Seu painel ficou cego: medir presença em IA (o funil escuro)
O Google AI Mode termina 93% das buscas sem clique, e a jornada do seu cliente migrou pra dentro de conversas com IA que o seu Analytics não enxerga. É o funil escuro. Esta aula troca o painel velho do SEO por um novo conjunto de KPIs (Share of Model, AI Share of Voice, Share of Answer, taxa de citação, sentimento) e te ensina a montar uma biblioteca de prompts pra medir tudo isso de forma recorrente, reusando a mesma disciplina de evals que você já viu na trilha do Guardião.
Você abre o seu painel de marketing na segunda de manhã, do jeito que faz há anos. Tráfego orgânico: caindo. Posição no Google pras suas palavras-chave: estável, até subiu. E aí bate a confusão: se a posição está boa, por que o tráfego despenca? A resposta é que o painel não está mentindo, ele está cego. O seu cliente agora pergunta pra IA, recebe a resposta pronta e nunca clica no seu site. A venda que você perdeu (ou ganhou) aconteceu numa conversa que o seu Analytics nunca viu. O painel velho mede um jogo que acabou.
Um diretor financeiro pesquisando "melhor software de conciliação pra empresa média" não abre dez abas como fazia em 2022. Ele pergunta ao ChatGPT, lê a recomendação e já chega na reunião com três nomes na cabeça. Se o seu produto não estava nessa resposta, você perdeu o negócio sem nunca ter aparecido no funil. O seu CRM não registra essa disputa porque ela aconteceu fora dele, num lugar que o seu pixel não alcança. Você não foi derrotado, você foi invisível.
Um cliente em potencial digita "escritório especializado em direito societário em São Paulo" não mais no Google, e sim no assistente de IA. A IA devolve três bancas, com um resuminho de cada. Se a sua não estava na lista, o lead nem soube que você existe, e você nem soube que disputou. O ranking do seu site continua lá, intacto, medindo um caminho que o cliente parou de percorrer. O painel diz que está tudo bem enquanto o telefone toca menos.
Você é o responsável de marketing e o seu relatório mensal ainda gira em torno de posição no Google, impressões e cliques orgânicos. Só que metade das buscas da sua categoria agora termina sem clique nenhum: o usuário recebe a resposta da IA e fecha a aba. A sua marca foi citada ou não foi, e isso decidiu tudo, mas o seu painel não tem uma coluna sequer pra isso. Você está prestando contas com um instrumento que não mede mais a coisa que importa.
Um candidato sênior que você queria muito não pesquisa mais "vale a pena trabalhar na empresa X" abrindo dez sites de avaliação. Ele pergunta pra IA e recebe um resumo pronto da sua reputação como empregador, com pontos fortes e fracos já mastigados. Se a IA descreveu a sua empresa como "boa, mas paga abaixo do mercado", a decisão de nem responder ao seu recrutador foi tomada ali, numa conversa que o seu ATS jamais registrou. O seu funil de talentos mostra as candidaturas que chegaram, e fica cego pras que desistiram antes de existir.
Um usuário avaliando que ferramenta adotar pro time não percorre mais o seu site de funcionalidades comparando feature a feature. Ele pergunta à IA "qual o melhor produto pra esse caso" e já chega na conversa interna com a recomendação formada. Se o seu produto não estava nessa resposta, ele saiu do seu funil de descoberta antes de entrar, e o seu painel de aquisição não tem onde marcar isso. As suas métricas de produto medem quem chegou ao onboarding, e não enxergam a disputa que você perdeu lá atrás, dentro da conversa.
Um comprador no começo da jornada não preenche mais o seu formulário pra "falar com um especialista" antes de saber o que quer. Ele pergunta pra IA quais são as opções da categoria, lê a recomendação e só então decide com quem falar. Se a sua marca não apareceu nessa resposta, o lead nunca vai entrar no seu pipeline, e o seu forecast vai parecer saudável enquanto a base de oportunidades seca por cima. O seu CRM registra com perfeição as negociações que começaram, e é cego justamente pras que morreram antes do primeiro contato.
