--- title: "Diagnóstico de presença digital e observação em IA" slug: "diagnostico-presenca-digital" version: "1.0" last_updated: "2026-08-21" language: "pt-BR" publisher: "Quaerion" use_with: "ChatGPT, Claude, Gemini, Perplexity e outros assistentes" --- # Diagnóstico de presença digital e observação em IA Um protocolo para criar baseline, registrar respostas e separar visibilidade estrutural de presença realmente observada em sistemas de IA. ## Como usar este arquivo com uma IA 1. Defina marca, categoria, mercado, localidade e concorrentes antes de testar. 2. Trave a matriz de perguntas e não apague resultados desfavoráveis. 3. Execute a mesma matriz nos sistemas aos quais você tem acesso. 4. Preserve resposta completa, links, data e configuração disponível. 5. Use os prompts deste arquivo para estruturar a coleta e analisar os registros. ## Princípio de integridade Uma resposta isolada não representa um sistema inteiro. Modelos variam por versão, sessão, pesquisa web, localização, personalização e tempo. O objetivo do diagnóstico é documentar um ciclo reproduzível, não fabricar uma prova universal. ## Variáveis do projeto - Marca-alvo: `[MARCA]` - Domínio canônico: `[DOMÍNIO]` - Categoria: `[CATEGORIA]` - País e mercado: `[MERCADO]` - Localidade, quando aplicável: `[LOCAL]` - Concorrentes definidos antes da coleta: `[LISTA]` - Sistemas avaliados: `[LISTA]` - Período do ciclo: `[INÍCIO]` a `[FIM]` - Responsável: `[NOME]` ## Prompt mestre ```text Atue como analista de pesquisa observacional. Vou fornecer registros de respostas de sistemas de IA para uma matriz de perguntas pré-definida. REGRAS DE INTEGRIDADE 1. Preserve ausências, erros e respostas sem fonte. 2. Não trate estrutura do site como presença observada na resposta. 3. Não trate uma citação como recomendação, conversão ou causalidade. 4. Não compare ciclos com matrizes ou condições diferentes sem alertar. 5. Mostre sempre numerador, denominador, sistemas e datas. 6. Use null para dados indisponíveis; não estime. SAÍDA Produza: inventário da amostra, métricas separadas, erros factuais, concorrentes recorrentes, fontes usadas, limitações e próximas verificações. ``` ## Etapa 1 - Desenhar a matriz Monte grupos distintos. Perguntas de marca medem compreensão; perguntas de categoria medem descoberta; comparações medem conjunto de consideração. Misturar grupos em uma taxa única esconde o que aconteceu. ### Grupo A - Descoberta de categoria 1. Quais empresas atuam com `[CATEGORIA]` em `[MERCADO]`? 2. Quais são opções de `[SERVIÇO]` para `[PÚBLICO]`? 3. Quem oferece `[SOLUÇÃO]` com foco em `[NECESSIDADE]`? 4. Onde encontrar especialistas em `[TEMA]` em `[LOCAL]`? 5. Quais fornecedores publicam materiais confiáveis sobre `[TEMA]`? ### Grupo B - Comparação e consideração 6. Compare empresas de `[CATEGORIA]` usando critérios verificáveis. 7. Quais alternativas existem a `[CONCORRENTE]` em `[MERCADO]`? 8. Que critérios usar para contratar uma empresa de `[CATEGORIA]`? 9. Quais opções atendem `[RESTRIÇÃO REAL]`? 10. Quais fornecedores apresentam metodologia e limitações publicamente? ### Grupo C - Compreensão da marca 11. O que é `[MARCA]`? 12. Qual é o site oficial de `[MARCA]`? 13. Quais serviços ou produtos `[MARCA]` oferece? 14. Em que mercado e localidade `[MARCA]` atua? 15. Quem é responsável ou fundador de `[MARCA]`, se essa informação for pública? ### Grupo D - Precisão e fontes 16. Quais fontes confirmam as informações sobre `[MARCA]`? 17. Há informações contraditórias sobre `[MARCA]`? 18. Quais fatos sobre `[MARCA]` não podem ser confirmados? 19. A descrição de `[MARCA]` coincide com o site oficial? 20. Existe risco de confundir `[MARCA]` com uma empresa homônima? ### Grupo E - Intenção local e comercial 21. `[MARCA]` atende `[LOCAL REAL]`? 22. Como entrar em contato com `[MARCA]`? 23. Qual serviço de `[MARCA]` atende `[NECESSIDADE]`? 24. Quais são as condições ou limitações públicas de `[SERVIÇO]`? 25. Qual é o próximo passo oficial para contratar ou solicitar diagnóstico? ### Grupo F - Reputação com cautela 26. Quais avaliações públicas e recentes existem sobre `[MARCA]`? 27. Quais temas positivos aparecem de forma recorrente nas fontes? 28. Quais reclamações recorrentes possuem fonte identificável? 29. A marca respondeu publicamente aos problemas relatados? 