Medição e relatórios de busca por IA

Como medir a busca por IA — atribuição, visibilidade em LLMs, share of voice, monitoramento de alucinações e autodeclaração — e por que a análise mostra um piso, não um teto.

Publicado pela primeira vez: 24 de jun. de 2026 · Última atualização: 12 de ago. de 2026 · Avançado
Idiomas

Meça a busca por IA como um funil: acessível → indexado/qualificado → recuperado → mencionado → citado → clicado → convertido → receita. Nenhuma ferramenta observa todas as etapas. O relatório de IA generativa do GSC mede a visibilidade na IA do Google sem dimensões de clique ou consulta; o Bing expõe citações e consultas de fundamentação; as ferramentas de análise capturam apenas visitas atribuíveis. Combine essas camadas e identifique denominador, provedor, mercado, conjunto de prompts e data.

TL;DR — A atribuição da busca por IA continua incompleta: algumas visitas chegam sem referrer útil, e nenhuma ferramenta vê tudo. Combine atribuição direta, visibilidade em LLMs, share of voice, monitoramento de alucinações e autodeclaração, além de incrementalidade quando houver volume. Trate o que é mensurável como um piso e interprete métricas de busca por IA junto da saúde da marca, não como canal isolado.

Evidence for this claim Google's Generative AI Performance report provides impressions for participating properties but does not expose clicks, CTR, or query dimensions. Scope: The June 2026 Search Console Generative AI report rollout; property availability can vary. Confidence: high · Verified: Google Search Central: Introducing Search Generative AI performance reports Search Console Help: Generative AI performance report Evidence for this claim Analytics attribution depends on available campaign and referrer information, so some sessions can be classified as direct when no usable source is available. Scope: Google Analytics attribution behavior; does not establish a universal percentage for AI referrals. Confidence: high · Verified: Google Analytics Help: Traffic-source dimensions

Por que a busca por IA é mais difícil de medir que a busca tradicional

Três coisas se rompem ao mesmo tempo.

Falha de atribuição. A maior parte do tráfego indicado por IA chega sem sinal de referrer e cai em Direct. As estimativas de tráfego invisível variam de 35 % a 70,6 %; o limite superior vem da amostra de 446 405 visitas da Loamly e deve ser tratado como direcional. Não é conspiração do Google, mas funcionamento de referrers. Como expliquei ao testar na Ahrefs: “Websites have control over what info they send. They can send the full path, just the origin, or nothing — it’s up to them. We report whatever referrer we’re told to report. If they don’t send us one, then it would go in the ‘Direct’ bucket.” (tradução) “Os sites controlam quais informações enviam. Podem enviar o caminho completo, apenas a origem ou nada. Relatamos o referrer recebido; sem ele, a visita entra em Direct.”

Visibilidade sem cliques. As Visões gerais criadas por IA geram impressões e exposição da marca sem enviar tráfego. O antigo funil impressões → cliques → conversões não funciona quando a resposta é o destino.

Ausência de ferramentas padronizadas. Até maio de 2026, o GA4 não tinha canal nativo de tráfego de IA. O relatório de IA generativa do GSC, lançado em junho de 2026, separa impressões de propriedades participantes, mas não cliques, CTR ou consultas. O Bing lançou métricas de desempenho de IA em prévia pública em fevereiro de 2026. Apenas 16 % das marcas acompanham sistematicamente o desempenho na busca por IA (McKinsey, setembro de 2025), portanto um sistema real de medição já é uma vantagem.

