| Avaliações no Google (Maps e Perfil da Empresa) | Nota média, volume e texto das avaliações | Convidar clientes reais sem incentivo e responder também às negativas |
| Marketplaces e lojas de terceiros | Avaliações de produto e do vendedor | Manter reputação do vendedor e dados consistentes |
| Reddit e fóruns | Discussões e comparações | Participar de forma transparente, identificando a marca |
| Wikipedia e Wikidata | Descrição da empresa e dados básicos | Verificar se existe, se está correta e respeitar as regras de conflito de interesse |
| Imprensa e portais | Matérias, listas e comparativos | Manter relação com a imprensa e corrigir erros factuais |
| Site da marca | Páginas de atendimento, trocas, entrega e contato | Dados claros, consistentes e atualizados |
Leia a tabela como um mapa de trabalho, não como ranking de peso. A ordem de importância depende do setor e deve ser confirmada na auditoria descrita adiante.
Reclame Aqui: o que é lido e o selo RA1000
O Reclame Aqui é o canal público de reclamações mais conhecido do país. Segundo a página institucional do próprio Reclame Aqui, a plataforma reúne mais de 900 mil empresas e mais de 25 milhões de reclamações resolvidas. Isso gera um volume grande de texto público sobre as marcas, e ele pode ser lido por pessoas e por sistemas.
O selo RA1000 reconhece empresas de reputação excelente. De acordo com o blog oficial do Reclame Aqui, a empresa precisa atender a cinco critérios ao mesmo tempo no período de apuração, além de passar por auditoria da equipe:
| Critério | Mínimo exigido |
|---|---|
| Número de avaliações | 50 |
| Índice de resposta | 90% ou mais |
| Índice de solução | 90% ou mais |
| Nota média do consumidor | 7 ou mais (escala de 0 a 10) |
| Índice de novos negócios (voltaria a fazer negócio) | 70% ou mais |
Os critérios mostram onde está a alavanca. Resposta e solução dependem de processo, e a nota e o índice de novos negócios dependem do que o consumidor acha do desfecho. Um exemplo simplificado: uma loja recebeu 200 reclamações e respondeu 172. O índice de resposta é 172 ÷ 200 = 86%, abaixo da meta. Para chegar a 90% seriam necessárias 180 respostas, ou seja, 8 a mais. O cálculo oficial do Reclame Aqui tem regras próprias; o exemplo serve apenas para mostrar a ordem de grandeza do esforço.
Gráfico: Analytikos, com dados ilustrativos
Como auditar o que a IA diz sobre a sua marca
A auditoria é simples de executar e revela a distância entre a reputação real e a descrita pelos assistentes. O processo abaixo cabe em uma tarde.
- 1InventariarOnde a marca é avaliada: Reclame Aqui, Google, marketplaces, fóruns, imprensa.
- 2Testar promptsPerguntas sobre confiança, reclamações e alternativas nos principais assistentes.
- 3RegistrarFonte citada, tom, erros factuais e data de cada resposta.
- 4Medir o Reclame AquiÍndices de resposta, solução, nota e novos negócios.
- 5Corrigir a causaProcesso, prazo de atendimento e informação do site.
- 6Repetir todo mêsComparar com a linha de base e reagir às mudanças.
Imagem: Analytikos
Nos testes de prompt, use perguntas que um cliente faria: “a [marca] é confiável?”, “reclamações da [marca]”, “[marca] ou [concorrente]”, “a [marca] entrega no prazo?”. Faça a mesma pergunta nos principais assistentes e nos recursos de IA do Google. Registre numa planilha:
| Campo | O que anotar |
|---|---|
| Prompt e assistente | Texto exato e onde foi feito |
| Fontes citadas | Domínios que aparecem como referência |
| Tom | Positivo, neutro ou negativo |
| Erros factuais | Prazo, política, endereço, produtos que a marca não vende |
| Ação | Quem corrige, onde e até quando |
As respostas variam por modelo, data e formulação. Por isso repita o teste todo mês e compare com a linha de base. Se a IA afirma algo incorreto, o caminho é corrigir a fonte, e o artigo sobre confusão de entidade mostra um caso típico. O teste de desinformação por IA ilustra o risco de respostas incorretas ditas com confiança.
Avaliações no Google: o que a política permite
As avaliações do Google em Maps e no Perfil da Empresa aparecem com frequência nas respostas locais. A política de conteúdo do Google Maps proíbe avaliações pagas ou incentivadas (desconto, brinde), a prática de review gating (desencorajar avaliações negativas ou pedir só aos clientes satisfeitos), avaliações de funcionários e conflito de interesse. Pode-se convidar clientes a avaliar, desde que sem incentivo.
Na prática, a rotina correta é enviar o convite a todos os clientes elegíveis, de forma neutra, e responder tanto às positivas quanto às negativas. Para o contexto local, veja também como tornar seu negócio fácil de ser recomendado no Ask Maps.
Dados estruturados de avaliação: o que o Google aceita
Marcar avaliações com schema pode gerar estrelas nos resultados, mas há regras. Conforme a documentação de review snippet, o conteúdo marcado deve estar visível na página, as avaliações de LocalBusiness ou Organization controladas pela própria entidade são inelegíveis a estrelas, não se deve agregar avaliações de outros sites e não são permitidas avaliações falsas. Violações podem levar a ação manual.
Sobre IA, a documentação AI features and your website é clara: não há requisitos adicionais nem otimizações especiais para aparecer nos AI Overviews e no AI Mode; a página precisa estar indexada e elegível a snippet, e os dados estruturados devem refletir o conteúdo visível. Ou seja, não existe “schema para IA” que substitua reputação real.
