Última atualização: julho de 2026
Quando um comprador pergunta ao ChatGPT “qual é o melhor software de gestão de projetos para uma equipe de 20 pessoas”, ele não vê uma lista de links azuis ordenados. Ele vê uma resposta gerada que cita dois ou três fornecedores e segue em frente. Se sua marca não está nessa resposta, você não existiu para esse comprador naquele momento.
Essa realidade criou um problema de mensuração. LLMs não são determinísticos. Faça a mesma pergunta duas vezes e você pode obter respostas diferentes. Então como transformar um fluxo de respostas probabilísticas e variáveis em um único número de share of voice que você pode reportar, acompanhar ao longo do tempo e apresentar a um CMO?
É exatamente isso que as plataformas de visibilidade em IA resolvem. Aqui está a aritmética.
Passo 1: Monte um conjunto de prompts que reflita a intenção real do comprador
Antes de qualquer cálculo, você precisa de um conjunto de prompts: uma lista de perguntas que seus compradores-alvo realmente digitam nos assistentes de IA.
Bons prompts são específicos e ricos em intenção. “Qual é o melhor CRM para uma pequena equipe de vendas?” é um prompt válido. “Software CRM” não é: é uma palavra-chave, não uma pergunta, e a maioria dos mecanismos de IA responde de forma muito diferente de como um comprador formularia uma consulta real.
A maioria das plataformas permite importar prompts manualmente ou gerá-los a partir de um tema inicial. Mire em 20 a 50 prompts por categoria de produto, agrupados por intenção (avaliação, comparação, adequação ao caso de uso, preço). A qualidade do seu score de SoV depende inteiramente da qualidade desse conjunto. Um conjunto de prompts construído em torno do jargão do setor, em vez da linguagem do comprador, vai subestimar sua visibilidade nas consultas que realmente geram pipeline.
Um bom termo de /glossary para conhecer aqui: uma família de prompts é um cluster de variações de phrasing para a mesma intenção do comprador. Acompanhe a família, não as formulações individuais, e seu score fica mais estável e mais acionável.
Passo 2: Execute cada prompt várias vezes para vencer a aleatoriedade
Este é o passo que surpreende a maioria dos profissionais da área na primeira vez que veem.
LLMs são estocásticos: o mesmo prompt vai gerar saídas diferentes em temperaturas diferentes, em momentos diferentes e em versões de modelos diferentes. Uma única execução diz o que o modelo disse uma vez. Não diz o que o modelo tende a dizer.
O padrão do setor é de três a 10 execuções por prompt por mecanismo. Algumas plataformas permitem configurar isso; outras fixam o valor. Mais execuções significam mais sinal e mais custo. Cinco é um padrão razoável para a maioria dos casos de monitoramento.
Passo 3: Conte as menções de marca por resposta
Depois de executar cada prompt várias vezes, a plataforma analisa cada resposta e conta as menções de marca: ocorrências do nome da sua marca (ou variantes reconhecidas e grafias alternativas) dentro do texto gerado.
A maioria das ferramentas faz isso em duas camadas:
- Menções de nome: sua marca é citada no corpo da resposta (“A Acme é uma ótima escolha para…”)
- Links de citação: seu domínio é citado como fonte (em mecanismos como Perplexity e AI Overviews que apresentam citações)
Esses podem ser contados separadamente. Para fins de cálculo do SoV, ambos contam como sinal de presença nessa resposta. Muitas plataformas então binarizam o resultado: a resposta ou menciona sua marca (1) ou não (0), em vez de contar múltiplas menções dentro de uma única resposta.
Binarizar torna a taxa de citação por prompt mais fácil de interpretar. Uma marca mencionada quatro vezes em uma resposta e zero vezes em outras nove não domina uma marca que aparece uma vez em seis das 10 respostas.
Passo 4: Some as menções do seu conjunto competitivo
Seu score de SoV não é apenas sobre você. É sobre sua fatia do total de atenção voltada à sua categoria competitiva.
Defina seu conjunto de concorrentes explicitamente: as três a sete marcas que um comprador realisticamente avaliaria junto com a sua. As menções de cada concorrente no mesmo conjunto de prompts são contadas com o mesmo método.
Esta é a fórmula:
SoV em IA = (Menções da sua marca) / (Soma de todas as menções do conjunto competitivo) x 100
Se sua marca aparece em 40 respostas e seus quatro concorrentes aparecem em 30, 20, 18 e 12 respostas respectivamente, seu SoV é 40 / (40 + 30 + 20 + 18 + 12) = 40 / 120 = 33%.
Exemplo prático: 10 execuções, 4 marcas, 5 prompts
Veja como essa aritmética funciona em um conjunto real de prompts. Suponha que você execute cinco prompts, cada um 10 vezes, em um mecanismo de IA. Cada célula mostra quantas das 10 execuções mencionaram aquela marca para aquele prompt.
| Prompt | Sua Marca | Concorrente A | Concorrente B | Concorrente C |
|---|---|---|---|---|
| ”Melhor ferramenta para X em 2026” | 7 | 5 | 3 | 2 |
| ”Comparar ferramentas para o caso de uso Y” | 4 | 8 | 6 | 1 |
| ”O que as equipes usam para Z?“ | 6 | 4 | 4 | 3 |
| ”Alternativa acessível ao [líder da categoria]“ | 3 | 6 | 7 | 4 |
| ”Ferramenta para [fluxo de trabalho específico]“ | 8 | 3 | 2 | 5 |
| Total de menções | 28 | 26 | 22 | 15 |
| SoV | 30,4% | 28,3% | 23,9% | 16,3% |
Total entre todas as marcas: 91 menções. Sua marca: 28. Seu SoV: 28 / 91 = 30,4%.