O princípio do piso, não do teto

Se você guardar apenas uma ideia, use esta. A participação publicada do tráfego de IA gira em torno de 0,25 % do tráfego médio dos sites no estudo da Ahrefs com cerca de 82 000 sites, mas essa é apenas a parcela mensurável. Duas correções a ampliam:

  1. Tráfego obscuro. Se 35–70 % das visitas de IA não têm referrer, o total real pode ser de 2 a 3 vezes o mostrado pela análise.
  2. Prêmio de conversão. Na Ahrefs, 0,5 % dos visitantes geraram 12,1 % dos cadastros, um prêmio de 23 vezes, e navegaram cerca de 50 % mais páginas por sessão, com menor rejeição. No setor, o prêmio se aproxima de 4 a 4,4 vezes (Semrush/Adobe), mas a direção é consistente.

Portanto, não abra um relatório para partes interessadas com 0,25 %. Use a taxa de crescimento — 9,7 vezes em 12 meses — ou o prêmio de conversão. Esses números mostram melhor o impacto; a participação no tráfego o subestima.

As cinco camadas de medição

Nenhuma ferramenta vê o cenário completo, então combine visões parciais. Este é o framework GEO de cinco camadas de Paul DeMott (Search Engine Land, maio de 2026), com meus dados incorporados. Cada camada também tem um artigo próprio neste cluster.

Camada 1 — Atribuição direta (recuperado versus mencionado versus citado)

GA4 e Ahrefs Web Analytics mostram quem visitou e de qual fonte de IA veio.

  • O canal AI Assistant do GA4, adicionado em 13 de maio de 2026, captura sessões referidas por ChatGPT, Gemini, Claude, Copilot, Grok e similares, mas apenas quando há referrer. Os 35–70 % restantes continuam em Direct. Ele também exclui Google AI Overviews e AI Mode, registrados como Organic Search, não é retroativo e usa um dos dois espaços de grupo de canais personalizados.
  • O Ahrefs Web Analytics inclui o canal de IA e atualiza mais perto do tempo real.
  • O vocabulário importa: recuperado ≠ mencionado ≠ citado. Recuperação é buscar o conteúdo; menção é nomear a marca; citação é vincular a URL. Confundir essas medidas torna o relatório enganoso.

Camada 2 — Visibilidade em LLMs (impressões e citações)

Com que frequência você aparece em respostas de IA, com ou sem clique.

  • Os relatórios de desempenho de IA generativa do GSC mostram apenas impressões, sem cliques, CTR ou posição, para Visões gerais criadas por IA, Modo IA e recursos de IA do Discover.
  • O relatório AI Performance do Bing Webmaster Tools é mais transparente: citações totais, média de páginas citadas, consultas de fundamentação e atividade por página.
  • Apenas 38 % das páginas citadas nas Visões gerais criadas por IA do Google estavam no top 10 tradicional, ante 76 %; visibilidade em LLMs não equivale à posição dos links azuis.

Camada 3 — Monitoramento de alucinações de IA

Há um problema sem equivalente na busca tradicional: ferramentas de IA enviam tráfego a páginas inexistentes e descrevem marcas de forma incorreta. Na minha análise de tipos de página do tráfego de IA da Ahrefs, 3,6 % do tráfego de assistentes de IA da Ahrefs foi para URLs inexistentes (alucinadas). Além de links ruins, acompanhe se produto, preço e posicionamento são descritos corretamente; um “fato” errado repetido entre modelos é um problema mensurável de reputação.

Camada 4 — Autodeclaração (a ponte que a análise não constrói)

Adicione “Como você conheceu a empresa?” com opções de IA aos formulários de vendas, contato e pós-conversão. Essa é a única camada que captura a influência da IA no topo e no meio do funil, semanas antes de uma visita Direct sem referrer. DeMott relata atribuição de IA de dois dígitos em alguns estudos de pipeline. É simples e funciona justamente onde o rastreamento falha.

Camada 5 — Share of voice (e por que ele engana sozinho)

Share of voice é a porcentagem de respostas relevantes de IA em que a marca é mencionada ou citada. Ferramentas automatizam isso em escala: Ahrefs Brand Radar (400M+ prompts baseados em pesquisa em julho de 2026, índice dinâmico com atualização mensal), Semrush AI Toolkit (100M+ prompts), Profound, BrightEdge e Scrunch. Também é possível executar mensalmente um conjunto fixo de prompts em pelo menos três modelos e contar menções.