Como responder reclamações e avaliações
- Responda com fatos: o que aconteceu, o que foi feito e o prazo. Evite texto genérico repetido.
- Não exponha dados pessoais do cliente na resposta pública. Peça contato por canal privado.
- Ofereça a solução e, depois dela, peça ao consumidor que atualize a avaliação ou conclua o atendimento no Reclame Aqui.
- Use o padrão de resposta como fonte de melhoria: classifique as reclamações por motivo e corrija o processo que as gera.
- Mantenha tom calmo e respeitoso, mesmo diante de reclamações injustas.
Se o selo ou a nota forem usados em campanhas, exiba apenas dados vigentes e vinculados à fonte. O Código de Defesa do Consumidor trata como enganosa a publicidade capaz de induzir o consumidor a erro, inclusive por omissão (art. 37 da Lei 8.078/1990). Em caso de dúvida jurídica, consulte um advogado.
Erros comuns ao tratar a reputação para a IA
Os erros se concentram em três frentes: atendimento e Reclame Aqui, avaliações e dados estruturados, e medição. Em todas, a causa é a mesma: tratar reputação como imagem, não como resultado de processo.
Erros de atendimento e Reclame Aqui
| Erro | Por que acontece | Efeito | Como corrigir |
|---|---|---|---|
| Olhar só a nota, não o motivo | Pressão por indicador | A causa continua gerando novas reclamações | Classificar reclamações por motivo e corrigir o processo |
| Responder com texto padrão | Equipe subdimensionada | Resposta sem utilidade e baixa solução | Definir prazo e respostas específicas |
| Não pedir a avaliação do consumidor após resolver | O caso é encerrado e esquecido | Índices de solução e novos negócios ficam sem dados favoráveis | Incluir o pedido de avaliação no fluxo de encerramento |
| Brigar com o consumidor ou expor dados pessoais | Reação defensiva | Piora a percepção pública e cria risco de privacidade | Manual de tom e orientação de LGPD no atendimento |
Erros de avaliações e dados estruturados
| Erro | Por que acontece | Efeito | Como corrigir |
|---|---|---|---|
| Review gating ou incentivo | Vontade de subir a nota | Avaliações removidas e risco de ação manual | Convidar todos os clientes, sem recompensa |
| Marcar com schema as avaliações do próprio site ou de widget do Google | Tentar ganhar estrelas | Inelegibilidade e possível ação manual | Marcar apenas conteúdo visível e elegível |
| Agregar notas de outros sites no schema | Parece prova social | Viola as regras do Google | Remover e exibir as notas como texto, com fonte |
| Procurar um “schema para IA” | Excesso de promessas | Tempo perdido sem respaldo oficial | Investir em qualidade, consistência e indexação |
Erros de consistência e medição
| Erro | Por que acontece | Efeito | Como corrigir |
|---|---|---|---|
| Dados diferentes entre site, Perfil da Empresa e marketplaces | Cadastros desatualizados | A IA repete informação conflitante | Auditar e alinhar nome, endereço, contato e políticas |
| Ignorar Reddit, fóruns e Wikipedia | São vistos como fora do marketing | Discussões e descrições se acumulam sem resposta | Monitorar e participar de forma transparente |
| Medir uma única vez | A auditoria vira entregável pontual | Respostas mudam e ninguém percebe | Rotina mensal com registro dos mesmos prompts |
| Anunciar selo ou nota desatualizados | Material de campanha antigo | Risco de publicidade enganosa | Exibir só o que está vigente, com link para a fonte |
Checklist de reputação para a IA
- Mapeei todas as fontes onde a marca é avaliada.
- Testei prompts de confiança e de comparação e registrei fontes, tom e erros.
- Comparei os índices do Reclame Aqui com os critérios do RA1000.
- Respondo as reclamações com fatos e sem dados pessoais.
- Peço avaliação ao consumidor após a solução.
- Convido clientes a avaliar no Google, sem incentivo e sem filtro.
- Revisei o uso de schema de avaliação conforme as regras do Google.
- Alinhei nome, endereço, contato e políticas entre site e perfis.
- Defini a rotina mensal de reteste.
Perguntas frequentes
A IA usa o Reclame Aqui para recomendar marcas?
Não há confirmação oficial dos assistentes sobre isso. O Reclame Aqui é uma fonte pública e muito acessada por consumidores brasileiros, e por isso vale incluí-lo na auditoria. A forma de saber é testar as respostas da IA sobre a sua marca.
Preciso do selo RA1000 para a IA falar bem da marca?
Não. O selo é um reconhecimento de reputação, e os critérios (resposta, solução, nota e novos negócios) são sinais úteis de operação saudável, mas não há garantia de efeito nas respostas de IA.
Posso pedir avaliação no Google em troca de desconto?
Não. A política do Google proíbe avaliações incentivadas. Você pode convidar clientes a avaliar, sem recompensa e sem filtrar quem recebe o convite.
Marcar avaliações com schema ajuda a aparecer na IA?
O Google informa que não há marcação especial para aparecer nos recursos de IA. Dados estruturados devem refletir o conteúdo visível, e avaliações controladas pela própria empresa são inelegíveis a estrelas.
Como corrigir uma informação errada que a IA repete?
Identifique a fonte da informação, corrija-a onde for possível e publique no seu site dados claros sobre o assunto. Depois, repita o teste para confirmar a mudança.
Com que frequência devo auditar?
Uma vez por mês, com os mesmos prompts, para comparar. Repita também após mudanças relevantes de atendimento ou de política.
