AEO na prática: como auditar o que a IA responde sobre a sua marca

89% dos prompts de IA sem marca citada são respondidos por fontes de terceiros: reviews, cobertura editorial e mídia espontânea (Bain & Company, 1.500 consumidores EUA).

E a jornada já migrou: 44% dos compradores começam majoritariamente em IA ou dividem entre IA e busca tradicional, enquanto apenas 5% dos varejistas americanos estão totalmente otimizados para interações de IA generativa (Accenture, 100 executivos de varejo, out/2025).

Quando alguém pergunta a um assistente "qual a melhor opção de X", a resposta está sendo construída agora, com material que você não escreveu.

Por que SEO não resolve

A diferença está no objeto da disputa.

SEO era disputa por posição numa página. O varejista influenciava o resultado com conteúdo próprio, no domínio próprio, e o usuário via uma lista de links para escolher.

AEO e GEO, otimização para respostas e para IA generativa, são disputa por presença no corpus de terceiros. O assistente sintetiza uma resposta a partir do que encontrou, em vez de devolver uma lista, e o que ele encontra é majoritariamente conteúdo que não é seu.

O que efetivamente alimenta essas respostas, em ordem aproximada de peso:

• Reviews e avaliações em marketplaces e sites especializados;
• Cobertura editorial: comparativos, listas, matérias de veículos;
• Fóruns e comunidades, onde a experiência real é discutida;
• Dados estruturados do seu site (produto, preço, disponibilidade, avaliação);
• A sua própria descrição de produto, que costuma ser a fonte menos citada.

Mudar o último não move a resposta; mudar os três primeiros, sim. Esse é trabalho de relações públicas e de prova social estruturada, uma lacuna de time e não de software.

O que dá para fazer no que é seu

Há uma parte controlável, e ela é pré-requisito para as outras:

Dados estruturados corretos e atualizados. Marcação de produto com preço, disponibilidade, identificador e avaliação, que é o vocabulário que sistemas automatizados leem sem ambiguidade. Se o seu site diz "em estoque" para um item que está em falta, você está ensinando errado a quem cita você.

Consistência entre canais. Nome, especificação e preço iguais no site, no marketplace e no feed. Divergência produz resposta hesitante, e assistente hesitante cita outra fonte.

Perguntas respondidas explicitamente. Se os clientes perguntam sobre compatibilidade, prazo ou política de troca, a resposta precisa existir em texto, no seu site, de forma direta. Página de FAQ escrita para humanos serve; resposta escondida num PDF, não.

Reviews como processo. Volume e recência de avaliações são o insumo mais citado. Pedir avaliação de forma sistemática é a intervenção de maior efeito e menor custo nessa frente.

A auditoria de 20 perguntas

Esta é a parte prática, e ela custa uma semana de trabalho de uma pessoa.

1. Monte a lista. Vinte perguntas que um cliente real faria, sem citar a sua marca. Metade de categoria ("qual a melhor opção de X para Y"), metade de atributo ("X é bom para Z", "qual dura mais"). Adicione cinco com a marca citada, para medir o que o assistente sabe de você quando provocado.

1. Escolha três assistentes e registre qual versão e qual data. A resposta muda com o tempo, e sem data a auditoria não é comparável depois.

1. Rode e registre literalmente. Resposta completa, marcas citadas, posição de citação e fontes referenciadas quando houver. Essa última coluna é a mais valiosa: ela nomeia exatamente quem está construindo a sua reputação.

1. Classifique. Sua marca foi citada? Em que posição? A informação está correta? Se estiver errada, de onde veio o erro: review antigo, especificação desatualizada num marketplace, matéria de 2023?

1. Repita mensalmente. O valor está na série, não na foto.

Ao fim existe uma linha de base com data e, quase sempre, uma lista curta de fontes de terceiros que respondem pela maior parte das citações. É por elas que o trabalho de relações começa.

O que fazer com o resultado da auditoria

A auditoria produz quatro tipos de achado, e cada um tem um dono diferente. Separá-los é o que transforma a planilha em plano:

Informação errada sobre você numa fonte citada. É o achado mais acionável: especificação desatualizada num marketplace, política de troca antiga numa matéria, descontinuação não refletida. Corrigir é trabalho de contato direto, e o efeito costuma aparecer em semanas. Comece por aqui.

Ausência em perguntas de categoria. Sua marca não aparece quando alguém pergunta pela categoria. É o achado mais estrutural e o mais lento: depende de presença em reviews, comparativos e cobertura. Trabalho de relações, medido em meses.

Presença com enquadramento ruim. A marca aparece, mas associada a um atributo que você não escolheria ("boa opção mais barata" quando o posicionamento é qualidade). Costuma vir de uma única fonte com muito peso, identificável na coluna de fontes citadas.

Confusão com concorrente ou com outro produto seu. Quase sempre é problema de dado estruturado: identificadores inconsistentes entre canais, nome de produto ambíguo. É o mais barato de corrigir e o mais fácil de deixar passar.

O erro comum é tratar os quatro como um problema só, de conteúdo. Só o segundo é. O primeiro e o quarto são de dado, e resolvem-se rápido.

Um alerta sobre imagem gerada

Um dado de 2026 que vale para quem está acelerando conteúdo com IA: 74,7% das imagens de produto geradas por IA reprovaram em auditoria de fidelidade, e 20,1% saíram com logotipo ou texto distorcido (Photoroom, Product Fidelity Benchmark, 3.400 gerações a partir de 850 produtos reais, 4 modelos, 10 avaliadores, set/2026).

Em varejo, fidelidade de imagem é descrição de produto. Imagem que mostra o item diferente do que chega gera devolução, reclamação e review ruim. E review ruim é exatamente o insumo que alimenta a resposta do assistente sobre a sua marca.

O ciclo se fecha contra quem tenta acelerar sem verificação.

O que não existe, e por que isso importa

No Brasil não existe nenhum dado público sobre visibilidade de marca em assistentes de IA.

Qualquer decisão nessa frente hoje usa referência importada: os 89%, os 44% e os 5% são todos de mercado americano. Eles indicam direção, não magnitude local.

A consequência prática é favorável a quem age agora: a sua auditoria é o seu benchmark. Não há padrão de mercado para superar, e quem começar a medir tem uma vantagem de informação que os concorrentes não têm.

Por onde começar

Audite antes de contratar. Vinte perguntas, três assistentes, uma semana. Sem isso, qualquer proposta de "otimização para IA" é vendida contra um problema que ninguém dimensionou.

Arrume o que é seu primeiro. Dados estruturados, consistência entre canais e respostas explícitas. É barato e é pré-requisito.

Trate reviews como operação contínua, não como campanha.

Escolha as três fontes de terceiros que mais aparecem na auditoria e trabalhe relação com elas. É trabalho de imprensa e parceria, não de mídia paga.

Refaça a auditoria todo mês. É o único jeito de saber se algo mudou.

Três perguntas antes do próximo piloto

• O que os assistentes de IA respondem hoje sobre a sua marca? Se ninguém mediu, a resposta está sendo construída por reviews e conteúdo de terceiros.
• A informação que eles repetem sobre você está correta? Erro numa fonte citada vale mais que dez páginas corretas no seu site.
• Quem no time responde por isso? Não é lacuna de ferramenta: é lacuna de time.