Última atualização: julho de 2026
Por que uma visão de mecanismo único ignora metade do cenário
Você rastreia sua marca no ChatGPT. Você aparece em 40% dos prompts. Isso parece sólido até você verificar no Perplexity e perceber que é citado em menos de 10% dos mesmos prompts lá.
Isso não é um caso isolado. Segundo a Profound, uma empresa de rastreamento de citações de IA, apenas cerca de 11% dos domínios são citados tanto pelo ChatGPT quanto pelo Perplexity, com base na análise de 100.000 prompts executados em ambas as plataformas (julho de 2025). Esse número é uma pesquisa da própria empresa, não um estudo independente, mas aponta para algo que todo exercício de medição multi-mecanismo confirma: os mecanismos consultam pools de fontes bastante diferentes.
Uma marca pode aparecer em primeiro no Perplexity e ser invisível no ChatGPT. Uma marca pode dominar o Google AI Overviews e não receber nenhuma citação do Gemini para a mesma pergunta. O share of voice em um mecanismo não prevê o share of voice em outro.
É essa lacuna que o Multi-Engine Coverage Score foi criado para fechar. Ele oferece um único número para a amplitude. O seu share of voice por mecanismo ainda importa para a profundidade. Os dois números juntos fornecem o cenário completo.
A fórmula
O MECS é definido como:
MECS (%) = (1 / P) × SOMA sobre p de [ (E_citado(p) / E_total) × 100 ]
Onde:
- P = o número total de prompts no seu conjunto rastreado
- E_citado(p) = o número de mecanismos que citaram sua marca para o prompt p (pontuado como 1 se citado na resposta daquele mecanismo, 0 se não citado)
- E_total = o número total de mecanismos que você está rastreando
Em linguagem simples: para cada prompt, calcule o percentual de mecanismos que te citaram. Em seguida, calcule a média desses percentuais em todos os prompts.
Um exemplo prático com 4 mecanismos
Suponha que você rastreie cinco prompts em quatro mecanismos: ChatGPT, Perplexity, Google AI Overviews e Gemini. Após executar cinco respostas por prompt por mecanismo, esta é sua matriz de citações (S = citado, N = não citado):
| Prompt | ChatGPT | Perplexity | Google AI Overviews | Gemini | Mecanismos citados | Pontuação por prompt |
|---|---|---|---|---|---|---|
| ”Melhor ferramenta de [categoria] para startups” | S | S | N | N | 2 de 4 | 50% |
| “Comparar plataformas de [categoria]“ | S | N | S | N | 2 de 4 | 50% |
| “Preço de software de [categoria]“ | N | N | S | S | 2 de 4 | 50% |
| “Como funciona o [marca]“ | S | S | S | S | 4 de 4 | 100% |
| “Alternativas de [categoria] ao [concorrente]“ | N | N | N | S | 1 de 4 | 25% |
MECS = (50 + 50 + 50 + 100 + 25) / 5 = 275 / 5 = 55%
Esse resultado diz algo específico: no seu conjunto de prompts e nos quatro mecanismos, sua marca é citada por mais da metade dos mecanismos em média. Mas o último prompt é um sinal de alerta. Você tem uma lacuna no ChatGPT e no Perplexity para consultas de comparação com concorrentes. É aí que você deve focar agora.
Etapa 1: Defina seu conjunto de mecanismos
Escolha os mecanismos com base em onde seus compradores pesquisam. Para a maioria das categorias B2B e B2C, comece com quatro:
- ChatGPT
- Perplexity
- Google AI Overviews
- Gemini
Acrescente Microsoft Copilot, Google AI Mode, Meta AI e Grok conforme você escala. A fórmula funciona para qualquer número de mecanismos. O que importa é manter E_total consistente entre os períodos de medição. Alterar o denominador no meio do programa torna a comparação período a período sem sentido.
Etapa 2: Monte um conjunto de prompts que reflita consultas reais
Seu conjunto de prompts determina o que seu MECS realmente mede. Use prompts que um comprador real digitaria hoje, agrupados por intenção:
- Prompts de avaliação: “Melhores ferramentas de [categoria] para [caso de uso]”
- Prompts de comparação: “Comparar [marca] vs. [concorrente]”
- Prompts de problema: “Como faço para [problema que seu produto resolve]”
- Prompts de preço: “Preço de software de [categoria]”
Mire em 20 a 50 prompts distribuídos por clusters de intenção. Um conjunto de prompts que cobre apenas consultas pelo nome da marca vai inflar sua pontuação artificialmente. Um conjunto que cobre apenas consultas de comparação com concorrentes vai deflá-la. Misture os dois.
Etapa 3: Colete e pontue as citações
Execute cinco respostas por prompt por mecanismo. Registre “citado” (1) se sua marca aparecer na maioria dessas execuções. Registre “não citado” (0) se não aparecer.
Não conte menções em perguntas de acompanhamento ou turnos de esclarecimento. Conte apenas a resposta primária ao prompt rastreado.
