Share of AI Voice: o que é, a fórmula e como calcular o da sua categoria

Share of AI Voice (SoAV) é a fatia do espaço competitivo que a sua marca ocupa nas respostas das IAs. A fórmula: SoAV = Mention Rate da sua marca dividido pela soma dos Mention Rates de todas as marcas da categoria, no mesmo modelo, no mesmo período. O Mention Rate diz quanto você aparece. O SoAV diz quanto do palco é seu. Este post traz a fórmula, um exemplo numérico completo com 4 marcas (aritmética conferida antes de publicar), o caso em que o MR sobe e o SoAV cai, as armadilhas que distorcem tudo e uma planilha de 5 passos pra você calcular o da sua categoria hoje.

O que é Share of AI Voice?

Comece pelo bloco de baixo. Mention Rate (MR) é a proporção de respostas de IA em que a sua marca aparece: respostas com a marca divididas pelo total de respostas coletadas para as perguntas da categoria. Um MR de 60% significa que, a cada 100 respostas, sua marca entrou em 60.

O SoAV pega esse número e o coloca em contexto competitivo:

SoAV da marca = MR da marca ÷ soma dos MRs de todas as marcas da categoria

Sempre no mesmo recorte: mesma categoria de perguntas, mesmo modelo, mesmo período. É a definição da nossa metodologia, fórmula por fórmula. Mudou o modelo ou o mês, é outro SoAV.

Uma propriedade útil: os SoAVs de uma categoria somam 100% por construção. Isso dá um baseline imediato. Com K marcas no conjunto competitivo, paridade é 100/K. Numa categoria de 4 marcas, 25% é empate técnico; 40% é domínio; 10% é figuração.

Como calcular: um exemplo completo com 4 marcas

Categoria fictícia de CRM para pequenas empresas, com as mesmas marcas ilustrativas que usamos no nosso post de estatística: ClienteHub, VendaFlux, Simplesa e OrbitaCRM. Protocolo: 5 perguntas de comprador, 10 repetições cada, 1 modelo, 1 período. Total: 50 respostas. Os números abaixo são ilustrativos, mas a conta é real e foi verificada linha a linha.

Primeiro, a matriz de menções. Cada célula conta em quantas das 10 respostas daquela pergunta a marca apareceu (uma resposta cita várias marcas, então a linha não precisa somar 10):

Segundo passo: o MR de cada marca. Respostas com a marca divididas pelo total de respostas. ClienteHub: 40 ÷ 50 = 80%. VendaFlux: 30 ÷ 50 = 60%. Simplesa: 15 ÷ 50 = 30%. OrbitaCRM: 10 ÷ 50 = 20%.

Terceiro passo: some os MRs da categoria. 0,80 + 0,60 + 0,30 + 0,20 = 1,90. Repare que a soma passa de 100%. É esperado: cada resposta cita mais de uma marca, então os MRs não competem pelo mesmo teto. Quem estranha esse 190% ainda está pensando em SERP, onde só existe uma posição 1.

Quarto passo: divida cada MR por 1,90.

Leia o resultado da Simplesa nas duas métricas. MR de 30%: ela aparece em 3 de cada 10 respostas. SoAV de 15,8%: do espaço competitivo total da categoria, menos de um sexto é dela. Num mercado de 4 marcas, em que paridade seria 25%, a Simplesa está bem abaixo do peso.

Por que o SoAV complementa o Mention Rate?

Porque o MR é absoluto e o SoAV é relativo, e as duas leituras divergem exatamente nos momentos que importam. O caso clássico: seu MR sobe e seu SoAV cai, porque o concorrente cresceu mais rápido. Veja a mesma categoria um mês depois:

Três histórias na mesma tabela. A Simplesa subiu 4 pontos de MR e comemorou no relatório. Só que a soma dos MRs da categoria foi de 1,90 pra 2,28, puxada pela VendaFlux, e a fatia da Simplesa encolheu de 15,8% pra 14,9%. Ela aparece mais e importa menos. A ClienteHub é o caso mais duro: MR travado em 80%, nenhuma menção perdida, e 7 pontos de SoAV evaporados porque a VendaFlux saiu de 60% pra 90%. E a OrbitaCRM subiu 4 pontos de MR pra terminar com a mesma fatia de antes: correu pra ficar no lugar.

