Concorrentes-sombra: como encontrar quem ocupa o seu espaço nas respostas de IA

Um concorrente-sombra é uma empresa que não aparece nos seus relatórios de mercado, não disputa os mesmos clientes nos canais tradicionais e, mesmo assim, ocupa as respostas de IA nas perguntas da sua categoria. Pra encontrá-lo, o caminho tem quatro movimentos: rodar uma bateria de perguntas de descoberta em mais de um modelo, extrair todas as marcas citadas (não só as que você conhece), classificar cada nome em um de 4 tipos e aplicar a decisão que corresponde ao tipo. Este post entrega o framework completo, com exemplo dissecado e planilha descrita.

O conceito não nasceu em brainstorm. Nasceu num dado. No nosso estudo de 150 medições com uma indústria B2B líder de categoria (cliente anônimo por acordo), as respostas de descoberta eram dominadas por empresas que a diretoria nem monitorava. A anatomia completa do caso está em A marca líder que era invisível. Aqui o objetivo é outro: transformar aquele achado em método que você executa nesta semana.

O que é exatamente um concorrente-sombra?

Definição operacional, em três negativas e uma afirmativa. O concorrente-sombra não está nos relatórios setoriais que sua diretoria assina. Não disputa as mesmas propostas comerciais que você. Não consta no seu mapa competitivo. E é citado pelas IAs nas perguntas da sua categoria, no estágio onde a recomendação está sendo formada.

A palavra importante é recomendação. O sombra não compete pelo contrato. Compete pela resposta. Quando o comprador descreve o problema pro ChatGPT e recebe três nomes, esses três nomes viram o shortlist inicial da jornada. Se o seu não está lá e o dele está, ele venceu uma etapa que você nem sabia que existia.

Note o que a definição não diz. Não diz que o sombra é pequeno, nem que é ruim, nem que é ilegítimo. Diz apenas que os seus instrumentos não o enxergam. O defeito é do instrumento: os radares da sua empresa não foram construídos pra esse canal.

Por que os radares tradicionais não detectam?

Porque medem jogos diferentes. Share de mercado mede venda: faturamento, unidades, contratos assinados. Rank tracker mede posições no Google. Inteligência comercial mede propostas ganhas e perdidas. Todos são placares de canais onde o sombra não joga, ou joga pequeno demais pra incomodar.

A IA mede outra coisa: corpus. Modelos de linguagem escolhem quem citar pelo lastro da marca em fontes de terceiros: guias, comparativos, comunidades, documentação técnica. Uma empresa com 2% do seu faturamento pode ter 10 vezes a sua densidade nesse corpus. No placar da venda ela é irrelevante. No placar da resposta ela é titular.

Em uma linha: share de mercado mede o que já foi vendido; a resposta de IA mede o que está escrito. São variáveis distintas, e o vão entre elas é exatamente onde os sombras vivem.

Quais são os 4 tipos de concorrente-sombra?

Nas auditorias que rodamos desde o estudo, os nomes desconhecidos que aparecem nas respostas caem de forma consistente em quatro perfis. Os mini-exemplos abaixo são ilustrativos: reproduzem o padrão observado, sem expor cliente ou marca real.

Tipo 1: o adjacente

Resolve o mesmo problema do comprador por outra categoria de solução. Ele não vende o que você vende, mas responde à mesma dor.

Mini-exemplo ilustrativo: você vende um módulo de ERP pra gestão de estoque. O comprador pergunta "como reduzir perda de estoque na minha distribuidora". A IA cita uma consultoria de processos logísticos. Essa consultoria nunca disputou uma proposta com você. Ainda assim, capturou o comprador na pergunta do problema, antes de ele nomear a categoria.

Tipo 2: o gringo

Marca internacional que domina o corpus em inglês e vaza pras respostas em português. O mecanismo é estrutural: em PT-BR, os LLMs citam em média 3 a 5 fontes por resposta, contra 6 a 8 em inglês (Rekon dataset, n=2.500, ver metodologia). Corpus local mais raso significa que o material em inglês pesa mais na hora de compor a resposta.

