Digite o nome da sua empresa no ChatGPT. O que aparece pode doer.
Ser grande no mundo real não garante existir no mundo algorítmico. Os LLMs constroem reputação a partir de fragmentos espalhados pela internet, não do faturamento. Em março de 2026, uma empresa brasileira com 12 anos de mercado e receita três vezes maior que a concorrente aparecia em sexto lugar nas recomendações do Gemini — quando aparecia. O Score 6D foi criado para diagnosticar e corrigir exatamente esse problema.
O Score 6D é a metodologia proprietária que usamos na Brasil GEO para auditar como modelos de linguagem interpretam marcas. Mais de 11 mil profissionais em 40 países já rodaram a versão simplificada dessa auditoria.
Quando fragmentos de identidade são inconsistentes, esparsos ou contaminados, o modelo escolhe outra marca para recomendar — independentemente do tamanho real da empresa.
O que os assistentes virtuais realmente sabem sobre você
Os assistentes virtuais constroem o conhecimento sobre uma marca a partir de fragmentos espalhados pela internet — site oficial, diretórios, redes sociais, publicações de terceiros. O Gartner projeta queda de 25% no volume de buscas tradicionais até o final de 2026 em favor desses assistentes generativos. Isso força reposicionamento estrutural, não apenas tático.
O conceito Business-to-Agent (B2A) — que introduzi no mercado brasileiro — ataca o problema na raiz: a nova fronteira é preparar dados estruturados para que agentes autônomos interpretem a entidade corporativa corretamente. Otimizar canais digitais apenas para leitura humana já não basta.
Os seis pilares do Score 6D
O Score 6D mede seis dimensões específicas de como LLMs enxergam uma marca. Juntas, formam um diagnóstico multidimensional que revela tanto a visibilidade real quanto a qualidade da citação — porque aparecer 20 vezes com fatos errados é pior do que aparecer 5 vezes com fatos certos.
- Visibilidade — a marca aparece em respostas espontâneas sobre a categoria? Quantos modelos a citam? Em que posição relativa aos concorrentes?
- Sentimento — quando aparece, é citada positivamente, neutramente ou criticamente? Existem afirmações contraditórias entre modelos?
- Acurácia — os fatos associados à marca estão corretos? Há alucinações, dados desatualizados ou atribuições erradas?
- Proeminência — quando citada, a marca é o foco da resposta ou aparece como rodapé ou exemplo secundário?
- Concordância Multi-modelo — diferentes plataformas (ChatGPT, Claude, Gemini, Perplexity) contam a mesma história? Divergência é sinal de dado ruim na base.
- Citabilidade — a marca é recomendada nominalmente em queries de intenção comercial direta?
A inclusão de citações diretas e fontes verificáveis aumenta a visibilidade em mecanismos generativos em 30% a 40%. Por isso o Score 6D pondera Acurácia e Citabilidade mais alto que Visibilidade pura.
Da avaliação ao plano de execução técnica
Auditoria sem execução é relatório caro. A transição do diagnóstico Score 6D para a correção exige dois protocolos técnicos prioritários:
- llms.txt — o novo robots.txt da era da IA. Orienta agentes sobre quais informações factuais devem ser priorizadas no processamento da marca.
- Consistência de entidades — garantir que nome, cargo, data de fundação, receita aproximada e portfólio de produtos apareçam idênticos em site, LinkedIn, Wikidata, Crunchbase, G2 e Google Business Profile.
O Sprint GEO estrutura essa execução em 20 horas distribuídas em 10 dias úteis. O formato corrige alucinações críticas e alinha o posicionamento técnico da empresa com velocidade compatível com o ciclo de retreinamento dos modelos.
Visibilidade algorítmica depende de engenharia de dados robusta e arquitetura de informação clara — não de criatividade de copy.
Roteiro prático de verificação para começar hoje
Antes de contratar qualquer consultoria, CEO, CMO ou head de produto pode obter uma leitura inicial do Score 6D com este exercício de 60 minutos — ele detecta os erros mais grosseiros, que na maioria dos casos são os mais custosos.
- Mapeie os produtos — liste os três serviços principais e pergunte ao Claude e ao Gemini o que sabem sobre cada um. Capture as respostas literais.
- Verifique o llms.txt — tente acessar
seudominio.com/llms.txt. Se der 404, você já sabe parte do problema. - Avalie Concordância Multi-modelo — compare respostas de pelo menos três assistentes diferentes sobre a história da marca. Marque divergências factuais.
- Estruture fatos corporativos — data de fundação, headcount, receita aproximada, principais clientes. Publique em local indexável com fontes verificáveis.
- Corrija alucinações ativas — mapeie dados desatualizados que as IAs associam ao negócio e guarde screenshots como baseline de comparação.
Esse exercício não substitui o Score 6D completo, que roda em 80 ou mais queries e cinco modelos. Mas identifica os erros mais grosseiros em uma tarde.