Série Reengenharia Semântica · Negócio no Mapa · 2026
MÉTRICAS DE GEO: a arquitetura de mensuração de 7 níveis
Publicado em · Atualizado em
De “apareci no ChatGPT” a sistema mensurável — visibilidade, recuperação, citação, atribuição, fidelidade, recomendação e resultado de negócio, numa única arquitetura.
Uma métrica sozinha nunca prova nada
“Apareci no ChatGPT” não é uma métrica — é um evento anedótico. Entre a existência de uma marca e o resultado de negócio que uma IA influencia, existem sete elos distintos, e cada um pode quebrar sem que os outros percebam. Uma marca pode ser perfeitamente visível e nunca ser recuperada; pode ser citada e nunca corretamente atribuída; pode ser recomendada e ainda assim não gerar nenhum resultado mensurável.
Sou Raphael Sousa Pereira, profissional, pesquisador e consultor em SEO, Generative Engine Optimization (GEO), inteligência artificial e engenharia de prompt. Este livro formaliza a arquitetura de mensuração que sustenta, de forma implícita, tanto o Generative Share of Voice quanto GEO CAUSAL — agora como um sistema único, nível por nível.
Quais são os níveis de mensuração de uma estratégia de GEO?
Uma arquitetura completa de mensuração de Generative Engine Optimization (GEO) tem sete níveis: Visibility (a marca aparece?), Retrieval (a página é recuperada pelo sistema?), Citation (a página é citada na resposta?), Attribution (a informação é atribuída corretamente à fonte?), Fidelity (a IA representa a informação com precisão?), Recommendation (a IA recomenda a entidade como solução?) e Business Outcome (isso gera visita, lead, venda, menção, autoridade ou redução de CAC?). Tratar qualquer um desses níveis isoladamente como prova de sucesso — especialmente o primeiro — é o erro mais comum do mercado de GEO em 2026.
Nota do Autor
Depois de formalizar como provar causa (GEO CAUSAL), como medir participação competitiva (Generative Share of Voice) e como mapear o espaço de descoberta (Mapa de Cobertura), faltava uma peça: uma arquitetura única que mostrasse onde, exatamente, cada uma dessas disciplinas se encaixa na jornada entre a existência de uma marca e o resultado de negócio que uma IA influencia.
Este livro é essa peça. Os sete níveis não são um funil no sentido de conversão decrescente simples — são sete perguntas de auditoria distintas, cada uma com seu próprio método de medição, sua própria taxa de falha, e sua própria disciplina de correção. Uma marca pode estar perfeita no Nível 1 e completamente ausente no Nível 5, e nenhum relatório de “presença em IA” que meça só um nível vai revelar isso.
Raphael Sousa Pereira
Porto Alegre, 2026
O Problema da Métrica Única
Por que “apareci no ChatGPT” não é um sistema de mensuração
Por Que Uma Métrica Sozinha Não Prova Nada
O relatório típico de GEO em 2026 mede um único ponto — normalmente Visibility ou Citation — e generaliza esse ponto como prova de que “a estratégia está funcionando”. Isso ignora que existem sete elos distintos entre a existência de uma marca e o resultado de negócio, e que cada um deles tem seu próprio modo de falha, independente dos demais.
| Nível | Pergunta de auditoria |
|---|---|
| 1 — Visibility | A marca aparece? |
| 2 — Retrieval | A página é recuperada? |
| 3 — Citation | A página é citada? |
| 4 — Attribution | A informação é atribuída corretamente? |
| 5 — Fidelity | A IA representa corretamente a informação? |
| 6 — Recommendation | A IA recomenda a entidade? |
| 7 — Business Outcome | Isso gera visita, lead, venda, menção, autoridade, redução de CAC? |
Antes de aceitar qualquer relatório de GEO
Qual nível exatamente foi medido — e os outros seis foram sequer mencionados?
O relatório assume que um nível alto implica os níveis seguintes também altos, sem medir?
A Camada de Descoberta
Antes de qualquer citação, a marca precisa aparecer e ser recuperada
Nível 1 — Visibility: A Marca Aparece?
