Sempre que uma nova tecnologia surge, ela transforma a maneira como as coisas eram feitas até então. Thomas Kuhn popularizou a expressão “mudança de paradigma” justamente para descrever esse momento em que uma nova ciência ou tecnologia desloca aquilo que parecia estabelecido.

Os LLMs e a inteligência artificial de forma mais ampla representam uma dessas mudanças. Estamos entrando na quarta revolução industrial.

Para os profissionais de marketing, adaptar-se é necessário tanto porque o comportamento dos usuários está mudando quanto porque desenvolver essa capacidade de adaptação é uma das melhores estratégias de longo prazo para se manter relevante profissionalmente.

Os compradores estão perguntando sobre sua marca para uma máquina antes de perguntarem para você

Quase 90% dos compradores já utilizam LLMs ao longo do processo de compra. Para aumentar as chances de uma marca aparecer como resposta quando essas perguntas são feitas, é necessário entender quais táticas estão mudando e, principalmente, quais fundamentos do marketing continuam válidos independentemente da tecnologia.

Uma maneira de compreender a busca por IA é deixar de tratá-la simplesmente como uma extensão de SEO.

Um modelo mais adequado pode partir do conceito de “disponibilidade mental”, de Byron Sharp, para explicar como pensar a visibilidade de uma marca dentro dos LLMs.

Nesse sentido, a busca por IA pode ser entendida como a disponibilidade mental transformada em lógica computacional.

A melhor estratégia de busca por IA pode estar em um livro de marketing de 15 anos atrás

Byron Sharp define disponibilidade mental como a probabilidade de uma marca vir à mente de um consumidor em uma situação de compra.

Quando alguém sente uma dor de cabeça repentina e pensa em Nurofen antes de qualquer outra marca, por exemplo, a disponibilidade mental está em ação.

As mesmas práticas utilizadas para construir esse tipo de lembrança de marca também podem influenciar sua visibilidade em sistemas de IA.

Isso acontece porque o funcionamento do cérebro humano e dos LLMs apresenta semelhanças importantes.

Mentes e modelos criam associações da mesma forma: repetição dentro de um contexto

As semelhanças entre LLMs e a mente humana não são coincidência. Redes neurais artificiais foram desenvolvidas a partir da ideia de que seria possível chegar à inteligência artificial reproduzindo determinados princípios do funcionamento do cérebro, que também é uma rede neural, porém biológica.

Como os LLMs funcionam, em alguns aspectos, de maneira semelhante ao cérebro, construir disponibilidade mental e aumentar a capacidade de uma marca ser lembrada por um LLM acabam sendo tarefas bastante próximas.

Isso acontece porque ambos compartilham um mecanismo fundamental.

LLMs e cérebros humanos funcionam a partir de redes neurais com diferentes pesos e realizam reconhecimento de padrões com base em probabilidades. Conexões que aparecem juntas repetidamente se tornam mais fortes, e a associação mais forte tende a ser aquela com maior probabilidade de surgir.

Um comprador chega até uma marca a partir de um ponto de entrada da categoria, ou seja, a situação ou necessidade que desencadeia a busca.

A marca com as conexões de memória mais fortes associadas àquele estímulo tende a ser lembrada primeiro.

Um LLM funciona de forma semelhante. A diferença é que o estímulo é o prompt e as associações estão presentes nos dados de treinamento, em vez de terem sido construídas ao longo de uma vida inteira de exposição.

É importante considerar, porém, que muitas respostas de IA não são geradas exclusivamente a partir dos pesos do treinamento.

ChatGPT Search, AI Overviews e Perplexity podem buscar páginas disponíveis naquele momento e resumi-las. Nesse aspecto, há processos de rastreamento e ranqueamento semelhantes aos encontrados em SEO.

A recuperação de informações pode determinar quais páginas serão citadas. Já o treinamento influencia se uma marca faz parte do conjunto de opções consideradas antes mesmo que o prompt seja escrito.

Outro conceito ajuda a explicar esse papel da recuperação de informações: a “disponibilidade física”, que representa estar presente e ser facilmente encontrado no momento da compra.

Para as máquinas, conteúdo estruturado e páginas que podem ser rastreadas sem dificuldades representam uma forma de disponibilidade física. Isso continua sendo importante, mas nunca foi suficiente, sozinho, para gerar vendas.

