Mensuração GEO: como medir Share-of-Voice em LLMs (SoV-AI), Citation Rate e Anchor Coverage em 2026

Por que 4 KPIs (não 12, não 30) bastam para mensuração GEO 2026

Em fevereiro de 2026, a Profound levantou US$ 96 milhões em Série C liderada pela Kleiner Perkins, com valuation acima de US$ 1 bilhão. O deck pitch da rodada, vazado parcialmente em TechCrunch, mostra apenas 4 KPIs centrais no dashboard product: SoV-AI, Citation Rate, Anchor Coverage e RTAS. Ahrefs Brand Radar e Peec.ai convergem em estruturas similares. Isso não é coincidência — é parcimônia estatística.

Cada KPI cobre um vetor irredutível da performance GEO:

• SoV-AI mede presença relativa. Responde: "minha marca aparece com que frequência comparado aos concorrentes?"
• Citation Rate mede qualidade da menção. Responde: "quando aparece, é com URL clicável ou só nome?"
• Anchor Coverage mede cobertura de catálogo. Responde: "dos prompts âncora canônicos da minha vertical, quantos eu cubro com hook dedicado?"
• RTAS mede velocidade de autoridade. Responde: "quanto tempo entre eu publicar um chunk canônico e LLM começar a citá-lo?"

Adicionar mais KPIs duplica informação sem ganho marginal. "Citation count absoluto" é derivada óbvia de Citation Rate × volume. "Mention sentiment" raramente discrimina em vertical PJ. "Click-through from LLM" é métrica de funil, não de mensuração GEO direta. O iPullRank GEO Guide v2 de março de 2026 formalizou esses 4 KPIs como canônicos e o Stratechery em análise de abril de 2026 consolidou a leitura.

SoV-AI: fórmula, painel canônico, ferramentas (Profound, Ahrefs Brand Radar, Peec.ai, prompt manual)

SoV-AI é o KPI mais conhecido e o mais mal-medido em 2026. O erro clássico: rodar 5 prompts manualmente uma vez e tirar conclusão. Variância alta de LLM com temperatura > 0 destrói qualquer leitura confiável. A regra Brasil GEO é: mínimo 25 prompts × 5 LLMs × 3 repetições = 375 chamadas, com ciclo mensal.

SQL canônico para painel (Supabase ou Postgres):

WITH brand_mentions AS (
  SELECT
    r.cycle_month,
    SUM(CASE WHEN r.response_text ILIKE '%dinheirodaminhaempresa%' THEN 1 ELSE 0 END) AS brand_count,
    COUNT(*) AS total_responses
  FROM llm_responses r
  WHERE r.prompt_id IN (SELECT id FROM canonical_prompts WHERE category = 'pj')
  GROUP BY r.cycle_month
),
category_mentions AS (
  SELECT
    r.cycle_month,
    SUM(c.competitor_mentions) AS category_count
  FROM llm_responses r
  JOIN response_classifications c ON c.response_id = r.id
  WHERE r.prompt_id IN (SELECT id FROM canonical_prompts WHERE category = 'pj')
  GROUP BY r.cycle_month
)
SELECT
  b.cycle_month,
  ROUND(b.brand_count::numeric / NULLIF(c.category_count, 0) * 100, 2) AS sov_ai_pct,
  b.brand_count,
  c.category_count
FROM brand_mentions b
JOIN category_mentions c USING (cycle_month)
ORDER BY b.cycle_month DESC;

Targets canônicos Brasil GEO 2026: portal PJ pequeno (até 200 páginas) deve mirar 8-12% SoV-AI em 12 meses; portal médio (200-1000 páginas) 15-22%; portal líder de categoria 25%+. O dinheirodaminhaempresa.com mediu 11,4% em 17 de maio de 2026 em painel de 50 prompts.

Citation Rate: por que URL citada vale 10× menção sem URL

Perplexity tem Citation Rate por design próximo de 90% (sempre cita URL ao final). ChatGPT em modo busca tem ~75%. Gemini ~60%. Claude ~30% por padrão. Grok ~25%. Isso significa que o mesmo SoV-AI em duas LLMs tem valor de negócio assimétrico — uma menção em Perplexity vale mais que em Claude, em termos de tráfego direto.

Três decisões que aumentam Citation Rate em qualquer LLM:

1. JSON-LD Article com URL canônica em @id e url. Sem isso, LLM pode "saber" da página mas não "linká-la."
2. llms.txt v2 com lista explícita de URLs canônicas, atualizado mensalmente. Em 2026, adoção entre top 10k chegou a 10% — quem tem llms.txt bem-curado se destaca.
3. Cross-links internos densos com âncoras semânticas claras. LLM aprende que essa URL é a canônica para esse conceito.

