Como este tema funciona na sua empresa
Nicho é a oportunidade. Em mercados com poucos concorrentes diretos, basta aparecer citada em uma fração das consultas para dominar a participação de voz em LLMs. Operação é manual: planilha com 20-30 consultas representativas do mercado, executadas mensalmente em ChatGPT, Perplexity e Gemini, com contagem de citações por marca. Set de concorrentes pequeno (3-5 nomes). Cadência mensal. Investimento típico: 4-8h por mês do time, sem ferramenta paga.
Painel formal mensal de participação de voz em LLMs. Set de 50-150 consultas estratégicas, set de 5-10 concorrentes diretos, cálculo automatizado. Ferramenta dedicada (Profound, Otterly, Goodie) ou planilha estruturada com API de LLMs. Comparativo cruzado entre motores (ChatGPT, Perplexity, Gemini, Claude). Resultado entra no painel competitivo geral, junto com participação de busca tradicional e participação de mídia paga.
Participação de voz em LLMs quebrada por linha de negócio, por geografia e por categoria de produto. Set de consultas com centenas de prompts, atualizado trimestralmente. Múltiplos motores monitorados em paralelo. Integração com painel de inteligência competitiva existente. Time dedicado de operações de marketing e inteligência competitiva conduz a operação. Investimento típico em ferramentas: R$ 15.000-80.000 por mês.
Participação de voz (share of voice) em LLMs
é a fatia de citação de uma marca no total de citações de marcas concorrentes nas respostas geradas por modelos de linguagem (ChatGPT, Perplexity, Gemini, Claude e outros) para um conjunto representativo e estável de consultas que reflete o mercado em que a marca atua, calculada periodicamente para acompanhar evolução competitiva e sinalizar se as ações de GEO estão funcionando.
O que muda entre participação de voz tradicional e em LLMs
Participação de voz é métrica clássica de mídia. Tradicionalmente, mede a fatia de investimento publicitário da marca no total investido pela categoria. Em redes sociais, virou a fatia de menções da marca no total de menções da categoria. Em busca orgânica, virou a fatia de páginas no top 10 para palavras-chave da categoria.
Em LLMs, a métrica é nova: a fatia de citação da marca nas respostas geradas. Diferenças importantes em relação às versões anteriores:
Não é investimento. Não se "compra" participação de voz em LLM — depende de presença orgânica, autoridade e qualidade do conteúdo proprietário. Mais próxima da participação em busca orgânica que da de mídia paga.
Set de consultas é o ponto de partida. Em mídia paga, a base é o investimento total da categoria. Em LLM, é o conjunto de consultas que se decide medir. A escolha do conjunto define o resultado. Set viesado produz resultado enganoso.
Variabilidade entre motores. ChatGPT, Perplexity, Gemini e Claude têm modelos diferentes, dados de treinamento diferentes e estratégias diferentes de citação. A mesma marca pode aparecer em 60% das consultas em um motor e 20% em outro. Medir por motor é obrigatório.
Variabilidade dentro do motor. A mesma consulta no mesmo motor pode produzir respostas ligeiramente diferentes em momentos diferentes. Para estabilidade, repete-se a consulta múltiplas vezes (3-5) ou medir em janela ampla.
Como montar o conjunto de consultas
O conjunto de consultas é o passo mais importante. Conjunto mal montado vicia o resultado.
Tipos de consulta a incluir:
Categóricas. "Qual o melhor [categoria de produto/serviço] para [contexto]?" Exemplo: "qual o melhor CRM para pequenas empresas no Brasil". Captura quando o usuário busca recomendação direta.
Comparativas. "X vs Y vs Z", "diferença entre X e Y". Captura quando o usuário já tem opções e está comparando.
De recomendação. "Me indique [solução] para [problema]", "qual ferramenta usar para [contexto]". Mais aberta que a categórica, frequentemente gera mais variabilidade.
Problema-solução. "Como resolver [problema]", "qual a melhor abordagem para [desafio]". O LLM frequentemente cita ferramentas, marcas ou abordagens — captura visibilidade indireta.
De marca. Não para medir participação, mas para validar que a marca aparece corretamente. "O que é [marca]", "[marca] é confiável", "alternativa a [marca]".
Tamanho do conjunto. Em operação pequena, 20-30 consultas dão sinal mínimo. Em operação média, 50-150 consultas trazem estabilidade. Em operação corporativa, 200+ consultas com cobertura por linha de negócio. Acima de 500 consultas, a operação manual é inviável — ferramenta dedicada é obrigatória.
