Monitorar a reputação da sua marca em IA é diferente de monitorar no Google, e a diferença muda a rotina toda. No Google você acompanha o que terceiros publicaram: avaliações, reclamações, matérias. No ChatGPT você acompanha como o modelo sintetiza tudo isso em uma resposta única, do jeito que um cliente vai ouvir antes de decidir. Não basta saber que existe uma reclamação solta no Reclame Aqui. Importa se o ChatGPT repete essa reclamação quando alguém pergunta se vale a pena comprar de você.
A rotina abaixo é operacional, não estratégica. Você sai daqui com um conjunto fixo de perguntas, uma cadência para rodá-las, uma forma de registrar o resultado e uma lista de sinais para vigiar. Se o que você procura é o plano amplo de defesa, como proteger a reputação da sua marca nas IAs cobre a estratégia. Aqui é o passo a passo de quem precisa abrir o ChatGPT na segunda de manhã e checar.
O que muda ao monitorar reputação em IA em vez de no Google?
No monitoramento tradicional, você rastreia fontes. Alertas de menção, notas em sites de avaliação, comentários em redes. Cada item é uma peça isolada que você lê e julga por conta própria. O cliente também faz esse trabalho de junção: lê várias avaliações e tira a média na cabeça.
Com o ChatGPT, a junção já vem pronta. O modelo lê o que existe sobre você e devolve um veredito resumido em duas ou três frases. Esse resumo é o que o cliente recebe, e ele tem peso de recomendação, não de uma avaliação entre muitas. Um cliente que lê dez reviews relativiza cada um. Um cliente que ouve do ChatGPT "tem reclamações recorrentes de atraso na entrega" toma aquilo como fato consolidado.
Então o que você monitora muda de objeto. No Google você vigia menções novas. Em IA você vigia a síntese: o ChatGPT cita a sua marca quando perguntam sobre o setor? Com que sentimento ele fala de você? Quais pontos ele escolhe destacar, e eles batem com a realidade? Essas perguntas não têm resposta num painel de alertas. Você precisa perguntar ao modelo, de propósito, e anotar o que ele diz.
Por que rodar o monitoramento nos dois modos da IA?
O ChatGPT responde de dois jeitos sobre a sua marca, e cada um conta uma história diferente. Rodar só um deixa metade do quadro de fora.
O modo de conhecimento usa o que o modelo aprendeu durante o treino. É a memória de longo prazo da IA. Quando você pergunta sobre uma marca e o ChatGPT responde sem buscar na web, ele recorre a esse conhecimento. Ele muda devagar, porque só se atualiza quando o modelo é retreinado. O que o ChatGPT "sabe" da sua marca aqui é a impressão sedimentada, construída ao longo de muito conteúdo, e é difícil de mudar no curto prazo.
O modo com busca consulta a web no momento da pergunta. Quando ativado, o ChatGPT procura páginas, lê o que encontra e responde com base no que está publicado agora. Reflete conteúdo recente: uma matéria de ontem, uma leva de reclamações desta semana, um post que você acabou de publicar. Muda rápido e acompanha o presente.
A consequência prática: a mesma pergunta sobre a sua reputação pode trazer respostas diferentes nos dois modos. O modelo de treino pode te descrever de um jeito desatualizado, com base em como você era há um ano, enquanto a busca pega a versão de hoje. Monitorar os dois mostra onde a percepção sedimentada e a percepção atual divergem, e essa divergência costuma ser a parte mais acionável do diagnóstico. Se a busca já melhorou mas o conhecimento de treino ainda repete uma crítica antiga, você sabe que o trabalho recente está surtindo efeito e que falta tempo para o modelo internalizar.
Quais prompts usar para testar a reputação da marca no ChatGPT?
A bateria de reputação tem três famílias de pergunta. Cada uma puxa uma camada diferente da percepção, e juntas dão o retrato completo. Os exemplos usam [marca] entre colchetes como modelo: troque pelo nome real da sua empresa antes de rodar, sem os colchetes.
A primeira família é a avaliação geral, a opinião agregada que o modelo tem de você:
O que as pessoas dizem sobre [marca]?
[marca] é confiável? Qual a reputação dela no mercado?
Vale a pena comprar/contratar da [marca]?
A segunda família provoca o lado negativo de propósito. A pergunta neutra costuma trazer uma resposta diplomática; a pergunta direta pelas reclamações força o modelo a revelar o que de crítico existe sobre você:
Quais são as reclamações mais comuns sobre [marca]?
Quais os principais problemas de quem comprou da [marca]?
Por que algumas pessoas não recomendam a [marca]?
A terceira família é a comparação reputacional, que mede como você se sai quando colocado ao lado de um concorrente em termos de confiança:
[marca] ou [concorrente]: qual tem melhor reputação?
Qual é mais confiável: [marca] ou [concorrente]?
Compare o atendimento de [marca] e [concorrente].
