A reputação de uma marca em LLMs é o que o modelo consegue dizer sobre ela com apoio em fontes que não são dela: o que ela vende e para quem. Saber se a marca aparece é pouco: o que pesa na compra é o que a resposta diz, quem ela recomenda no lugar e de onde tirou a informação.
Um grupo de energia que atendemos resumiu o problema numa frase que usamos até hoje: “Nós somos visíveis, mas não encontráveis.” Quem digitava o nome da empresa a encontrava. Quem procurava pela categoria encontrava o concorrente.
Nos modelos de IA acontece a mesma coisa, com um agravante. A resposta chega pronta, com dois ou três nomes, e o comprador não vê a lista de quem ficou de fora.
O que é um LLM
LLM é a sigla em inglês para grande modelo de linguagem: um sistema treinado com um volume enorme de textos para entender uma pergunta e escrever a resposta. É a tecnologia por trás dos assistentes de IA que o comprador já usa no trabalho.
| Assistente | Empresa | Onde o comprador encontra |
|---|---|---|
| ChatGPT | OpenAI | No site e no aplicativo do ChatGPT |
| Gemini | No aplicativo Gemini e nas respostas de IA que aparecem no topo da busca do Google | |
| Copilot | Microsoft | No buscador Bing, no Windows e nos programas do Office |
| Claude | Anthropic | No site e no aplicativo do Claude |
| Perplexity | Perplexity | Num buscador que responde em texto e mostra as fontes |
| Meta AI | Meta | Dentro do WhatsApp, do Instagram e do Facebook |
Para quem vende, todos fazem a mesma coisa: recebem a pergunta do comprador e devolvem uma resposta pronta, muitas vezes com nomes de empresas.
O que muda quando o comprador pergunta a uma IA
A IA entra na compra B2B antes da lista de fornecedores, quando o comprador ainda está definindo o problema. Ele pergunta que critério usar para contratar, ou quem atende empresas do porte dele, e a resposta vira a régua com que todos os fornecedores serão julgados depois.
Um modelo de linguagem não consulta um cadastro de empresas. Ele monta a resposta com o que aprendeu e, em muitos casos, com páginas que busca na hora da pergunta. Por isso a mesma pergunta devolve nomes diferentes em modelos diferentes, e a resposta muda com o idioma e com o dia.
Nenhuma empresa controla a resposta, mas dá para cuidar do material que o modelo encontra quando vai procurar.
Por que aparecer na resposta não basta
Aparecer não basta porque a marca pode ser citada pelo motivo errado. Uma empresa conhecida por implantação pode surgir como fornecedora de suporte. Uma consultoria pode ser descrita como agência. A menção existe, e o comprador que a lê procura outra coisa.
É a situação mais comum que encontramos: a empresa é reconhecida por uma coisa e interpretada como outra. Ela está sendo lida errado, e esse erro não aparece num relatório que só conta menções.
Uma leitura de reputação em IA olha três coisas que a contagem de menções esconde:
| O que se lê | O que é | Por que importa |
|---|---|---|
| A descrição da empresa | O que os modelos dizem que ela vende, para quem e em que contexto a citam | Uma descrição errada leva o comprador certo a procurar outra empresa |
| Quem é recomendado no lugar | As empresas que aparecem quando a pergunta é sobre a categoria, e não sobre o nome | É para elas que vai a procura de quem ainda não conhece a empresa |
| As fontes da resposta | As páginas em que o modelo se apoiou: o site, a imprensa, diretórios, páginas de terceiros | Mostram de onde vem o que está sendo dito e, por isso, o que pode mudar |
Nenhuma das três se responde digitando a pergunta num assistente e lendo o que volta. Uma resposta é uma amostra: de um modelo, num dia, para um usuário. A leitura que serve para decidir vem de dados de monitoramento em volume, cruzados com a busca pelo nome da marca e com o que a imprensa e os clientes publicam.
O que faz um modelo citar uma empresa
Um modelo cita uma empresa quando encontra informação que consegue ler, uma descrição que se repete e fontes de fora que a confirmam. Cada uma dessas condições falha de um jeito.