Mas considere o alerta de DeMott: “Share of Voice is a vanity metric without business connection.” (tradução) “Share of Voice é uma métrica de vaidade sem conexão com o negócio.” O SOV mostra a frequência de aparição, não se ela gera reconhecimento, tráfego ou pipeline. Combine-o sempre com a Camada 1 (tráfego) e a Camada 4 (autodeclaração).

Há uma camada adicional: teste de incrementalidade. Diferenças em diferenças — uma coorte de teste com alta visibilidade de IA versus controle — ao longo de 6–12 meses é a única forma de demonstrar que a busca por IA causou receita, em vez de apenas se correlacionar com ela. É o método mais lento e rigoroso. Colete os dados de referência agora.

Relatórios específicos de plataforma (as armadilhas)

Google Search Console. O relatório de IA generativa de junho de 2026 oferece uma visão separada de visibilidade para propriedades participantes, mas apenas com impressões: sem cliques, CTR ou dimensão de consulta. Não infira visitas nem combine essas impressões ao relatório padrão da Web como métricas equivalentes. Um sinal útil é o aumento de impressões de AI Overviews junto de cliques estáveis ou em queda: “The Great Decoupling” (tradução) “A grande dissociação”, canibalização mensurável (na Ahrefs, a correlação entre cliques e impressões mudou de +0,425 para −0,352, com redução de 34,5 % no CTR associada a AIOs).

Bing Webmaster Tools. É mais transparente que o Google. O relatório AI Performance separa citações de cliques orgânicos, e as consultas de fundamentação mostram o que o Copilot tentava responder ao buscar sua página. Compare as páginas mais citadas no Bing às melhores páginas orgânicas; as diferenças são oportunidades.

GA4 e Ahrefs Web Analytics. Ambos têm a mesma limitação de tráfego obscuro. A Ahrefs traz o canal pronto e atualiza mais rápido; o GA4 é configurável e exclui AIO/AI Mode.

O que se correlaciona com visibilidade em LLMs (estudo da Ahrefs com 75 000 marcas)

No estudo da Ahrefs com 75 000 marcas, de Louise Linehan e Xibeijia Guan, discutido na minha palestra Evolve 2025, os sinais se ordenaram assim pela correlação com a visibilidade em Visões gerais criadas por IA:

  • Menções da marca na Web — 0,664 (o sinal mais forte)
  • Texto âncora com a marca — 0,527
  • Volume de pesquisa da marca — 0,392
  • Domain Rating — 0,326 (o mais fraco dos quatro)

Leia novamente: três dos quatro são sinais de marca, não sinais técnicos clássicos de SEO. A conclusão central deste hub é que medir a visibilidade de IA é, em grande parte, medir a saúde da marca; menções, citações e autoridade também ajudam o SEO tradicional.

Próximos passos

Este hub é o mapa. Cada camada tem seu próprio aprofundamento no cluster:

  • Recuperado versus mencionado versus citado em IA — três tipos que não devem ser confundidos.
  • Visibilidade em LLMs / IA — impressões, citações e auditoria com ferramentas como Brand Radar.
  • Monitoramento de alucinações de IA — fatos errados, preços ruins e URLs alucinadas.
  • Atribuição de tráfego de IA — tráfego obscuro, referrers por plataforma, GA4 e autodeclaração.
  • Share of Voice de IA (SoV) — definição, medição e prevenção de métricas de vaidade.
  • GA4 para tráfego de IA — grupos de canais, regex de referrer e Explorações.
  • Análise de logs de crawlers de IA — atividade de bots, verificação de user-agents e problemas de rastreamento versus renderização.

Add an expert note

Pin an expert quote

New person? Create their unclaimed profile at /admin/experts/ → Pin a quote first.