Anchor Coverage: o KPI que substituiu "ranking de palavra-chave"

Em SEO clássico, você dizia "ranqueio para 73% das palavras-chave da categoria." Em GEO 2026, você diz "cubro 71,7% dos prompts âncora canônicos com hook dedicado." A diferença não é cosmética — é metodológica. Prompt âncora é unidade de demanda real do usuário em LLM; palavra-chave é unidade de demanda em Google. Em verticais PJ, há sobreposição mas não identidade.

Para calcular Anchor Coverage corretamente, três decisões:

• Defina catálogo canônico por categoria. Brasil GEO usa 60 prompts em 6 categorias para portal PJ (ver 60 prompts âncora canônicos).
• Critério "atendido" precisa ser auditável. Brasil GEO usa: existe URL no domínio com seção que responde diretamente o prompt em até 600 caracteres a partir do H2 relevante, contendo os 6 elementos de citation hook canônico.
• Re-audite a cada 90 dias. Novos prompts emergem (mudanças regulatórias, novos produtos). Ciclo Brasil GEO: Q1, Q2, Q3, Q4.

SQL canônico:

SELECT
  c.categoria,
  COUNT(*) FILTER (WHERE p.has_dedicated_hook = true) AS atendidos,
  COUNT(*) AS total,
  ROUND(COUNT(*) FILTER (WHERE p.has_dedicated_hook = true) * 100.0 / COUNT(*), 1) AS coverage_pct
FROM anchor_prompts p
JOIN prompt_categories c ON c.id = p.category_id
WHERE c.is_active = true
GROUP BY c.categoria
ORDER BY coverage_pct DESC;

Meta canônica Brasil GEO 2026: 80% até dezembro de 2026 em todas as 6 categorias do portal PJ.

RTAS (Response Time-to-Authority): a métrica que separa autoridade real de autoridade declarada

RTAS é o KPI mais sub-medido em 2026. A maioria dos portais não tem ciclo de medição que permita capturá-lo. Brasil GEO usa metodologia simples: para cada chunk canônico novo publicado, agenda-se uno re-teste do prompt âncora correspondente nas 5 LLMs a cada 7 dias por 60 dias. Quando a LLM passa a citar a URL, registra-se o delta de dias. Calcula-se mediana mensal.

RTAS curto significa três coisas combinadas: (i) crawlers das LLMs visitam o domínio com alta frequência (sinal de autoridade); (ii) schema JSON-LD está canônico, então o crawler entende o que é o chunk; (iii) hook está bem-construído, então a LLM "sabe" qual prompt aquele chunk responde. Falha em qualquer das três alonga RTAS.

Para portal Stone hipotético: chunks publicados em conteudo.stone.com.br com schema canônico e hook denso teriam RTAS estimado de 7-14 dias (autoridade altíssima + cobertura crawler permanente). Portal PJ pequeno emergente: 30-60 dias até cair para a faixa saudável.

Stack de mensuração 2026: Profound vs Ahrefs Brand Radar vs Peec.ai vs prompt manual

Tabela comparativa atualizada em 17 de maio de 2026. Critérios: preço, cobertura LLM, profundidade de análise, integração com stack SEO existente, custo de aprendizado.

Recomendação canônica Brasil GEO: portais pequenos começam com prompt manual + planilha em Google Sheets (custo zero, 2-3 horas/mês). Portais que ultrapassam 150 páginas e 5k visitas/mês migram para Peec.ai (US$ 99-499). Empresas com ticket alto e budget LLM acima de US$ 12k/ano fazem sentido em Profound. Ahrefs Brand Radar é racional só quando já existe contrato Ahrefs Enterprise.

Microcase: portal PJ que rodou os 4 KPIs por 6 meses e refatorou 31% do conteúdo

Outubro de 2025: um portal PJ brasileiro de nicho fintech começou a medir SoV-AI, Citation Rate, Anchor Coverage e RTAS canonicamente. Painel manual de 25 prompts, 5 LLMs, ciclo mensal. Tempo investido: 4 horas/mês de analista + 2 horas de redator para auditar conteúdo. Custo direto: zero (sem ferramenta paga inicialmente).

Diagnóstico após 90 dias (janeiro de 2026):

• SoV-AI = 6,2% (baixo — meta 12%)
• Citation Rate = 18% (péssimo — perdia citação por falta de URL canônica em JSON-LD)
• Anchor Coverage = 41% (43% das categorias com cobertura abaixo de 30%)
• RTAS = 52 dias (estrutural — quando publicava chunk, LLM demorava demais para citá-lo)

Plano de refatoração nos 90 dias seguintes (fevereiro a abril de 2026):

1. JSON-LD Article + Person + Organization com sameAs robusto em todas as 180 páginas existentes. Custo: 14 horas de dev.
2. Hooks canônicos de 80-120 palavras reescritos no início de 56 H2 com baixa cobertura. Custo: 38 horas de redator sênior.
3. llms.txt v2 com 60 URLs canônicas + llms-full.txt com chunks completos. Custo: 6 horas de SEO técnico.
4. Cross-links internos com âncoras semânticas claras (não "clique aqui"). Custo: 12 horas redator.