Um gestor escolhendo um fornecedor de logística pra um novo centro de distribuição não liga mais pra três cotações às cegas. Ele pergunta à IA quem atende bem aquela região com o SLA que ele precisa, e já chega na mesa com uma lista curta. Se a sua operação não estava nessa resposta, você foi descartado antes de cotar, sem nunca saber que houve uma disputa. O seu funil comercial mostra as propostas que você enviou, e não tem como registrar as que você nem foi convidado a fazer.
Um conselho avaliando que consultoria contratar pra um programa de adequação à LGPD não compara mais portfólios um a um no seu site. Eles perguntam à IA quais são as referências do mercado naquele tipo de controle, e a resposta já chega filtrada. Se a sua banca não foi citada como referência confiável, vocês saíram da lista de elegíveis antes da primeira reunião, e nenhuma trilha de auditoria sua vai mostrar isso. O seu pipeline registra os mandatos que entraram, e é cego pras decisões que aconteceram dentro da resposta, fora do seu alcance.
Um arquiteto decidindo que serviço ou ferramenta adotar pro próximo deploy não abre mais dez abas de documentação comparando. Ele pergunta à IA qual a melhor opção pro caso de uso e já chega na revisão técnica com a escolha encaminhada. Se a sua plataforma não estava nessa resposta, ela foi cortada da avaliação antes do primeiro teste, sem nenhum log seu pra mostrar. As suas métricas de adoção medem quem instalou o SDK, e ficam cegas pra disputa que você perdeu na conversa, antes de qualquer linha de código rodar.
Uma pessoa decidindo que produto usar pra resolver uma tarefa não chega mais à sua jornada testando o seu protótipo ou navegando o seu fluxo. Ela pergunta à IA qual ferramenta resolve melhor aquilo e recebe a recomendação pronta, sem nunca tocar a sua interface. Se você não apareceu bem nessa resposta, o usuário decidiu antes da primeira tela, e nenhum mapa de calor seu vai registrar essa sessão que não aconteceu. A sua pesquisa de usabilidade mede a experiência de quem entrou, e é cega pra escolha feita dentro da conversa, lá fora.
Um investidor avaliando se entra numa rodada não pede mais um relatório do setor pra uma consultoria como fazia há dois anos. Ele pergunta pra IA "quem lidera esse mercado e qual a tese de crescimento" e já chega na reunião de comitê com a lista formada. Se a sua empresa não estava nessa resposta, você foi cortado do funil de investimento antes da primeira call, sem nunca saber que houve disputa. O seu CRM de relacionamento com investidor registra as reuniões que aconteceram, e é cego pra decisão que foi tomada dentro da conversa, antes de qualquer agenda ser marcada.
Putz, deixa eu começar com um número que devia tirar o sono de quem cuida de marketing. No Google AI Mode (aquele modo de resposta gerada por IA), 93% das buscas terminam sem nenhum clique. O usuário pergunta, lê a resposta pronta ali mesmo e vai embora. E não é só o Google: somando o cenário todo de busca, hoje quase 6 em cada 10 pesquisas já não geram clique algum. Pensa comigo no que isso faz com o seu trabalho. A vida inteira o seu placar foi tráfego, posição, clique. Esses três viviam de uma coisa só: o usuário sair da busca e ir pro seu site. Quando ele para de sair, o seu placar inteiro fica cego, mesmo que cada métrica nele continue "verde". Essa é a aula que conserta o seu painel.
A ideia central desta aula. A jornada do seu cliente migrou pra dentro das conversas com IA, e o seu painel de marketing não enxerga lá dentro. Isso tem nome: funil escuro (dark funnel). O ranking do Google deixou de medir o que importa, porque estar bem ranqueado não garante mais aparecer na resposta da IA, e aparecer na resposta da IA é o novo jogo. Esta aula faz duas coisas. Primeiro, troca o painel velho por um novo, com os KPIs que de fato medem presença em IA: Share of Model, AI Share of Voice, Share of Answer, taxa de citação e sentimento. Segundo, te dá o instrumento pra medir isso na prática, uma biblioteca de prompts que você roda de forma recorrente, exatamente a mesma disciplina de evals que você viu na trilha do Guardião (5.3 e G.6), só que apontada pro seu marketing.
