REKON

Metodologia

Publicamos o como.
Não só o resultado.

Toda ferramenta de visibilidade em IA mostra número. Poucas mostram como o número foi gerado. A Rekon publica a metodologia inteira — pra você poder defender o dado, contestar quando precisar, e auditar sempre.

Wilson Score IC 95%N=30 runs/mês4 LLMs free-tierOpen methodology
$ rekon
Exemplo
Mention Rate · 4 LLMs · N=30 · IC ±18%"melhor conta digital para PJ"
Concorrente Lilás
64%
Sua Marca
47%
Concorrente Verde
38%
Concorrente Roxo
26%
Concorrente Azul
19%
Concorrente Cinza
12%
Wilson Score lower boundÚltima coleta: 2026-05-20 03:14 UTC

Cinco pilares da medição

Cada um aplicável a qualquer marca, em qualquer categoria, em português.

  1. 01

    Wilson Score lower bound, IC 95%

    A média simples engana com N pequeno. Usamos Wilson Score interval (lower bound) com confiança de 95%. Em N=30, o intervalo típico fica em ±18%. Você reporta isso pro board sem medo de errar.

  2. 02

    N=30 runs mensais via Batch API

    Cada query-âncora roda 30 vezes contra cada um dos 4 LLMs todo mês. Total 120 medições por query. Variância de prompt e variância de modelo cancelam — sobra sinal.

  3. 03

    4 LLMs free-tier reais

    GPT-5.5 Instant, Gemini 3 Flash, Claude Sonnet 4.6, Perplexity Sonar. Os modelos que o cliente final usa de verdade — não API paga premium. Replicamos a experiência real do usuário.

  4. 04

    Modo híbrido: Measurement + Tracking

    Measurement (N=30/mês) pra rigor estatístico. Tracking (N=5/semana) pra agilidade de detecção. Quando algo mexe, o Tracking pega. Quando você precisa de número defensável, o Measurement entrega.

  5. 05

    Citation Engine sem alucinação

    Recomendamos o que criar — não geramos texto. Briefing didático cita gaps específicos do seu mapeamento. Seu redator pega e produz. Zero placeholder, zero "lorem ipsum" automático.

Princípios

O que vale em todo dashboard — bug se violar.

Estes princípios estão no DNA da Rekon. Se a ferramenta violar um deles, é bug, não feature.

Dados antes de adjetivos

Toda métrica tem N declarado e intervalo de confiança. "Subiu" sem N não significa nada. Anti-pattern: dashboard que mostra "+12%" sem dizer em relação ao quê e com qual confiança.

Metodologia pública e auditável

Pra cada dado que aparece no dashboard, você pode pedir o como. Lista de queries, prompts exatos, runs individuais, modelo de cálculo. Sem caixa-preta.

Anti-hype por design

Rekon NUNCA promete "primeira recomendação garantida no ChatGPT". Promete medir com rigor e recomendar ação. Outcome de receita depende do seu funil — não prometemos o que não controlamos.

Recalibração trimestral

Modelos mudam, comportamento muda, sua categoria muda. Cada trimestre, revisamos personas, queries e cobertura. Não é setup once-and-forget — é processo contínuo.

Quer o whitepaper completo?

Em breve publicamos a metodologia detalhada com fórmulas, prompts e exemplos. Pra receber primeiro, marca audit ou inscreva-se no Signal Brief.