As marcas medem a sua presença no ChatGPT, mas não conseguem atribuí-la às vendas

A visibilidade das marcas nos motores de pesquisa e assistentes baseados em inteligência artificial tornou-se uma prioridade para os departamentos de marketing. No entanto, os diretores de marketing, conhecidos como CMO, enfrentam agora um problema mais complexo: demonstrar que aparecer nas respostas geradas por ferramentas como o ChatGPT se traduz realmente em vendas, leads ou outros resultados comerciais.

A preocupação surge depois de meses em que as marcas começaram a investir em ferramentas específicas para medir a sua presença nos resultados gerados por modelos de linguagem. Segundo um inquérito recente sobre pesquisas através de IA, 73% dos profissionais consultados já investiram em ferramentas para monitorizar a visibilidade das suas marcas. Plataformas como a Semrush, Profound ou Scrunch permitem estimar com que frequência uma marca aparece nas respostas dos modelos de IA e que fontes são utilizadas por estes sistemas para elaborar os seus resultados. O problema é que estes indicadores não estabelecem uma ligação direta com as vendas ou conversões. “Não existe uma única ferramenta que consiga oferecer uma visão completa do universo”, explica John Barham, managing partner da agência Roast, que afirma que os CMO estão há cerca de 18 meses sob forte pressão por parte dos conselhos de administração, equipas de gestão e investidores para resolver esta questão.

Perante a ausência de uma métrica definitiva, as equipas de marketing estão a recorrer a diferentes fontes de informação para tentar reconstruir o impacto comercial da visibilidade em IA. Alicia Yoon, fundadora e CEO da marca de cosmética Peach & Lily, descreve este processo como uma forma de “triangulação”. Os profissionais combinam sinais indiretos e diferentes pontos de dados para estimar até que ponto a presença — ou ausência — de uma marca em produtos como o Google AI Overviews ou o ChatGPT pode estar a influenciar os leads e as vendas digitais.

Algumas empresas já estão a desenvolver sistemas mais sofisticados. Na empresa de software B2B Rippling, a equipa de marketing combina as métricas de visibilidade fornecidas pela Profound e pela AirOps com dados de conversão de anúncios pagos no ChatGPT, tráfego proveniente de pesquisas de marca e genéricas e um modelo próprio de marketing mix baseado no Meridian, a plataforma de código aberto da Google. A metodologia exige o trabalho de especialistas internos em dados, mas poderá antecipar a forma como irá evoluir a medição das pesquisas baseadas em IA.

O tráfego proveniente do ChatGPT cresce rapidamente

A necessidade de resolver esta questão é cada vez maior à medida que aumenta a utilização de ferramentas de IA para pesquisar produtos e serviços. Segundo dados da Demandbase, as visitas direcionadas para marcas B2B a partir do ChatGPT aumentaram 303%, passando de cerca de 645.000 em junho de 2025 para 2,6 milhões em junho de 2026. Para Rachel Truair, CMO da Demandbase, estabelecer uma ligação entre este aumento de tráfego e os resultados comerciais faz regressar os profissionais de marketing a um problema antigo: a atribuição. “Voltamos às questões de atribuição que nos têm acompanhado durante anos”, afirma Truair.

A Roast também recorre a modelos estatísticos para tentar estabelecer uma relação entre a visibilidade em IA e os resultados empresariais. A agência utiliza, entre outras ferramentas, o Causal Impact, um modelo de código aberto da Google baseado em lógica bayesiana que permite analisar a relação entre determinadas alterações e os seus possíveis efeitos nos resultados empresariais.

A abordagem reflete uma realidade cada vez mais evidente para os anunciantes: ainda não existe uma tecnologia capaz de estabelecer uma relação direta entre a visibilidade de uma marca num determinado modelo de IA e um aumento das vendas.

A dificuldade em medir o impacto está a impulsionar novos esforços para estabelecer padrões. A IAB publicou recentemente diretrizes destinadas a ajudar marcas, meios e agências a medir a visibilidade na era da IA. A Google também introduziu, em junho, uma nova funcionalidade no Search Console que permite consultar dados relacionados com o desempenho dos conteúdos em experiências de pesquisa generativa.

