Uma menção é quase uma propriedade fixa da marca, do Prompt e do mecanismo
A maioria dos painéis de visibilidade em IA destaca um número, a parcela de respostas que mencionam você. Ele vira print em apresentações para o conselho e é nele que as pessoas colocam alertas. É também a parte da resposta que menos se mexe.
Um artigo publicado em junho de 2026 por Pratyush Kumar, da Ranqo, dá um tamanho a isso. A Ranqo vende ferramentas de GEO e está reportando os próprios dados de produção, o que importa para o peso que você dá a ele. O grupo tem 102 marcas em cinco mecanismos, de março a maio de 2026, mais de 100.000 respostas a Prompts.
Para cada célula de marca, Prompt e plataforma monitorada por pelo menos três execuções em Prompts de categoria sem nome de marca, o padrão de menção ficou assim: nunca mencionada 63,2%, sempre mencionada 14,3%, mencionada em pelo menos 70% das execuções 7,0%, mencionada em menos de 30% 8,7%. Só 6,8% ficaram no meio volátil de 30% a 70%, o que deixa 77,5% das células estritamente sempre ou nunca.
Se um mecanismo menciona você numa pergunta de categoria está mais perto de ser um fato sobre você do que um cara ou coroa. Para a maioria das marcas desse grupo, o fato era não.
45,5% das células com menção viraram entre positivo e negativo
Agora mantenha as células paradas e mude a pergunta. Em vez de perguntar se a resposta mencionou você, pergunte o que ela disse. Kumar filtrou as células com pelo menos três menções e classificou o sentimento de cada execução.
- Sempre positivo: 29,9%
- Mistura de positivo e neutro: 21,8%
- Sempre neutro: 2,3%
- Mistura de negativo e neutro: 0,5%
- Sempre negativo: 0,0%
- Virando entre positivo e negativo: 45,5%
O sinal estável é o que todo mundo reporta
45,5% contra 6,8% é de onde vêm as 6,7 vezes. Mesmas células, mesmas execuções. O número no painel é o estável, e o número que ninguém reporta oscila em quase metade das células que têm algo a mostrar.
Há uma descoberta mais discreta nessa tabela de que gostamos mais que da manchete. Nenhuma célula foi consistentemente negativa. Zero. Os mecanismos aqui nunca se fixaram numa leitura negativa de uma marca monitorada, e a negatividade, quando apareceu, passou. Se alguém está vendendo gestão de reputação em IA com a teoria de que os modelos se voltaram contra você, vale guardar essa linha.
Mencionado e não recomendado agora é um modo de falha com nome
Outro grupo chegou à mesma lacuna pelo outro lado. Will Jack, Noah Lehman, Keller Maloney e Sarah Xu, da Unusual, auditaram cerca de 37.000 execuções em produção sobre 215 Prompts com enquadramento comercial em 19 setores, contra um catálogo de 533 marcas dividido em cinco níveis de proeminência. A Unusual também vende neste mercado.
Eles dividiram o problema em três etapas. O modelo precisa buscar uma página que cite você, levar você do conjunto buscado para o texto da resposta e então endossar você no conjunto de recomendações, em vez de listar você como a opção que ele deixou de lado.
As líderes de categoria apareceram em quase todas as buscas relevantes e ganharam de 25% a 41% das vagas que alcançaram. Estar na sala estava resolvido para elas. Ser escolhida, não. Mais abaixo na escada a situação se inverte, e de 48% a 52% das menores marcas nunca apareceram em nenhuma das 37.000 execuções.
Num artigo complementar, a mesma equipe pegou 7.763 casos em que nem o ChatGPT nem o Claude recomendaram uma marca e classificou cada um numa dessas três falhas: nunca chegou ao modelo, chegou e não foi mencionada, foi mencionada e não foi recomendada. Os dois fornecedores deram o mesmo diagnóstico em 95,1% das vezes, com intervalo de 95% por clusters de 94,3% a 95,7%. A concordância subiu à medida que as marcas ficavam menores, de 81% nas líderes de categoria para 99,6% nas marcas regionais de cauda longa. As escolhas divergem entre fornecedores. O motivo pelo qual você perdeu, em geral, não.
