Por que cada versão de IA cita marcas diferentes, e como medir sem se enganar

Porque cada versão pesquisa de outro jeito, consulta outra quantidade de páginas e escolhe entre elas com outro critério. As fontes citadas mudam muito, os nomes de marca mudam menos, e o tranco tende a cair no meio da lista, mais do que no topo. Quem mede precisa registrar modelo, plano e data em cada coleta e guardar uma linha de base. Sem isso, uma troca de modelo aparece no relatório como vitória ou queda da sua marca.

A melhor história sobre esse risco começa com um erro admitido. Em 27 de janeiro de 2026, o Gemini 3 virou o modelo padrão dos AI Overviews. A SE Ranking, que vende rastreador de AI Overviews, acompanhou 100.000 palavras-chave de 20 nichos nos Estados Unidos e publicou um resultado preocupante: os domínios únicos citados pareciam ter caído 14%. Só que o lançamento coincidiu com um bug, depois admitido pelo Google, que chegou a deixar 10,63% dos AI Overviews sem fonte nenhuma.

A equipe mediu de novo em fevereiro, com o bug corrigido. Os domínios únicos tinham subido de 89.262 para 97.574, alta de 9,3%. No texto de Yulia Deda, a frase é seca: “This completely reverses the original conclusion.”

O que sobrou da segunda medição é o dado que interessa aqui. Saíram 37.870 domínios, ou 42,4% dos que eram citados antes, e entraram 46.182. Entre os 500 mais citados, só um desapareceu.

A rotação grande acontece longe do topo. As ressalvas: é um país, a contagem cobre só o painel lateral de fontes e não há grupo de controle, então parte desses 42,4% poderia ter saído mesmo sem modelo novo.

O que muda quando o modelo muda?

Primeiro muda a forma de pesquisar. A agência Seer Interactive comparou o GPT-5.5 e o GPT-5.6 Luna em 346 perguntas pareadas de seis setores. O operador site:, que restringe a busca a um domínio, foi de 21,6% para 76% das buscas auxiliares. As fontes consultadas caíram 43%, de 6.134 para 3.481, e as citações no texto caíram 12,9%. O artigo não informa datas nem traz teste estatístico, mas o desenho é claro: um modelo que abre menos portas e escolhe antes quais vai abrir. A lógica geral dessa escolha está em como um LLM decide quem citar.

Com outra pesquisa, vêm outras fontes. A Writesonic, que vende monitoramento de visibilidade em IA, rodou 50 perguntas no GPT-5.3 Instant e no GPT-5.4 Thinking: a sobreposição média de citações foi de 7%, e em 22 das 50 perguntas foi zero. As páginas das próprias marcas ficaram com 8% das citações no primeiro e 56% no segundo.

O teto dessa medição é baixo: uma conta, uma rodada por pergunta, e a comparação mistura versão com modo de raciocínio. Na rodada seguinte, com o GPT-5.5, a sobreposição de domínios entre duas versões Thinking foi de 28,9%, e a própria empresa avisa que uma rodada única dá direção, sem certeza estatística.

A Sleepwalker, outra vendedora de ferramenta de visibilidade, trouxe o contraponto mais útil. Pela API, em 50 perguntas de eletrônicos, o GPT-5.5 e o GPT-5.6 dividiram 14,4% das URLs citadas. Os três modelos GPT-5.6 entre si, lançados juntos, dividiram 13,4%. Como cada um rodou uma só vez, o estudo não separa o efeito da versão da variação normal, e a Sleepwalker admite isso.

A marca citada muda tanto quanto a fonte?

Não, e confundir as duas medidas infla a manchete.

O dado mais direto sobre marcas vem da Evertune, plataforma de GEO. Ela rodou cerca de 220.000 perguntas em nove categorias no GPT-5 mini e no GPT-5.4 mini, usando o conhecimento do próprio modelo, sem resultados de busca. O sucessor recomendou 37% menos marcas em média, com queda de 16,7% em tênis de basquete e de 59,2% em CRM. Só que as três a cinco primeiras ficaram quase estáveis.

Em CRM, saíram nomes como Intercom, Mailchimp e Marketo. Boa parte deles nem é CRM no sentido estrito. Minha leitura: um pedaço dessa queda pode ser um modelo mais rigoroso limpando a própria lista. O estudo não permite afirmar, porque não publica datas nem rodadas por pergunta.