Rode cada prompt nos dois modos (conhecimento e busca) e em mais de uma rodada. O ChatGPT não é determinístico: a mesma pergunta traz respostas um pouco diferentes a cada vez, então uma resposta isolada engana. Três rodadas por prompt dão um sinal mais firme do que uma só. Repare que essas perguntas já citam a sua marca pelo nome, o que as torna uma consulta de marca: aqui você não está medindo se a IA te descobre sozinha, e sim como ela fala de você uma vez que o nome está em jogo. Para medir descoberta orgânica, sem entregar o nome, os prompts para testar a visibilidade da sua marca nas IAs cobrem o outro lado.
Com que frequência checar a marca no ChatGPT e o que registrar?
A cadência depende do modo. O conhecimento de treino muda devagar, então uma checagem mensal já pega a tendência sem virar trabalho repetido à toa. O modo com busca acompanha conteúdo recente, então se você publica com frequência ou está num setor que sai bastante na imprensa, quinzenal faz mais sentido. O que não funciona é checar uma vez, ficar tranquilo, e nunca mais voltar. Reputação em IA é um filme, não uma foto.
Para que as fotos sejam comparáveis entre uma rodada e outra, três coisas precisam ficar fixas: a lista de prompts (defina e congele, salve numa planilha e reaproveite igual), o modo (anote sempre se foi conhecimento ou busca, em colunas separadas) e a versão do ChatGPT que você usou. Mudar a pergunta a cada mês contamina a comparação, porque qualquer diferença pode ser efeito da pergunta nova, não da sua reputação.
Em cada sessão, registre quatro coisas por prompt:
- Citação. O ChatGPT mencionou a sua marca? Em quantas das três rodadas? "Apareceu em 2 de 3" diz mais do que um sim ou não cru, e é esse número que você compara entre os meses. É a sua taxa de citação na prática.
- Sentimento. O tom foi positivo, neutro ou negativo? Anote o veredito geral da resposta, não cada palavra.
- Pontos citados. Quais elogios e quais críticas o modelo escolheu destacar. São eles que você vai querer reforçar ou corrigir.
- Trecho literal. Copie a frase mais reveladora da resposta. Daqui a dois meses, comparar trechos literais mostra a evolução melhor do que qualquer nota resumida.
Uma planilha simples com uma linha por prompt e uma aba por mês dá conta no começo. O trabalho cresce quando você quer cruzar vários concorrentes, separar os dois modos e guardar histórico longo, e é aí que automatizar passa a compensar.
Como identificar sinais de alerta nas respostas da IA?
Nem toda resposta ruim é igual, e o tipo de problema define o que fazer. Três sinais merecem atenção, e cada um pede uma reação diferente.
O primeiro é a resposta negativa consistente. Se a IA repete uma crítica específica em várias rodadas e nos dois modos ("atendimento lento", "cobrança confusa", "entrega atrasa"), não é ruído: é uma percepção consolidada que está indexada sobre você. A reação é olhar de onde vem esse conteúdo e trabalhar a fonte, não discutir com o modelo.
O segundo é a alucinação, quando o ChatGPT afirma algo falso sobre a sua marca com confiança: um produto que você não vende, um problema que nunca existiu, uma confusão com outra empresa de nome parecido. É diferente da crítica verdadeira, porque o problema não está na sua operação, está numa informação errada que o modelo montou. O caminho aqui é corrigir o rastro de informação pública que levou o modelo ao erro. Quando a IA erra sobre a sua marca e o guia de reputação tratam dos caminhos de correção.
O terceiro é a ausência total. O ChatGPT responde que não tem informação suficiente sobre a sua marca, ou simplesmente não a menciona quando deveria. Isso não é reputação negativa, é ausência de dado, e precisa ser anotado como tal, não confundido com crítica. Para uma marca pequena ou nova, costuma significar pouco conteúdo indexável sobre você. A reação não é defensiva, é de construção: gerar presença para o modelo ter o que ler.
Um cuidado de leitura que vale para os três: distinga o que o modelo opina do que ele só registra como falta. "Não encontrei reviews da marca no Reclame Aqui" é ausência de dado, não um voto negativo. Confundir silêncio com crítica leva você a corrigir um problema que não existe e a ignorar o que de fato precisa de atenção.
Como a Promptis encaixa nessa rotina?
Tudo o que descrevemos até aqui dá para fazer à mão, e no começo é o jeito certo de aprender o que olhar. O ciclo de repetir os prompts, separar os modos, anotar citação e sentimento e guardar o histórico é exatamente o que pesa quando você quer acompanhar mês a mês e comparar concorrentes.
A Promptis automatiza essa rotina. Ela mede como o ChatGPT fala da sua marca, roda a bateria em várias passagens, mostra um score de visibilidade e quem a IA recomenda no seu setor, e guarda a evolução ao longo do tempo. A primeira análise é grátis e não pede cartão, então dá para ver o retrato da sua marca antes de decidir qualquer coisa. A metodologia é a mesma deste guia: o que muda é quem faz o trabalho repetitivo.
Comece pequeno. Monte a bateria de prompts, rode nos dois modos por algumas semanas e registre tudo na planilha. Quando o retrato manual mostrar onde a sua reputação em IA está firme e onde tem buraco, você já vai saber se vale trazer uma ferramenta para o ciclo ou se a rotina manual dá conta. O importante é não parar na primeira foto.