01O funil escuro: por que o painel ficou cego
Vamos chamar o problema pelo nome. O seu painel de SEO foi construído pra um mundo onde a busca era uma ponte: o usuário pesquisava, via uma lista de links e atravessava pro seu site. Tudo que você media (posição, impressão, clique, tempo na página) acontecia depois que ele atravessava a ponte. Era um caminho iluminado, do começo ao fim, e o seu Analytics ficava parado na saída anotando quem chegava.
A IA derrubou a ponte. Agora o usuário pergunta e recebe a resposta inteira ali, sem precisar atravessar pra lugar nenhum. A decisão de comprar, de confiar, de eliminar concorrente, tudo isso acontece dentro de uma conversa privada com a IA, à qual você não tem acesso. É como se a negociação migrasse pra uma sala fechada onde você não pode entrar e da qual não sai nem o áudio. Esse pedaço invisível da jornada é o que o mercado chama de funil escuro (dark funnel): a parte da decisão do cliente que mora dentro da IA e nunca toca o seu CRM nem o seu Analytics.
E aqui mora a armadilha que confunde tanta gente boa. O seu ranking pode continuar ótimo enquanto o seu negócio sangra. Ranquear bem no Google deixou de garantir que você apareça na resposta da IA, são dois jogos diferentes. Então o painel mostra a posição estável (jogo velho, ainda medido) e esconde que você sumiu das respostas (jogo novo, não medido). É um instrumento honesto apontado pro lugar errado, como um termômetro perfeito enfiado no bolso enquanto você quer saber a temperatura da sala.
Repara que isso não é o fim do marketing, é a mudança do que você mede. O dinheiro não sumiu, a disputa não acabou. Ela só mudou de sala. E a primeira coisa que você precisa, antes de qualquer tática, é um painel novo que enxergue a sala nova. Beleza?
02O painel novo: os KPIs que substituem o ranking
Aqui está a troca de instrumento. Cinco indicadores que medem presença em IA, e o que cada um responde. Não decore a sigla, entenda a pergunta que cada um faz, porque é a pergunta que vai pro seu relatório.
- Share of Model (SoM). É o KPI que o mercado aponta como substituto direto do velho "share of voice". Ele mede: de todas as vezes que a IA responde uma pergunta da sua categoria, em quantas ela cita ou recomenda você como solução principal? É a sua fatia da "cabeça" do modelo. Se a IA pensa na sua categoria, ela lembra de você?
- AI Share of Voice (AI SoV). A sua fatia de menções entre os concorrentes, dentro das respostas de IA. Conta simples: se em 100 respostas relevantes a sua marca aparece em 28, o seu AI SoV é 28%. Responde: do bolo de menções da categoria, quanto é seu?
- Share of Answer (SoA). Esse é mais fino e muita gente confunde com os de cima. Ele não mede SE você apareceu, mede QUANTO da resposta é sobre você. Você é a estrela da resposta ou só uma nota de rodapé citada de passagem? Responde: você é dono da resposta ou figurante nela?
- Taxa de citação (citation rate). Com que frequência você é de fato incluído ou citado na resposta. Em 2026, "estar na resposta" virou o KPI primário de visibilidade, porque ranquear bem no Google parou de garantir que você apareça na IA. Responde: você entra ou fica de fora?
- Sentimento. Não basta aparecer, importa COMO você aparece. A IA fala de você como líder, como opção cara, como alternativa barata, como aquele que teve problema? Responde: quando citam você, o tom joga a favor ou contra?
Pensa nesses cinco como uma escada que sobe em exigência. Primeiro você quer simplesmente aparecer (citação). Depois quer aparecer mais que o concorrente (AI SoV). Depois quer ser a recomendação principal (Share of Model). Depois quer dominar a resposta, não só constar (Share of Answer). E, no topo, quer aparecer bem falado (sentimento). Não dá pra pular degraus: de nada adianta um sentimento ótimo se a sua taxa de citação é zero, porque ninguém está falando de você pra começo de conversa.
