A estrutura de duas camadas da visibilidade em IA

Seis estudos independentes, publicados entre fevereiro e outubro de 2026, mediram o quanto as citações em IA são de fato estáveis. Seus números principais parecem irreconciliáveis. 96,8 % dos domínios citados não mostra mudança alguma de uma semana para outra (BrightEdge, semana de 1º de fevereiro de 2026) [3]. E ainda assim 69 % dos domínios citados mudam de um dia para o outro, medido sobre 530.875 citações (GetMentions AI, junho de 2026) [6]. Além disso, 73,5 % das URLs citadas individualmente aparecem exatamente uma vez e nunca retornam, com vida mediana de zero dias (Trakkr, 108.650 URLs ao longo de 177 dias) [4].

Os três números estão corretos. Descrevem camadas diferentes do mesmo sistema, em unidades diferentes — e no caso de [3] e [6], a mesma camada lida em janelas diferentes. Entendido isso, o problema central do setor deixa de ser a falta de dados e passa a ser o que sempre foi: um problema de unidade de medida. Um domínio pode manter seu lugar no conjunto citado enquanto a página que o sustenta é substituída; uma média semanal pode parecer estável enquanto cada leitura diária dentro dela difere; e uma única execução pode produzir uma diferença que nenhum teste estatístico sustentaria.

A descoberta mais decisiva não é sobre nenhum mecanismo. É que a precisão que o setor declara não é alcançável com as taxas de amostragem que o setor usa. Para reportar uma cota de citações com um intervalo de confiança de 95 % de cinco pontos percentuais de largura — isto é, cerca de ±2,5 pontos, a resolução com que as equipes afirmam «subimos» —, um estudo estima 40–50 repetições no Gemini, cerca de 100 no Perplexity e 150 ou mais no PesquisarGPT [1]. A maioria dos painéis roda uma vez. A distância entre o que é reportado e o que é mensurável é o tema deste documento.

Todo produto de visibilidade em IA do mercado se apoia numa premissa herdada do ranqueamento: que um número produzido hoje pode ser comparado ao produzido ontem e que a diferença é uma mudança na sua posição. O ranqueamento conquistou essa premissa na prática. Os resultados de busca eram determinísticos o bastante para que passar da posição 8 para a 5 significasse algo, e a ferramenta que reportava isso podia ser verificada por uma pessoa digitando a consulta.

Os mecanismos de resposta quebram o último elo dessa cadeia. Faça a mesma pergunta duas vezes e o mecanismo pode responder de forma diferente, citando outro conjunto de fontes, sem que nada tenha mudado nas suas páginas. Não é um defeito a ser corrigido; é como se comporta um sistema generativo com temperatura acima de zero e recuperação sobre um índice que se atualiza continuamente. A literatura de medição quase não havia enfrentado a questão antes de 2026.

O primeiro tratamento rigoroso veio em março de 2026. Quantifying Uncertainty in AI Visibility, de Sielinski, reformula todo o exercício: uma cota de citações não é uma propriedade de uma marca, é um estimador amostral de uma distribuição de resposta subjacente. Amostrar essa distribuição uma vez produz uma estimativa pontual com uma margem de erro que ninguém imprimiu. O artigo enuncia sua afirmação empírica central com clareza: muitas diferenças aparentes entre domínios, e muitas mudanças aparentes entre amostras, «não são estatisticamente distinguíveis de ruído» [1].

“Single-run visibility metrics provide a misleadingly precise picture of domain performance in generative search.” — Sielinski, arXiv:2603.08924, 39 pages, 13 figures, August 2026 revision [1]

Essa afirmação, levada a sério, invalida boa parte do que a categoria reporta. Não invalida o propósito da categoria. As marcas continuam precisando saber se aparecem na resposta. O que muda é a forma que a resposta deve assumir: não «hoje você está em 12,4 %, abaixo de 15,1 %», mas «sua cota está entre 12 e 16 % com este tamanho de amostra, e o movimento que você viu cai dentro desse intervalo».

O que está em jogo é assimétrico. Uma marca que reage em excesso ao ruído queima orçamento reescrevendo páginas que nunca foram o problema. Uma marca que amostra pouco perde uma mudança estrutural real — e os estudos da seção 3 mostram que elas acontecem, só que mais devagar e numa camada diferente da que o acompanhamento diário sugere.