Mini-exemplo ilustrativo: pergunta em português sobre software de RH pra empresa de 80 funcionários. A resposta lista duas suítes americanas sem suporte em português nem folha compatível com a legislação brasileira. Elas não atendem o comprador. Ocupam a resposta mesmo assim.

Tipo 3: o conteudista

Mídia, blog ou influenciador que virou "resposta" sem vender nada. Não é concorrente em nenhum sentido comercial. Mas desvia a jornada: em vez de recomendar um fornecedor, a IA recomenda o comparativo dele, e o critério dele passa a ordenar o seu mercado.

Mini-exemplo ilustrativo: "qual a melhor conta PJ pra e-commerce". A IA responde com o ranking de um portal de finanças e sugere consultá-lo antes de decidir. O portal não abre conta nem emite boleto. Só define quem entra no shortlist.

Tipo 4: o niche-player invisível nos radares

Pequeno demais pros relatórios setoriais, grande no corpus. Costuma ser especialista num recorte estreito, com documentação pública densa, presença em comunidades e conteúdo técnico que terceiros citam.

Mini-exemplo ilustrativo: um SaaS de 12 pessoas focado só em rastreabilidade de lotes. Nenhum relatório de mercado o lista. Nas perguntas de descoberta sobre esse problema específico, ele aparece com mais frequência que os líderes da categoria. Foi esse perfil que dominou as respostas de descoberta no nosso estudo de 150 medições.

Como uma resposta de descoberta se decompõe na prática?

Um exemplo dissecado treina o olho. O bloco abaixo é ilustrativo: reconstrói o padrão que vimos se repetir, sem reproduzir resposta literal de cliente.

Pergunta do comprador: "Minha indústria de alimentos precisa controlar validade e recall de lotes. Que tipo de sistema resolve isso?"

Resposta da IA (resumo): "Você pode considerar: (1) Marca A, ERP com módulo de qualidade consolidado no setor; (2) Marca B, consultoria especializada em rastreabilidade que implementa processos e auditorias; (3) Marca C, sistema focado exclusivamente em gestão de lotes e recall pra indústrias de alimentos."

Dissecando. A Marca A é o único concorrente "oficial", o nome que está no mapa competitivo de qualquer player do setor. A Marca B é um adjacente: vende serviço, não software, e mesmo assim levou um terço da resposta. A Marca C é um niche-player: invisível nos relatórios, dona do recorte exato da pergunta. Quem monitora só a Marca A acredita que disputa com um. Está disputando com três, e dois deles não têm nome na guerra interna da empresa.

Como funciona o framework de detecção?

Quatro movimentos, sempre nesta ordem.

1. Rode a bateria de descoberta. Perguntas em que o comprador descreve o problema sem citar marca nem categoria. É o estágio onde os sombras se concentram, porque é onde o corpus decide sozinho.

2. Extraia todas as marcas citadas. Todas. A tentação é anotar só os nomes conhecidos e pular "uma consultoria aí". Foi a extração completa que revelou os sombras no nosso estudo; a extração seletiva é o motivo de ninguém tê-los visto antes.

3. Classifique cada nome nos 4 tipos. Concorrente oficial, adjacente, gringo, conteudista ou niche-player. Nome que não encaixa em nenhum vira "a investigar", não vira lixo.

4. Aplique a decisão por tipo. Cada tipo pede uma resposta estratégica diferente. Tratar todos como "concorrente" desperdiça esforço; ignorar todos entrega o funil.

A decisão do conteudista merece uma linha a mais. Ele não é adversário; é canal. Os modelos citam quem o corpus valida, e o conteudista é o validador. Brigar com a fonte é caro. Aparecer nela é alavancagem.

Como fazer: o passo a passo com planilha

Roteiro executável sem ferramenta paga. Tempo total: meio dia de trabalho, espalhado na semana.

Passo 1: monte a bateria de descoberta (45 min). Escreva 8 a 10 perguntas em que um comprador real descreve o problema sem citar marca nem categoria. Teste de qualidade: se a pergunta contém o nome do que você vende, ela não é de descoberta. Se você já rodou o roteiro do estudo de caso, reaproveite as 5 perguntas de descoberta de lá.

