Antes de mudar qualquer coisa no seu site ou na estratégia, confirme se a queda que você viu é real. Os modelos de linguagem têm não determinismo embutido: a mesma pergunta, feita duas vezes no mesmo dia, pode produzir respostas diferentes. Uma taxa de citação que caiu em um único ciclo pode ser variação estatística, não um problema real. O diagnóstico começa repetindo a medição e comparando com a linha de base que você construiu antes.
Só depois que a queda se confirmar como padrão consistente vale investigar a causa. As causas reais de uma queda confirmada caem em três categorias: o modelo foi atualizado e passou a citar fontes diferentes; um concorrente ganhou espaço onde sua marca aparecia; ou algum conteúdo que o modelo usava como referência saiu do ar ou ficou inacessível. Cada categoria pede um teste diferente e uma resposta diferente.
Antes de reagir, confirme se a queda é real
O primeiro passo do diagnóstico não é investigar a causa: é confirmar se existe queda de fato. Quando o score cai em uma única medição, há pelo menos duas explicações possíveis. Aconteceu algo real no mundo. Ou o modelo simplesmente gerou respostas um pouco diferentes naquele ciclo, dentro da variação natural que sempre existiu. Sem repetir a medição, as duas situações parecem idênticas no dashboard.
A forma de separar é rodar o mesmo conjunto de prompts mais uma ou duas vezes, com alguns dias de intervalo, e calcular a média das rodadas. Se a média ainda fica abaixo da linha de base histórica, a queda é real e merece investigação. Se a média volta ao padrão anterior, era ruído, e você não precisa fazer nada agora.
Uma única rodada do mesmo conjunto de prompts pode variar vários pontos percentuais para cima ou para baixo sem nenhuma mudança real no seu conteúdo ou na posição do concorrente. Esse é o tamanho do ruído que você precisa filtrar antes de qualquer decisão. O artigo com que frequência medir a visibilidade em IA detalha como calibrar a cadência para que cada ciclo produza informação confiável em vez de ruído com aparência de tendência.
Três hipóteses para uma queda confirmada
Com a queda confirmada em dois ou mais ciclos consecutivos, você entra no diagnóstico diferencial. As hipóteses abaixo cobrem as causas mais frequentes. Cada uma tem um teste que não exige ferramenta especial: só repetir a medição de um jeito ligeiramente diferente para isolar a variável que explica o movimento.
| Hipótese | Teste rápido | Ação |
|---|---|---|
| Ruído de não determinismo | Repita o ciclo 2 a 3 vezes e compare a média com a linha de base | Se a média voltou ao padrão histórico, não aja: era variação estatística |
| Atualização de modelo | Verifique se houve anúncio de nova versão do modelo nos últimos 30 dias | Documente quem aparece no seu lugar; aguarde a estabilização antes de agir no conteúdo |
| Concorrente subiu ou conteúdo saiu do ar | Veja quem é citado onde sua marca sumiu; cheque se páginas-chave do site estão acessíveis | Audite o conteúdo do concorrente; restaure qualquer página fora do ar o mais rápido possível |
As hipóteses não são mutuamente exclusivas. Uma atualização de modelo pode, ao mesmo tempo, favorecer um concorrente que publicou conteúdo recente, e as duas causas se reforçam. O objetivo do diagnóstico é identificar a causa dominante para direcionar a resposta, não explicar cada décimo de ponto do score.
A queda pode ser ruído de não determinismo?
O não determinismo não é uma falha dos modelos: é uma característica de design. A temperatura de geração, o parâmetro que controla a aleatoriedade das respostas, existe para tornar o modelo útil em linguagem natural e em tarefas criativas. O efeito colateral para quem mede visibilidade é que o mesmo prompt, disparado duas vezes no mesmo modelo sem nenhuma mudança de versão, pode mencionar marcas diferentes ou mencioná-las em ordens diferentes.
Para confirmar que a queda é apenas ruído, rode o ciclo completo de medição três vezes em dias diferentes da mesma semana. Calcule a taxa de citação média. Se ela se mantém próxima da linha de base histórica, dentro de uma margem que você já observou em ciclos anteriores, a variação é ruído natural do modelo, não sinal de que algo mudou.
Para entender por que o ChatGPT produz respostas diferentes sem nenhuma mudança no conteúdo, veja por que o ChatGPT muda de resposta. O artigo explica a mecânica interna dessa variação e o que distingue oscilação normal de sinal real em medições repetidas.
Ação confirmada ruído: Nenhuma mudança no conteúdo ou na estratégia. Continue o ciclo regular de medição na próxima data prevista.
O modelo foi atualizado no período da queda?
Os grandes modelos de linguagem são atualizados com regularidade. Quando o ChatGPT passa de uma versão para outra, ou quando o Gemini recebe um novo ciclo de retreinamento, o modelo que você estava medindo muda. A nova versão pode ter treinado em um corpus diferente, pode dar peso diferente a certas fontes ou pode ter alterado como responde a perguntas de recomendação de marca.
Uma queda que coincide com uma atualização anunciada é provavelmente real, mas de causa exógena: não foi o seu conteúdo que piorou, foi o mapa interno do modelo que mudou. A distinção importa porque a resposta é diferente. Você não precisa reescrever nada agora, precisa monitorar como o novo modelo se comporta ao longo das próximas semanas e entender quem ele passou a citar no lugar da sua marca.
