Um prompt é a pergunta ou instrução que você escreve para uma IA generativa como o ChatGPT. Parece simples, e é, mas cada palavra dele orienta o modelo para um conjunto diferente de respostas possíveis. Perguntar "qual a melhor agência de marketing de São Paulo" e perguntar "a agência X é boa?" são dois prompts sobre o mesmo assunto que vão trazer marcas diferentes, porque o modelo não tem uma resposta certa guardada: ele prevê a continuação mais provável para o texto exato que recebeu.
Para quem quer saber se a marca aparece nas respostas de IA, isso é o ponto de partida. O resultado que você vê não depende só do que o modelo sabe sobre a sua categoria, depende também de como a pergunta foi feita. Trocar duas ou três palavras no prompt pode tirar a sua marca da resposta ou colocá-la lá. Este artigo explica o que é um prompt, do que ele é feito e por que a forma da pergunta muda quais marcas a IA traz.
O que é um prompt, afinal?
Um prompt é o texto que você dá para a IA antes de ela responder. Pode ser uma pergunta ("quais as melhores opções de café especial?"), uma instrução ("escreva um e-mail de cobrança educado") ou uma mistura das duas. Em qualquer caso, é a entrada que o modelo lê para decidir o que escrever na saída.
Vale guardar uma ideia que parece óbvia, mas explica quase tudo o que vem depois: o modelo só tem o prompt. Ele não sabe o que você quis dizer, nem o contexto da sua cabeça, nem a intenção que ficou de fora das palavras. Ele lê o texto que chegou e calcula a resposta mais provável para aquele texto. Se a pergunta fixa um nome, a resposta vai girar em torno daquele nome. Se a pergunta abre a categoria, a resposta vai puxar os nomes que o modelo mais associa àquela categoria. A forma do prompt não é um detalhe de redação: é metade do resultado.
Do que é feito um prompt?
Mesmo um prompt curto carrega três coisas, às vezes misturadas na mesma frase. Separá-las ajuda a entender por que pequenas mudanças geram respostas tão diferentes.
- Instrução: o que você quer que o modelo faça. "Liste", "compare", "explique", "recomende". O verbo já empurra o formato da resposta.
- Contexto: as informações que cercam o pedido. A cidade, o segmento, o tipo de cliente, uma marca citada pelo nome. Tudo isso entra no cálculo.
- Intenção: o resultado que você espera de fato. Nem sempre está escrito, e é aí que mora a maior parte dos erros de medição: o que você queria perguntar não é o que o modelo leu.
Veja o mesmo tema, padarias artesanais em Curitiba, perguntado de três formas:
"Quais as melhores padarias artesanais de Curitiba?" Instrução: liste e classifique. Contexto: categoria e cidade, nenhuma marca citada. O modelo puxa os nomes que mais associa a essa categoria naquela cidade.
"A Padaria do Bairro é boa?" Instrução: dê um veredito. Contexto: uma marca já nomeada. O modelo comenta justamente aquela marca, porque ela está no texto de entrada.
"Padaria do Bairro ou Forno Central, qual é melhor para pão de fermentação natural?" Instrução: compare duas opções. Contexto: duas marcas nomeadas e um critério específico. A resposta fica presa ao par que você ofereceu.
São três prompts sobre o mesmo assunto. O primeiro testa descoberta, quem a IA traz sozinha. Os outros dois testam outra coisa: como a IA fala de nomes que você mesmo colocou na pergunta. Misturar esses objetivos é o que faz muita gente concluir que a marca "aparece no ChatGPT" quando, na verdade, ela só apareceu porque foi citada no prompt.
Por que "qual a melhor X" traz marcas diferentes de "X é boa?"
Porque os dois prompts pedem coisas diferentes ao modelo, mesmo falando do mesmo mercado.
"Qual a melhor X" é uma pergunta aberta. Não há nenhum nome no texto de entrada, então o modelo precisa preencher a resposta com os nomes que, no material que ele leu, mais aparecem ligados àquela categoria. É uma disputa de associação: quem tem a ligação mais forte com aquele assunto tende a surgir, e quem tem ligação fraca fica de fora. Essa é a pergunta que mede se a sua marca foi descoberta.
"X é boa?" já entrega o nome de mão beijada. A marca está no prompt, então o modelo quase certamente vai falar dela, porque ela faz parte do texto que ele precisa continuar. O que muda aqui é só o tom: o modelo vai dizer coisas positivas, negativas ou neutras sobre aquele nome, a partir do que aprendeu sobre ele. Útil para entender a percepção, inútil para saber se a marca aparece por conta própria.