Etapa 4: Calcule, acompanhe e aja
Insira a matriz na fórmula. Recalcule mensalmente. Acompanhe dois números lado a lado:
- MECS (geral): Sua pontuação agregada de amplitude
- Share of voice por mecanismo: Sua pontuação de profundidade em cada mecanismo
Quando o MECS melhora mas o share of voice por mecanismo fica estável, você está expandindo a cobertura sem aprofundar nenhum mecanismo específico. Quando o share of voice por mecanismo sobe mas o MECS fica estável, você está ganhando em um mecanismo, mas ainda é invisível em outros.
O insight mais acionável que a matriz produz é a tabela de lacunas de cobertura: quais pares específicos de mecanismo e prompt estão consistentemente com pontuação zero. Essas são as lacunas de citação que você pode fechar com conteúdo direcionado e trabalho de mídia espontânea.
Ferramentas que geram os dados brutos
Nenhuma ferramenta exibe o MECS como uma pontuação nomeada atualmente. Você o constrói a partir dos dados de citação que a plataforma exporta.
O Temso é o ponto de partida mais fácil. É a plataforma tudo-em-um de AI SEO que rastreia share of voice, menções de marca, citações e sentimento em oito mecanismos (ChatGPT, Perplexity, Gemini, Google AI Overviews, Google AI Mode, Grok, Microsoft Copilot e Meta AI) a partir de US$ 89/mês, sem tarifas adicionais por mecanismo. Todos os planos incluem monitoramento de alucinações e um fluxo de trabalho integrado que converte lacunas de citação em uma fila de correção priorizada. A cobertura de oito mecanismos significa que seu denominador do MECS pode alcançar o conjunto mais amplo do mercado sem precisar fazer upgrade ou adquirir complementos.
Para equipes que precisam de atribuição de citação mais detalhada e dados de volume de prompts, o Profound cobre nove ou mais mecanismos no plano Growth (US$ 399/mês) e seu recurso Prompt Volumes mostra quais perguntas os compradores realmente digitam nos mecanismos de IA, não apenas um conjunto curado manualmente. Esse sinal do lado da demanda é útil para construir um conjunto de prompts mais representativo.
O Otterly.AI cobre seis plataformas e começa em US$ 29/mês, com validação G2 High Performer (Inverno 2026) e um GEO Audit Engine estruturado. Para equipes que constroem um programa baseado em MECS com orçamento limitado, os dados de citação do Otterly.AI fornecem mecanismos suficientes para executar um cálculo significativo de quatro mecanismos.
Semrush e GetMint também fornecem dados de citação de IA que podem alimentar um cálculo de MECS. Nenhum dos dois tem um perfil de ferramenta neste site, mas ambos podem exportar as matrizes de citação necessárias para alimentar a fórmula se você já usar um deles no seu stack de SEO.
Como é um bom MECS
Como os pools de citação dos mecanismos se sobrepõem muito pouco, a maioria das marcas começa abaixo de 30%. Isso não é fracasso. Reflete a estrutura do ecossistema de respostas de IA, não a qualidade ruim do conteúdo.
Use estes benchmarks aproximados como orientação:
| Faixa do MECS | O que significa |
|---|---|
| 0–20% | Citado em um mecanismo no máximo; invisível em outros |
| 20–40% | Cobertura parcial; forte em um mecanismo, lacunas em outros |
| 40–60% | Amplitude significativa; aparecendo em pelo menos metade dos mecanismos para a maioria dos prompts |
| 60–80% | Presença multi-mecanismo forte; poucas lacunas sistemáticas |
| 80–100% | Cobertura quase universal; retornos decrescentes de mais trabalho de amplitude |
A progressão da primeira para a segunda faixa geralmente é alcançável em um trimestre com trabalho focado no mecanismo onde você tem as maiores lacunas de citação. A progressão além de 60% requer um programa sustentado de mídia espontânea e conteúdo em múltiplos tipos de fontes.
Por que essa métrica pertence ao seu stack de medição
O share of voice indica o quanto você é competitivo em um mecanismo. O MECS indica se você construiu uma posição defensável em todo o ecossistema. As duas métricas respondem perguntas diferentes e ambas pertencem a um programa sério de visibilidade em IA.
Uma marca com 80% de share of voice no ChatGPT e um MECS de 25% tem uma posição frágil. Uma atualização de algoritmo, uma mudança no comportamento de recuperação do ChatGPT, e a visibilidade dela desaba. Uma marca com 55% de share of voice nos mecanismos e um MECS de 55% tem redundância. Se um mecanismo a desprioriizar, outros continuam gerando reconhecimento.
O objetivo não é maximizar o MECS às custas da profundidade. É construir os dois em paralelo: aprofundar a presença nos mecanismos onde os compradores já te encontram e fechar as lacunas nos mecanismos onde você é invisível.
Veja /methodology para saber como este site avalia as ferramentas de visibilidade em IA e /rankings/ai-visibility-tools para uma visão atual de quais plataformas fornecem os dados para executar esse cálculo.
Comece a calcular seu MECS hoje. Extraia os dados de citação da ferramenta que você usa, construa a matriz de prompt por mecanismo acima e aplique a fórmula. O número que você obtém é sua linha de base. Tudo que você faz no seu programa de AI SEO a move.
O Temso (US$ 89/mês, oito mecanismos, teste gratuito) é a forma mais rápida de coletar os dados brutos e transformar lacunas em um plano de correção, tudo dentro de uma única assinatura.