Esta é pesquisa secundária, e este documento diz isso sem rodeios. A Novaxilabs não opera nenhuma amostra de monitoramento própria. Cada número abaixo é um achado publicado de um estudo identificado, reportado com seu tamanho de amostra, sua janela de medição e sua classe de evidência. O que este documento traz não são dados novos, mas uma leitura estrutural de estudos que parecem se contradizer, e a tradução dessa leitura em um padrão de reporte.

Classes de evidência

As afirmações são classificadas numa escala de cinco níveis usada em toda esta série: Oficial (documentação do fornecedor), Preprint acadêmico (publicação no arXiv com métodos e dados declarados, ainda sem revisão por pares formal), Medição independente (amostra de terceiros com tamanho e janela declarados; nenhum caso nesta edição), Informado pelo fornecedor (uma empresa de acompanhamento que publica dados da própria plataforma) e Análise (inferência fundamentada, explicitamente não uma afirmação de acesso ao interior do mecanismo).

Um fato incômodo merece ser dito antes dos achados, porque determina como eles devem ser lidos: cinco dos seis estudos citados aqui são informados por seus fornecedores. BrightEdge, Trakkr, Ahrefs, GetMentions AI e SISTRIX mediram seus próprios dados de acompanhamento e publicaram o resultado; só o artigo de Sielinski é uma fonte acadêmica sem interesse comercial na resposta. As referências [7] e [8] são páginas complementares do mesmo conjunto de dados da Trakkr que [4]: são citadas por números específicos, não contam como estudos separados. Não existe auditor independente de dados de citação em IA. Esse é o estado do campo, não uma limitação deste documento — e significa que a forma honesta de ler qualquer número desta categoria, inclusive este, é conferir primeiro sua amostra e sua janela declaradas, e depois sua manchete.

Por que números absolutos nunca são comparados entre estudos

Os estudos não compartilham metodologia e este documento não finge que compartilhem. A SISTRIX acompanhou 82.619 consultas semanalmente por 17 semanas em seis países [2]. A BrightEdge comparou instantâneos semanais consecutivos em sua plataforma AI Catalyst [3]. A Trakkr acompanhou 108.650 URLs por 177 dias em oito modelos [4]. A Ahrefs acompanhou 37.500 citações diariamente por 20 dias em cinco ferramentas [5]. A GetMentions executou 2.398 consultas uma vez ao dia por 7 dias em quatro mecanismos [6]. Uma porcentagem de um desses estudos não pode ser subtraída de uma porcentagem de outro, e quando este documento os coloca lado a lado compara direção e estrutura, nunca magnitude.

O que este documento não afirma

Não afirma saber como nenhum mecanismo seleciona fontes por dentro. Não afirma que estes achados valham para todos os mercados: o único conjunto multinacional aqui cobre seis mercados ocidentais e não é evidência sobre outros. Não afirma que a estrutura seja permanente — cada estudo é datado, e a evidência do próprio documento mostra que o comportamento dos mecanismos se move mais rápido do que qualquer estudo replica.

Cada achado abaixo enuncia uma afirmação, nomeia o estudo que a sustenta e reporta a amostra em que se apoia. Quando dois estudos discordam, os dois números aparecem — porque nesta categoria a discordância costuma ser o achado, não um erro a ser resolvido.

A leitura de duas camadas resolve o que de outra forma parece uma contradição entre os estudos mais cuidadosos do campo. Também muda o que pode significar «nossa visibilidade em IA caiu». Se uma página saiu de uma resposta enquanto o domínio permaneceu no conjunto citado, a camada de domínios reportará nenhuma mudança, a camada de páginas reportará uma perda, e as duas descrevem exatamente o mesmo acontecimento. Um relatório que mistura as duas produz um número sobre o qual ninguém consegue agir.

