Share of Model é a proporção das respostas de IA de uma categoria em que uma marca é mencionada ou recomendada, em comparação com as demais, ou seja, o equivalente, na busca com IA, ao que o share of voice é na busca tradicional. Como as respostas variam de uma consulta para outra, a medida só faz sentido quando é construída a partir de um conjunto fixo de perguntas, repetido várias vezes e em mais de uma plataforma, e este artigo mostra o que se mede, como a medição funciona e onde estão os limites.
(ampliar imagem)
Share of voice e Share of Model
O share of voice mede a presença de uma marca nos resultados da busca tradicional, com base em posição e impressões, enquanto o Share of Model mede a presença nas respostas de IA, com base em menções, citações e recomendações. A diferença de fundo está na referência, que, no primeiro caso, são os dez primeiros resultados e, no segundo, é qualquer marca que a IA decida nomear.
Há uma ressalva de vocabulário que evita confusão, já que o termo é usado de formas diferentes pelas fontes do mercado, algumas chamando de Share of Model a taxa de menção e outras a participação nas menções totais, num sentido que o glossário do método trata como parente próximo do Share of Answer. Neste artigo, as medidas aparecem com nomes separados, para que não se misturem.
As quatro medidas
| Medida | Fórmula | O que responde |
|---|---|---|
| Taxa de presença | Respostas em que a marca aparece, divididas pelo total de respostas | A marca é mencionada? |
| Taxa de citação | Respostas que citam o domínio da marca, divididas pelo total de respostas | O site da marca é usado como fonte? |
| Share of Model (participação nas menções) | Menções da marca, divididas pelo total de menções de todas as marcas | Qual fatia da conversa da categoria é da marca? |
| Precisão e tom | Respostas corretas e favoráveis, divididas pelas respostas em que a marca aparece | O que a IA diz está certo e bem posicionado? |
A taxa de presença e a taxa de citação precisam ser medidas separadamente porque, como mostram os estudos de 2026, a IA pode citar uma página sem nomear a marca e nomear a marca sem citar o site dela, e o estudo das citações fantasma da Semrush encontrou 61,7% de citações sem o nome da marca, como detalha o artigo Encontrado, citado e recomendado. São dois fenômenos distintos, e tratá-los como um só esconde qual dos dois está falhando.
Como a medição funciona
A lógica é mais simples do que o nome sugere, e se apoia em quatro cuidados que separam uma medida confiável de uma impressão.
- Um conjunto fixo de perguntas reais, do jeito que os clientes perguntam, cobrindo quem quer descobrir opções, comparar, confirmar e decidir, e a maioria delas não deve trazer o nome da marca, porque perguntas que já citam a marca inflam o resultado e escondem justamente onde ela está ausente.
- Mais de uma plataforma, já que cada IA consulta fontes diferentes e a marca pode aparecer numa e não aparecer na outra, como mostra o artigo sobre as fontes de cada IA.
- Repetição, porque o estudo de Rand Fishkin, da SparkToro, com Patrick O’Donnell, da Gumshoe.ai, repetiu as mesmas perguntas quase 3 mil vezes e mostrou que a chance de receber a mesma lista de marcas duas vezes é menor que 1 em 100, embora a frequência de aparição ao longo de muitas repetições seja bem mais estável, como relatou o Search Engine Land.
- Comparação no tempo, sempre com as mesmas perguntas, porque o valor está na tendência, e não no número de um mês.
Uma resposta isolada é um print, e só a frequência ao longo de muitas repetições vira medida
Um exemplo ilustrativo
Os números abaixo são inventados, só para mostrar a lógica. Num painel de 20 perguntas repetidas 10 vezes numa plataforma, são 200 respostas, e, se a marca aparece em 50, a taxa de presença é de 25%. Se o domínio é citado em 30 respostas, a taxa de citação é de 15%, e se, nas 200 respostas, as marcas nomeadas somam 400 menções e a marca tem 50 delas, o Share of Model é de 12,5%. A leitura, portanto, é que a marca aparece em um quarto das respostas e fica com pouco mais de um oitavo da conversa da categoria.
(ampliar imagem)
Limites da medida
- A variação das respostas, que faz da medida uma estimativa com margem de erro, mesmo com repetições.
- O conjunto de perguntas, porque mudar as perguntas muda o número, e comparar medições feitas com conjuntos diferentes não vale.
- Consulta manual e coleta automatizada, já que ferramentas que consultam as IAs por API e consultas feitas no aplicativo podem trazer resultados diferentes, e o campo ainda discute isso.
- Personalização, porque a localização e o histórico podem influenciar a resposta.
- A medida não é venda, já que aparecer mais não garante clientes, e ela precisa ser lida junto com os contatos, a conversão e a pergunta “como nos encontrou?”, como mostra o artigo Do clique à recomendação.
Como saber onde a sua empresa está hoje
Antes de qualquer medição contínua, vale saber o que as IAs já encontram sobre a empresa, e o diagnóstico gratuito da Diamantino Estratégias faz esse primeiro retrato sem cadastro, com um roteiro pronto que você leva a uma IA com acesso à internet e que devolve as evidências encontradas, a consistência das informações e as possíveis falhas.
Perguntas frequentes
Preciso de uma ferramenta paga para medir o Share of Model?
Não para entender onde a empresa está, e as ferramentas de monitoramento ganham valor quando há muitas perguntas, várias plataformas e a necessidade de medir com frequência, o que normalmente faz parte de um trabalho acompanhado.
Qual é um bom Share of Model?
Não há referência pública confiável, e o valor útil é a comparação da própria marca ao longo do tempo e com os concorrentes do mesmo painel.
Com que frequência medir?
Uma vez por mês é suficiente para a maioria das empresas, e mudanças grandes no site ou nas fontes externas justificam uma medição extra.
O Tráfego IA foi desenvolvido dentro da Diamantino Estratégias, que aplica o método na presença digital de empresas.