Visibility é o nível mais básico e mais superestimado da arquitetura: mede apenas se o nome da marca aparece em algum lugar de uma resposta de IA, sem qualificar contexto, tom ou função. É o denominador mais amplo — e o mais fácil de confundir com sucesso.
Medir Visibility corretamente exige repetição (múltiplas execuções da mesma consulta), diversidade de formulação (paráfrases da mesma pergunta) e diversidade de modelo — uma única execução num único modelo é anedota, não medição, o mesmo princípio de reprodutibilidade central em GEO CAUSAL.
Auditoria mínima deste nível
A marca apareceu em pelo menos 10 execuções da mesma família de consultas, não apenas uma?
A aparição se repete em mais de um modelo, ou é exclusiva de um único sistema?
Nível 2 — Retrieval: A Página É Recuperada?
Retrieval mede se o sistema de busca do modelo (retrieval em sentido técnico — indexação, RAG, busca vetorial) sequer localiza e recupera a página como candidata, antes de qualquer decisão de citação. Uma página pode ser tecnicamente perfeita e ainda assim nunca ser recuperada, porque nunca cobre a subconsulta específica que uma pergunta complexa gera — o problema central descrito em Mapa de Cobertura.
A pergunta forense correta neste nível não é “por que não fui citado” — é “a IA sequer teve acesso a esta página?”. Confundir os dois leva a corrigir conteúdo quando o problema real é crawlability, indexação ou ausência de cobertura para a subconsulta certa.
Auditoria mínima deste nível
A página está indexável e rastreável pelos crawlers de IA relevantes (GPTBot, PerplexityBot, ClaudeBot)?
Existe cobertura de conteúdo para a subconsulta específica que a pergunta do usuário provavelmente gera?
A Camada de Citação
Ser recuperado não é ser citado; ser citado não é ser representado com precisão
Nível 3 — Citation: A Página É Citada?
Citation mede se, entre as páginas recuperadas, a do candidato é de fato selecionada e referenciada na resposta final — com ou sem atribuição explícita de URL. É o primeiro nível em que “estar no jogo” (Retrieval) se converte em “ser escolhido”.
Citation Rate — a proporção de respostas relevantes onde a marca é citada como fonte — é a métrica formal deste nível, já detalhada em Generative Share of Voice. Uma queda em Citation Rate sem queda em Visibility é o sinal mais claro de que o problema está na qualidade e estrutura do conteúdo recuperado, não na descoberta.
Auditoria mínima deste nível
Qual a Citation Rate da marca no cluster de consultas mais relevante para o negócio?
A citação inclui URL ou é apenas menção textual sem link rastreável?
Nível 4 — Attribution: A Informação É Atribuída Corretamente?
Attribution vai além de “a marca foi citada” — verifica se a afirmação específica atribuída à marca de fato corresponde ao que a fonte original diz. Uma citação pode existir e ainda assim estar mal atribuída: a URL certa, associada a um claim que o documento nunca fez.
Auditoria mínima deste nível
A afirmação específica atribuída à marca está de fato presente na página citada?
Nível 5 — Fidelity: A IA Representa Corretamente a Informação?
Fidelity é mais amplo que Attribution: mede se a representação geral da marca na resposta — atributos, categoria, posicionamento, tom — é factualmente precisa, mesmo quando nenhuma citação específica está tecnicamente errada. Uma marca pode ser corretamente citada em cada claim individual e, ainda assim, sair da resposta com uma impressão geral distorcida — desatualizada, incompleta ou mal posicionada frente a concorrentes.
Entity Accuracy — a proporção de menções em que os atributos da marca são descritos corretamente — é a métrica formal deste nível. Quedas aqui costumam indicar entity drift: informação desatualizada em alguma fonte que o modelo ainda trata como válida.
Auditoria mínima deste nível
Pergunte a uma IA para descrever a marca do zero — a descrição bate com a realidade atual da empresa?
Existe alguma fonte desatualizada que ainda alimenta a representação do modelo?
A fidelidade também é visual: uma resposta que acerta o nome e mostra o rosto de outra pessoa falha no Nível 5. A correção dessa falha está em Foto Certa na IA.
A Camada de Decisão
Da representação correta à recomendação — e da recomendação ao resultado
Nível 6 — Recommendation: A IA Recomenda a Entidade?
