IAB propõe novas métricas para medir a visibilidade das marcas nas pesquisas com IA

O IAB publicou novas recomendações para ajudar marcas e meios de comunicação a medir a sua visibilidade nos resultados de pesquisa gerados por inteligência artificial, uma área em rápida evolução onde continuam a existir desafios significativos na definição de métricas comparáveis e consistentes.

O documento, intitulado Measuring Visibility in the AI Era, reúne um conjunto de orientações, recomendações e dados que as empresas devem considerar para analisar de que forma as suas marcas e conteúdos aparecem nas respostas de ferramentas de pesquisa baseadas em IA.

O IAB esclarece, no entanto, que estas recomendações não constituem um standard oficial. Caroline Giegerich, vice-presidente de IA da organização, explica ao AdExchanger que ainda não existem condições para estabelecer uma metodologia estável, devido à transformação que o mercado atravessa e à variabilidade das respostas geradas pelos modelos de inteligência artificial. A organização também optou por não apresentar a proposta como um novo framework, precisamente para evitar aumentar o número de modelos de medição já existentes num mercado onde proliferam metodologias e ferramentas de otimização para pesquisa generativa.

As ‘4P’ da visibilidade em IA

O núcleo das recomendações do IAB assenta em quatro dimensões que permitem analisar diferentes aspetos da presença de uma marca ou de um meio nas respostas geradas por IA: Presence, Prominence, Portrayal e Persuasion.

A primeira, Presence (presença), mede a frequência com que uma marca aparece nas pesquisas realizadas nos sistemas de IA ou, no caso dos meios de comunicação, quantas vezes os seus conteúdos são citados como fontes.

A segunda, Prominence (proeminência), analisa a posição ocupada pela marca ou pelo conteúdo dentro da resposta e o grau de relevância que lhe é atribuído pelo sistema. Não é o mesmo aparecer em destaque como recomendação ou surgir numa lista juntamente com dezenas de alternativas.

A terceira dimensão, Portrayal (representação), centra-se na forma como uma marca ou meio é apresentado. Inclui aspetos como o tom, o sentimento e, sobretudo, a precisão da informação. O IAB distingue entre as chamadas alucinações dos modelos e as incorreções resultantes de dados desatualizados ou pouco representativos.

Esta questão representa um dos principais riscos para as marcas. Apesar de a evolução dos grandes modelos ter reduzido a frequência de determinadas respostas incorretas, uma informação factual desatualizada ou errada pode afetar diretamente a perceção que os consumidores têm de uma empresa.

O quarto elemento, Persuasion (persuasão), mede a capacidade de uma recomendação ou menção numa resposta de IA gerar uma ação posterior, como uma visita ao website. Entre os indicadores possíveis está a taxa de cliques após uma citação.

Esta métrica assume particular relevância para os meios de comunicação, que enfrentam uma pressão crescente sobre o tráfego proveniente dos motores de pesquisa, à medida que ferramentas de resposta generativa e novas funcionalidades de pesquisa com IA disponibilizam ao utilizador informação cada vez mais completa sem que este tenha necessariamente de visitar a fonte original.

O volume de pesquisas ganha importância

O IAB distingue também entre medições de natureza direcional e aquelas consideradas decision-grade, ou seja, suficientemente robustas para apoiar decisões de investimento.

As primeiras podem ajudar a obter indicações sobre a forma como uma marca aparece nos resultados de IA, mas apresentam limitações importantes. Por exemplo, realizar algumas dezenas de pesquisas e verificar se uma marca aparece permite obter uma orientação inicial, mas não fornece informação suficiente para retirar conclusões sólidas sobre uma categoria.

As recomendações estabelecem que menos de 50 pesquisas devem ser consideradas um exercício exploratório e não permitem caracterizar de forma significativa uma categoria. Para apoiar decisões relacionadas com a alocação de investimento, o IAB recomenda medições baseadas num volume superior de pesquisas, realizadas em diferentes plataformas e sujeitas a processos de validação mais rigorosos.

A razão está na própria natureza dos sistemas de IA. Ao contrário dos resultados tradicionais dos motores de pesquisa, as respostas geradas podem variar perante a mesma consulta. Analisar apenas um número reduzido de prompts pode, por isso, oferecer uma visão parcial da verdadeira visibilidade de uma marca.

A importância de diversificar os prompts

O IAB recomenda também analisar diferentes tipos de pesquisas para compreender como a presença de uma marca varia consoante a intenção do utilizador.

Uma pesquisa genérica como “melhores sapatilhas” pode produzir resultados muito diferentes de uma consulta mais específica como “melhores sapatilhas para correr”. Analisar múltiplas variantes permite identificar em que contextos uma marca aparece e onde existem oportunidades para reforçar a sua presença.

Esta análise pode assumir particular importância quando surgem novas tendências de consumo ou aumenta o interesse por determinadas categorias. As marcas podem utilizar estes dados para identificar novas oportunidades e adaptar as suas estratégias de conteúdo e posicionamento.

As recomendações do IAB surgem num momento em que proliferam as ferramentas de AEO (Answer Engine Optimization) e GEO (Generative Engine Optimization), destinadas a melhorar a presença das marcas nas respostas geradas por inteligência artificial.

No entanto, a organização não recomenda nenhum fornecedor ou ferramenta específica. O objetivo é estabelecer uma referência neutra que permita a anunciantes e publishers avaliar os seus resultados independentemente da plataforma utilizada.

A falta de estabilidade dos sistemas de IA dificulta, por enquanto, a criação de um standard definitivo. A variabilidade das respostas, a evolução constante dos modelos e a diversidade de plataformas fazem com que a medição da visibilidade em IA continue a ser um território em construção.

Neste contexto, as recomendações do IAB procuram oferecer um ponto de partida para que marcas e publishers deixem de avaliar de forma meramente pontual se aparecem ou não nas respostas generativas e passem a analisar de forma estruturada com que frequência aparecem, que posição ocupam, como são representados e se essa visibilidade gera tráfego ou ações posteriores.