Tecnologia para aparecer. A informação precisa estar em texto, em páginas que o modelo alcança. Numa empresa de tecnologia que acompanhamos, dois domínios da mesma marca disputavam as mesmas buscas. Antes de produzir mais conteúdo, foi preciso decidir qual dos dois era a empresa aos olhos da máquina. Ao longo desse trabalho, as impressões na busca passaram de cerca de 10 mil para cerca de 63 mil por mês em um ano, e a posição média saiu de 60 para 20.
Narrativa para converter. A empresa precisa se descrever do mesmo jeito no site, na fala dos executivos, na imprensa e nos anúncios. Quando cada área usa um nome para a oferta, o modelo junta os pedaços como consegue. “Soluções completas” não dá a ele nada para repetir. “Reduz o prazo de implantação em bancos regulados” dá.
Autoridade para permanecer. O modelo confia mais no que outros dizem da empresa do que no que ela diz de si. Matéria em veículo do setor, artigo assinado, palestra registrada e citação de cliente sustentam a resposta quando o site sozinho não convence.
No grupo de energia da abertura, isso apareceu em número. A cada leva de matérias em portais de referência, a busca pelo nome da marca subiu: 40% num trimestre de 2025 e 30% no seguinte. A imprensa estava sustentando a procura, e o relatório registrava essa procura como acesso direto.
Tudo isso depende das quatro mídias (própria, social, espontânea e paga) dizendo a mesma coisa, o que é raro, porque em geral cada uma tem um fornecedor e um relatório. Cuidar das condições ao mesmo tempo é o que chamamos de engenharia da relevância.
Como saber se a IA está trazendo cliente
Sabe-se que a IA trouxe cliente quando a origem fica registrada na visita, e não só na memória de quem chegou. Um dos nossos clientes chegou em 2024 depois que um modelo de IA citou um case publicado no nosso blog. Sabemos disso porque o registro existe.
Duas providências resolvem a maior parte:
- Conferir se o Analytics separa as visitas vindas de ferramentas de IA, em vez de somá-las ao tráfego direto.
- Perguntar no formulário de contato como a pessoa chegou, com campo aberto.
Sem isso, a empresa pode estar sendo recomendada todos os dias e contabilizando o resultado em outro canal. O que não é medido não é defendido, e o que não é defendido é cortado no próximo orçamento.
O que não fazer
Dois atalhos custam mais do que rendem:
- Publicar páginas feitas para capturar menção. Texto repetitivo e afirmação sem prova envelhecem mal quando o critério do modelo muda, e ele muda. Site bem estruturado também não compensa uma empresa sem posição clara e sem ninguém de fora que a confirme.
- Esperar o cenário estabilizar. As respostas vão continuar variando. O que a empresa publica com autoria, e o que outros publicam sobre ela, segue valendo em qualquer canal que venha depois.
Perguntas frequentes
O que são marcas em LLMs?
É a forma como grandes modelos de linguagem, como os que sustentam os assistentes de IA, descrevem e recomendam empresas nas respostas. Inclui o que o modelo diz, em que contexto cita a marca e que fontes usa.
Dá para garantir que a minha empresa seja citada por uma IA?
Não. As respostas variam por modelo, idioma, pergunta e momento, e desconfiamos de quem promete citação. O que se pode fazer é dar ao modelo informação clara, consistente e confirmada por terceiros.
Qual a diferença entre aparecer na IA e ser recomendado?
Ser mencionado é estar na resposta. Ser recomendado é aparecer como a solução para o problema do comprador, com a descrição certa, e uma empresa pode ter muito do primeiro e pouco do segundo.
SEO ainda importa para aparecer em respostas de IA?
Importa. Muitos modelos buscam páginas na hora de responder, e o que está bem estruturado para buscadores, com autoria e dados claros, também é mais fácil de ler para eles. O site sozinho não basta: a resposta se apoia também no que outras fontes dizem.
Por onde começar?
Medindo. A leitura rápida do Otimindex leva 5 minutos e mostra a nota de 0 a 100 e o mapa das camadas.