Em outro caso, a superfície quase não se mexeu. A Searchable, que vende plataforma de otimização para busca em IA, acompanhou respostas do ChatGPT para mais de 5.000 marcas em agosto de 2026 e viu uma quebra em 8 de agosto. As páginas consultadas por resposta quase dobraram, de 11,58 para 22,54. A taxa de menção de marca foi de 40,5% para 37,6%. A empresa não atribui a causa a nenhum modelo, nem sabe se o ChatGPT passou a pesquisar mais ou só a mostrar mais do que já pesquisava.

Coloque a SE Ranking e a Evertune lado a lado. Uma mede domínios, a outra mede marcas, e as duas encontram topo estável com rotação abaixo dele. São dois estudos de vendedores, com desenhos diferentes, então trato isso como hipótese de trabalho. Mesmo assim, ela orienta: se a sua marca é a quarta ou a oitava da categoria, a próxima versão é um risco de negócio.

“Versão” é só o número do modelo?

O nome no topo da tela esconde plano, modo e produto. Esquecer isso é o erro mais fácil de cometer.

A Semrush, que vende um kit de visibilidade em IA, rodou 100 perguntas no mesmo GPT-5.2, uma vez com raciocínio mínimo e outra com raciocínio alto. Só 25,6% dos domínios citados coincidiram. É uma diferença parecida com os 28,9% que a Writesonic viu entre duas versões, embora as contas não sejam idênticas. Um print tirado por um diretor em conta paga, no modo que pensa mais, pode dizer pouco sobre a resposta que o comprador recebeu no plano gratuito.

A Profound, que vende rastreamento de marcas em IA, comparou nomes de marca e também mediu a repetição. Em 24.135 respostas para 1.724 perguntas, Claude e Claude Code mencionaram em média só 1 em cada 5 marcas em comum. Duas respostas do mesmo produto dividiam cerca de metade no Claude e 2 em 5 no Claude Code. Esse par é o formato certo de qualquer comparação: quanto muda entre sistemas, contra quanto já muda dentro de um só. Ela compara produtos, sem nomear versões, então não prova efeito de lançamento.

Sem linha de base, você inventa a causa

A própria Searchable quase caiu nisso. O primeiro corte do ranking de citações, com 347 marcas, “looked spectacular”: em 72% dos casos havia um novo número um depois da quebra. Aí a equipe comparou duas janelas anteriores à mudança, quando nada deveria ter acontecido. O top 5 já trocava 56,9% das posições e o líder mudava em 62,5% dos casos. Na travessia da quebra, o top 5 trocou 68,6%. O efeito real ficou perto de 12 pontos, que a empresa descreve como “directionally real, modest, and invisible without the baseline”.

A Omnius, agência de SEO que também vende um rastreador, publicou a versão mais incômoda, sobre si mesma. Depois que o padrão do ChatGPT mudou em 6 de agosto, as citações do site dela subiram 5 pontos, com intervalo de 90% de 1,9 a 8,6. No fim do mês, a contagem diária tinha voltado perto do nível de julho. E como o rastreador não guardava plano nem modelo, a ligação ficou sem confirmação. Em outubro, o painel mostrou 7 pontos a mais depois do GPT-6. Nas perguntas pareadas, a taxa quase não se mexeu, e os outros motores já vinham subindo cinco dias antes do lançamento.

Se tivesse parado no painel, a empresa teria dois casos de sucesso para vender. A frase dela merece ficar na parede: a data de um lançamento dá o momento, nunca a causa.

O padrão de medição publicado pela IAB em agosto de 2026, associação do setor de publicidade digital, transforma isso em regra. Segundo o documento, sem uma linha de base de variabilidade documentada, “trend interpretation is guesswork”. Quando a plataforma anuncia uma troca grande de versão, o programa deve registrar o evento e a data, medir de novo e reportar antes e depois como séries separadas, sem costurá-las numa única linha. E oferece um teste: mudança que atinge várias marcas na mesma plataforma tende a ser do modelo; mudança de uma marca em certos tipos de pergunta tende a ser desempenho real. Adotamos a mesma regra na metodologia da Rekon: cada troca de modelo abre nova linha de base e fica anotada no gráfico.