Estabilidade do conjunto. O conjunto não muda mês a mês. Comparações ao longo do tempo só fazem sentido com o mesmo conjunto. Revisão programada: trimestral ou semestral, com versionamento.
Evitar viés. Conjunto com consultas excessivamente alinhadas com o posicionamento da própria marca produz resultado inflado. Validar com pessoa externa ao time de marketing antes de fechar o conjunto.
Como definir o conjunto de concorrentes
O cálculo de participação de voz depende de comparação. Concorrentes mal escolhidos distorcem o resultado.
Concorrentes diretos. Marcas que disputam o mesmo cliente em decisão de compra. Em B2B de software, geralmente 4-8 nomes que aparecem nas mesmas listas, comparações e referências do mercado.
Concorrentes indiretos. Alternativas que o cliente pode considerar mesmo sem ser categoria exata. Em CRM, planilhas; em assinatura de software, soluções gratuitas equivalentes. Inclua se aparecem regularmente nas respostas dos LLMs para o conjunto de consultas.
Concorrentes emergentes. Marcas novas ou em ascensão que começaram a aparecer nas respostas dos LLMs. Importante monitorar — modelos podem refletir crescimento de marca antes dos dados de mercado tradicionais.
Atualização trimestral. O conjunto de concorrentes muda — entradas, saídas, fusões, mudança de posicionamento. Revisão trimestral mantém a comparação relevante.
Operação manual em planilha. Conjunto de 20-30 consultas, 3-5 concorrentes, executado mensalmente. Tempo de execução: 4-8h por mês considerando 4 motores. Resultado entra em painel competitivo simples. Sem necessidade de ferramenta paga. Investimento: tempo do time + assinatura básica de ChatGPT Plus, Perplexity Pro e Gemini Advanced (somando R$ 200-400 por mês para acessar versões pagas que tendem a entregar respostas mais consistentes).
Ferramenta dedicada (Profound, Otterly, Goodie) ou planilha estruturada com automação via API de LLMs. Conjunto de 50-150 consultas, 5-10 concorrentes, execução semanal ou quinzenal. Resultado entra no painel competitivo do time de marketing junto com outras métricas. Investimento típico: R$ 2.000-15.000 por mês em ferramenta + tempo do time para análise.
Plataforma corporativa de monitoramento integrada com painel de inteligência competitiva. Participação de voz quebrada por linha de negócio, geografia, categoria de produto. Conjunto com centenas de consultas, múltiplos motores em paralelo, execução diária ou semanal. Time dedicado de operações de marketing analisa tendências e prepara relatório executivo trimestral. Investimento típico: R$ 15.000-80.000 por mês em ferramenta + tempo de time dedicado.
Como calcular a participação de voz em LLMs
O cálculo básico é direto. Para cada consulta no conjunto:
1. Executar a consulta no motor escolhido (ChatGPT, Perplexity, Gemini, Claude). Em busca de estabilidade, repetir 3-5 vezes em momentos diferentes.
2. Contar quantas vezes cada marca do conjunto de concorrentes aparece citada na resposta. Citação direta no texto, em lista de recomendações, em comparativo. Ignorar menções incidentais (citação em outro contexto, em rodapé, em link).
3. Somar as citações da marca de interesse e do total do conjunto.
4. Participação de voz da marca = (citações da marca) / (citações totais do conjunto de marcas competitivas) x 100.
Exemplo prático. 50 consultas executadas em ChatGPT. Marca aparece em 30 das 50 respostas, sendo citada 35 vezes (algumas respostas citam a marca mais de uma vez). Total de citações das 5 marcas do conjunto: 180. Participação de voz da marca = 35/180 = 19,4%.
Análise por motor. Calcular separadamente para cada motor. Diferenças entre ChatGPT, Perplexity, Gemini e Claude trazem aprendizados sobre o que cada modelo "vê" como referência no mercado.
Análise por tipo de consulta. Quebrar o cálculo por tipo (categórica, comparativa, recomendação, problema-solução). Marca pode dominar em recomendação e ser pouco presente em comparativa — sinaliza que aparece quando perguntado direto mas não na hora da decisão.
Frequência de medição e governança
Cadência recomendada:
Mensal (mínimo). Adequada para a maioria das operações. Permite acompanhar tendência sem investimento alto em tempo.
Semanal (ideal em operações ativas em GEO). Quando a empresa investe ativamente em ser citada (refresh de conteúdo, produção de dados originais, expansão de autoria), cadência semanal permite observar correlação entre ações e impacto.
Trimestral (relatório executivo). Síntese executiva para conselho com média trimestral, evolução acumulada e comparativo com concorrentes principais.