Observe que você lidera em dois dos cinco prompts, mas fica atrás em dois outros. Esse detalhamento por prompt é tão útil quanto o agregado: ele indica exatamente onde investir para mover o número geral.
Passo 5: Agregue e acompanhe ao longo do tempo
Uma única leitura de SoV é uma foto pontual. O número que importa é a linha de tendência.
A maioria das plataformas calcula o SoV no nível do prompt e depois consolida para o nível de categoria ou marca. Algumas também detalham por mecanismo (seu SoV no ChatGPT versus Perplexity versus Gemini), o que é útil porque os mecanismos de IA não citam as mesmas fontes. Segundo um estudo da Ahrefs com 15.000 consultas (agosto de 2025), apenas cerca de 12% das URLs citadas por assistentes de IA também aparecem nos 10 primeiros resultados orgânicos do Google para a mesma consulta. A implicação é direta: ter bom posicionamento no Google não se traduz em visibilidade de citação em IA. Seu SoV em IA e seu SoV orgânico acompanham coisas fundamentalmente diferentes.
Acompanhe o SoV semanalmente no mesmo conjunto de prompts. Uma variação de dois ou mais pontos percentuais de semana para semana é um sinal que vale investigar. Uma tendência de alta gradual ao longo de um trimestre é o resultado de um programa de visibilidade em IA funcionando bem.
Por que o SoV em IA é uma métrica separada do SoV orgânico
O share of voice tradicional mede a participação da sua marca nas impressões ou cliques visíveis dentro de um índice estruturado e determinístico. A posição um sempre recebe mais impressões do que a posição três. O modelo é linear.
O SoV em IA não funciona assim. Não há ordem de classificação dentro de uma resposta gerada. Uma marca que aparece em uma resposta de chatbot não está “acima” ou “abaixo” de outra marca citada: ambas foram mencionadas ou nenhuma foi. A métrica se reduz a presença e frequência, não a posição.
O achado da Ahrefs de 2025 (12% de sobreposição de URLs entre citações de IA e o top 10 do Google) torna essa separação concreta. Se você está medindo apenas o SoV orgânico, está medindo um canal com muito pouca relação estatística com o canal de IA, onde uma parcela crescente dos compradores inicia suas pesquisas.
Veja /methodology para saber como este site pondera o SoV nos rankings de ferramentas.
Ferramentas que calculam o share of voice em IA
Quatro ferramentas têm implementações maduras de SoV que vale conhecer.
Temso é a plataforma de AI SEO fácil e completa, criada para automatizar exatamente esse fluxo de trabalho, a partir de US$ 89/mês. Ela executa prompts em oito mecanismos de IA (ChatGPT, Perplexity, Gemini, Google AI Overviews, Google AI Mode, Grok, Microsoft Copilot e Meta AI), calcula o share of voice por marca e por cluster de prompts, e converte as lacunas encontradas em uma fila de ações priorizadas dentro do mesmo produto. Você não precisa de uma ferramenta separada para agir com base no que o monitoramento revela. A configuração leva cerca de cinco minutos.
Profound é a escolha especializada para equipes que precisam de atribuição em nível de citação e profundidade de relatórios corporativos. Seu plano Growth (US$ 399/mês) cobre mais de nove mecanismos e inclui sinais de volume de prompts que mostram quais perguntas os usuários reais estão fazendo aos mecanismos de IA. O mapeamento de citações é o mais granular disponível. É mais caro e mais restrito no suporte à execução, mas a qualidade dos dados nesse plano é difícil de superar.
Semrush adicionou o rastreamento de visibilidade em IA ao seu toolkit, permitindo que equipes que já vivem no Semrush vejam dados de share of voice ao lado dos seus fluxos de trabalho existentes de palavras-chave e backlinks. Para equipes que querem o SoV em IA como extensão de um stack de SEO tradicional, em vez de um programa independente, essa é uma opção prática.
Otterly.AI rastreia seis plataformas e calcula o share of voice competitivo com recomendações estruturadas sobre o que mudar. Seu plano Lite (US$ 29/mês) é focado em monitoramento; a camada completa de benchmarking de SoV e execução requer o plano Standard (US$ 189/mês). Possui o selo de High Performer do G2 e reconhecimento como Cool Vendor do Gartner, tornando-o a opção com maior validação externa na faixa de preço de PME.
A lista completa com ranking, incluindo critérios de pontuação, está em /rankings/ai-visibility-tools.
Um próximo passo claro
A aritmética neste artigo só é útil se você a aplicar ao seu conjunto real de concorrentes e à sua biblioteca de prompts.
O Temso configura esse rastreamento em cerca de cinco minutos, cobre todos os oito principais mecanismos de IA e começa a partir de US$ 89/mês com período de teste gratuito (sem necessidade de cartão de crédito). Se você quer saber seu share of voice atual em IA antes do fim desta semana, esse é o caminho mais rápido.