Um número de sentimento precisa de um denominador muito maior que um número de menção
A consequência prática é aritmética. A regra de operação do próprio Kumar é que taxas de menção precisam de pelo menos três execuções, e pontuações ponderadas por sentimento precisam de pelo menos dez Prompts por plataforma por marca antes de se estabilizarem. Sentimento reportado a partir de um punhado de verificações está reportando a sorte do coletor.
É por isso que toda porcentagem de visibilidade que publicamos traz um intervalo de Wilson, e por isso nossos alertas disparam pelo intervalo em vez da estimativa pontual. Rode uma série de sentimento com a mesma profundidade de uma série de menções e ela vai disparar um alerta umas sete vezes mais, e quase todos esses alertas serão ruído.
- Mantenha menção e enquadramento como séries separadas, com tamanhos de amostra separados. Um único número de manchete tira a média de uma coisa estável com uma volátil.
- Quando perder, pergunte qual das três falhas foi. A correção para nunca ser buscado não tem nada em comum com a correção para ficar em segundo lugar.
- Por mecanismo. As escolhas entre fornecedores discordaram em cerca de dois terços das vezes nos dados da Unusual.
- Defina o limite de alerta a partir do intervalo, para que uma oscilação em nove amostras não acione ninguém.
O que fazemos a respeito
O Proofsource acompanha sentimento e posicionamento ao lado do acompanhamento de Prompts e do share of voice dos concorrentes, pontua cada número de visibilidade com um intervalo de Wilson e condiciona os alertas a esse intervalo. Quando você é mencionado e deixado de lado, o trabalho do relatório é dizer por que o outro venceu, com as evidências anexadas.
Nossa própria amostragem é menor e aponta para um lugar um pouco diferente. Na única categoria que testamos, medimos de 9% a 27% de rotatividade diária, por mecanismo, nos nomes que aparecem, mais movimento do que uma taxa de virada de 6,8% sugere. Grupo diferente, definição diferente de execução, e não vamos fingir que os dois se conciliam perfeitamente.
A parte que defenderíamos de qualquer jeito é a instrução que vem depois. Pare de ler uma contagem de menções como resultado. Ela é a condição de entrada.
Onde isto pode estar errado
Os dois grupos vendem ferramentas neste mercado e os dois estão publicando os próprios dados de produção. Isso não desqualifica, e estamos na mesma posição quando publicamos os nossos. Nenhum dos dois é uma auditoria independente, então não os leia como uma.
Kumar aponta ele mesmo o maior limite. O sentimento é classificado por um modelo sobre os trechos que mencionam a marca, então os 45,5% misturam variação real nas respostas com ruído do classificador, e o artigo não separa os dois. Trate as 6,7 vezes como um teto de quão instável é o enquadramento, não como uma medição dele.
Esse grupo é uma amostra de conveniência e pende para SaaS, execução no varejo, fintech e marcas que vendem direto ao consumidor. O grupo de nível 1 tem 11 marcas, e o artigo sinaliza as próprias células pequenas.
Os rótulos de modo de falha da Unusual também são atribuídos por modelo, e a escada de proeminência deles é codificada à mão a partir de sinais públicos. Ela aproxima o quanto uma marca é conhecida, não o tamanho dela.
Os períodos são de março a maio de 2026 e maio de 2026. Os mecanismos mudam o tempo todo, então fique com o formato e não se apegue às casas decimais.
Zero células consistentemente negativas é uma afirmação sobre marcas monitoradas em Prompts de categoria num grupo. Não é uma afirmação de que os modelos nunca falam mal de ninguém.