Como fica a leitura na prática? Um exemplo

Marcas e números são ilustrativos, com 60 respostas por célula e intervalos de Wilson a 95% calculados por nós.

O relatório ruim diria “perdemos quase metade da visibilidade”. Em cada marca, as faixas de antes e depois ainda se tocam, então nenhuma queda isolada está provada. As três caíram juntas, na mesma plataforma, e o Gemini ficou parado. O padrão aponta para o modelo. Abra uma série nova, não reescreva o site nesta semana e meça de novo em algumas semanas. Se a Norteflex seguir caindo enquanto a Vertana se recupera, aí o problema passa a ser seu.

Como preparar seu monitoramento para a próxima versão, em cerca de quatro horas?

1. Crie a ficha de coleta (20 min). Colunas: data, produto, plano, modo, modelo exibido, busca ligada ou não, idioma, pergunta, rodada, marcas citadas em ordem, domínios citados. Se a interface não mostrar o modelo, escreva “não exibido” e anote o plano.
2. Congele as perguntas (30 min). Doze de comprador, sem o nome da sua marca, como no roteiro de como medir marca em IA. Mudou o conjunto, começou outra série.
3. Faça duas rodadas na mesma semana (2h). Cinco execuções por pergunta, em cada rodada, num só produto e plano, com sessão nova. São 120 respostas. A matemática dessa repetição está em por que uma pergunta não é medição.
4. Calcule o ruído (30 min). Para cada pergunta, divida as marcas em comum entre as duas rodadas pelo total de marcas distintas. Com 3 em comum e 7 distintas, são 43%. Esse é o seu piso: a próxima versão só preocupa se ficar claramente abaixo dele.
5. Abra um diário de lançamentos (15 min). Anote as notas de versão de cada produto medido e o que você mudou no site na mesma semana. Revise toda segunda-feira.
6. Quando sair versão nova, siga o protocolo (15 min para registrar, mais a coleta). Marque a data, repita as 120 respostas em até uma semana e de novo em algumas semanas, como recomenda a Omnius, e olhe também um motor sem lançamento e dois concorrentes. Só aja se as duas repetições confirmarem.

Deu certo se daqui a um mês você consegue completar esta frase sem abrir outro arquivo: “no ChatGPT plano gratuito, modelo não exibido, em 10/11, aparecemos em 16 de 60 respostas, e o ruído entre rodadas foi de 45%”. Essa é a sua primeira linha de base. A auditoria gratuita também serve de primeira fotografia; arquive o resultado com a data, porque o valor dela aparece na próxima troca de modelo.

Perguntas frequentes

Preciso refazer meu conteúdo a cada modelo novo?

Não. Espere duas medições depois do lançamento e veja se a queda é só sua. Conserte na hora apenas erro factual e bloqueio de acesso ao site, porque esses dois valem para qualquer versão.

Com que frequência sai uma versão que justifica nova linha de base?

Não há calendário único, e a IAB observa que as plataformas nem sempre anunciam as atualizações. O critério dela: troca grande de versão, mudança no formato ou na forma de citar, ou alteração do seu próprio conjunto de perguntas. Atualização pequena fica dentro da variação normal.

Como cobrar isso de um fornecedor de monitoramento?

Peça a versão de cada modelo medido, como o histórico trata as trocas e a variação entre rodadas repetidas. A IAB lista esses itens como divulgação obrigatória dos provedores. Se o gráfico atravessa um lançamento numa linha só, sem marcação, a tendência dele não está sustentada; na conversa interna, como vender GEO sem prometer o que não dá ajuda a explicar por quê.

Vale otimizar para uma versão específica?

Não recomendo. Com versões que duram poucos meses, a otimização pode vencer antes de ser medida. Aposte no que atravessa versões: dados corretos sobre a marca e presença nas fontes da sua categoria, mapeadas em de onde as IAs tiram as respostas.

---

Falta um dado: nenhum estudo citado aqui traz resultado em português. A troca de modelo pesa mais para a marca brasileira no meio da lista, ou muda pouco por aqui? Não sei. Quem guardar a linha de base antes do próximo lançamento vai poder responder pelo próprio mercado.