# Como auditar um relatório de GEO: zero, indisponibilidade, score e evidência > Uma nota baixa pode esconder perguntas ruins ou dados ausentes; uma nota alta pode coexistir com nenhuma menção. Aprenda a conferir denominadores, respostas, fontes e prioridades antes de financiar uma correção. _Fonte: [https://quaerion.blog/blog/auditar-relatorio-geo-zero-indisponivel-evidencia/](https://quaerion.blog/blog/auditar-relatorio-geo-zero-indisponivel-evidencia/) · Categoria: GEO · Publicado: 2026-10-06 · Por Redação Quaerion_ - Tipo: Metodologia - Nível: Executivo - Estado da evidência: Metodologia Quaerion ## Resposta direta Antes de agir, confira o que foi medido, quantas observações foram válidas e se perguntas, respostas e fontes ficaram preservadas. Mantenha zero observado separado de falha, dado ausente e item não aplicável. Recalcule a pontuação e confira cada recomendação contra sua evidência. Um score pode orientar investigação; não substitui a demonstração do problema. Um relatório apresenta 0% de menções e 100/100 de prontidão técnica. Outro recomenda corrigir algo que seu próprio diagnóstico aprovou. A saída não é escolher a nota mais conveniente: é conferir o evento contado, o dado preservado e a relação entre evidência e ação. Este guia oferece uma rotina para o empresário avaliar a utilidade do relatório antes de organizar investimento. ## Qual pergunta o indicador realmente responde? Prontidão técnica pergunta se um site atende a verificações de acesso e uso. Presença pergunta se a marca apareceu numa amostra. Citação pergunta se uma fonte foi apresentada. Recomendação pergunta como a marca entrou na resposta. Nenhum desses eventos, isolado, informa quanto a empresa vendeu. A metodologia atual de Is Agentic descreve verificações de um site público e informa que seu score não é certificação de segurança, acessibilidade, qualidade ou compatibilidade. O Bing AI Performance conta citações nas superfícies participantes sem informar a posição do conteúdo em cada resposta. Use a definição de cada fonte antes de comparar seus números. Exemplo conceitual: uma página legível e bem identificada pode não responder à pergunta comercial testada. Ela passa em verificações técnicas e não aparece naquela consulta. Outra página pode ser citada como exemplo de um problema; ela tem citação, mas não recomendação favorável. O relatório precisa manter esses significados. - [Metodologia do Is Agentic](https://is-agentic.com/methodology) - [O que o Bing AI Performance mede](https://blogs.bing.com/webmaster/2026/2/Introducing-AI-Performance-in-Bing-Webmaster-Tools-Public-Preview/) - [Prontidão, presença e recomendação](https://quaerion.blog/blog/agent-readiness-presenca-ia-como-medir/) ## Como diferenciar zero de informação indisponível? Zero exige observações válidas nas quais o evento não ocorreu. Se a consulta falhou, a resposta não foi preservada ou a dimensão não foi executada, o dado precisa de outro estado. Um relatório deve mostrar a cobertura ao lado da taxa, com uma regra conhecida para respostas que não atendem à pergunta. No exemplo hipotético, seis modelos receberam cinco perguntas cada: 30 consultas previstas. Houve quatro falhas de transporte e duas respostas que apenas pediram contexto omitido pelo teste. Se a regra prévia define resposta pertinente como unidade válida, restam 24 observações. Uma ausência de marca nessas 24 observações pode ser descrita como 0/24; seis modelos acionados não tornam as 30 consultas válidas. A classificação precisa ser definida antes da leitura dos resultados. Uma recusa completa pode ser uma observação válida do comportamento da interface, embora não seja uma resposta comercial pertinente. Declare o objeto e a regra usada, preserve a recusa e mostre contagens próprias. Não exclua resultados depois de vê-los apenas para produzir uma taxa melhor. - Zero observado: havia dado válido e o evento contado não ocorreu. - Falha operacional: a consulta não produziu o registro esperado. - Dado ausente: não há evidência suficiente para classificar. - Não executado: a dimensão prevista não foi consultada. - Não aplicável: o critério não corresponde ao site ou à tarefa, conforme regra explícita. - [Definição de cobertura válida de modelos](https://glossario.quaerion.com.br/cobertura-valida-de-modelos) ## Por que conferir a tela antes de analisar um CSV? A exportação pode transformar a representação de um dado. Preserve a tela ou o metadado que distingue valor ausente de zero, confira a agregação e registre o fuso do período. Um arquivo facilita cálculo, mas não conserva automaticamente o significado de todas as células. A ajuda atual do relatório generativo do Google alerta que valores apresentados como indisponíveis podem ser exportados como zero. Também distingue agregação por propriedade e por página. Portanto, uma soma de planilha não deve ser interpretada antes de conferir como a fonte definiu e exportou o indicador. Procedimento Quaerion: mantenha o export