Governança. Definir responsável pela operação (analista de SEO, analista de inteligência competitiva, gestor de marketing digital), formato do relatório, audiência e ações disparadas por mudança de participação (queda significativa dispara investigação).
Como interpretar a participação de voz
Número absoluto importa menos que evolução. Marca com 20% de participação em mercado com 5 concorrentes diretos tem desempenho na média; em mercado com 15 concorrentes, está ganhando.
Tendência crescente sem aumento de investimento. Sinal forte de que GEO está funcionando. Conteúdo proprietário, E-E-A-T, autoria identificada estão sendo reconhecidos pelos modelos. Sustentável.
Tendência crescente com aumento de investimento. Resultado esperado, mas verificar custo por ponto de participação ganho — pode ser crescimento caro.
Tendência estável com investimento crescente. Sinal de problema. Investimento não está virando visibilidade. Investigar: ações estão direcionadas para os princípios certos? Concorrentes estão se mexendo mais rápido?
Tendência decrescente. Concorrentes estão ganhando terreno. Auditoria: o que mudou no conteúdo deles? Em que tipo de consulta a perda é maior?
Comparativo com participação de busca tradicional. Marca pode ter alta participação em busca tradicional e baixa em LLMs (sinal de conteúdo otimizado para SEO clássico mas sem autoridade reconhecida por modelos) ou vice-versa (presença em LLMs mas perda em SEO tradicional). Diferença sinaliza ajustes específicos.
Limitações e armadilhas
Variabilidade de respostas. A mesma consulta no mesmo motor pode produzir respostas diferentes em momentos diferentes. Sem repetição (3-5x por consulta) ou conjunto grande (50+), o ruído pode mascarar o sinal.
Atualização dos modelos. Modelos são atualizados — nova versão do GPT, mudança de prompt do sistema, integração com busca em tempo real (Perplexity, Gemini com Google, ChatGPT com Bing). Mudança de modelo pode causar salto que não reflete movimento real do mercado.
Conjunto viesado para a própria marca. Consultas escolhidas pelo time interno tendem a refletir o posicionamento da marca. Validar com pessoa externa.
Comparação entre épocas com conjuntos diferentes. Mudar o conjunto a cada ciclo invalida a comparação. Versionar e manter estável.
Ignorar variação entre motores. Reportar uma única participação média entre ChatGPT, Perplexity, Gemini perde informação valiosa. Cada motor tem perfil próprio.
Tratar participação como métrica primária isolada. Participação é diagnóstico, não objetivo final. O que importa é o efeito em conhecimento de marca, tráfego e conversão.
Sinais de que sua empresa precisa medir participação de voz em LLMs
Se três ou mais cenários abaixo descrevem a operação atual, há lacuna importante de inteligência competitiva no novo cenário de busca generativa.
- Não há diagnóstico estruturado de quem aparece citado quando alguém pergunta sobre o seu setor a ChatGPT, Perplexity, Gemini ou Claude.
- O conjunto competitivo monitorado pelo time de marketing cobre só canais tradicionais (busca orgânica, mídia paga, redes sociais) sem incluir LLMs.
- Conselho ou diretoria já perguntou "como estamos em IA" e a resposta foi genérica ou ausente.
- Conteúdo da marca aparece bem em SEO tradicional mas raramente é citado em respostas geradas — sinal de descompasso entre otimização para busca e para modelos.
- A operação investe em GEO/AEO mas não tem como medir se o investimento está produzindo visibilidade.
- Não existe set de consultas padronizado para acompanhamento longitudinal — cada análise é ad-hoc, sem comparação ao longo do tempo.
- Concorrentes diretos estão sendo citados em respostas que deveriam mencionar a marca, mas o time não tem registro estruturado de quando e em quais consultas.
- Decisão de produção de conteúdo é tomada apenas com base em palavras-chave de busca, sem considerar o que os modelos estão citando como referência.
Caminhos para medir participação de voz em LLMs
A decisão entre operar manualmente, automatizar internamente ou contratar ferramenta dedicada depende do tamanho do conjunto de consultas e da frequência de monitoramento.
Analista monta o conjunto de consultas, executa manualmente ou via API, calcula participação em planilha estruturada e apresenta os resultados em cadência fixa. Funciona bem para conjuntos de até 100 consultas com cadência mensal.
