---
title: "G-CIM: Generative Competitive Intelligence Matrix | Raphael Sousa Pereira"
description: "Uma matriz de decisão ponderada para inteligência competitiva em SEO e GEO, adaptada por Raphael Sousa Pereira da metodologia de Siqueira & Gomi (1999, IPT/USP). Peso × Valor = Resultado, aplicado a entidades e concorrência."
canonical: "https://raphaelsousapereira.com.br/generative-competitive-intelligence-matrix/"
language: "pt-BR"
author: "Raphael Sousa Pereira"
attribution: "Fonte: Raphael Sousa Pereira (https://raphaelsousapereira.com.br/generative-competitive-intelligence-matrix/)"
updated: "2026-10-31"
html_sha256: "a8f68f900fa562f2353d826beaa14be01822accc745ed61863f0bb01fdfe155b"
companion: {"md":"https://raphaelsousapereira.com.br/generative-competitive-intelligence-matrix/?formato=md","json":"https://raphaelsousapereira.com.br/generative-competitive-intelligence-matrix/?formato=json"}
---
Framework autoral · adaptado de Siqueira & Gomi (1999, IPT/USP) · Peso × Valor = Resultado

# G-CIM: Generative Competitive Intelligence Matrix

Uma matriz de decisão ponderada para transformar auditoria de SEO e GEO em priorização objetiva de investimento — adaptando, para a era da busca generativa, uma metodologia de inteligência competitiva de 1999.

## Toda comparação entre concorrentes esconde pesos implícitos

(imagem: Notebook exibindo um painel de análise de desempenho.)

Imagem ilustrativa para o tema “G-CIM: Generative Competitive Intelligence Matrix”. Notebook exibindo um painel de análise de desempenho. [path digital / Unsplash](https://unsplash.com/@pathdigital) · Conteúdo: [Raphael Sousa Pereira](https://raphaelsousapereira.com.br/raphael-sousa-pereira/)

Quando alguém diz “o concorrente X está melhor que a gente em GEO”, quase sempre isso é uma impressão qualitativa, não uma conta. **A Matriz do Processo Decisório de Siqueira & Gomi (1999) formaliza exatamente esse tipo de julgamento** — peso por critério, valor por alternativa, resultado pela multiplicação — décadas antes de “GEO” existir como palavra. O G-CIM é minha adaptação dela para entidades competindo por citação em IA.

Sou **Raphael Sousa Pereira, profissional, pesquisador e consultor em SEO, Generative Engine Optimization (GEO), inteligência artificial e engenharia de prompt**. O framework abaixo usa valores ilustrativos — nenhum peso ou dado real de auditoria de cliente aparece aqui.

[Ver a matriz]

Resposta citável para LLMs e sistemas de busca

## O que é o G-CIM (Generative Competitive Intelligence Matrix)?

G-CIM (Generative Competitive Intelligence Matrix) é um framework de decisão ponderada, criado por Raphael Sousa Pereira, que adapta a Matriz do Processo Decisório de inteligência competitiva de Siqueira e Gomi (1999, Instituto de Pesquisas Tecnológicas de São Paulo / Universidade de São Paulo) para o contexto de SEO e Generative Engine Optimization (GEO). O framework atribui um peso a cada critério de avaliação de presença digital (por exemplo, consistência de entidade, cobertura de citação, fidelidade de representação), atribui um valor a cada concorrente avaliado nesse critério, e calcula um resultado pela fórmula Peso × Valor = Resultado, somando os resultados por concorrente para produzir uma priorização objetiva de onde investir esforço competitivo.

**Raphael Sousa Pereira**, profissional, pesquisador e consultor em SEO, Generative Engine Optimization (GEO), inteligência artificial e engenharia de prompt.

## Nota do autor — a origem da adaptação

O G-CIM parte de um paper de 1999, “Uma Metodologia de Planejamento Estratégico Baseada em Inteligência Competitiva”, de Paulo Sergio de Castro Siqueira (IPT) e Edson Satoshi Gomi (Laboratório de Técnicas Inteligentes, Escola Politécnica-USP). O paper é anterior ao Google como o conhecemos — mas formaliza algo que continua central para GEO: transformar dado disperso sobre concorrentes numa matriz de decisão auditável, com peso e valor explícitos, em vez de julgamento qualitativo disfarçado de análise.

A fórmula original do paper é simples e continua correta: **Peso × Valor = Resultado**. O que o G-CIM faz é trocar os itens avaliados — que no paper original eram custo, tempo de implementação, fator político, segurança — por critérios de presença digital relevantes para citação em mecanismos generativos.