Recommendation é o nível de maior valor comercial direto: mede se a IA recomenda explicitamente a entidade como solução adequada para a necessidade do usuário, não apenas a menciona ou a cita como fonte de informação. É possível ter Fidelity alta — a marca é descrita com precisão — e Recommendation baixa, se o modelo não considerar a marca uma resposta adequada à intenção específica da pergunta.
Recommendation Share pode ser segmentado por tipo: recomendação direta, presença em shortlist, ranking explícito e recomendação comparativa (superioridade explícita frente a um concorrente nomeado) — cada um com peso e implicação estratégica diferentes.
Auditoria mínima deste nível
Em consultas transacionais reais do setor, a marca aparece como recomendação, ou só como informação de fundo?
Quando comparada nominalmente a um concorrente, o modelo declara alguma superioridade específica?
Nível 7 — Business Outcome: Isso Gera Resultado?
O último nível é o único que realmente importa para quem paga a conta — e o mais frequentemente pulado em relatórios de GEO. Business Outcome pergunta se toda a cadeia anterior (Visibility → Retrieval → Citation → Attribution → Fidelity → Recommendation) efetivamente produz algum dos seis resultados que uma empresa reconhece como valor real.
| Resultado | Como conectar à cadeia generativa |
|---|---|
| Visita | Tráfego de referência com origem identificável em resposta de IA — via UTM em links citados |
| Lead | Formulário preenchido por usuário que chegou via recomendação de IA |
| Venda | Conversão atribuída a sessão com origem em citação ou recomendação de IA |
| Menção | Volume de queries de marca após exposição — o usuário que ouviu da IA pesquisa o nome depois |
| Autoridade | Aumento de Citation Share e Fidelity ao longo do tempo, não um evento único |
| Redução de CAC | Menor custo de aquisição em canais influenciados por IA frente a canais pagos tradicionais |
Prática
Integrando os sete níveis e auditando onde a cadeia quebra
Integrando os Sete Níveis: Onde a Cadeia Quebra
Cada par de níveis adjacentes tem um padrão de quebra característico, e diagnosticar corretamente exige saber qual par examinar primeiro.
| Padrão observado | Onde a cadeia provavelmente quebrou |
|---|---|
| Alto Visibility, baixo Retrieval mensurável | A marca é conhecida do modelo por conhecimento geral, mas o conteúdo atual não é recuperado — corpus desatualizado ou mal indexado |
| Alto Retrieval, baixo Citation | A página é encontrada mas perde para concorrentes na seleção — problema de estrutura ou densidade de evidência |
| Alto Citation, baixo Attribution/Fidelity | A marca é citada, mas com erro factual — sinal de contaminação por fonte desatualizada ou incorreta |
| Alta Fidelity, baixo Recommendation | O modelo descreve a marca com precisão, mas não a considera adequada à intenção — problema de posicionamento, não de exatidão |
| Alto Recommendation, zero Business Outcome mensurável | A cadeia funciona, mas não há instrumentação (UTM, atribuição) para provar — o problema é de medição, não de GEO |
O nível mais alto que uma marca alcança não é o que define sua maturidade em GEO — é o nível mais baixo em que a cadeia efetivamente quebra.
Como Auditar Cada Nível na Prática
Um protocolo de auditoria completo percorre os sete níveis em ordem, documentando evidência para cada um antes de avançar — nunca assumindo um nível a partir do anterior.
Visibility — rodar 10+ execuções de consultas relevantes, em 3+ modelos, registrando toda menção da marca.
Retrieval — verificar indexação, crawlability para bots de IA, e cobertura de subconsultas via mapa de Query Fan-Out.
Citation — calcular Citation Rate no cluster de consultas prioritário, com e sem URL explícita.
Attribution — checar, claim a claim, se a afirmação atribuída está de fato na fonte citada.
Fidelity — pedir a uma IA para descrever a marca do zero e comparar com a realidade atual.
Recommendation — medir Recommendation Share segmentado por tipo em consultas transacionais reais.
Business Outcome — confirmar instrumentação de UTM e atribuição antes de declarar qualquer resultado financeiro.