A grande questão aqui é trocar a pergunta do seu relatório. Saiu o "em que posição eu ranqueio?" e entrou o "com que frequência, e como, a IA fala de mim quando responde a minha categoria?". Toda a tática de presença em IA que você viu nas aulas anteriores deste módulo (escrever em blocos extraíveis, virar entidade, ganhar menção de terceiros) só vira gestão de verdade quando você consegue medir o resultado. Sem medir, é fé. Com esses cinco, é placar.
03O instrumento: a biblioteca de prompts (o eval do seu marketing)
Beleza, você tem o painel novo. Mas como é que se mede isso na prática, se a conversa do cliente com a IA é privada e você não tem acesso a ela? A resposta é direta e talvez te surpreenda pela simplicidade: você vira o cliente. Você monta um conjunto fixo de perguntas que imitam o seu comprador real e roda essas perguntas, de forma recorrente, nas várias IAs (ChatGPT, Claude, Gemini, Perplexity), anotando como cada uma respondeu. Isso tem nome no mercado de marketing: marketing evals, uma biblioteca de prompts.
E aqui eu quero que você tenha um clique de reconhecimento. Isso não é técnica nova que você precisa aprender do zero. É exatamente a mesma disciplina de evals que você já viu na aula 5.3 e na G.6 da trilha do Guardião. Lá, a ideia era: pra confiar numa saída de IA, você cria um conjunto fixo de casos de teste e roda sempre os mesmos, pra pegar quando a qualidade cai. Aqui é o mesmíssimo movimento, só que o "caso de teste" é uma pergunta de comprador e a "saída" que você avalia é se (e como) a sua marca apareceu. Você já sabe fazer isso. Só está apontando o método pra outro alvo.
Tem uma distinção honesta que separa quem mede direito de quem se ilude, e o mercado batizou de dado de laboratório versus dado de campo. O dado de laboratório é justamente a sua biblioteca de prompts: você controla a pergunta, roda quando quer, compara mês a mês. É barato, é seu, e é ótimo pra pegar tendência. Mas é o seu cenário, não o do mundo real. O dado de campo é o comportamento real de milhões de usuários, capturado por ferramentas que medem o que as pessoas de verdade perguntam. A recomendação madura do mercado é calibrar os dois: comece pelo laboratório (que você consegue montar hoje, de graça) e, conforme o canal crescer, valide contra dado de campo. Não confunda o seu teste controlado com a realidade inteira.
A disciplina que faz isso funcionar é a recorrência. Uma medição única é uma foto, e foto não mostra movimento. Você quer o filme: rodar a mesma biblioteca todo mês, com as mesmas perguntas, e olhar a variação. Foi quando você subiu de Share of Model? Foi quando o sentimento azedou? Foi quando o concorrente te ultrapassou no AI SoV? É a recorrência que transforma cinco métricas soltas num sistema de alerta que te avisa antes do estrago aparecer no faturamento.
E aqui a costura com o resto do curso, sem reabrir nada. Quando você for montar e ler essa biblioteca, três cuidados que você já aprendeu valem ouro. Um: a IA puxa-saco existe (o tal do sycophancy que você viu na pesquisa sintética), então não pergunte "a minha marca é boa?", pergunte como o cliente perguntaria, neutro, e leia a resposta crua. Dois: lembra da aula de prompt injection (G.2) e de quem tenta plantar instrução pra manipular a resposta da IA? Quando você medir sentimento, pode topar com a sua marca descrita de um jeito estranho ou injusto, e parte disso pode ser ruído ou manipulação de terceiros, não a verdade sobre você. Três: a disciplina de auditoria (G.3) se aplica ao seu próprio placar, confira a leitura antes de levar pro chefe, porque a IA pode até resumir errado o que ela mesma respondeu. Você não está aprendendo um método novo, está reusando o que a trilha já te deu.
04O relatório que você leva pra mesa
Você não precisa de uma ferramenta cara pra começar, precisa de método e recorrência. Existem plataformas de mercado que automatizam isso (índices de visibilidade em IA que rastreiam menções por você), e elas ajudam quando o canal cresce. Mas o pulo do gato, o que muda o seu poder na reunião, é mais simples e está na sua mão hoje.
