As Pesquisas que Nunca Vê: O que o ChatGPT Procura Antes de Dar Nome a uma Marca

Quando pergunta ao ChatGPT "qual é o melhor banco para compradores de primeira habitação?" ele não procura por essa frase. Ele reescreve silenciosamente a sua pergunta em várias pesquisas diferentes — comparações, avaliações, concorrentes específicos — executa-as nos bastidores e combina os resultados numa única resposta segura. Essas pesquisas ocultas são designadas por ramificações de consulta (query fan-outs) e representam a camada onde a visibilidade da IA é realmente decidida.

O problema é que quase ninguém consegue vê-las. Por isso, extraímos as nossas. Em 31 marcas, a plataforma 3RD captou 50.872 respostas do ChatGPT que desencadearam ramificações, produzindo 33.031 consultas exclusivas nos bastidores. Eis o que elas revelam.

O Que as Ramificações nos Disseram

• As avaliações são a obsessão. Quando o ChatGPT nomeia uma fonte de avaliação, esta é esmagadoramente o Trustpilot, e uma em cada cinco ramificações vai à procura de avaliações, quer o utilizador tenha perguntado ou não.

• As mesmas pesquisas continuam a voltar. A maioria das consultas de ramificação ocorre uma única vez, mas um núcleo recorrente é reemitido com tanta frequência que representa 81% de todo o volume de ramificações. Posicione-se bem para esses termos repetidos e obterá um efeito multiplicador em cada conversa.

• A atualidade é real, mas secundária. O ChatGPT procura de facto o ano corrente quando pesquisa, mas a procura de avaliações continua a superar a atualidade várias vezes.

Metodologia e fonte de dados

Analisámos as consultas de ramificação que os modelos OpenAI emitiram para 31 marcas monitorizadas na plataforma 3RD: 50.872 respostas que desencadearam ramificações e 33.031 consultas distintas nos bastidores.

Descoberta 1: A Obsessão são as Avaliações

Quando contabilizámos as fontes nomeadas que o LLM procura no interior dessas pesquisas, o resultado não deixou margem para dúvidas. O Trustpilot é a fonte mais nomeada em todo o corpus, superando amplamente qualquer outra plataforma para a qual aponta pelo nome.

Fontes nomeadas que o ChatGPT pesquisa (ocorrências ponderadas). Contabiliza apenas consultas que nomeiam uma fonte. O Trustpilot é a única plataforma de avaliação que aparece consistentemente - mais de 40 vezes mais do que a fonte nomeada seguinte. Cerca de 11.000 ramificações adicionais de procura de avaliações não nomeiam qualquer plataforma, pelo que este é o panorama das fontes nomeadas, não a totalidade da intenção de avaliação.

Uma em cada cinco consultas de ramificação vai à procura de avaliações. A maioria não diz onde — mas sempre que o ChatGPT nomeia uma plataforma de avaliação, esta é esmagadoramente o Trustpilot. De qualquer forma, a consequência é clara: o seu perfil no Trustpilot não é uma métrica de vaidade do serviço de apoio ao cliente. É um input primário para a forma como a IA o descreve — consultado antes de o modelo ler o seu próprio website.

O ChatGPT consulta o Trustpilot antes de o consultar a si. A sua classificação é um input de posicionamento para a IA, não uma métrica de suporte.

E os outros sinais? Mais baixos do que pensa

Ao reduzir o corpus à intenção por trás de cada pesquisa, surge uma hierarquia clara. As avaliações lideram. O preço e a comparação vêm a seguir. A atualidade está presente, mas é secundária: as marcas do ano corrente representam cerca de 4% das ramificações — um fator genuíno, mas pequeno face às avaliações.

O que o ChatGPT injeta nas suas pesquisas ocultas (quota de ramificações). O valor de atualidade apresentado é o valor real corrigido.