A formulação da SISTRIX é a mais útil operacionalmente entre as publicadas até agora: toda resposta tem um núcleo fixo e um carrossel. Em 86,5 % das consultas existe um pequeno conjunto estável de domínios que persiste por semanas e meses; todo o resto é redistribuído semanalmente. A pergunta que uma marca deveria fazer não é «estou na resposta?» mas «estou no núcleo ou no carrossel?» [2] ANÁLISE

Essa distinção tem uma dimensão temporal que os painéis diários ignoram. A série da Trakkr no nível de marca — 857.138 relatórios diários cobrindo 10.991 marcas ao longo de dez meses — situa o tempo mediano de pico à metade em 31 dias, e encontra apenas 173 de 1.314 marcas acompanhadas por 90 dias ou mais que mantêm presença de citações estável [4]. Perder o núcleo é um acontecimento lento, medido em semanas. Perder uma página é um acontecimento rápido, medido em dias. Reportar os dois na mesma cadência garante que o acontecimento rápido abafa o lento.

Esta é a razão mecânica pela qual contagens brutas de citações não podem ser comparadas entre mecanismos, e a razão pela qual «cota de citações» é a única métrica com significado defensável entre plataformas [1]. Uma marca citada duas vezes dentro de uma resposta do PesquisarGPT com seis links tem cerca de um terço dessa resposta; as mesmas duas menções dentro de uma resposta do Gemini com quarenta links são um erro de arredondamento. Ambas podem ser mostradas a um cliente como «duas citações».

A SISTRIX acrescenta um resultado que mina a premissa de uma estratégia de conteúdo universal. No Google AI Mode, 80 % dos domínios do núcleo estão em alemão para consultas em alemão, e 85 % das URLs do núcleo são evergreen, com páginas de produto e de loja dominando o núcleo enquanto guias e notícias giram. No ChatGPT Pesquisar o perfil se inverte: os domínios do núcleo tiram 16/20 em E-E-A-T contra 14/20 dos periféricos, as fontes institucionais e de documentação formam o núcleo, e 68 % do conteúdo do núcleo está em inglês mesmo para consultas em alemão [2]. As duas plataformas premiam perfis de conteúdo quase opostos, e nenhuma página individual consegue ocupar os dois núcleos com conforto.

Outro número do mesmo estudo merece atenção porque é o argumento mais forte contra planejar a estratégia de citações em torno de cobertura de imprensa: apenas 1,4 % dos artigos de notícia citados como fonte permaneceram de forma permanente no conjunto de citações [2]. A notícia editorial é passagem só de ida. O que sobrevive é evergreen por construção.

O segundo aviso prático do artigo é mais sutil e mais fácil de errar. Intervalos de confiança não se estreitam sempre de forma suave ao acrescentar consultas; no PesquisarGPT podem estreitar e depois voltar a alargar, porque a distribuição subjacente se desloca durante a amostragem. Quem parasse num ponto convenientemente estreito reportaria um intervalo que subestima a incerteza real [1]. A regra segura é comprometer um tamanho de amostra de antemão — derivado da plataforma e do tema — em vez de parar quando o número parece aceitável.

Juntando os dois achados, a implicação para o reporte é inevitável. Um painel que amostra uma vez e imprime uma porcentagem com duas casas decimais não está medindo uma diferença pequena; está imprimindo um artefato. O número é aritmética real sobre dados reais, e não carrega conteúdo inferencial além da única amostra da qual saiu. A diferença de alguns pontos que um cliente pergunta todo mês é, com esse tamanho de amostra, a própria incerteza da medição expressa como desempenho aparente.

A SISTRIX chega à mesma conclusão por outra direção e acrescenta o mecanismo. Consultas de marca variam cerca de 20 % menos que a média (45 % contra 56 % de rotação para dentro), o que soa tranquilizador até se examinarem as co-citações: os doze a quinze domínios citados junto a uma marca mudam a 70 % por semana [2]. O domínio próprio da marca está ancorado; o espaço ao redor dele é redistribuído semanalmente. É ali que o deslocamento competitivo realmente acontece, e ele é invisível para uma métrica que só pergunta se a marca apareceu.

A consequência para o planejamento é concreta. Uma marca que só acompanha seu próprio nome verá uma linha estável e concluirá que nada se move, enquanto o conjunto de fontes citadas ao lado dela gira toda semana. Uma marca que só acompanha termos de categoria verá movimento constante e concluirá que a categoria é imensurável. As duas estão olhando metade da estrutura.

O mesmo artigo registra um caso no extremo oposto, útil porque mostra que a falha não é universal. O PesquisarGPT em comedouros para pássaros tinha cinco pares consecutivos com intervalos estreitos o bastante para confiar, e nenhum atingiu o limite de estabilidade de 0,90 — a largura média dos intervalos era 0,225, perto do limite em que a comparação deixa de ser informativa [1]. Nos outros dois temas os pares nem sequer bastavam para calcular. Um painel diário teria reportado um número para cada um desses dias.