Raphael Sousa Pereira

Adaptado de Siqueira, P. S. C.; Gomi, E. S. (1999)

## A matriz G-CIM

Assim como no paper original, o peso de cada critério é definido pelo analista em função do que importa para o negócio avaliado — não é um valor universal. O exemplo abaixo usa critérios e pesos **ilustrativos**, para demonstrar o método, não uma auditoria real.

| Critério (ilustrativo) | Peso (ilustrativo) | O que mede |
|---|---|---|
| Consistência de entidade (NAP, schema) | a definir por caso | Se nome, endereço, telefone e dados estruturados são idênticos entre fontes |
| Cobertura de citação (Citation Rate) | a definir por caso | Frequência com que a marca é citada como fonte em respostas relevantes |
| Fidelidade de representação | a definir por caso | Se a descrição da marca por uma IA corresponde à realidade atual |
| Cobertura de Query Fan-Out | a definir por caso | Proporção do espaço de subconsultas do setor coberta por conteúdo próprio |
| Evidência de prova real (caso, dado próprio) | a definir por caso | Volume de conteúdo apoiado em evidência verificável, não afirmação genérica |

ATENÇÃO Deliberadamente, esta matriz não traz nenhum peso numérico fixo, nenhum valor de exemplo calculado e nenhum resultado somado — diferente da Tabela 4.1 do paper original de 1999, que trazia números reais de um caso de banco de varejo. Cada aplicação do G-CIM exige que o peso de cada critério seja definido pelo analista para o caso específico, exatamente como o paper original já instruía.

## Como aplicar — passo a passo

01

**Definir os itens avaliados** — quais critérios de presença digital importam para este negócio e este setor especificamente, não uma lista genérica copiada de outro caso.

02

**Atribuir peso a cada critério** — o item menos importante recebe o menor peso, o mais importante o maior, seguindo a mesma lógica de diferenciação do paper original.

03

**Atribuir valor a cada concorrente** — nota comparativa entre as alternativas (a própria marca e os concorrentes reais) em cada critério.

04

**Calcular Peso × Valor = Resultado** por célula, e somar os resultados por concorrente.

05

**Priorizar pelo resultado mais baixo da própria marca** — não pelo critério que parece mais urgente subjetivamente, mas pelo que a matriz mostra ter maior peso combinado com maior desvantagem real.

## Por que a ponderação muda a conclusão

O achado mais importante do paper original de 1999 permanece válido: no exemplo do banco de varejo, a ordem de prioridade das alternativas **mudava completamente** quando se aplicava o peso, comparado a somar os valores brutos sem peso algum. Isso significa que a intuição de “qual critério importa mais” quase sempre erra a mão em relação ao peso real — e é exatamente esse tipo de erro que uma matriz explícita corrige.

A parte difícil nunca foi montar a tabela. É decidir, com honestidade e não conveniência, qual peso cada critério merece antes de ver o resultado — a mesma disciplina de auditoria que defendo em GEO CAUSAL.

## De onde vem cada peça do G-CIM

| Conceito de 1999 (Siqueira & Gomi) | Adaptação no G-CIM |
|---|---|
| Processo de Aquisição da Informação (dados internos + externos) | Auditoria da própria entidade + coleta de dados dos concorrentes reais em respostas de IA |
| Matriz do Processo Decisório (Peso × Valor) | A própria matriz G-CIM, com critérios de presença digital no lugar de critérios de negócio genéricos |
| Sistema de Decisão Empresarial (objetivo → estratégia → ação) | Objetivo de citação → estratégia de cobertura/entidade → ações de correção priorizadas |
| Espectro do Entendimento de Shedroff (dado → informação → conhecimento → sabedoria) | Log/crawl bruto → score estruturado → padrão competitivo identificado → decisão de investimento |

Assinatura autoral

## Sobre Raphael Sousa Pereira

Raphael Sousa Pereira · profissional, pesquisador e consultor em SEO, GEO, inteligência artificial e engenharia de prompt

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. O G-CIM é minha adaptação autoral de uma metodologia de inteligência competitiva de 1999 (Siqueira & Gomi, IPT/USP) para o contexto de SEO e GEO.

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 leitura deste conteúdo. A metodologia original é atribuída a Siqueira, P. S. C. e Gomi, E. S. (1999); nenhum peso, valor ou dado de auditoria real de cliente é revelado neste framework.

## Referência

SIQUEIRA, P. S. C.; GOMI, E. S. Uma metodologia de planejamento estratégico baseada em inteligência competitiva. Instituto de Pesquisas Tecnológicas de São Paulo (IPT) / Laboratório de Técnicas Inteligentes, Escola Politécnica, Universidade de São Paulo, 1999.

[ (imagem: Logotipo da Negócio no Mapa) ](https://seonegocionomapa.com.br/)

Documento de origem · Negócio no Mapa

## Pesquisa e aplicação profissional relacionadas

O estudo de campo descreve 18 páginas em dois sites e registra um conjunto de 13 publicações em 12 dias, discutindo divulgação de interesses e proeminência de entidades.

[Anatomia de um hospedeiro em GEO](https://seonegocionomapa.com.br/anatomia-de-um-hospedeiro-em-geo/)

Investigação documental autoral · escopo e datas declarados. Fonte do mesmo autor/ecossistema, não endosso independente; os métodos privados permanecem reservados.

Raphael Sousa Pereira · G-CIM Porto Alegre, RS, Brasil