Quem olha só o MR não vê nada disso. Quem olha só o SoAV também erra, no sentido inverso: se a categoria inteira perde espaço nas respostas (os LLMs passam a citar menos marcas, por exemplo), seu SoAV pode subir com o seu MR caindo. As duas métricas juntas contam a história completa: o MR mede sua presença, o SoAV mede sua posição.

Um freio estatístico antes de você replicar essa leitura: a variação da Simplesa, de 30% pra 34% com N=50, é ruído. O intervalo de Wilson a 95% do mês 1 vai de 19,1% a 43,8%; o do mês 2, de 22,4% a 47,8%. Os intervalos se sobrepõem quase inteiros. A tabela acima ilustra a mecânica da métrica; decisão real exige N maior ou variações que os intervalos autorizem. A matemática completa de por que N pequeno produz intervalos largos está em por que uma pergunta não é medição.

Quais armadilhas distorcem o SoAV?

A fórmula é simples. O denominador é traiçoeiro.

Armadilha 1: definir o conjunto de concorrentes pelo PowerPoint, não pela medição. O denominador do SoAV é a soma dos MRs das marcas do conjunto competitivo. Escolheu errado o conjunto, todos os percentuais mudam. E o erro típico não é incluir marca demais: é deixar de fora os concorrentes-sombra, as marcas que os LLMs citam nas suas perguntas e que ninguém do seu time considera concorrente. No nosso estudo com uma indústria B2B (cliente anônimo por contrato), as respostas trouxeram distribuidores, portais de conteúdo e marcas de nichos vizinhos que não constavam em nenhuma análise competitiva do cliente. Se o conjunto tivesse vindo do planejamento, o SoAV sairia inflado e falso. A regra: primeiro meça sem lista fechada e registre quem aparece; depois defina o conjunto. O método completo está em como encontrar seus concorrentes-sombra.

Armadilha 2: comparar SoAV entre idiomas ou entre modelos. Em português, os LLMs citam em média 3 a 5 fontes por resposta, contra 6 a 8 em inglês (dataset Rekon, n=2.500 sessões). Menos vagas por resposta muda a distribuição inteira das menções. Um SoAV de 30% em PT-BR e um de 30% em EN vêm de jogos com regras diferentes. O mesmo vale entre modelos: cada LLM tem seu corpus, seu estilo de resposta e seu número típico de marcas citadas. Calcule um SoAV por modelo e por idioma. Agregue depois, se precisar, mas com os componentes à vista.

Armadilha 3: esquecer que 100% é o teto do relativo, não do mercado. SoAV alto não significa presença alta. Uma marca com MR de 8% numa categoria em que todo mundo tem MR baixo pode exibir SoAV de 40%. É a maior fatia de um bolo pequeno. Reporte sempre o MR ao lado do SoAV, com N e intervalo.

Como interpretar o SoAV por estágio de funil?

Um número agregado esconde a informação mais acionável: onde a fatia foi conquistada. No nosso estudo, rodamos 150 medições sobre 15 perguntas de comprador em 4 modelos e extraímos 885 menções de marca. A marca líder da categoria concentrou 85 menções, 9,6% do total, o maior volume entre todas. Vitória? Não. Ela apareceu em apenas 5 das 15 perguntas, e 100% dessas aparições foram em perguntas branded, aquelas que já contêm o nome da marca ou pedem comparação direta com ela.

É o que chamamos de ilusão do líder. O SoAV agregado dizia dominância. O SoAV segmentado por estágio de funil dizia outra coisa: no topo, nas perguntas em que o comprador ainda não conhece ninguém e pede recomendação aberta, a fatia da líder era zero. Ela só ocupava espaço quando o comprador chegava perguntando por ela. Isso não é visibilidade, é inércia de marca. E é invisível em qualquer dashboard que reporte um SoAV único.

A prática que recomendamos: calcule o SoAV em pelo menos dois cortes, topo de funil (perguntas de recomendação aberta, sem nome de marca) e fundo de funil (perguntas branded e comparativas). Fatia grande concentrada no fundo indica dependência de quem já te conhece. Fatia presente no topo indica que a IA te apresenta a estranhos, que é onde a descoberta acontece.