Há uma leitura operacional limpa disso. A comparação por pares responde a «mudou desde ontem», uma pergunta sobre ruído. A comparação de ponta responde a «mudou ao longo do período que nos importa», a pergunta que uma revisão trimestral realmente faz. Um sistema de medição que só faz a primeira continuará confirmando que nada vai mal enquanto a coisa que ele foi contratado para vigiar se move em silêncio.

Nada disso sustenta que se deva parar de medir visibilidade em IA. Sustenta que a unidade de medida precisa mudar, e que três hábitos da prática atual induzem ativamente ao erro.

Dois números complementares das páginas de dados públicos da Trakkr estabelecem o mesmo ponto sobre amostras diferentes. O índice de citações ao vivo indica que 74 % dos links citados aparecem numa única resposta e nunca mais — uma segunda amostra por trás do número longitudinal de 73,5 %, não uma replicação independente [7]. A análise do mesmo grupo sobre 1,3 milhão de citações encontra que a Wikipédia sozinha concentra cerca de 17 % de todas as citações em IA, que é a aparência de uma camada núcleo quando um único domínio a ocupa [8]. Um carrossel de milhares de páginas gira sob um punhado de fontes estruturalmente invariáveis.

1. Parar de tratar «citado» como um estado binário

Os dados dizem que toda resposta tem um núcleo e um carrossel [2]. Uma marca está no núcleo — persistente por semanas, e o que um concorrente precisa deslocar — ou está na rotação, onde a presença de hoje prevê muito pouco a da semana que vem. Reportar um único número do tipo «você aparece em 34 % das respostas» colapsa os dois estados num número, e esse número fica dominado pela metade volátil. A pergunta útil é que proporção das consultas acompanhadas uma marca ocupa em posição de núcleo, e como essa proporção se move mês a mês.

2. Parar de reportar deltas diários como desempenho

O movimento diário é real, amplo e quase inteiramente não informativo com uma amostra por consulta [1][6]. Uma série diária merece ser mantida — é assim que uma queda, uma atualização de modelo ou uma desindexação repentina são anunciadas — mas não é uma métrica de desempenho. O número que um stakeholder deveria ver toda semana é uma cota com intervalo; o número que merece ser escalado é uma ruptura na série, não uma oscilação de dois pontos.

3. Parar de tirar a média de mecanismos numa única pontuação

O Gemini cita 36–43 links por resposta, o PesquisarGPT 5–7, e ambos giram fontes em ritmos diferentes sobre perfis de conteúdo diferentes [1][2]. Uma «pontuação de visibilidade em IA» misturada entre mecanismos é uma média de quantidades de unidades diferentes, e se move quando a mistura de consultas muda e não quando a marca muda. Números por mecanismo, reportados em separado, são menos satisfatórios de olhar e muito mais úteis para agir.

Há também uma consequência orçamentária. Se a camada núcleo gira na escala de semanas a meses — a marca mediana da Trakkr leva 31 dias para cair do pico à metade [4] —, então o ciclo de intervenção deveria ser mensal, não diário. Conteúdo publicado para perseguir uma oscilação diária otimiza contra o ruído. Conteúdo publicado para entrar num conjunto núcleo compete na escala de tempo que os dados de fato sustentam.

As seis regras abaixo não são um estilo da casa. Cada uma deriva diretamente de uma propriedade medida dos dados, e cada uma existe para evitar um erro específico que os estudos anteriores documentam. Um relatório que as omite não é falso na sua aritmética; é falso no que afirma que a aritmética significa.

Duas dessas regras vão parecer um downgrade, porque eliminam números que um cliente lê há um ano. Substituir uma porcentagem diária por um intervalo semanal encurta o relatório e, à primeira vista, o torna menos informativo. Ele é mais informativo no único sentido que importa: pode ser defendido. Um número sem tamanho de amostra declarado não pode ser contestado, e um número que não pode ser contestado não é evidência.