Passo 2: rode com repetição em pelo menos 2 modelos (2 a 4 horas). Mínimo de 5 execuções por pergunta em cada modelo, em janela anônima, sem reformular o texto entre execuções. Com N=5 o intervalo de confiança por pergunta é largo, na casa de ±42 pontos (Wilson Score, ver metodologia). Pra detecção de nomes isso basta: você está caçando presença recorrente, não estimando taxa precisa.

Passo 3: extraia pra planilha (60 min). Uma linha por marca citada por execução. Colunas: pergunta, modelo, número da execução, marca, posição na resposta (1ª, 2ª, 3ª) e frase de contexto da citação. A frase de contexto é o que permite classificar depois; sem ela você só tem uma lista de nomes.

Passo 4: classifique nos 4 tipos (45 min). Acrescente duas colunas: tipo e evidência. Regra de desempate: se o nome está no seu mapa competitivo, é concorrente oficial; se não está, pergunte "por que ele apareceu?" e a resposta costuma apontar o tipo. O que não encaixar em 10 minutos de pesquisa fica marcado como "a investigar".

Passo 5: decida e agende a remedição (30 min). Pra cada sombra recorrente (citado em 2 ou mais perguntas, ou em mais da metade das execuções de uma mesma pergunta), registre a decisão da tabela acima e um responsável. Agende a remedição pra 60 ou 90 dias, com as mesmas perguntas e o mesmo N.

Critério de "deu certo": ao final, você responde três perguntas por escrito. Quem ocupa as minhas perguntas de descoberta? De que tipo é cada um? O que farei com cada um até a remedição? Se alguma ficou sem resposta, o exercício não terminou.

Limitações deste framework

A tipologia dos 4 tipos vem das nossas auditorias, não de taxonomia acadêmica: é ferramenta de trabalho, e casos híbridos existem (um gringo pode ser também niche-player). A classificação envolve julgamento qualitativo; duas pessoas podem divergir num nome, e por isso a coluna de evidência é obrigatória. A detecção com N=5 por pergunta identifica nomes recorrentes, mas não sustenta comparação fina de taxa entre marcas; pra isso o N precisa subir (ver os modos de coleta na metodologia). E todo resultado é um snapshot: o próximo release de modelo pode mudar o elenco da resposta.

Perguntas frequentes

Concorrente-sombra é o mesmo que concorrente indireto?

Não. Concorrente indireto é definido pelo produto e pelo mercado: resolve a mesma necessidade por outro meio. Concorrente-sombra é definido pela presença nas respostas de IA. Um indireto que nunca é citado não é sombra; um portal de conteúdo não é concorrente indireto de ninguém e pode ser o maior sombra da sua categoria.

Devo incluir os sombras no cálculo de share of AI voice?

Sim, os recorrentes. Share of AI voice calculado só contra o mapa competitivo oficial superestima a sua fatia, porque exclui quem de fato divide as citações com você. A fórmula e o passo a passo do cálculo estão em share of AI voice: fórmula e como calcular.

Quantas perguntas e repetições bastam pra detectar?

Pra detecção de nomes: 8 a 10 perguntas de descoberta, 5 execuções por pergunta em 2 modelos, o que dá 80 a 100 respostas coletadas. Isso revela os recorrentes com folga, ainda que com IC largo por pergunta. Pra medir taxa com precisão defensável, o modo Measurement da nossa metodologia usa N=30 por pergunta, com IC de ±15 a 18 pontos.

Dá pra tirar um concorrente-sombra da resposta?

Não, e desconfie de quem prometer isso. Ninguém controla o output de um LLM. O que você controla é o seu lastro no corpus: conteúdo citável pras perguntas de descoberta e presença nas fontes que os modelos usam pra compor essas respostas. O jogo é entrar na resposta, não expulsar alguém dela.

---

A lista de nomes que sai do passo 5 costuma ser a parte mais desconfortável do exercício, porque metade dela nunca apareceu em reunião de diretoria. É também a mais valiosa: nomeia adversários que até ontem venciam sem placar. Rode a bateria nesta semana, ou peça a auditoria gratuita, que entrega a extração de marcas das suas perguntas de descoberta em 5 minutos. O passo seguinte é medir a fatia: quanto das citações da categoria é seu, e quanto já é deles.