O seu relatório de marketing ganha uma página nova, ao lado das antigas (que você não joga fora, o SEO clássico ainda importa onde ainda há clique). Essa página nova responde, mês a mês, cinco perguntas: em quantas respostas da minha categoria eu apareci (citação), qual a minha fatia contra os concorrentes (AI SoV), em quantas eu fui a recomendação principal (Share of Model), o quanto da resposta foi sobre mim (Share of Answer) e com que tom (sentimento). Cinco linhas. Uma coluna por mês. A variação conta a história.
Repara no que isso faz com você na mesa de decisão. Antes, quando o tráfego caía e o ranking estava bom, você não tinha resposta, só dava de ombros e culpava "o algoritmo". Agora você chega e diz: "o tráfego caiu porque o nosso Share of Model despencou de 31% pra 12% em três meses, a IA parou de nos recomendar e passou a indicar o concorrente, e aqui está o mês exato em que virou". Isso não é um relatório a mais, é a diferença entre ser quem explica o que está acontecendo e ser quem é pego de surpresa. O painel cego te transforma em refém; o painel novo te transforma em quem enxerga no escuro.
Pra levar: a jornada do seu cliente migrou pra dentro da IA (o funil escuro) e o painel de SEO ficou cego, porque ranking bom não garante mais aparecer na resposta. O painel novo tem cinco KPIs em escada: taxa de citação (você aparece?), AI Share of Voice (mais que o concorrente?), Share of Model (é a recomendação principal?), Share of Answer (domina a resposta?) e sentimento (aparece bem falado?). E o instrumento pra medir tudo isso é uma biblioteca de prompts que você roda todo mês, o mesmíssimo método de evals da 5.3 e da G.6, apontado pro seu marketing. Beleza? Próxima.
Faça agora
Sua missão é montar a primeira versão da sua Biblioteca de Prompts de Presença em IA e tirar a foto do mês zero. Uns vinte minutos, e você sai com um artefato que vira o seu placar recorrente.
PASSO 1 · Escreva 5 perguntas de comprador (não de marketeiro) Pense como o seu cliente pensa, não como você gostaria que ele pensasse. Escreva 5 perguntas neutras que alguém faria à IA antes de comprar na sua categoria. Modelos pra adaptar a a sua tarefa real:
- "Qual o melhor [sua categoria] para [tipo de cliente/situação]?"
- "[Sua marca] vale a pena? Quais os prós e contras?"
- "[Sua marca] ou [concorrente]: qual escolher para [necessidade]?"
- "Quais são as principais opções de [sua categoria] em [seu mercado]?"
- "Tive [problema do cliente]. Que solução resolve isso?"
Regra de ouro: nunca pergunte "minha marca é boa?". Isso convida o puxa-saquismo da IA (o sycophancy da aula de pesquisa sintética) e suja o resultado.
PASSO 2 · Rode em pelo menos 2 IAs e anote a verdade nua Cole cada pergunta em pelo menos duas IAs diferentes (ChatGPT, Claude, Gemini ou Perplexity). Pra cada resposta, marque numa tabelinha:
- APARECI? (sim/não) → alimenta a taxa de citação
- QUEM MAIS apareceu? (liste os concorrentes citados) → alimenta o AI Share of Voice
- FUI A PRINCIPAL ou só citado de passagem? → distingue Share of Model de Share of Answer
- COM QUE TOM falaram de mim? (positivo / neutro / negativo / errado) → alimenta o sentimento
PASSO 3 · Calcule o placar do mês zero Some e tire as proporções: em quantas das respostas você apareceu (taxa de citação), qual a sua fatia entre os mencionados (AI SoV), em quantas você foi a recomendação principal (Share of Model). Anote o sentimento dominante. Pronto, você tem a sua foto de partida.
PASSO 4 · Marque na agenda a recorrência Foto não mostra movimento, filme mostra. Agende pra rodar a MESMA biblioteca, com as MESMAS perguntas, no mesmo dia do mês que vem. A variação entre as fotos é o sinal que o seu painel velho nunca te deu.