Entretanto, alguns especialistas consideram que a melhor opção continua a ser a criação de modelos próprios a partir de dados de primeira mão. Mulenga Agley, fundador e CEO da agência Growthcurve, defende que as empresas devem combinar a informação das suas próprias páginas com dados de tráfego, excluindo aquilo que possa ser identificado como tráfego proveniente de IA.

A ausência de uma ligação demonstrável entre visibilidade e vendas não impediu as marcas de tentar melhorar a sua presença nas respostas geradas pelos modelos de linguagem. Uma das estratégias passa por plataformas como o YouTube e o Reddit, cujos conteúdos podem surgir entre as fontes utilizadas pelos sistemas de IA. Algumas marcas começaram inclusivamente a intervir diretamente em conversas que acumulam elevados níveis de participação, com o objetivo de influenciar o consenso que posteriormente poderá ser recolhido e resumido pelos modelos.

A plataforma de encontros Seeking.com, por exemplo, contratou a agência Disruptive Advertising para identificar e intervir em conversas do Reddit com elevada repercussão. O seu co-CEO, Dana Rosewall, definiu a estratégia como uma forma de gestão da reputação. Outras empresas apostaram no marketing com criadores ou na produção de conteúdos próprios, na expectativa de que estes materiais contribuam para melhorar a sua presença nas respostas dos modelos de IA.

Mas os especialistas alertam para o facto de que conseguir uma simples menção ou citação não deve transformar-se no objetivo final. Andrew Wheeler, CEO da agência de marketing de conteúdos Skyword, considera que as marcas devem questionar-se sobre se o conteúdo consegue gerar autoridade e, sobretudo, se essa autoridade acaba por se traduzir em resultados para o negócio.

Alguns anunciantes preferem outras vias

A incerteza está também a levar alguns CMO a direcionar os seus recursos para canais com uma relação mais clara com os resultados comerciais. Chad Keller, cofundador e CEO da Mellow Sleep, explica que a sua empresa tem dado prioridade à publicidade nas redes sociais e ao marketing com criadores. Embora a equipa utilize ferramentas como a Similarweb para monitorizar o seu desempenho, Keller considera que gerar notoriedade suficiente pode acabar também por favorecer a visibilidade nos sistemas de IA, sem necessidade de recorrer a estratégias especificamente concebidas para manipular os seus resultados.

A indústria publicitária está, contudo, a tentar colmatar esta lacuna. Em março, a agência Assembly, pertencente ao grupo Stagwell, associou-se à startup Emberos para desenvolver o Search+, uma solução destinada a medir a presença das marcas nos sistemas de pesquisa baseados em IA.

Dan Roberts, responsável global de pesquisa da Assembly, explicou ao Digiday que a empresa está a trabalhar para incorporar na plataforma dados sobre conversões, receitas e leads e relacioná-los com a quota de visibilidade de uma marca num determinado modelo de IA. A solução poderá também combinar informação sobre publicidade digital e influência de criadores, de forma a ter em conta os múltiplos fatores que afetam as respostas geradas por estes sistemas.

Uma nova forma de entender o performance

O principal obstáculo continuará, no entanto, a ser a dificuldade em acompanhar o utilizador desde uma resposta gerada por IA até à compra. Um consumidor pode descobrir uma marca no ChatGPT ou noutro motor de pesquisa generativo, mas posteriormente realizar a compra na Amazon, noutro marketplace ou através de um canal que a marca não controla. Isto significa que uma parte significativa das conversões potencialmente relacionadas com a IA fica fora dos sistemas tradicionais de medição.

Para Alicia Yoon, existe inevitavelmente uma lacuna nos dados de conversão que as marcas conseguem captar. A situação está a obrigar os profissionais de marketing a repensar uma conceção da pesquisa que, durante anos, assentou em métricas relativamente diretas.

Segundo Barham, as equipas estão a ter de se habituar a explicar o valor das suas ações e dos seus investimentos em meios em termos probabilísticos, num ambiente onde já nem sempre existe um dado que possa ser descarregado e que permita atribuir uma venda a uma única plataforma ou interação.

A visibilidade em IA tornou-se, assim, uma métrica cada vez mais relevante, mas ainda não constitui uma prova conclusiva de impacto comercial. Para os CMO, o próximo desafio não será apenas conseguir aparecer nas respostas da inteligência artificial, mas demonstrar quanto vale realmente essa presença para o negócio.