“If a visibility report cannot answer ‘what was your sample size and window’, the number it contains is not a measurement — it is an impression with two decimal places.” — Inference from the sampling thresholds in [1], stated here as a reporting rule rather than a finding

O padrão também tem um uso competitivo. Numa categoria em que cada fornecedor publica um número diferente para a mesma marca, o fornecedor que declara seu tamanho de amostra, sua janela e seu intervalo é aquele cujo número pode ser reconciliado com os demais. Não é um posicionamento de marketing; é a única posição a partir da qual uma medição pode sequer ser comparada.

As fraquezas deste documento são concretas e merecem ser enunciadas por inteiro, porque uma síntese herda cada fraqueza de suas fontes e acrescenta algumas próprias.

Nenhuma medição original

A Novaxilabs não opera nenhuma amostra de monitoramento. Nada aqui foi medido pelo editor, e nenhum número é apresentado como confirmação independente de outro. A contribuição do documento é estrutural: lê seis estudos como um único sistema e mostra que suas contradições aparentes são diferenças de unidade, de janela e de tipo de pergunta.

A maior parte da evidência é declarada pelos fornecedores

Cinco dos seis estudos são publicados por empresas que vendem acompanhamento de citações. Suas seções de metodologia são incomumente detalhadas, e onde enunciam limitações este documento as repete — mas nenhum foi auditado por terceiros, e cada um tem um interesse evidente em que o fenômeno seja real. Só o artigo do arXiv [1] é acadêmico e desinteressado. Um leitor que descarte todos os números declarados por fornecedores fica com o núcleo metodológico deste documento intacto: a estrutura de duas camadas e os limites de amostragem se apoiam ambos principalmente em [1] e na coerência interna de [2]–[6].

Cobertura estreita em cada dimensão

Os dados multipaís cobrem seis mercados ocidentais e nada mais [2]. O trabalho sobre limites de amostragem cobre três temas de produto de consumo [1]. A janela mais longa é de dez meses [4]; a mais curta, de sete dias [6]. Nada disso pode ser generalizado para uma categoria, um idioma ou um mercado sem verificação, e este documento não tenta.

O mecanismo não está explicado

Este documento descreve comportamento, não causas. Pode afirmar que a citação no nível de domínios é estável enquanto a citação no nível de páginas não é; não pode dizer por quê, porque nenhum dos estudos isola a variável. A reclassificação da recuperação, os ciclos de atualização do índice, a política de comprimento de resposta e a reescrita de consultas contribuem de forma plausível, e separá-los exigiria uma perturbação controlada que nenhum estudo publicado tentou. Qualquer afirmação causal associada a esses números — inclusive as lisonjeiras — é inferência, não medição.

Um único estudo fecharia a maioria das lacunas

A ausência mais notável do campo é um único estudo que combine quatro propriedades ao mesmo tempo: vários idiomas, vários mecanismos, uma janela de pelo menos seis meses e repetições suficientes por consulta para anexar um intervalo. Cada conjunto de dados existente tem três das quatro. Esse estudo não existe no registro público na data de corte de dados deste documento, e é por isso que suas afirmações são estruturais e não preditivas.

Por que oito referências e não vinte

O primeiro documento desta série trazia vinte fontes porque sua pergunta — que estruturas de página sobrevivem à citação — tem uma literatura ampla por trás. Esta pergunta não. Cada conjunto de dados público que mede a estabilidade das citações em escala pertence a uma de cinco empresas de acompanhamento, e apenas um artigo acadêmico trata diretamente da estatística. Engordar a lista com comentários secundários teria acrescentado comprimento e retirado rastreabilidade, então a lista para nas oito páginas que efetivamente carregam os números usados aqui. É um julgamento sobre o que pode ser verificado, não uma afirmação de que a literatura seja escassa.

Como usar este documento

Como uma chave de leitura, não um veredito. Aplicado a um relatório de fornecedor, ele faz três perguntas em ordem: que camada este número mede, qual é seu tamanho de amostra e qual é sua janela. A maioria dos relatórios falha na primeira pergunta. Essa falha em geral não é desonestidade — é a saída padrão de uma ferramenta construída para amostrar uma vez e mostrar uma porcentagem —, mas é a razão pela qual dois fornecedores críveis podem publicar números incompatíveis para a mesma marca no mesmo mês sem que nenhum dos dois minta.

