O que o entity consistency score pode medir
Entity consistency score pode ser definido como um indicador interno de consistência dos fatos públicos da marca. Ele ajuda a localizar contradições e acompanhar correções. Para usá-lo, escreva quais informações serão conferidas, em quais páginas e contra qual referência.
O nome não identifica uma nota universal fornecida pelos modelos de IA. A convenção usada aqui compara fatos concordantes com fatos que puderam ser comparados, sempre exibindo a cobertura ao lado. Uma pontuação maior mostra melhora na verificação escolhida; não demonstra, sozinha, mais confiança do ChatGPT ou mais receita.
A qualidade da comunicação continua importando. Uma oferta precisa ser compreensível, útil e sustentada por fatos, tanto para uma pessoa quanto para ferramentas que a consultem. Corrigir um endereço ou uma condição de serviço resolve um problema concreto sem exigir declarar o fim da persuasão.
Como a consistência ajuda numa compra mediada por agentes
Informações coerentes tornam mais fácil comparar a oferta e conferir condições. Isso vale quando o comprador pesquisa sozinho ou pede ajuda a um agente de IA. O termo B2A descreve relações comerciais com essa mediação, cujo grau de autonomia depende do produto e da autorização.
Numa comparação hipotética de fornecedores, um assistente pode encontrar um prazo de implantação no site e outro num diretório. Publicar o prazo correto com suas condições reduz a contradição disponível. Ainda assim, a escolha pode depender de preço, adequação técnica, disponibilidade e critérios do comprador.
Não suponha que agentes sejam imunes a apresentação, instruções inadequadas ou conteúdo persuasivo. Trate a auditoria como verificação de informações públicas. Ela não oferece acesso ao mecanismo interno de decisão de cada produto.
Como definir a amostra e a regra de pontuação
Escolha fatos verificáveis e congele a amostra antes da primeira medição. A unidade de análise é um fato numa superfície pública, como o endereço na página de contato. O Portal Leadlovers recomenda uma folha de fatos com fonte e responsável para organizar esse trabalho.
Num exemplo hipotético, uma empresa decide conferir cinco fatos em quatro superfícies, totalizando 20 verificações. Os fatos são nome público, categoria do negócio, serviço principal, área atendida e canal de contato. As superfícies são o site, o perfil empresarial no Google, o LinkedIn e um diretório relevante para seus clientes.
Nem todo fato precisa aparecer em toda plataforma. Defina antecipadamente os itens aplicáveis e registre a justificativa de exclusão. Se mudar a amostra para retirar os itens difíceis depois de medir, a melhora da nota perde significado.
| Status | Critério de classificação | Tratamento na conta proposta |
|---|---|---|
| Concordante | O fato publicado corresponde à referência válida | Entra no numerador e no denominador do ECS |
| Divergente | O fato contradiz a referência | Entra apenas no denominador do ECS |
| Ausente | O fato era esperado, mas não foi encontrado após conferência | Fica fora do ECS; permanece no total aplicável e reduz a cobertura comparável |
| Não verificado ou indisponível | A conferência não pôde ser concluída | Fica fora do ECS; permanece no total aplicável e reduz a cobertura comparável |
Uma redação diferente pode ser concordante quando mantém o mesmo significado. O campo de categoria também pode variar por limitações da plataforma. Registre equivalências aceitas para evitar que duas pessoas classifiquem o mesmo fato de formas incompatíveis.
Como calcular a nota e a cobertura sem esconder lacunas
Calcule o ECS apenas entre fatos comparáveis e apresente a cobertura comparável ao lado. Ausências e itens não verificados ficam separados: não são concordâncias nem divergências demonstradas. Como ficam fora da nota, a cobertura precisa impedir que um ECS alto esconda uma amostra pouco examinada.
ECS (%) =
100 × concordantes / (concordantes + divergentes)
Cobertura comparável (%) =
100 × (concordantes + divergentes) / total de itens aplicáveis
Relatar separadamente: ausentes e não verificados ou indisponíveis.No exemplo hipotético de 20 verificações aplicáveis, a equipe encontra 14 concordantes, três divergentes, duas ausentes e uma não verificada. Há 17 itens comparáveis. O ECS é 14 dividido por 17, aproximadamente 82,35%; a cobertura comparável é 17 dividido por 20, ou 85%.
Depois de corrigir as três divergências e conferir a publicação, o grupo passa a ter 17 concordantes e nenhuma divergência. O ECS sobe para 100%, com cobertura comparável ainda em 85%. As duas ausências e o item não verificado continuam visíveis no relatório.
