Este post foi patrocinado por Victorious. As opiniões expressas neste artigo são as do patrocinador.
Um ano após a mudança para a busca AI, a indústria de marketing está cheia de opiniões confiantes sobre os fatores que impactam a visibilidade AI. Mas vimos muito poucos dados para apoiar suposições comumente mantidas.
Queríamos ver quais correlações poderíamos encontrar entre o desempenho de busca tradicional e as menções e citações de AI. Então, construímos um estudo para ver se poderíamos descobrir recomendações baseadas em evidências a partir dos dados.
A Metodologia do Estudo: Comparando Desempenho de Busca Tradicional vs. Desempenho de Busca AI
Para comparar como as marcas se saem na busca tradicional em relação à busca AI, precisávamos de um conjunto de dados que capturasse ambos os sinais para as mesmas empresas durante o mesmo período de tempo.
Construímos isso em quatro fases.
Passo 1: Determinar o Conjunto de Marcas.
Selecionamos uma amostra representativa de 177 marcas em cinco verticais: saúde, SaaS, serviços financeiros, ecommerce/varejo e serviços jurídicos.
Passo 2: Capturar o Sinal de Visibilidade AI.
Para cada marca, testamos prompts específicos de vertical em oito plataformas de AI: ChatGPT, Perplexity, Gemini, Google AI Overview, Google AI Mode, Microsoft Copilot, Claude e Meta AI. Isso nos deu 107.011 respostas de AI para analisar.
Para cada resposta, registramos duas coisas: se a plataforma nomeou a marca (menção) e se vinculou ao domínio da marca como fonte (citação).
Passo 3: Coletar os Dados de Desempenho Orgânico.
Para as mesmas 177 marcas, rastreamos o desempenho orgânico em nível de domínio no Semrush durante o primeiro trimestre de 2026, incluindo tendências de tráfego e Pontuações de Autoridade.
Passo 4: Cruzar os Dois Conjuntos de Dados.
Juntamos os dados de visibilidade AI com os dados orgânicos para que cada marca tivesse três medidas comparáveis: taxa de menção, taxa de citação e Pontuação de Autoridade. Essa estrutura nos permitiu observar a relação entre os sinais de classificação tradicionais e a visibilidade AI, e se esses fatores estavam mais ou menos relacionados entre os diferentes verticais.
Por Que Rastrear a Taxa de Menção e Citações Separadamente
Uma métrica não captura a visibilidade AI, então rastreamos tanto a taxa de menção quanto a taxa de citação como sinais separados. Por exemplo, uma marca pode ser mencionada frequentemente e citada raramente, ou citada frequentemente e raramente mencionada. Rastrear ambos separadamente, em vez de colapsá-los em uma única pontuação de "visibilidade AI", acabou sendo central para as nuances que pudemos extrair dos diferentes verticais.
Descoberta 1: A Maioria das Marcas Não Tem Menções de AI
Das 177 marcas em nosso conjunto de dados, apenas 18 tiveram alguma taxa de menção de AI acima de zero no Q1 2026. Isso significa que 89,8 por cento das marcas que testamos estavam amplamente ausentes da busca AI nas oito plataformas que medimos. Elas não foram mencionadas. As marcas não foram apresentadas em relação a respostas, como fontes ou exemplos.
Isso contraria muito da conversa atual da indústria, que trata a visibilidade AI como uma corrida que já está bem encaminhada. Nossos dados mostram uma imagem muito diferente. Para um número esmagador de marcas, a corrida ainda não começou.
O fato de que apenas 18 das 177 marcas em nossa pesquisa registraram quaisquer menções de AI indica que as marcas dispostas a levar a visibilidade AI a sério agora estarão competindo contra um pequeno número de incumbentes em seu vertical, e não contra toda a categoria.
Descoberta 2: Padrões de Visibilidade AI Variam por Vertical
Uma vez que dividimos os dados por vertical, três padrões distintos emergiram.
Mencionadas e Citadas: Marcas de Saúde, SaaS e Serviços Financeiros
As marcas dentro desses três verticais foram consistentemente mencionadas e citadas, mas por razões diferentes. As marcas de saúde se beneficiam de identificadores de entidade claros, como nomes, locais, especialidades e afiliações de rede, que reforçam os sinais que as plataformas de AI usam para avaliar expertise e autoridade. As marcas de SaaS são comumente apresentadas em plataformas de terceiros, como G2, Reddit e LinkedIn, onde produtos são discutidos por usuários e avaliadores. Os serviços financeiros se beneficiam de uma forte presença na mídia editorial em plataformas como MarketWatch, Bankrate e NerdWallet, que são fontes comuns que as plataformas de AI recorrem para perguntas financeiras.
Os serviços financeiros também foram o único vertical onde a citação ligeiramente superou a menção, o que sugere que as plataformas de AI confiam ligeiramente mais no conteúdo do que nas marcas específicas ainda.
Em cada caso, as marcas que aparecem têm algo que as plataformas de AI podem vincular à identidade da marca: dados estruturados, validação de terceiros ou cobertura editorial. As marcas que não aparecem geralmente carecem de um ou mais desses elementos.
Mencionadas Mais do Que Citadas: Marcas de Ecommerce e Varejo
O Ecommerce apresentou a maior diferença em nosso conjunto de dados. As plataformas de AI reconhecem essas marcas, mas extraem seu material de origem de outro lugar, geralmente de marketplaces, agregadores e sites de avaliação, em vez dos próprios domínios das marcas.
Para essas marcas, o reconhecimento vem da presença em marketplaces e da familiaridade do consumidor. O maior desafio para as marcas de ecommerce é fornecer às plataformas de AI conteúdo que valha a pena citar em seu próprio domínio, em vez de deixar o campo para Amazon, Reddit e agregadores de avaliações.
Citadas Mas Raramente Mencionadas: Serviços Jurídicos
As marcas de serviços jurídicos foram citadas com frequência, mas raramente mencionadas. Isso sugere que as plataformas de AI confiam no conteúdo, mas não nas marcas em si. Isso pode ser devido à natureza técnica e especializada do conteúdo jurídico, que pode ser mais facilmente encontrado em fontes de autoridade do que nas próprias marcas.
As marcas que não aparecem geralmente carecem de um ou mais dos elementos que as plataformas de AI podem vincular à identidade da marca.