original, um registro do estado da fonte e uma tabela de transformação. Se uma célula indisponível virar zero, carregue um campo de estado na análise. Quando essa distinção não puder ser reconstruída, declare o dado inconclusivo em vez de inferir ausência de presença. - [Limitações de agregação e exportação do Google](https://support.google.com/webmasters/answer/16984139) ## Como verificar se as respostas sustentam a conclusão? Leia a pergunta e a resposta integral de cada unidade relevante. Veja se a pergunta oferece contexto, se nomeia a marca e se testa descoberta, reconhecimento ou comparação. Quando houver link, confira o papel da fonte e se ela sustenta a afirmação. Um nome em texto e um URL em referência não bastam para classificar recomendação. Exemplo hipotético: 'Você conhece a empresa Exemplo?' já fornece a entidade. A resposta pode servir a um teste de reconhecimento, mas não equivale a 'quais empresas resolvem este problema?' sem mencionar a marca. Se as duas forem combinadas numa taxa, o denominador passa a misturar tarefas que têm probabilidades e significados diferentes. Na conferência de citação, separe a frase da resposta, a URL e o trecho da fonte que a sustenta. O link pode falar do setor sem falar da empresa. Pode apresentar uma data antiga para uma disponibilidade atual. Esses casos pedem classificação específica e uma correção na interpretação, antes de justificar uma ação no site. Um preprint submetido em 16/09/2026 por Marin e coautores compara recomendações de produto em interfaces e APIs. Seu resumo relata diferenças entre essas superfícies e variação entre respostas repetidas. O achado apoia a decisão de declarar o ambiente observado; não permite tratar uma consulta por API como reprodução automática da experiência de consumidores. É um estudo com escopo próprio, sem revisão por pares presumida e sem resultados sobre esta marca. - Pergunta literal e contexto fornecido. - Interface ou API, modelo identificado e ferramentas disponíveis. - Data, idioma, região e condições conhecidas da sessão. - Resposta integral, inclusive quando não menciona a marca. - URLs observadas e trecho que sustenta cada afirmação relevante. - Regra de classificação, responsável e incertezas preservadas. - [Como comprovar o suporte de uma citação em IA](https://glossario.quaerion.com.br/comprovacao-de-citacoes-em-ia) - [Preprint: interfaces, APIs e recomendações comerciais](https://arxiv.org/abs/2609.18729) - [GEO: protocolo completo de consultas e medição](https://quaerion.blog/blog/geo-guia-profundo-medicao-citacoes-outubro-2026/) ## Como recalcular o score sem inventar uma nota alternativa? Use a fórmula e a versão declaradas pela ferramenta. Confira pesos, máximos, itens não aplicáveis, arredondamento e tratamento de falhas. Se a metodologia estiver ausente, solicite-a e mantenha a nota sem validação. Uma conta própria não deve ser apresentada como score oficial da fonte. Is Agentic informa pools de 80 e 20 pontos para grupos essenciais e recomendados e bônus limitado a cinco, com tratamento de itens não aplicáveis e resultados parciais. Isso exemplifica por que o nome de um grupo precisa vir acompanhado da metodologia vigente. Não transporte a fórmula para outra ferramenta só porque ambas usam escala de 100. Exemplo aritmético hipotético: uma dimensão tem máximo de dez e já recebeu nove. Uma ação que promete acrescentar quatro naquela mesma dimensão não cabe no máximo sem uma regra adicional explícita. Esse conflito é motivo para revisar a recomendação, não para concluir que o site tem quatro pontos de defeito. Preserve a dúvida e confira a origem do ganho estimado. - [Regras de pontuação declaradas pelo Is Agentic](https://is-agentic.com/methodology) ## Como transformar achados em prioridades úteis? Associe cada ação a uma evidência, uma consequência e uma verificação de conclusão. Um problema que impede uma página pública de carregar é diferente de uma hipótese de baixa descoberta de marca. A gravidade deve refletir o impacto demonstrado e as dependências, não apenas um limite arbitrário de taxa de menção. Uma recomendação para corrigir JSON-LD precisa indicar o erro de estrutura ou de conteúdo. Se o diagnóstico o considerou válido e coerente, adicionar marcação para satisfazer uma recomendação genérica pode criar novas inconsistências. Uma ausência de menção pode justificar revisar perguntas, identidade e cobertura de fontes; sozinha, não determina qual delas causou o resultado. Monte a fila com problema, prova, hipótese de causa, intervenção mínima, responsável e critério de aceite. Quando a evidência não identifica a causa, a primeira tarefa é investigação. Quando identifica uma incompatibilidade técnica, a tarefa pode ser uma correção delimitada seguida de conferência na URL pública. - Correção: há falha demonstrada e uma intervenção testável. - Investigação: há resultado observado, mas a causa permanece aberta. - Medição: falta cobertura, resposta preservada ou condição