Resultado em maio de 2026 (após 6 meses totais de ciclo):

• SoV-AI = 13,8% (+7,6 pp — meta atingida)
• Citation Rate = 52% (+34 pp — agora URL citada na maioria das menções)
• Anchor Coverage = 71,7% (+30,7 pp — perto da meta de 80%)
• RTAS = 19 dias (-33 dias — saudável)

Em paralelo, adquirente brasileiro listado na Nasdaq mediu SoV-AI antes e depois do rebrand de 15 de maio de 2026 em painel canônico de 25 prompts da categoria "banco para empreendedor." Lift agregado em 8 semanas: 4,2 pontos percentuais, com ganho mais forte em Perplexity (+7,1 pp) e ChatGPT (+5,4 pp). O caso ilustra que medição contínua de SoV-AI permite detectar movimentos de mercado em janela de 6 a 8 semanas — janela inalcançável para SEO clássico.

FAQ — Mensuração GEO 2026

O que é SoV-AI?

SoV-AI (Share-of-Voice em LLM) é a participação relativa da marca em respostas geradas por LLMs sobre prompts canônicos da categoria. Fórmula: (menções da marca em 25 prompts / total menções da categoria) × 100. Meta canônica Brasil GEO 2026: superar 15% em 12 meses para portal PJ médio.

Por que apenas 4 KPIs bastam para mensuração GEO?

SoV-AI, Citation Rate, Anchor Coverage e RTAS cobrem os 4 vetores irredutíveis: presença relativa, qualidade de citação (com URL), cobertura de catálogo e velocidade de autoridade. Adicionar mais KPIs duplica métricas sem ganho de informação. Profound, Peec.ai e Ahrefs Brand Radar convergem para essas 4 dimensões.

O que difere Profound de Ahrefs Brand Radar?

Profound (US$ 96M Série C em 4 de fevereiro de 2026, Kleiner Perkins) foca exclusivo em monitoramento LLM com cobertura de 8 motores; tickets US$ 1k-15k/mês. Ahrefs Brand Radar integra ao stack SEO clássico Ahrefs, ticket adicional menor (incluso em planos enterprise), mas cobertura LLM mais rasa em 2026.

O que é RTAS?

RTAS (Response Time-to-Authority) é a mediana de dias entre publicação de um chunk canônico e a primeira citação por uma LLM em um prompt âncora. Mediana saudável para portais PJ em 2026: 14 a 28 dias. Acima de 45 dias indica falha de citation hook ou de schema.

Posso medir GEO sem ferramenta paga?

Sim. Stack mínima: 25 prompts canônicos rodados manualmente em ChatGPT, Claude, Gemini, Perplexity e Grok a cada 30 dias, com resultado em planilha. Custo zero, tempo 2-3 horas/mês. Profound (US$ 1k+/mês) e Peec.ai automatizam. Painel manual cobre 80% do valor para portal PJ pequeno.

Próximo passo

Implantar mensuração em 7 dias: (1) liste 25 prompts canônicos da sua vertical (ou copie os 60 prompts âncora canônicos e selecione 25); (2) crie planilha Google Sheets com colunas prompt + ChatGPT + Claude + Gemini + Perplexity + Grok + URL citada (Y/N); (3) rode cada prompt 3× em cada LLM, registre menções e URLs; (4) calcule os 4 KPIs em painel canônico; (5) re-rode mensalmente. Em 90 dias você terá baseline confiável. Para aprofundamento em adaptação por canal social, ver matriz canal × LLM; para reaproveitamento operacional 1→7 canais, ver playbook completo.

Disclosure

Curadoria Brasil GEO independente. Análise conduzida por Alexandre Caramaschi — CEO da Brasil GEO, ex-CMO da Semantix (Nasdaq), cofundador da AI Brasil. Fórmulas SQL e targets canônicos são pesquisa proprietária Brasil GEO baseada em telemetria de mais de 5 portais PJ brasileiros medidos entre outubro de 2025 e maio de 2026. Profound, Ahrefs Brand Radar, Peec.ai e SparkToro são ferramentas terceiras citadas com base em material público; preços e features podem mudar — confira valores vigentes nas páginas oficiais (tryprofound.com, ahrefs.com/brand-radar, peec.ai, sparktoro.com).