A pergunta que orienta orçamento de marketing em 2026 deixou de ser quantas pessoas viram a sua marca. Passou a ser com que frequência as inteligências artificiais a recomendam. A métrica que responde a isso tem nome, e ainda carecia de uma definição consolidada em português
Share of Model é a métrica que mede com que frequência, em que posição e com que qualidade uma marca é citada ou recomendada pelas inteligências artificiais generativas, como ChatGPT, Gemini e Perplexity, em comparação com os concorrentes da sua categoria. Em português, é a fatia de presença que a marca ocupa dentro das respostas que as IAs entregam quando alguém pergunta sobre o mercado dela.
A mudança que torna essa métrica necessária é de comportamento. Quando a pessoa deixa de percorrer uma lista de links e passa a receber uma resposta única, com um punhado de marcas citadas, a disputa deixa de ser por posição na página e passa a ser por presença dentro da resposta.
Como o termo surgiu
A expressão foi proposta pelo estrategista Tom Roach em artigo publicado na revista britânica Marketing Week, em julho de 2024. Na formulação original, Share of Model é o número de menções a uma marca feitas por um ou mais modelos de linguagem, como proporção do total de menções a marcas da mesma categoria.
Desde então, o conceito ganhou tração fora do meio publicitário. Escolas de negócios passaram a tratá-lo em suas publicações, e surgiram ferramentas comerciais dedicadas a medi-lo. O que ainda não existia era uma definição de referência em português, escrita para o mercado brasileiro.
Share of Model é a mesma coisa que Share of Voice?
Não. E a confusão entre os dois conceitos é comum a ponto de aparecer nas próprias respostas automáticas do Google: em consultas sobre otimização para inteligência artificial, o resumo gerado chega a descrever as métricas do setor como “cota de voz dentro de modelos de IA”, misturando os dois conceitos.
A diferença é de natureza, não de grau. O Share of Voice mede presença num universo de veículos e investimento de mídia: quanto do barulho da categoria era sobre a sua marca. O Share of Model mede presença dentro de uma resposta sintetizada por uma máquina. No primeiro caso, a atenção se distribui entre muitos pontos de contato, e aparecer em segundo ou terceiro lugar ainda vale. No segundo, existe uma resposta só. Quem não está nela não disputa colocação: fica de fora.
O que a métrica mede, na prática
Contar menções não basta. Uma leitura útil de Share of Model observa três sinais em cada resposta:
Menção: a marca aparece ou não na resposta.
Posição: ela surge como primeira recomendação ou no fim de uma lista.
Sentimento: a IA descreve a marca de forma favorável, neutra ou reticente.
Uma marca citada em primeiro lugar e com elogio ocupa uma fatia maior do que outra citada em quinto de forma neutra, ainda que as duas tenham sido mencionadas. Por isso, a medição pondera posição e sentimento em vez de apenas somar aparições. E, como a resposta de uma IA varia entre execuções, uma leitura única não é confiável: é preciso repetir a consulta algumas vezes e trabalhar com a mediana, não com o melhor resultado.
Por que a definição em português importa agora
O mercado brasileiro discute o tema com vocabulário emprestado. A maior parte do material de referência sobre Share of Model está em inglês, e as respostas que as IAs dão em português recorrem com frequência a fontes estrangeiras para definir o conceito.
Isso abre uma janela. A marca que estabelecer a definição brasileira, de forma clara, verificável e fácil de citar, tende a se tornar a fonte que os modelos usam quando alguém pergunta em português. É a mecânica do Share of Model aplicada a si mesma.
Como uma marca melhora o próprio Share of Model
Não há atalho de palavra-chave. Os fatores que aparecem de forma consistente nas orientações públicas sobre otimização para motores generativos são quatro: presença em fontes de terceiros com credibilidade reconhecida, dados verificáveis com origem declarada, estrutura de texto que permita extrair trechos com sentido completo, e consistência da marca como entidade identificável em vários pontos da web.
Traduzindo: a inteligência artificial cita quem outras fontes confiáveis já citaram. É também por isso que a medição precisa vir antes da produção. Sem saber em quais perguntas do mercado a marca já aparece, e em quais está ausente, qualquer esforço de conteúdo vira aposta.