Limitações do nosso estudo, declaradas antes que você pergunte: um único setor, um único período de coleta, 4 modelos, e N por pergunta pequeno, o que torna cada taxa individual direcional, não definitiva. O padrão de concentração em branded sobreviveu à incerteza; os decimais, não. O SoAV herda as incertezas de todos os MRs que entram na conta, numerador e denominador. Com N pequeno, cada MR carrega um intervalo largo, e a divisão não perdoa: propaga tudo.

Como calcular o SoAV da sua categoria em 5 passos

Ferramentas: um LLM em janela anônima e uma planilha. Tempo total: cerca de 3 horas e meia, sendo a coleta o grosso.

1. Liste as perguntas e descubra o conjunto competitivo (30 min). Escreva 5 perguntas que um comprador faria antes de conhecer sua marca, sem nome de marca no texto. Rode cada uma 2 vezes e anote toda marca citada, sem filtrar. Essa lista bruta, com os concorrentes-sombra incluídos, é o seu conjunto competitivo. Critério de "deu certo": pelo menos uma marca da lista não estava no seu radar.
2. Colete as respostas (2h). Cada pergunta, 10 repetições, janela anônima, texto colado idêntico. Na planilha, uma linha por resposta com as colunas: pergunta, repeticao, modelo, data, marcas_citadas. Critério: 50 linhas, nenhuma pergunta reformulada no meio.
3. Monte a matriz de menções (20 min). Uma coluna por marca do conjunto. Em cada linha, 1 se a marca aparece em marcas_citadas, 0 se não. Menção parcial ou ambígua conta como 0 e ganha uma coluna observacao.
4. Calcule o MR de cada marca (10 min). Soma da coluna da marca dividida por 50. Anote junto o intervalo de Wilson (busque "Wilson score interval calculator"; com N=50, espere margens na casa de 12 pontos pra cada lado).
5. Calcule o SoAV e confira o fechamento (10 min). Some os MRs de todas as marcas. Divida o MR de cada uma por essa soma. A coluna final tem que somar 100% (tolerância de 0,1 ponto por arredondamento). Não fechou, tem erro de conta ou marca fora do conjunto. Critério final de sucesso: uma frase do tipo "temos 15,8% do espaço competitivo no ChatGPT, com MR de 30% e IC de 19,1% a 43,8%, N=50".

Repita o protocolo num segundo modelo e você ganha de brinde a comparação de consenso entre IAs. Repita no mês seguinte, com as mesmas perguntas, e a tabela de variação da seção anterior vira sua.

Perguntas frequentes

O SoAV sempre soma 100%?

Sim, por construção: cada fatia é um MR dividido pela soma de todos os MRs do conjunto. Se a sua planilha não fecha em 100% (além de 0,1 ponto de arredondamento), há erro de cálculo ou uma marca contada no numerador que ficou fora do denominador. O fechamento é o teste de sanidade gratuito da métrica.

Qual a diferença entre SoAV e share of voice tradicional?

O share of voice clássico mede fatia de presença publicitária ou de investimento em mídia da categoria. O SoAV mede fatia de menções orgânicas nas respostas de LLMs, calculada a partir de Mention Rates medidos com N declarado. A estrutura é a mesma; a fonte do dado e o rigor amostral exigido é que mudam.

Posso comparar meu SoAV no ChatGPT com o do Gemini?

Não diretamente. Cada modelo cita um número diferente de marcas por resposta e tem vieses próprios de corpus, então os denominadores não são equivalentes. Calcule um SoAV por modelo e compare as posições relativas (quem lidera, quem cresce), não os percentuais absolutos. Divergência grande entre modelos é informação: sua visibilidade depende de qual assistente o comprador abre.

Qual é um bom SoAV?

Depende do tamanho do conjunto competitivo. Com K marcas, paridade é 100/K: numa categoria de 4, ter 25% é empatar e ter 40% é liderar com folga. Mais importante que o valor absoluto é a distribuição por funil (fatia no topo vale mais que fatia branded) e a tendência com intervalos que autorizem a leitura.

---

Uma métrica relativa só é tão honesta quanto os números absolutos que a alimentam. Antes de reportar SoAV a alguém, confira se cada MR da conta tem N declarado e margem de erro visível; a régua completa está em por que uma pergunta não é medição e as fórmulas oficiais, na nossa metodologia. Se quiser pular a coleta manual, a auditoria gratuita da Rekon mede sua categoria em múltiplos modelos e devolve MR e SoAV com os intervalos já calculados, incluindo os concorrentes-sombra que a sua planilha ainda não conhece.