- Perfil necessário: analista de SEO, marketing digital ou inteligência competitiva com prática em planilhas e capacidade de definir conjunto representativo
- Quando faz sentido: conjunto de até 100 consultas, cadência mensal, orçamento limitado para ferramenta, time com tempo disponível para execução manual
- Investimento: tempo do time (8-20h por mês) + assinaturas pagas dos LLMs (R$ 200-500 por mês somando ChatGPT Plus, Perplexity Pro, Gemini Advanced, Claude Pro)
Ferramenta dedicada (Profound, Otterly, Goodie e similares) automatiza execução do conjunto de consultas em múltiplos motores, contagem de citações, cálculo de participação e painel executivo. Pode ser complementado por consultoria de GEO/AEO.
- Perfil de fornecedor: SaaS especializado em monitoramento de IA (Profound, Otterly, Goodie), consultoria de SEO com prática de GEO/AEO, agência de marketing digital com pacote de inteligência competitiva
- Quando faz sentido: conjunto acima de 100 consultas, cadência semanal ou diária, necessidade de múltiplos motores, comparação cruzada com competitivo
- Investimento típico: R$ 2.000-30.000 por mês em ferramenta SaaS, dependendo do número de consultas, motores monitorados e marcas no conjunto competitivo
Você está ganhando ou perdendo participação na resposta da IA?
O oHub conecta sua empresa a consultorias de SEO especializadas em GEO/AEO, agências de pesquisa de mercado e consultorias de BI. Em poucos minutos, descreva seu desafio e receba propostas de quem entende o mercado brasileiro.
Encontrar fornecedores de Marketing no oHub
Sem custo, sem compromisso. Você recebe propostas e decide se e com quem avançar.
Perguntas frequentes
O que é participação de voz em IA?
É a fatia de citação de uma marca no total de citações de marcas concorrentes nas respostas geradas por modelos de linguagem (ChatGPT, Perplexity, Gemini, Claude) para um conjunto representativo de consultas do mercado. Mede visibilidade da marca em respostas geradas — uma dimensão nova que complementa participação de busca orgânica, de mídia paga e de menções em redes sociais.
Como medir SoV no ChatGPT?
Em três passos: (1) montar conjunto de 20-150 consultas representativas do mercado (categóricas, comparativas, recomendação, problema-solução); (2) executar cada consulta no ChatGPT (3-5 vezes para estabilidade) e contar citações de cada marca do conjunto competitivo; (3) calcular participação como citações da marca dividido por citações totais. Repetir para outros motores (Perplexity, Gemini, Claude) e analisar por motor.
Participação de voz em LLM é igual à de mídia?
Não. Participação em mídia paga mede a fatia de investimento publicitário. Participação em LLM mede a fatia de citação em respostas geradas — não se compra, depende de presença orgânica, autoridade, dados estruturados e conteúdo proprietário reconhecido pelos modelos. É mais próxima da participação em busca orgânica que da de mídia paga.
Que consultas entram no cálculo?
Quatro tipos: categóricas ("qual o melhor [categoria]"), comparativas ("X vs Y"), de recomendação ("me indique [solução] para [contexto]") e problema-solução ("como resolver [problema]"). Importante: conjunto estável (não muda mês a mês para permitir comparação) e não viesado para o posicionamento da própria marca. Validar com pessoa externa ao time de marketing antes de fechar o conjunto.
Participação por categoria ou geral?
Depende do tamanho da operação. Em pequena empresa, participação geral resolve. Em média empresa, vale quebrar por tipo de consulta (categóricas vs comparativas) para entender em qual situação a marca está bem ou mal posicionada. Em grande empresa, faz sentido quebrar por linha de negócio, categoria de produto e geografia — granularidade alinhada à estrutura organizacional.
Quanto vale 1% de participação em LLM?
Não há equivalência direta em receita. Participação é diagnóstico de visibilidade, não métrica de retorno. O valor financeiro depende de quanto tráfego, conhecimento de marca e influência em decisão de compra a citação gera — varia por setor, ticket médio e ciclo de vendas. Em B2B com ticket alto, ser citado em consultas comparativas tem valor desproporcional. Em B2C de baixo ticket, a relação é mais direta com volume.
Fontes e referências
- Aggarwal et al. GEO: Generative Engine Optimization (Princeton, KDD 2024) — métodos validados para otimização em motores generativos.
- Search Engine Land. Cobertura sobre metodologias de SoV em IA — análises de impacto e padrões competitivos.
- Profound. Plataforma de monitoramento de citações em LLMs — metodologia e documentação pública.
- Otterly. Ferramenta de visibilidade em IA — abordagem técnica e documentação pública.
- Goodie. Plataforma de monitoramento de marca em IA generativa — metodologia e funcionalidades.