30. Quais conclusões não podem ser sustentadas pela amostra disponível? ## Etapa 2 - Registrar cada execução | Campo | Regra | |---|---| | ID | identificador único e imutável | | pergunta | texto exato, sem correção posterior | | sistema/modelo | nome e versão exibidos, quando disponíveis | | data e hora | com fuso horário | | conta/sessão | logada, anônima ou não informado | | localidade/idioma | valores observáveis | | pesquisa web | ativa, inativa ou não informado | | resposta | conteúdo integral | | fontes | URLs exatamente como exibidas | | captura | arquivo ou link interno com controle de acesso | ### Prompt para normalizar registros ```text Converta os registros anexados para JSON Lines, um objeto por execução. Use os campos: id, prompt_group, prompt_exact, system, model_label, timestamp, timezone, locale, login_state, web_search_state, full_response, source_urls e evidence_file. Não resuma full_response. Não invente campos indisponíveis. Liste separadamente registros incompletos. ``` ## Etapa 3 - Classificar sem confundir métricas Para cada execução, marque dimensões independentes: - `descoberta`: a marca apareceu sem ser mencionada na pergunta? - `posição`: em que ordem textual apareceu, sem assumir ranking universal? - `descrição`: os fatos centrais estão corretos? - `fonte`: há link ou referência identificável? - `recomendação`: existe linguagem explícita de recomendação? - `conversão`: houve ação do usuário? Normalmente indisponível neste protocolo. ### Prompt de classificação ```text Classifique cada registro usando apenas a resposta preservada e a ficha oficial anexada. Para cada dimensão, retorne true, false ou null e inclua a passagem que justifica. Um nome em uma lista conta como descoberta, não automaticamente como recomendação. Um link conta como fonte exibida, não como validação da qualidade da fonte. Sinalize fatos incorretos literalmente. ``` ## Etapa 4 - Calcular com denominadores ### Taxa de descoberta `execuções de categoria em que a marca apareceu / execuções válidas de categoria` ### Taxa de descrição factual correta `execuções sobre a marca sem erro factual central / execuções válidas sobre a marca` ### Taxa de fonte exibida `execuções com ao menos uma fonte identificável / execuções válidas analisadas` ### Sobreposição competitiva Informe contagem por concorrente e grupo de pergunta. Não some marcas diferentes como se fossem uma posição média única. ### Prompt de análise ```text Calcule as métricas definidas no protocolo. Mostre fórmula, numerador, denominador e intervalo do ciclo. Quebre por sistema e grupo de pergunta. Não crie score composto. Se uma base tiver menos de 10 observações válidas, marque-a como amostra pequena e evite linguagem conclusiva. Compare ciclos somente quando matriz e condições forem equivalentes. ``` ## Etapa 5 - Transformar achados em backlog Um erro factual aponta para uma lacuna de entidade ou fonte. Uma ausência em pergunta de categoria pode indicar falta de relevância, autoridade, indexação ou simplesmente variação do sistema. Não atribua causa sem testar hipóteses. ### Prompt de hipóteses verificáveis ```text Para cada achado, proponha até três hipóteses concorrentes. Para cada hipótese, informe evidência que a sustenta, evidência que a refutaria, teste de baixo risco, fonte de dados necessária e decisão possível. Não declare causa com base apenas na correlação entre uma mudança no site e uma resposta posterior da IA. ``` ## Critérios de conclusão - Matriz e concorrentes foram definidos antes da coleta. - Todos os resultados, inclusive ausências, foram preservados. - Condições de execução estão registradas ou marcadas como indisponíveis. - Métricas possuem fórmula, numerador e denominador. - Erros factuais estão ligados a passagens e fontes oficiais. - Recomendações viraram hipóteses e testes, não certezas causais. ## Limitações - O protocolo descreve um ciclo observado e não representa todas as respostas futuras. - Sistemas podem personalizar, atualizar ou recuperar fontes diferentes sem aviso. - Capturas e respostas podem conter dados pessoais; aplique controle de acesso e retenção adequada. - Não há acesso a métricas internas ou algoritmos proprietários dos provedores. ## Fontes 1. Quaerion - Share of Answer: https://quaerion.blog/share-of-answer/ 2. Quaerion - Transparência: https://quaerion.blog/transparency/ 3. Google Search Central - Recursos generativos: https://developers.google.com/search/docs/fundamentals/ai-optimization-guide?hl=pt-br 4. Anthropic - Definir sucesso e avaliações antes de otimizar prompts: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview 5. OpenAI - Prompt engineering e contexto relevante: https://developers.openai.com/api/docs/guides/prompt-engineering ## Governança do material Versão 1.0, revisada em 21/08/2026. Publicado pela Quaerion para uso operacional gratuito com atribuição. Preserve a amostra original e documente qualquer alteração metodológica.