A diferença do ECS é de aproximadamente 17,65 pontos percentuais dentro da mesma amostra comparável. Isso não permite afirmar aumento em confiança de IA, citações ou vendas. A nota máxima entre os itens comparáveis também não significa que todos os fatos aplicáveis estejam completos.
Se não houver concordâncias nem divergências verificáveis, o ECS é 'não calculável'. Se o total aplicável for maior que zero, sua cobertura comparável será zero. Se o próprio total aplicável for zero, registre ambas as medidas como 'não calculável'.
Como corrigir a informação na origem
Corrija primeiro divergências capazes de alterar a decisão do cliente, como preço, serviço encerrado ou canal de atendimento. A ordem de trabalho não precisa acompanhar o peso da nota. Um erro comercial grave exige prioridade mesmo quando representa apenas um item.
- Reúna a referência aprovada de cada fato, com validade e responsável.
- Escolha as superfícies e registre os itens aplicáveis antes de pontuar.
- Guarde URL, trecho observado, data e status de cada verificação.
- Peça uma segunda leitura dos casos ambíguos e registre o critério adotado.
- Corrija páginas controladas pela empresa e solicite ajuste aos demais publicadores.
- Abra novamente cada página alterada e só então atualize o status.
- Recalcule sobre a mesma amostra e registre mudanças de definição em nova versão.
Mantenha uma planilha com uma linha por fato e superfície. O código da linha permite recuperar a evidência anterior sem substituir o histórico. Para ofertas que mudam por região, plano ou data, inclua essas condições na referência.
id_item | fato | superficie | url | referencia_aprovada
valor_observado | data_conferencia | status | criterio
responsavel | acao | data_publicacao | data_rechecagem
E01 | Canal de contato | Site | https://example.com/contato |
Telefone aprovado | Telefone antigo | 2026-10-06 |
Divergente | Número pertence ao atendimento encerrado |
Responsável pelo site | Atualizar e conferir | Data | DataSite, perfis e dados estruturados devem acompanhar a mesma informação de negócio. Criar llms.txt ou replicar uma descrição em vários diretórios não é condição para aplicar o método. Acrescente uma superfície quando ela for relevante e houver capacidade de mantê-la.
Como relacionar correções e presença em IA
Acompanhe consistência, citações e resultado comercial em séries separadas. A primeira registra qualidade dos fatos publicados; a segunda observa respostas de IA; a terceira acompanha contatos e contratos. Uma variação conjunta ajuda a formular hipóteses, sem estabelecer causalidade automaticamente.
Use um banco de perguntas estável para observar como os assistentes descrevem a empresa. Guarde produto, modo de busca, data, texto da pergunta, resposta e fontes. Quando aparecer erro factual, tente localizar a fonte e relacione o incidente ao item correspondente da auditoria.
O AI Performance do Bing mostra atividade de citação nas experiências atendidas. Sua documentação esclarece que essa informação não mede autoridade ou importância da página. O Google também orienta cautela com ferramentas que prometem resultados com supostas métricas internas de seus sistemas.
No exemplo do ECS que passou de aproximadamente 82,35% para 100%, a entrega demonstrada continua sendo a correção de três divergências. A cobertura comparável permanece em 85%. Se as citações aumentarem no mesmo período, confira também mudanças nas perguntas, conteúdo, demanda e produto de IA. Não converta essa coincidência numa fórmula de retorno financeiro.
Qual critério usar para encerrar a primeira auditoria
Encerre a primeira auditoria quando a amostra estiver documentada, as divergências relevantes tiverem ação definida e outra pessoa conseguir repetir o cálculo. Uma nota isolada, sem linhas de evidência, não permite verificar o que melhorou.
Escolha hoje os fatos que mais afetam uma decisão de compra e preencha a primeira amostra. Considere o avanço comprovado quando a correção estiver visível na origem e a mesma regra produzir o novo resultado, com as lacunas ainda declaradas.
Fontes
- Portal Leadlovers: entidade de marca e conhecimento, consulta em 6 de outubro de 2026.
- Portal Leadlovers: governança de métricas, consulta em 6 de outubro de 2026.
- Portal Leadlovers: medição de busca, consulta em 6 de outubro de 2026.
- Google: orientação para recursos de IA, julho de 2026, consulta em 6 de outubro de 2026.
- Bing: interpretação das métricas de citação, consulta em 6 de outubro de 2026.
- A fórmula de consistência segue a convenção operacional desta coleção: concordantes entre concordantes e divergentes, acompanhada da cobertura comparável; o exemplo de 20 verificações é hipotético e não representa métrica interna de fornecedores de IA.