Da etapa à causa: o que os sete níveis não provam sozinhos
Os sete níveis mostram em que etapa a cadeia quebra. Eles não explicam, sozinhos, por que ela quebrou. Uma resposta final de IA não revela o caminho interno de recuperação, e a mesma ausência pode ter causas diferentes. Antes de corrigir, é preciso separar as hipóteses.
| Hipótese de falha | Nível | O que observar | Teste que separa a hipótese |
|---|---|---|---|
| A página não foi recuperada | 2 · Retrieval | A página não aparece entre as fontes em nenhuma das execuções repetidas | Verificar acesso de rastreadores e indexação; repetir a consulta depois de corrigir o acesso |
| Foi recuperada, mas perdeu no reranking | 2 → 3 | A página aparece em consultas vizinhas, mas não na resposta desta | Variar a formulação mantendo a intenção; comparar com a passagem concorrente que foi citada |
| A entidade foi reconhecida, mas não associada à necessidade | 6 · Recommendation | A marca aparece em perguntas de marca e some em perguntas de serviço ou de problema | Comparar a mesma entidade em perguntas de marca, categoria e problema |
| A evidência foi considerada insuficiente ou desatualizada | 3 a 5 | A resposta usa dado antigo ou prefere uma fonte de terceiro | Publicar o dado com data, escopo e fonte; medir antes e depois |
| A resposta foi montada com outras fontes | 4 · Attribution | O que é seu aparece atribuído a outra fonte | Rastrear a origem da afirmação citada até a primeira publicação |
Desenho mínimo para afirmar causa
- Linha de base com repetições: a mesma consulta, no mesmo canal e na mesma coordenada, executada várias vezes (protocolo CC-GEO), registrando a taxa de aparição em vez de um sim ou não.
- Intervenção e comparação: alterar um grupo de páginas e manter outro grupo equivalente sem alteração.
- Janela definida: medir os dois grupos depois de um prazo fixado antes do teste.
- Ameaças declaradas: registrar o que não foi controlado, como atualização de modelo e mudanças nos concorrentes.
Sem grupo de comparação, uma melhora depois de uma intervenção é correlação, não efeito.
Proveniência: quatro perguntas por afirmação
Nos níveis de Attribution e Fidelity, cada afirmação é registrada em quatro dimensões: origem (de onde veio), evidência (qual dado a sustenta), autoridade (por que a fonte é competente para afirmá-la) e validade (escopo e data em que continua correta). Duas fontes confiáveis podem discordar porque usam definições, períodos ou populações diferentes; por isso o registro guarda a condição de validade, e não apenas quem disse.
Conclusão
GEO deixa de ser “apareci no ChatGPT” no momento em que uma marca consegue responder, com evidência específica, em qual dos sete níveis está hoje — e em qual está falhando. Não existe atalho: uma métrica de topo (Visibility) nunca substitui a instrumentação dos seis níveis seguintes, e um resultado de negócio (Nível 7) sem rastreabilidade até os níveis anteriores não ensina nada sobre o que fazer a seguir.
| “Isso transforma GEO de ‘apareci no ChatGPT’ em um sistema mensurável.” |
Assinatura autoral
Sobre Raphael Sousa Pereira
Sou CEO e fundador da Negócio no Mapa, agência de inteligência de dados e marketing digital de Porto Alegre/RS, e pesquisador independente em Generative Engine Optimization (GEO), autor de GEO CAUSAL, Mapa de Cobertura e Generative Share of Voice. Este livro integra os três numa única arquitetura de mensuração.
Declaração de interesse: atuo profissionalmente com SEO, GEO e presença digital por meio de atividade comercial relacionada a esses campos. Essa relação constitui interesse relevante e deve ser considerada na interpretação dos métodos apresentados nesta obra.
Documento de origem · Negócio no Mapa
Pesquisa e aplicação profissional relacionadas
A análise crítica publicada pela Negócio no Mapa reúne oito capítulos e 28 referências sobre variabilidade, opacidade e limites de indicadores GEO. É a análise do próprio autor, não validação externa do seu índice.
A validade das métricas de GEO
Síntese crítica de literatura · autoria declarada. Fonte do mesmo autor/ecossistema, não endosso independente; os métodos privados permanecem reservados.