Por que o canal de IA precisa do próprio relatório
Pago, orgânico, social e e-mail têm cada um o seu relatório, com suas próprias métricas, porque cada um se comporta de forma diferente. A descoberta por IA é o mais novo deles e o menos compreendido, e ainda é reportada, na maior parte das vezes, como nota de rodapé dentro de um canal ao qual não pertence.
A razão para ela precisar de um relatório próprio não é a novidade. É que o mecanismo é diferente. Não há posição de ranking, não há contagem de impressões, não há página de resultados. Um modelo lê suas páginas em uma programação regular, decide durante a conversa se vai recorrer a alguma delas e, ocasionalmente, envia uma pessoa até você com um link. Esses são três eventos separados, produzidos por três comportamentos separados, e um número de um deles prevê muito pouco sobre o seguinte.
Então a pergunta útil não é "quão visíveis somos em IA". É qual etapa do canal está falhando, porque a correção para cada uma é diferente.
As quatro etapas em que toda métrica se encaixa
Antes das métricas, o formato. Tudo o que vem abaixo responde a uma pergunta sobre uma de quatro etapas, e elas acontecem em ordem. Uma página não pode ser candidata a citação se nunca foi lida, e não pode enviar uma referência se nunca é citada.
As sete métricas
Cada uma delas é um painel do dashboard WISLR AI Channel Analytics, lida a partir de logs de servidor próprios. Estão listadas em ordem de funil, e o valor diagnóstico está em lê-las umas contra as outras, e não uma de cada vez.
Cobertura de treinamento
Treinamento- O que mede
- A parcela das suas páginas comercialmente importantes que os rastreadores de treinamento de IA de fato leram, e não o número bruto de acessos de rastreamento.
- Como a WISLR reporta
- Páginas aprendidas e cobertura de treinamento, com volume diário de rastreamento, seus principais dias de treinamento e um detalhamento por motor.
- Como é um bom resultado
- Cobertura concentrada em páginas de categoria, produto e comparação. Cobertura ampla de um blog enquanto o catálogo comercial fica sem ser lido é um padrão comum e caro.
- Onde falha
- Bloqueios no robots.txt, conteúdo que só existe depois que o JavaScript roda e respostas lentas que fazem os rastreadores desistirem.
Cobertura de candidatas
Candidatas- O que mede
- A parcela de páginas buscadas durante conversas ao vivo. São as páginas que um modelo considerou boas o bastante para puxar enquanto respondia a uma pergunta real, o que faz disso o mais próximo de um voto de confiança que o canal produz.
- Como a WISLR reporta
- Candidatas e cobertura de candidatas, com as páginas candidatas individuais listadas por título, para você ver qual conteúdo está sendo requisitado.
- Como é um bom resultado
- Suas páginas de conversão aparecendo como candidatas, e não apenas a home e um guia popular.
- Onde falha
- Páginas sem nenhuma afirmação autossuficiente para citar. Um modelo que busca sua página ainda precisa encontrar uma frase que possa sustentar.
Cobertura de referências
Referências- O que mede
- A parcela de páginas que conquistou um clique real a partir de uma resposta de IA, e onde essas pessoas caíram.
- Como a WISLR reporta
- Referências e cobertura de referências, com as páginas de destino ranqueadas e o volume de referências acompanhado junto da atividade de treinamento e de candidatas na mesma linha do tempo.
- Como é um bom resultado
- Referências concentradas em páginas que convertem, em vez de conteúdo informativo que responde à pergunta de forma tão completa que ninguém precisa clicar.
- Onde falha
- Navegadores dentro de aplicativos móveis removem o referrer, então a visita cai em direto ou outros. Essa é a maior fonte isolada de subcontagem em ferramentas baseadas em navegador.
Índice de crescimento
Todas as etapas- O que mede
- Direção e velocidade, em vez de nível. Uma leitura composta única sobre se o canal está acelerando, se mantendo ou decaindo.
- Como a WISLR reporta
- Um índice de crescimento com um rótulo de ritmo, ao lado de uma visão de atividade diária, para você ver se uma mudança é tendência ou um único dia atípico.