comparável. - Manutenção: há informação que precisa permanecer consistente e atual. - Sem ação justificada: a recomendação não apresenta problema demonstrável no escopo. - [Como a Quaerion organiza diagnóstico e execução](https://quaerion.com.br/metodo) - [Fontes e evidências institucionais](https://quaerion.com.br/evidencias) ## O que pedir no próximo relatório? Peça um pacote que permita repetir os cálculos e inspecionar a amostra: protocolo, respostas, classificações, contagens e datas. Preserve snapshots antigos com sua janela. Compare execuções apenas quando a pergunta, o ambiente e as regras permitirem uma comparação interpretável. A bateria pode manter perguntas comerciais sem marca, reconhecimento assistido e conferência de atributos em grupos separados. Registre quantidade prevista, finalizada, válida e não classificável por superfície. Evite contar várias observações da mesma consulta como repetições independentes; o vínculo entre registros também faz parte da metodologia. Depois da publicação de uma correção, observe o comportamento em nova janela e mantenha as versões dos dados. Um resultado melhor pode coincidir com mudança de modelo, ferramenta, sessão ou fontes externas. A comparação continua útil quando apresenta essas condições e mantém a linguagem proporcional ao que demonstrou. - [Pesquisa própria e limites do inventário Quaerion](https://quaerion.blog/blog/estudo-maturidade-editorial-quaerion-outubro-2026/) - [Solicitar diagnóstico com escopo definido](https://quaerion.com.br/diagnostico) ## Perguntas frequentes **Um site pode ter score técnico alto e nenhuma menção na amostra?** Sim. Uma verificação avalia critérios do site; a outra observa respostas a perguntas específicas. Confira fontes, datas e metodologia de cada uma para interpretar o resultado sem somá-las numa nota única. **Todo erro de consulta deve entrar como zero de presença?** Não. Mostre falhas e cobertura separadamente. Zero de presença exige observações classificáveis em que o evento não ocorreu; erro de transporte não é resposta sem menção. **Uma recusa precisa ser excluída da amostra?** Depende do objeto e da regra prévia. Ela pode ser comportamento válido da interface, mas não atender ao critério de resposta comercial pertinente. Preserve o registro e apresente os denominadores correspondentes, sem mudar a regra após ver o resultado. **Se o relatório não preservou respostas, posso confirmar o 0%?** Você pode ler a contagem declarada, mas não conferir sua classificação. Registre essa limitação e solicite os dados ou uma nova coleta com evidência preservada antes de tratar o resultado como diagnóstico confirmado. ## Conclusão A utilidade de um relatório aparece quando ele permite conferir o dado e escolher a próxima ação. Preserve estados, recalcule com a metodologia correta e exija relação entre prova e recomendação. Assim a empresa pode distinguir o que precisa corrigir, investigar ou simplesmente medir melhor. ## Governança editorial **Método:** Protocolo aplicado de revisão da Quaerion, publicado em 06/10/2026, baseado nas definições documentadas de Is Agentic, Google e Bing. Todos os cálculos e exemplos de amostra abaixo são hipotéticos. O artigo não certifica uma ferramenta nem divulga medições privadas. **Limites:** - Relatórios e plataformas podem usar métricas diferentes; a interpretação exige conhecer a metodologia da versão avaliada. - Um protocolo auditável não torna uma amostra representativa de toda a população de perguntas. - Antes e depois não estabelece causalidade sem um desenho que trate explicações concorrentes. **Revisão:** Revisão documental assistida por IA — Redação Quaerion · 2026-10-06 ## Fontes 1. [Is Agentic — metodologia do snapshot](https://is-agentic.com/methodology) — Metodologia vigente: grupos de 80 e 20 pontos e bônus limitado a cinco; score não certifica segurança, acessibilidade ou resultados comerciais. Consultado em 06/10/2026. 2. [Google — relatório de desempenho generativo](https://support.google.com/webmasters/answer/16984139) — Escopo de impressões em AI Overviews e AI Mode, agregação e exportação. A documentação alerta que valores indisponíveis podem virar zero no arquivo exportado. Consultado em 06/10/2026. 3. [Microsoft Bing — AI Performance](https://blogs.bing.com/webmaster/2026/2/Introducing-AI-Performance-in-Bing-Webmaster-Tools-Public-Preview/) — Anúncio de 10/02/2026; citações agregadas nas superfícies participantes, sem posição na resposta ou validação de cada afirmação. Consultado em 06/10/2026. 4. [Marin et al. — auditoria de recomendações de produto](https://arxiv.org/abs/2609.18729) — Preprint submetido em 16/09/2026, versão 1. O resumo distingue interfaces e APIs e aponta variabilidade em consultas repetidas. Sem revisão por pares presumida; não é uma medição da Quaerion. Consultado em 06/10/2026. --- Sobre a Quaerion: uma empresa brasileira de Answer Intelligence. AI Referral Engine é seu método. Glossário: https://glossario.quaerion.com.br