Com essa ressalva, é útil pensar no processo de fazer um modelo se lembrar de uma marca de maneira semelhante ao processo de fazer uma pessoa lembrar dela.

Essa perspectiva muda a forma de enxergar a busca por IA. Em vez de tratá-la simplesmente como mais um canal que precisa ser otimizado, ela passa a ser vista como consequência da qualidade com que uma marca foi construída.

Os dois lados da discussão sobre busca por IA estão errados

Existem dois extremos comuns no debate sobre busca por IA.

De um lado, defensores de GEO apresentam a busca por IA como uma disciplina completamente nova para profissionais de marketing preocupados em não ficar para trás.

Do outro, profissionais tradicionais de SEO defendem que praticamente nada mudou.

As duas interpretações são limitadas.

A busca por IA é diferente de SEO. Um LLM e um mecanismo de busca são tecnologias diferentes, e isso dificilmente pode ser contestado.

Ao mesmo tempo, essa mudança não exige reinventar tudo o que já se sabe sobre marketing e muito menos criar uma nova coleção de siglas.

O que ela exige é um retorno aos princípios fundamentais do marketing.

Na prática, significa construir uma versão digitalizada da disponibilidade mental.

Essa abordagem pode ser entendida como “disponibilidade no modelo”.

O modelo para construir disponibilidade no modelo

A disponibilidade no modelo parte de práticas consolidadas de marketing.

Sua base está em segmentação, direcionamento e posicionamento, além dos pontos de entrada da categoria e da disponibilidade mental.

Isso não substitui um trabalho consistente de SEO técnico. Trata-se de um modelo estratégico para ajudar profissionais mais seniores de marketing a pensar sobre a busca por IA.

Existem quatro pilares principais.

• Posicionamento claro para pessoas e modelos: definir claramente a categoria em que a marca atua, o público que deseja atingir e o problema específico que resolve, utilizando uma linguagem simples e reconhecível em vez de expressões genéricas de marketing. Descrições vagas dificultam tanto para compradores quanto para modelos entenderem em qual categoria a marca deve ser considerada.

• Domínio de conceitos: dar nomes às próprias ideias, desenvolver estruturas de pensamento, criar termos e descrever problemas do mercado de maneira própria e reconhecível. Ideias sem uma identidade clara podem ser absorvidas pelo discurso do setor e acabar associadas ao concorrente que primeiro conseguir nomeá-las.

• Consistência semântica: utilizar descrições consistentes da categoria e do posicionamento da marca em diferentes pontos de contato, como site, página no LinkedIn, diretórios e artigos publicados. Quando uma empresa muda constantemente a maneira como descreve a si mesma, as associações probabilísticas dos modelos também se tornam menos consistentes, prejudicando a lembrança da marca nas buscas por IA.

• Autoridade construída por consenso: conquistar cobertura editorial, citações, participações em conteúdos e discussões relevantes nos canais e publicações que o público já acompanha. Afirmações feitas pela própria marca têm peso limitado. Tanto pessoas quanto sistemas de IA dependem fortemente de validações externas para formar suas percepções.

Existe uma ideia recorrente no marketing de que poucas coisas são realmente novas. Os mesmos princípios reaparecem ao longo do tempo vestidos de maneiras diferentes.

Nesse caso, a tecnologia é genuinamente nova. O trabalho fundamental do profissional de marketing, porém, não é.

Um LLM não é um mecanismo de busca, e profissionais que o tratam dessa forma podem passar os próximos anos otimizando para o problema errado.

Ao mesmo tempo, não é necessário criar uma disciplina completamente nova.

O que a busca por IA exige é fazer corretamente alguns dos trabalhos mais antigos do marketing.

É preciso decidir para quem a marca existe e qual problema ela resolve. Dar nome às ideias às quais deseja ser associada. Descrever esse posicionamento da mesma maneira em todos os lugares em que aparece. E fazer com que outras pessoas também falem sobre a marca nesses mesmos termos.

Isso é segmentação, direcionamento e posicionamento aplicados a uma máquina capaz de ler.

Marcas com posicionamento claro, produtos bem avaliados pelo público e algo original a dizer provavelmente já possuem boa parte dessa estrutura.

Para elas, a busca por IA pode acabar recompensando um trabalho de branding e posicionamento desenvolvido muitos anos antes da popularização dos LLMs.

As demais podem descobrir que dados estruturados, sozinhos, nunca foram suficientes para vender nada e não será agora que isso vai mudar.