Retire os nomes das marcas e duas palavras dominam

Retire inteiramente os nomes das marcas das ramificações e observe o vocabulário genérico que resta. Duas intenções destacam-se sobre tudo o resto: "melhor" e "avaliações" (reviews). Atrás delas reside uma estrutura de comparação — prós e contras, alternativas, fornecedores — e uma fina camada de palavras comerciais como preço e lojas. O ChatGPT está discretamente a reformular perguntas de marcas em "melhor [categoria]", procura de avaliações e comparações diretas.

Palavras sem marca mais comuns nas ramificações (ponderadas, sinónimos fundidos). Nomes de marcas, geografia e modelos de pesquisa padrão foram removidos; sinónimos dinamarqueses e ingleses foram fundidos (bedste/best, anmeldelser/reviews). O artefacto de modelo "2024" desatualizado foi excluído.

Descoberta 2: As Mesmas Pesquisas Continuam a Voltar

O padrão estrategicamente mais importante não é o que o ChatGPT pesquisa, mas a frequência com que pesquisa a mesma coisa. A maioria das consultas de ramificação ocorre uma única vez — mas um núcleo recorrente é reemitido repetidamente, em muitos prompts e execuções diferentes. Esse núcleo é pequeno em número, mas enorme em peso.

Contagem de consultas de ramificação distintas, de acordo com o número de vezes que cada uma foi utilizada. 62% são emitidas apenas uma vez; os 38% que recorrem (laranja) são reemitidos com muito mais frequência — a consulta única mais repetida foi emitida 80 vezes — razão pela qual essa minoria impulsiona a grande maioria de todo o volume de ramificações.

É aqui que reside a alavancagem. Uma consulta que o modelo continua a reemitir — "[Concorrente] Trustpilot anmeldelser", "comparar os principais fornecedores dinamarqueses de X" — não é um evento único que se possa ignorar. Conquiste uma posição forte numa dessas consultas repetidas e será incluído em todas as conversas futuras que ramifiquem para ela. O núcleo recorrente, e não a cauda longa de eventos únicos, é a lista de alvos.

Um pequeno conjunto de pesquisas impulsiona a maioria das respostas. Vença nas pesquisas repetidas e obterá um efeito multiplicador em cada conversa.

O que fazer a este respeito

A camada de ramificação recompensa uma estratégia diferente do SEO clássico. Três ações decorrem diretamente dos dados.

1. Trate as avaliações como um input de posicionamento para a IA. O Trustpilot é a plataforma de avaliação que o ChatGPT mais nomeia. A sua classificação, volume de avaliações e atualidade nas plataformas de avaliação da sua categoria moldam a resposta antes de o seu próprio site ser lido. Gira-os como fatores de posicionamento, porque é isso que eles são.

2. Responda a toda a ramificação, não apenas ao prompt literal. Uma pergunta transforma-se em várias pesquisas que abrangem listas dos melhores, avaliações e comparações. O conteúdo que apenas responde à frase exata perde a maior parte da intenção do modelo. Cubra os ângulos, integre sinais de avaliação e nomeie o conjunto de comparação.

3. Vença nas pesquisas repetidas. Um pequeno núcleo recorrente de subconsultas transporta a maior parte do volume. Identifique as ramificações de alta frequência na sua categoria — especialmente os padrões de marca mais avaliações e "comparar os principais X" — e domine-os, porque o posicionamento num termo repetido acumula vantagens.

O argumento final

Cada resposta de IA sobre a sua marca é construída a partir de pesquisas que não consegue ver, em fontes que poderá não controlar. Nos nossos dados, essas pesquisas são dominadas por dois instintos — encontrar a melhor opção e encontrar as avaliações — e concentradas num pequeno conjunto de consultas que o modelo executa repetidamente. A atualidade é real, mas menor, e o volume bruto de menções não lhe diz quase nada sobre o que o modelo foi realmente procurar.

A sua marca está dentro dessa camada oculta ou não está. E não pode otimizar para uma camada que se recusa a medir.