[ método ]
Não só um dashboard bonito: cinco decisões para o dado não mentir
Um dashboard de visibilidade em IA tem uma tentação estrutural: mostrar sempre um número. Um dia com pouca coleta vira uma queda no gráfico. Uma marca que não apareceu vira “sentimento 0”. Uma verificação que falhou vira “nota 0” numa auditoria. O painel fica completo, e fica errado — e quem decide em cima dele não tem como saber.
Na Dolomite AI, a regra é a inversa: quando o dado não sustenta o número, o número não aparece. Isso deixa o painel menos bonito em alguns dias. Cinco decisões concretas mostram o que isso significa na prática.
1. Dia parcial é marcado, não plotado como queda
A coleta acontece em ciclos. Se um ciclo é interrompido — teste, falha, coleta fora de hora — aquele dia tem menos respostas que os outros. Num gráfico comum, esse dia aparece como um ponto normal: visibilidade caindo de 60% para 35% num único dia, concorrentes indo a zero. Parece uma crise. É só uma amostra menor.
A decisão: o dia parcial entra no gráfico com um marcador de aviso, e o aviso diz quantas respostas foram coletadas contra o esperado de um ciclo cheio. O valor aparece, porque é o valor que existe — mas quem lê sabe que ele oscila mais que os vizinhos, e por quê. A alternativa de esconder o dia também foi testada: esconde a informação junto com o ruído.
2. Sentimento não medido não é sentimento zero
Sentimento mede quão positivamente as IAs descrevem uma marca quando a citam. Se a marca não foi citada numa resposta, não há sentimento a medir — e o sistema registra exatamente isso: não medido. A média de sentimento considera só as respostas em que a marca aparece e o tom pôde ser avaliado.
Parece detalhe. Não é. Se ausência virasse zero, toda marca com visibilidade baixa teria sentimento péssimo por construção, e “as IAs falam mal de você” seria a leitura automática de “as IAs não falam de você”. São dois problemas diferentes, com soluções diferentes. Misturá-los no número é mandar o cliente resolver o errado.
3. Uma citação hesitante pesa menos que uma afirmativa
“A marca X é a referência do setor” e “a marca X pode ser uma opção a considerar” contam, nas duas, como uma menção. Mas não são a mesma coisa para quem está decidindo o que comprar. Por isso a análise de percepção atribui a cada resposta um grau de convicção — quão seguramente a IA cita a marca — e a média aparece com a tradução: com segurança, com moderação, com hesitação.
Uma marca pode ter visibilidade alta e convicção baixa: aparece muito, sempre com ressalvas. O número de visibilidade sozinho diria que está tudo bem.
4. Auditoria: o que não pôde ser medido sai da conta
A Auditoria AEO avalia seis categorias — acesso dos robôs de IA, legibilidade do HTML, dados estruturados, entidade, autoridade e deslocamento. Às vezes uma categoria não pode ser medida: um site atrás de proteção que bloqueia a verificação derruba três delas de uma vez.
A decisão: categoria não medida não vira zero. Ela sai do cálculo e os pesos das demais são redistribuídos. E com menos de quatro categorias medidas, a nota geral não é exibida — porque a média de duas categorias apresentada como veredito do site inteiro teria uma precisão que o dado não tem. É preferível uma auditoria sem nota a uma nota que finge.
5. Toda URL que a IA cita é verificada
Quando uma IA responde citando fontes, a lista de URLs parece prova. Nem sempre é. Quando o modelo responde de memória, sem buscar, ele produz URLs que parecem reais e não existem — em nossas medições, 65% delas retornavam erro 404. Uma ferramenta que conta essas citações como “fontes da sua marca” está contando referências a páginas que nunca existiram.
A decisão: cada URL apresentada como fonte é verificada, e o que não responde é marcado. E o modo da resposta — busca ativa ou memória — fica registrado, porque muda o que a citação significa.
O padrão por trás das cinco
Em todas, a escolha foi a mesma: mostrar menos para não afirmar o que o dado não sustenta. Um marcador em vez de uma queda; “não medido” em vez de zero; um grau de convicção em vez de uma contagem; uma categoria fora da conta em vez de uma nota falsa; uma URL verificada em vez de uma lista de fontes.
Nenhuma dessas decisões deixa o painel mais impressionante. Todas deixam a decisão de quem lê mais segura — e é para isso que o painel existe.
Perguntas frequentes
Por que meu gráfico tem um ícone de aviso em alguns dias?
Porque naquele dia a coleta foi parcial — menos respostas que um ciclo completo. O valor está plotado, mas vem de uma amostra menor e por isso oscila mais. O aviso mostra quantas respostas foram coletadas e quantas seriam esperadas.
Sentimento em branco significa problema?
Não. Significa que a marca não apareceu nas respostas do período, ou que o tom não pôde ser avaliado. Sentimento só é calculado sobre respostas em que a marca é citada. Ausência é um dado de visibilidade, não de sentimento.
Minha auditoria não tem nota geral. Por quê?
Porque menos de quatro das seis categorias puderam ser medidas — normalmente um site que bloqueia a verificação automática. As categorias medidas aparecem com suas notas; a geral fica de fora até que o dado a sustente.
Por que algumas fontes citadas pela IA aparecem marcadas como inexistentes?
Porque a verificação encontrou erro ao acessá-las. Isso é comum quando a IA responde de memória, sem buscar: ela produz URLs plausíveis que não existem. Contar essas citações como fontes reais superestimaria sua presença.
“Mostrar menos” não esconde informação do cliente?
Esconde um número; mostra o motivo. Em cada caso o painel diz o que não foi medido e por quê. O que não aparece é um valor inventado no lugar do dado ausente.
A Dolomite AI mede, explica e age sobre como ChatGPT, Gemini, Perplexity e Google AI Overviews citam e recomendam sua marca — e diz quando não dá para medir.