- Como é um bom resultado
- Ritmo que se sustenta depois de um esforço de conteúdo, em vez de disparar e voltar à linha de base em duas semanas.
- Onde falha
- Lê-lo diariamente. O comportamento de rastreamento é irregular por natureza, e um único dia é ruído.
Mix de motores
Todas as etapas- O que mede
- Como sua visibilidade se distribui entre OpenAI, Anthropic, Gemini e Perplexity, em cada etapa separadamente.
- Como a WISLR reporta
- Um detalhamento por LLM aplicado a treinamento, candidatas e referências, para que o mix possa variar por etapa e você consiga enxergar isso.
- Como é um bom resultado
- Presença em vários motores. Concentração em um só é uma dependência, e os motores mudam seu comportamento de rastreamento e de citação sem aviso.
- Onde falha
- Supor que o comportamento de um motor vale para os outros. Eles diferem no que rastreiam, com que frequência buscam e se chegam a linkar para fora.
Rastreado mas não citado
Treinamento para candidatas- O que mede
- Páginas que um modelo leu e nunca buscou para compor uma resposta. A lacuna entre o que ele tem e o que ele usa.
- Como a WISLR reporta
- Uma lista permanente de páginas rastreadas mas não citadas, para que a lacuna seja uma fila de trabalho e não uma inferência.
- Como é um bom resultado
- Uma lista curta e encolhendo nas páginas comerciais. Em conteúdo raso ou duplicado, uma lista longa é o resultado correto.
- Onde falha
- Tratar o rastreamento como a vitória. Um rastreamento significa que a porta estava aberta, nada além disso.
Receita atribuída à IA
Receita- O que mede
- Pedidos e leads rastreados de volta até a sessão de IA que os produziu, em moeda.
- Como a WISLR reporta
- Atribuição de IP para pedido com receita ao longo do tempo, detalhe por comprador e tempo até a compra, separada por motor quando os dados permitem.
- Como é um bom resultado
- Receita por sessão de IA que aguenta comparação com seus outros canais, e uma curva de tempo até a compra em torno da qual você consegue planejar o retargeting.
- Onde falha
- Continuidade da sessão. Quem chega por uma resposta de IA e volta três dias depois para comprar é invisível para um modelo ingênuo de último clique, e é por isso que o tempo até a compra fica ao lado do número de receita.
Lendo umas contra as outras
Individualmente, esses são apenas números. O valor diagnóstico está nos passos entre eles, porque cada queda tem uma explicação provável e uma correção diferente.
As sete são painéis no WISLR.ai. Ele captura rastreamentos de treinamento, buscas durante a conversa e referências de IA na borda, no seu próprio domínio, casa sessões de volta com pedidos e reporta a cobertura em cada etapa separada por motor. Não há pipeline de logs para montar, e o plano gratuito guarda 30 dias contínuos de histórico, então a linha de base começa hoje.
Como isso se mapeia no seu relatório de SEO
Essas métricas ficam ao lado do seu relatório de SEO, não em cima dele. Elas vêm de fontes diferentes e respondem a perguntas diferentes, e o análogo mais próximo muitas vezes não é exato.
Por onde começar
Comece pelo topo do funil, porque um problema na primeira etapa torna sem sentido todos os números abaixo dela. Cobertura de treinamento e rastreado mas não citado bastam para tomar a primeira rodada de decisões, e ambos vêm dos mesmos dados de log.
A única coisa que vale fazer imediatamente é começar a contar o tempo. Toda métrica aqui é uma tendência, e uma tendência precisa de linha de base. Uma marca que começa a registrar agora terá meses de histórico quando um concorrente ainda estiver decidindo o que medir, e o histórico é a parte que você não consegue preencher depois.
Veja esses sete números nos seus próprios dados.
O WISLR AI Channel Analytics reporta as sete a partir dos seus próprios logs de servidor: cobertura de treinamento e de candidatas por motor, a fila de rastreado mas não citado, o índice de crescimento e a receita casada de volta com a sessão. O plano gratuito guarda 30 dias contínuos de histórico, o que basta para estabelecer a linha de base.