Para medir o consenso entre engines de IA, faça a mesma pergunta de compra em cada assistente, repita algumas vezes, registre o produto e a loja que cada um recomenda e calcule em quantas perguntas a maioria aponta para o mesmo nome. Um estudo recente mostrou por que vale a pena: os assistentes concordam muito mais sobre onde comprar do que sobre o que comprar.
O que o estudo da BrandRank encontrou?
Em 20 de outubro de 2026, a BrandRank divulgou um estudo com seis engines (ChatGPT, Claude, Gemini, Grok, Perplexity e Meta AI) e 950 respostas pontuadas, coletadas em outubro com o mesmo protocolo para todos. Os achados mais úteis para o nosso assunto:
- Quatro ou mais engines recomendaram o mesmo varejista em 65% das perguntas sobre varejistas, mas o mesmo produto em apenas 31% das perguntas sobre produtos.
- Só uma pergunta de produto gerou unanimidade: o tablet Amazon Fire HD Kids.
- Perguntas de presente (para mãe, pai, colegas, abaixo de US$ 25, acima de US$ 250) produziram seis respostas diferentes, uma por engine.
- O Gemini recomendou a Amazon 26 vezes e nunca citou o Walmart; o Perplexity recomendou a Nordstrom mais do que a Amazon.
- A BrandRank sinalizou 33 respostas por produtos desatualizados, preços questionáveis ou encaixe fraco com a pergunta. Quatro engines ainda usavam o nome "Rufus" para o assistente da Amazon, que, segundo o estudo, foi aposentado neste ano.
Ressalvas: é um comunicado de uma empresa de consultoria, dos Estados Unidos, e o próprio texto diz que são retratos de recomendações de IA, não testes independentes de produto nem medidas de desempenho de varejistas. Não informa o número de perguntas distintas. Use como motivação de método, não como benchmark do Brasil.
Por que consenso é uma boa pergunta de medição?
Imagine um júri de seis pessoas. Quando seis jurados votam no mesmo nome, você tem um sinal forte de que o nome é robusto. Quando cada um vota em um, a decisão depende de quem você colocou na sala. O consenso mostra o quanto da sua visibilidade depende do engine escolhido.
Isso muda a leitura de um resultado. Estar entre os recomendados por um engine em uma categoria de baixo consenso é um resultado frágil e específico; estar entre os recomendados de vários engines em uma categoria de alto consenso é um resultado estável. A variação dentro de um mesmo engine também existe, e é tratada em variância de resposta.
Como medir o consenso em seis passos?
- Escolha de 15 a 20 perguntas reais. Misture três tipos: de produto ("qual fone com cancelamento de ruído até R$ 1.500?"), de loja ("onde comprar notebook com boa política de troca?") e de presente. Em português, e na linguagem do consumidor; veja como em perguntas de consumidor.
- Defina os engines. Comece com os que o seu público usa. Três já dão um bom retrato (por exemplo, ChatGPT, Gemini e Perplexity); mais engines aumentam o custo e a leitura.
- Rode cada pergunta mais de uma vez. Uma única rodada engana, porque a resposta muda. Quantas rodadas valem a pena é o tema de margem de erro em IA.
- Registre dois campos por resposta. O produto (ou marca) recomendado em primeiro lugar e a loja citada. Separar os dois é o que revelou a diferença de 65% contra 31% no estudo.
- Calcule o consenso por pergunta. Defina um limiar: no estudo, "quatro ou mais de seis". Com três engines, use "dois de três". A taxa de consenso é a fração de perguntas que atinge o limiar. Calcule separadamente para produto e para loja.
- Leia a discordância. Perguntas sem consenso são onde a sua marca pode ganhar espaço, porque nenhum nome está travado; e onde um concorrente pode aparecer de surpresa em um engine só.
Como interpretar os resultados?
Três padrões, com a ação sugerida para cada:
- Alto consenso, você incluído. Posição estável. Proteja: mantenha os dados da página e do feed em dia.
- Alto consenso, você de fora. É o cenário mais difícil: há um nome travado. O trabalho é entender o que as páginas citadas têm que a sua não tem (especificação, avaliações, comparações).
- Baixo consenso. Há espaço. Mapeie quais engines citam você e quais não, e por quê. Muitas vezes a diferença está nas fontes que cada engine recupera.
Um quarto ponto, que o estudo ilustra bem: cheque a atualidade. Se um engine ainda usa um nome ou preço antigo, a resposta tem um problema de dado, e o seu catálogo precisa estar claro o bastante para ser a fonte correta. Ver auditoria de preço e estoque.
E os limites do método?
Nossa análise é experimental, via API, e não replica a interface de consumidor do ChatGPT nem de outros assistentes; as versões de produto ao consumidor podem usar busca, memória e personalização que a API não tem. O resultado muda por modelo, prompt e dia. O consenso não diz qual produto é melhor, só o quanto os engines concordam. E uma taxa alta de consenso em uma amostra pequena pode ser coincidência. Veja nossa metodologia.
O que levar daqui
- Consenso é a fração de perguntas em que a maioria dos engines indica o mesmo nome.
- No estudo da BrandRank (EUA, seis engines), 65% de consenso em varejistas contra 31% em produtos.
- Meça produto e loja separadamente; eles se comportam de forma diferente.
- Repita as perguntas: uma rodada só não sustenta conclusão.
- Baixo consenso é oportunidade; alto consenso sem você é diagnóstico a fazer.
Perguntas frequentes
Quantos engines preciso comparar?
Três já dão um retrato útil. O estudo usou seis; mais engines ajudam, mas o custo e a dificuldade de leitura crescem. Escolha os que o seu consumidor realmente usa.
Consenso alto significa que o produto é melhor?
Não. Significa que os engines concordam, possivelmente porque recuperam as mesmas fontes. É uma medida de estabilidade da visibilidade, não de qualidade do produto.
O estudo da BrandRank serve de referência para o Brasil?
Não diretamente: é americano, de um fornecedor, e descreve um retrato de outubro de 2026. Serve como ideia de método. Para o Brasil, rode as suas perguntas em português.
Quer um ponto de partida? O diagnóstico gratuito no GEO Scanner mostra como a IA responde sobre o seu produto, e a demonstração apresenta a comparação entre engines em escala.