A diferença, resumida: uma pergunta aberta mede presença; uma pergunta com a marca dentro mede percepção. As duas têm valor, mas respondem a coisas distintas, e tratar uma como se fosse a outra leva a leitura errada.
Citar a marca no prompt ou deixar a categoria aberta?
Depende do que você quer descobrir, e essa escolha é a mais importante de todas.
Se você escreve o nome da sua marca no prompt, está conduzindo o modelo. "O que você acha da Loja Tal?" praticamente garante que a Loja Tal vai ser comentada. A resposta vai parecer ótima ("o ChatGPT falou da minha marca!"), mas ela não prova nada sobre visibilidade, porque o nome só entrou na conversa por você. É o equivalente a perguntar a um vendedor se o produto que você já segurando na mão é bom: a resposta vem viciada pela pergunta.
O teste honesto de descoberta é o contrário: deixe a categoria aberta e não cite a sua marca. "Quais as melhores opções de [o que você vende] em [sua cidade]?" obriga o modelo a escolher os nomes sozinho, do mesmo jeito que faria com um cliente real que ainda não conhece você. Se a sua marca surge aí, é sinal de presença de verdade. Se não surge, você descobriu uma lacuna concreta, e lacuna concreta é acionável.
Essa lógica de separar a pergunta aberta da pergunta com a marca dentro tem um nome no nosso glossário, a consulta de marca, e é a base de qualquer teste sério de visibilidade. Para montar um conjunto de perguntas que cubra os dois lados sem se enganar, o guia de prompts para testar a visibilidade traz exemplos prontos por tipo de pergunta.
Por que o mesmo prompt dá respostas diferentes em dias diferentes?
Porque o modelo por trás do ChatGPT não calcula uma resposta única e fixa, ele sorteia entre as continuações mais prováveis. Mande exatamente o mesmo prompt hoje e amanhã e a lista de marcas pode mudar, a ordem pode girar, um nome pode entrar ou sair. Essa propriedade tem nome, não determinismo, e é parte de como o modelo funciona, não um defeito.
Para a sua marca, isso soma uma segunda camada de variação por cima da forma da pergunta. A primeira camada é a que este artigo tratou: prompts diferentes trazem marcas diferentes de propósito. A segunda é que até o mesmo prompt, repetido, varia um pouco a cada execução. As duas juntas significam que uma resposta isolada nunca é prova de nada, nem a favor nem contra. Quem quiser ir fundo nessa segunda camada encontra a explicação completa em por que o ChatGPT muda de resposta.
A consequência prática é direta. Se você quer saber se a sua marca aparece, não basta caprichar no prompt, é preciso repetir a mesma pergunta várias vezes e olhar a frequência. "Aparece em sete de cada dez respostas" é um dado; "apareceu quando eu perguntei" não é. A boa medição combina prompts bem desenhados com repetição suficiente para o ruído se diluir.
O que isso muda na forma de medir a sua marca na IA?
Junta-se tudo numa regra simples: a pergunta que você faz é parte do experimento, não um detalhe neutro. Um prompt mal desenhado entrega um número bonito e falso (a marca citada porque você a citou) ou um número assustador e falso (a marca ausente porque a pergunta foi estreita demais). Medir bem começa por escolher a pergunta certa para o que você quer saber.
Na prática, isso pede três cuidados ao testar:
- Deixe a categoria aberta quando o objetivo é descoberta. Sem citar a marca, do jeito que um cliente perguntaria.
- Padronize o conjunto de prompts e repita ao longo do tempo. Mudar a pergunta a cada teste é como trocar a régua no meio da medição.
- Olhe a frequência, não a resposta única. Várias execuções da mesma pergunta revelam o padrão; uma só revela sorte.
É por isso que a Promptis não pergunta uma vez e torce. Ela testa a sua marca com um conjunto fixo de prompts, as perguntas que importam para o seu mercado, e roda esse conjunto várias vezes em ciclos regulares, para que a forma da pergunta fique constante e o ruído de variação se dilua na média. Assim o número que você acompanha reflete presença real, e não o efeito de uma pergunta sorteada num dia bom. A primeira análise é grátis e não pede cartão, então dá para ver onde a sua marca está antes de decidir o que mudar.
Entender o prompt é entender que você não fala com a IA por adivinhação. Você fala por texto, e o texto que entra molda o texto que sai. Escolha bem a pergunta, repita com método, e o que parecia aleatório vira algo que você consegue medir e melhorar.