No fim, faça a pergunta-teste: se hoje a sua taxa de citação fosse zero (a IA nunca te menciona na sua própria categoria), o seu painel atual de marketing te avisaria? Se a resposta for não, você acabou de entender, na pele, por que essa biblioteca precisa existir antes do próximo relatório, não depois do próximo trimestre ruim.
De onde vem o "93% sem clique" e por que lab data não basta sozinho
Os números desta aula vêm de levantamentos de mercado de 2025 e 2026 sobre busca em IA: o dado de que 93% das buscas no Google AI Mode terminam sem clique, e de que perto de 58,5% do cenário de busca como um todo já é zero-click, são reportados em compilações de estatísticas de AI search (Omnibound). Vale entender a nuance pra você não exagerar nem subestimar: "zero-click" não quer dizer que ninguém compra, quer dizer que a decisão e a influência aconteceram dentro da resposta, sem a visita ao site que o seu Analytics media. Sobre o instrumento, a literatura de medição (MarTech) insiste numa distinção que separa o amador do profissional: dado de laboratório (a sua biblioteca de prompts, controlada por você) é ótimo pra tendência e barato, mas é o SEU cenário; dado de campo (clickstream real de usuários, capturado por ferramentas como as de monitoramento de visibilidade em IA) mostra o que pessoas de verdade perguntam, em volume. A recomendação madura é calibrar os dois, não casar com um só. E sobre os KPIs, repare que o mercado ainda está padronizando o vocabulário: "Share of Model", "AI Share of Voice" e "Share of Answer" às vezes se sobrepõem entre fornecedores diferentes. Você não precisa brigar pela sigla certa. Precisa fixar UMA definição interna pra cada um, escrever no seu relatório, e medir sempre do mesmo jeito. Consistência da sua régua vale mais que pureza do jargão.
Pratique
1. O tráfego orgânico do seu site está caindo, mas a sua posição no Google para as palavras-chave principais continua estável, até subiu. Pela lógica do funil escuro, qual a leitura correta?
2. Sua marca aparece em quase toda resposta da IA na sua categoria (taxa de citação alta), mas sempre como nota de rodapé, enquanto um concorrente ocupa o corpo da resposta. Qual KPI captura exatamente esse problema?
3. Você decide medir presença em IA montando uma biblioteca de prompts. Qual prática reflete a disciplina de evals (5.3 / G.6) aplicada corretamente ao marketing?
Beleza? Fecha comigo o recado desta aula. O seu painel de marketing não ficou ruim, ele ficou cego: a jornada do cliente migrou pra dentro das conversas com IA (o funil escuro), e ranking bom parou de garantir que você apareça na resposta, que é onde a decisão acontece agora. O conserto tem duas partes. Primeiro, trocar o painel: sai a obsessão com posição e clique, entram os cinco KPIs em escada (taxa de citação, AI Share of Voice, Share of Model, Share of Answer e sentimento), que respondem se você aparece, se aparece mais que o concorrente, se é a recomendação principal, se domina a resposta e se é bem falado. Segundo, montar o instrumento: a biblioteca de prompts que você roda todo mês, com as mesmas perguntas de comprador, exatamente a disciplina de evals que a trilha do Guardião (5.3 e G.6) já te ensinou, agora apontada pro seu marketing. Quem faz isso chega na reunião sabendo o mês exato em que a IA parou de recomendar a marca, enquanto o concorrente do lado ainda dá de ombros olhando um ranking estável e jura que está tudo bem. No escuro, ganha quem trouxe lanterna.
Para o quadro
Sobre o funil escuroranking estável e tráfego caindo não é contradição. Viraram dois jogos diferentes.
Sobre a métricacitação alta com share of answer baixo é presente em tudo, dono de nada.
Sobre o instrumentobiblioteca de prompts rodada sempre igual é o eval do seu marketing. Recorrência transforma métrica solta em alerta.
Valeu pelo feedback. Isso ajuda a afiar a próxima aula.