Leitores que quiserem as fontes primárias deveriam ir a elas diretamente. Este documento é um mapa de onde a evidência coincide e onde colide; as colisões são mais úteis do que qualquer resumo delas.

Cada fonte abaixo foi aberta e lida em sua página primária antes de qualquer número dela ser citado. Nenhum número deste documento vem de uma compilação secundária. Quando um número amplamente difundido não podia ser rastreado até um original publicado — a afirmação de 23 milhões de citações discutida no §02 —, ele foi omitido em vez de atribuído de forma vaga.

1. 1 Sielinski, R. (2026). Quantifying Uncertainty in AI Visibility: A Statistical Framework for Generative Pesquisar Measurement. arXiv:2603.08924v3 [stat.AP], 39 páginas, 13 figuras. Primeira versão em 9 de março de 2026; revisada em 26 de agosto de 2026. arxiv.org/abs/2603.08924 PREPRINT ARXIV
2. 2 SISTRIX. (2026, 1º de maio). AI Citation Drift: How stable are sources in AI search results? 82.619 consultas qualificadas, 1.548.213 instantâneos, 2.556 URLs classificadas, seis países (DE, US, UK, IT, ES, FR), três plataformas, 17 semanas (17 de dezembro de 2025 – 8 de abril de 2026). sistrix.com/blog/ai-citation-drift FORNECEDOR
3. 3 BrightEdge. (2026, 6 de fevereiro). AI Pesquisar Citations: How Much Do They Really Change Week to Week? Instantâneos semanais consecutivos, semana de amostra de 1º de fevereiro de 2026. help.brightedge.com — weekly AI search insights FORNECEDOR
4. 4 Trakkr Research. (2026, 30 de março). The Half-Life of AI Citations (Study 009). 108.650 URLs em 200 marcas amostradas de 960, oito modelos, janela de 177 dias; mais uma série no nível de marca de 857.138 relatórios diários cobrindo 10.991 marcas. trakkr.ai/trakkr-research/citation-decay FORNECEDOR
5. 5 Ahrefs. (2026, 29 de outubro). How Stable Are AI Citations? 10 Things We Learned Tracking 37,500 Citations. Cinco ferramentas de IA, 20 dias de acompanhamento diário. ahrefs.com/blog/how-stable-are-ai-citations FORNECEDOR
6. 6 GetMentions AI. (2026, 9 de julho). AI Citation Volatility: A 530,875-Citation Study. 2.398 consultas reais de 56 contas de marca, quatro mecanismos, sete dias consecutivos, junho de 2026; 67.144 respostas, 181.225 URLs, 55.387 domínios, 46.259 comparações de pares de dias. Medido no nível de domínios. getmentions.ai/blog/ai-citation-volatility-study FORNECEDOR
7. 7 Trakkr. (2026). Trakkr Data — conjuntos de dados de citações atualizados continuamente, vigentes em 28 de outubro de 2026. Usados aqui apenas para a fatia de links citados que aparecem uma única vez e para a série diária de páginas vistas. trakkr.ai/data FORNECEDOR
8. 8 Trakkr. (2026). The Complete, Data-Backed Guide to Earning AI Citations. 1,3 milhão de citações em 60.209 domínios, incluindo os números de concentração de domínios. trakkr.ai/guides/how-to-get-cited-by-ai FORNECEDOR

Dr. Adrian Whitmore
Research Lead, Novaxilabs

Adrian lidera a pesquisa de medição na Novaxilabs, onde trabalha sobre os fundamentos estatísticos do acompanhamento de citações em IA: quantas amostras uma afirmação de visibilidade exige, como é uma métrica estável quando o sistema subjacente é estocástico, e onde os números publicados do campo se contradizem entre si.

Este é o segundo documento da série. O primeiro, Beyond Rankings — What Actually Gets a Page Cited in AI Answers, examinou que propriedades estruturais de uma página sobrevivem à seleção por um mecanismo de resposta. Este recua um passo e faz uma pergunta prévia: se os números com que essa seleção é reportada são precisos o bastante para significar algo. Os dois documentos trabalham exclusivamente com medição de terceiros publicada; a Novaxilabs não opera nenhuma amostra de monitoramento própria, e os dados de sua própria plataforma não são usados aqui como evidência. Conversas sobre metodologia, incluindo discordâncias em relação às leituras anteriores, são bem-vindas em info@novaxilabs.com.