A IA reconhece seu produto novo quando alguém digita o nome, mas quase nunca o sugere quando alguém só descreve a necessidade. Um estudo com 112 lançamentos mediu essa distância em até 30 para 1. Este guia mostra como medir esse vazio de descoberta e quais frentes atacar nas primeiras semanas de um lançamento.
Que vazio é esse, e quanto ele mede?
O preprint "The Discovery Gap", de Amit Prakash Sharma (IIT Patna), rodou consultas entre 15 e 20 de dezembro de 2025. Foram 112 produtos sorteados do top 500 do Product Hunt de 2025, testados no ChatGPT (gpt-4o-mini, sem busca na web) e no Perplexity (sonar, com busca). Cada produto recebeu 3 consultas diretas, com o nome, e 7 de descoberta, só com a categoria. Total: 2.240 consultas.
Os resultados, nas palavras do artigo:
- Consultas diretas: o produto foi nomeado em 99,4% das respostas do ChatGPT e 94,3% do Perplexity.
- Consultas de descoberta: apenas 3,32% no ChatGPT e 8,29% no Perplexity.
- Diferença entre as duas: 30 para 1 no ChatGPT e 11 para 1 no Perplexity.
- Apenas 6 produtos (5,4%) foram descobertos alguma vez pelo ChatGPT e 31 (27,7%) pelo Perplexity.
Pense num bairro novo que ainda não entrou no GPS. Quem digita o endereço chega. Quem pede "um bom lugar para jantar por aqui" nunca é levado até lá. O produto existe, a IA o conhece, mas ele não está no caminho de quem ainda não sabe que precisa dele.
Uma ressalva importante: a amostra vem do Product Hunt, que pende para ferramentas de desenvolvimento e software, e só dois modelos foram testados. Não é um estudo de eletrônicos. Usamos o resultado como alerta de método, não como previsão para a sua categoria.
Passo 1: meça os dois tipos de pergunta separadamente
Quase todo relatório de visibilidade mistura consultas com nome e sem nome. A mistura esconde o problema, porque a consulta direta quase sempre acerta. Separe em dois blocos: perguntas com o nome do modelo e perguntas só com a necessidade ("fone com cancelamento de ruído para home office até R$ 800"). O segundo bloco é o que mede descoberta. Veja como montar um bom conjunto em como testar sua marca em IA com perguntas de consumidor.
Passo 2: descubra qual tipo de modelo está respondendo
O modelo sem busca só sabe o que viu no treinamento. Um lançamento recente simplesmente pode não existir para ele. Já o modelo com busca consulta a web na hora e pode encontrar páginas novas. A diferença é a mesma que descrevemos em conhecimento paramétrico x recuperação. No estudo, isso apareceu nos números: zero preditores significativos para o ChatGPT sem busca e sete para o Perplexity. Para um lançamento, o trabalho das primeiras semanas é principalmente para os sistemas que recuperam.
Passo 3: confira se o nome do produto é distintivo
O autor precisou remover 52 produtos, 46% da amostra, em uma das análises porque tinham nomes genéricos, difíceis de rastrear no texto. A exclusão foi feita depois de ver os dados, o que ele mesmo registra como limitação. A lição prática vale mesmo assim: se o nome do seu modelo se confunde com palavras comuns, a IA terá dificuldade de ligar menções ao produto certo. Padronize nome, linha e código do modelo em todos os lugares, como mostramos em tokenização do nome do modelo.
Passo 4: monte a base técnica da página, sem esperar milagre
GTIN, schema de produto, especificações completas e preço claro continuam sendo o piso, descrito em nosso guia de página de produto para IA. Mas o estudo traz um dado que modera o entusiasmo: a pontuação de GEO que o autor calculou, baseada em regex, não teve correlação significativa com a visibilidade, nem no ChatGPT (r = -0,108) nem no Perplexity (r = -0,102). Isso não prova que a página não importa. Mostra que, para produtos que ninguém ainda cita, página perfeita sozinha não basta.
Passo 5: construa presença fora do seu domínio
No Perplexity, o que mais acompanhou a visibilidade foi sinal externo. Domínios que apontam para o site tiveram r = +0,319. Menções no Reddit tiveram r = +0,395, depois da limpeza dos nomes genéricos. São correlações observacionais e não indicam causa. O que dá para extrair com segurança é a direção: avaliações independentes, comparativos de terceiros e conversas de usuários criam os pontos de contato que a recuperação encontra. Mapeie quem já fala da sua categoria com o roteiro de fontes de terceiros.
Passo 6: repita a medição, e defina o que é sucesso
Uma rodada não diz nada. Repita as perguntas de descoberta semanalmente durante o lançamento, com várias execuções por pergunta, e anote o modelo e a data. Defina o sucesso como "o produto aparece em perguntas sem nome", não como "a IA conhece o produto". E lembre: o diagnóstico gratuito da Citoriq é uma análise experimental via API, sem replicar a interface de consumidor do ChatGPT, e prontidão de página não é o mesmo que ser recomendado.
O que levar daqui
- Reconhecer o nome do produto e descobri-lo por uma necessidade são problemas diferentes, e no estudo a distância chegou a 30 para 1.
- Meça consultas com nome e sem nome em blocos separados.
- Modelos com busca respondem a trabalho de lançamento. Modelos sem busca dependem do próximo treinamento.
- Nome distintivo, base técnica da página e presença em fontes de terceiros formam o conjunto mínimo.
- O estudo vem de produtos de software e dois modelos. Valide na sua categoria.
Perguntas frequentes
Por que a IA conhece meu produto mas não o recomenda?
Porque reconhecer um nome citado pelo usuário é fácil. Descobrir o produto a partir de uma necessidade exige que ele já esteja associado à categoria nas fontes que o modelo usa.
Quanto tempo leva para um lançamento aparecer?
O estudo não mede tempo, mede um retrato de dezembro de 2025. Não prometemos prazo. Acompanhe semanalmente e compare com concorrentes.
Basta ter schema e especificações completas?
É o piso, não o teto. No estudo, a pontuação de GEO da página não se correlacionou significativamente com a descoberta.
Para ver se seu lançamento aparece em perguntas sem o nome do modelo, rode o diagnóstico gratuito ou fale conosco em /demo.