Um Botão Muda 80% das Recomendações de Produto do ChatGPT

Ative uma única configuração e 80,2% das recomendações de produto do ChatGPT mudam. Esse é o número central de um estudo de 20.000 respostas da Visibility Labs, que rodou 1.000 prompts do tipo “qual é o melhor ___” dez vezes com a busca ativada e dez vezes com ela desativada. Os dois conjuntos de respostas mal se pareciam.

Apenas 19,8% das recomendações se sobrepuseram entre busca ligada e busca desligada. O mesmo prompt, o mesmo modelo, um botão, e quatro em cada cinco sugestões de produto voltaram diferentes.

O Número Que Deveria Reformular Seu Modelo Mental

A maioria das equipes de marketing ainda trata recomendações de IA como uma propriedade fixa do modelo. Imaginam que o ChatGPT “sabe” qual é o melhor CRM do mesmo jeito que sabe a capital da França, e tentam ensiná-lo espalhando menções de marca pela web. O estudo derruba essa premissa.

Dos produtos recomendados 100% das vezes com a busca desligada, só 15,8% mantiveram esse desempenho perfeito quando a busca foi ligada. Uma marca que era recomendação garantida a partir dos dados de treinamento virou cara ou coroa no instante em que o modelo passou a ler a web ao vivo. A resposta dos dados de treinamento e a resposta da busca são dois mundos comerciais distintos.

O formato da resposta também mudou. Com a busca ligada, o ChatGPT recomendou 5,2 produtos por resposta e trouxe 19 produtos únicos por prompt. Com a busca desligada, esses números subiram para 6,2 e 21,8. A busca estreita o campo e o reordena.

De Onde as Recomendações Realmente Vêm

Segundo o estudo, a alavanca é a camada de fontes citadas. Uma análise complementar de 10.000 respostas mediu uma correlação de Pearson de 0,4 entre a frequência com que uma marca aparecia nas fontes citadas do ChatGPT e a frequência com que era recomendada. Com 10% de visibilidade em citações, uma marca obtinha em média 0,4 menção na recomendação. Com 100% de visibilidade, obtinha em média 3,0. A relação é direta e aproximadamente linear.

A Visibility Labs declara a implicação sem rodeios: “Ser mencionado nas fontes citadas é uma das coisas mais impactantes que você pode fazer para ser recomendado com mais frequência no ChatGPT.” E sobre o manual antigo: “Tentar influenciar os dados de treinamento espalhando menções de marca pela web é praticamente uma causa perdida.”

Isso redefine todo o alvo de otimização. Quando a busca está ligada, e cada vez mais ela é o padrão, a recomendação do modelo é montada em tempo de consulta a partir das poucas páginas que ele acabou de recuperar e citar. Essas páginas são observáveis. Você consegue vê-las. Isso muda o que governança e mensuração podem de fato fazer.

Não-Determinismo Agora É Uma Propriedade Comercial

Junte os dados e um fato mais incômodo aparece. O mesmo prompt de intenção de compra produz cerca de 80% de respostas comerciais diferentes dependendo de uma configuração que o usuário nunca vê e que você nunca controla.

Não-determinismo virou uma característica estrutural do comércio mediado por IA. Pare de tratá-lo como defeito a corrigir. Um cliente que pergunta “qual é a melhor ferramenta de gestão de projetos” pode receber a sua marca ou não, e o fator decisivo é se a sessão de ChatGPT dele está com busca ativada e o que o modelo recuperou naquele instante. Você não consegue tornar a resposta determinística. Só consegue influenciar os insumos que o modelo lê quando a busca está ligada.

Duas consequências seguem para qualquer equipe que vende por meio de respostas de IA.

A primeira: uma recomendação isolada não diz quase nada. Se 80% das respostas oscilam num único botão, um print do ChatGPT recomendando você, ou recomendando um concorrente, é ruído. Mensuração precisa rodar o mesmo prompt muitas vezes, em diferentes configurações, e reportar distribuições. Uma marca que aparece em 70% das respostas com busca ligada está numa posição genuinamente diferente de uma que aparece em 20%, e você não distingue as duas com uma única verificação.

A segunda: a superfície auditável vive na lista de citações. A memória do modelo fica fora do seu alcance. Você não consegue inspecionar nem editar o que o modelo absorveu no treinamento. Consegue inspecionar quais fontes ele cita para uma consulta hoje, se o seu domínio está entre elas e o que essas fontes dizem sobre a sua categoria. A camada de fontes citadas é o lugar onde a mensuração é possível e onde a influência é legítima.

A Superfície de Governança Acabou de Mudar de Lugar

Por dois anos, a conversa de governança sobre visibilidade em IA apontou para a camada errada. As equipes perguntavam como entrar nos dados de treinamento, como ranquear no índice de recuperação, como fazer engenharia reversa das preferências do modelo. O estudo realoca o problema para algo concreto: as fontes que o ChatGPT cita no momento da resposta e a sua presença dentro delas.

Isso é governável de um jeito que as entranhas do modelo nunca foram. Uma citação inclui o seu domínio ou não inclui. Uma página citada representa o seu produto com precisão ou o distorce. Uma consulta de categoria puxa fontes onde você é visível ou fontes onde você está ausente. Cada um desses pontos é observável, rastreável ao longo do tempo e atribuível a um responsável.

Também significa que o modo de falha é auditável. Se um concorrente vence de forma consistente a recomendação com busca ligada, você pode puxar as fontes citadas e entender por quê: ele está presente nas páginas que o ChatGPT recupera e você não. Esse é um achado sobre o qual você pode agir, ao contrário de “o modelo prefere ele”, que é um beco sem saída.

A correlação de 0,4 não é destino. Ela diz que a presença em citações impulsiona fortemente a frequência de recomendação, deixando espaço para ranqueamento, recência e o modo como as fontes descrevem você. As equipes que vencerem vão tratar presença em citações como um KPI mensurável, instrumentá-la e geri-la como qualquer outra superfície governada.

Faça Isto Agora

Escolha seus dez prompts de categoria com maior intenção de compra, as perguntas “qual é o melhor ___” que um comprador realmente faria. Rode cada uma no ChatGPT pelo menos dez vezes com a busca ativada e registre duas coisas: se a sua marca aparece na recomendação e quais fontes o modelo cita. Depois rode com a busca desativada para ver a sua linha de base dos dados de treinamento.

Agora você tem uma distribuição em vez de um caso isolado, e uma lista das fontes exatas que decidem a sua visibilidade. Esses domínios citados são a sua fila de trabalho. Garanta cobertura precisa, presente e atualizada dentro deles, e meça de novo. Esse ciclo é a superfície de governança do comércio mediado por IA, e segundo estes dados, é cerca de 80% do jogo.

---

Fontes

• Visibility Labs. “ChatGPT Search vs No-Search Product Recommendations.” Junho de 2026.

A Victorino ajuda equipes de marketing a governar e medir sua presença dentro das respostas de IA: contato@victorino.com.br | www.victorino.com.br