Como testar: Verifique se houve anúncio público de nova versão nos 30 dias anteriores à queda. Fontes confiáveis são o blog do OpenAI, o blog do Google DeepMind e os changelogs públicos dos modelos. Depois, rode o ciclo no modelo atual e anote quem aparece nas posições das respostas onde sua marca sumiu.
Ação: Não tente agir no conteúdo de imediato. Modelos recém-atualizados levam semanas para estabilizar o comportamento de citação, à medida que o novo corpus é absorvido e o modelo ajusta o que considera relevante por categoria de pergunta. Documente a queda com data e versão do modelo, continue medindo com a cadência habitual e aguarde pelo menos dois ciclos antes de tirar conclusões sobre se a mudança é permanente ou temporária.
Quem está sendo citado no lugar da sua marca?
Quando a queda não é ruído e não coincide com atualização de modelo, olhe para quem está ocupando o espaço onde sua marca aparecia. As respostas do ciclo atual vão mostrar uma das duas situações mais comuns.
Um concorrente ganhou presença. O modelo passou a citar uma marca que publicou conteúdo recente, ganhou cobertura editorial ou melhorou a estrutura do site de um jeito que o modelo consegue extrair com mais facilidade. As razões pelas quais marcas desaparecem das respostas de IA estão detalhadas em por que sua marca some do ChatGPT: o mecanismo é o mesmo, só que aqui você o detecta depois que a mudança aconteceu.
Conteúdo que o modelo usava ficou inacessível. Uma página importante pode ter sido deletada, redirecionada para um endereço diferente, protegida por login ou acidentalmente bloqueada no robots.txt. O modelo que consultava essa página deixou de encontrá-la e passou a buscar outras fontes, incluindo os concorrentes que ainda têm aquele conteúdo acessível.
Como testar para concorrente: Nas respostas do ciclo atual, anote quem aparece nas posições onde sua marca sumiu. Se um ou dois concorrentes surgem de forma consistente no lugar da sua marca, verifique o que publicaram nos últimos 60 a 90 dias. Uma publicação recente com estrutura clara de resposta a perguntas reais, com headings que funcionam como perguntas e definições diretas logo no primeiro parágrafo, tende a ser a explicação mais comum para esse tipo de substituição.
Como testar para conteúdo fora do ar: Acesse diretamente as URLs das páginas de produto, artigos e apresentação da empresa que você considera relevantes para as perguntas do seu setor. Verifique se retornam 404, redirecionamento inesperado ou acesso bloqueado. Revise o robots.txt para confirmar que nenhum caminho importante foi bloqueado por acidente em alguma atualização recente.
Ação para concorrente: Identifique que tipo de página ganhou citação no lugar da sua, seja um artigo explicativo, uma FAQ ou uma página de comparativo. Use isso como ponto de partida para reforçar o seu próprio conteúdo nas mesmas categorias de pergunta. As métricas de visibilidade em IA ajudam a entender quais dimensões do score foram mais afetadas e onde concentrar o esforço de conteúdo.
Ação para conteúdo fora do ar: Restaure ou recrie a página o mais rápido possível. No modo com busca ativa, o modelo tende a recuperar a citação quando o conteúdo volta a ser acessível e indexado pelos rastreadores, normalmente em dias a semanas dependendo da frequência de rastreamento do seu domínio.
Quando voltar a medir para confirmar a recuperação
A recuperação não é um evento, é uma tendência. Depois de qualquer ação corretiva, espere pelo menos dois ciclos completos de medição antes de tirar conclusões. Uma única medição acima do histórico pode ser um pico de ruído para o lado positivo, não recuperação real.
Para ações de conteúdo, como restaurar páginas, publicar material novo ou melhorar estrutura de headings, considere a defasagem: no modo com busca ativa, a recuperação pode aparecer em duas a quatro semanas, quando os rastreadores voltam a indexar o conteúdo atualizado e o modelo passa a consultá-lo nas respostas. No conhecimento paramétrico do modelo, gravado no último ciclo de retreinamento, a defasagem pode ser de meses, sem data previsível.
Para quedas por atualização de modelo, a recuperação depende do próximo ciclo de retreinamento, que não tem data pública. O que você controla é garantir que o conteúdo está acessível, bem estruturado e rico em definições diretas para quando o modelo atualizar novamente. Um conteúdo que o modelo consegue extrair com facilidade tem mais chance de entrar no novo corpus.
O tema de visibilidade em IA cobre várias dimensões que se movem em velocidades diferentes. Uma queda em um tipo de prompt raramente significa que tudo regrediu: às vezes a taxa de citação caiu em perguntas de recomendação mas se manteve estável em perguntas de comparação. Mapear a queda por categoria de prompt ajuda a localizar onde a mudança realmente aconteceu e a priorizar a resposta.
Queda vira diagnóstico quando você tem histórico para comparar. Sem uma linha de base, você não sabe se o número caiu ou se sempre foi assim. A Promptis mantém esse histórico automaticamente: cada ciclo de medição fica registrado, a média móvel filtra o ruído de não determinismo e o painel mostra quem subiu no lugar da sua marca nas respostas onde você sumiu. A primeira análise é gratuita, sem precisar de cartão.
