Analisamos o que a IA realmente acredita sobre os compradores em 25 setores. As conclusões deveriam mudar a forma como você pensa sobre estratégia de conteúdo.
A maioria das marcas cria conteúdo com base em suposições. Workshops internos produzem de três a cinco personas de comprador que parecem certas, e essas personas orientam o calendário de conteúdo pelo próximo ano. Talvez por mais tempo.
O problema é que os sistemas de IA, os mesmos que cada vez mais mediam a pesquisa dos compradores, operam a partir de um modelo completamente diferente de quem são seus compradores e do que eles querem. E esse modelo é construído com padrões extraídos de milhões de pontos de dados, não de uma sessão de duas horas com as partes interessadas.
Nós queríamos saber: o que a IA realmente acredita sobre os compradores? Não o que os profissionais de marketing supõem. Não o que os CRMs sugerem. O que emerge quando você sintetiza e estrutura dados de comportamento de compra em grande escala?
Então construímos o maior conjunto de dados de personas de comprador já publicado. E os padrões que ele revela deveriam fazer todo estrategista de conteúdo repensar seu funil.
O Que Construímos e Por Quê
O PersonaGen-593K é um conjunto de dados com 593.181 personas de comprador geradas por IA, abrangendo 339 setores (25 verticais principais). Cada persona inclui dados comportamentais estruturados: quem são, o que pesquisam, quais perguntas têm, quais objetivos os movem e o que os frustra.
Os números brutos:
| Atributo | Volume |
|---|---|
| Total de personas | 593.181 |
| Setores cobertos | 339 (25 verticais principais) |
| Consultas de pesquisa extraídas | ~3 milhões |
| Declarações de necessidade de informação | ~3 milhões |
| Declarações de objetivo | ~1,8 milhão |
| Declarações de ponto de dor | ~1,8 milhão |
Começamos com aproximadamente 40 milhões de descrições brutas de personas provenientes de quatro conjuntos de dados públicos (NVIDIA, BSC-LT, Orange e Tencent). Por meio de deduplicação acelerada por GPU e filtragem semântica, reduzimos esse total para cerca de um milhão de descrições únicas. Em seguida, enriquecemos cada uma com atributos comportamentais estruturados usando um grande modelo de linguagem, produzindo por fim 593.181 personas completas e validadas.
Isto não é uma pesquisa com 500 pessoas. É uma síntese estruturada do que os modelos de IA entendem sobre o comportamento de compra em uma escala que os métodos de pesquisa tradicionais levariam anos e milhões de dólares para aproximar.
A Descoberta Que Deveria Reescrever Sua Estratégia de Conteúdo
78,7% das buscas dos compradores são informacionais. Apenas 4,3% são transacionais.
Leia de novo. Entre quase 3 milhões de consultas de pesquisa no conjunto de dados, quase quatro em cada cinco são perguntas como "Como eu avalio X?" ou "Quais são as melhores abordagens para Y?", não "Comprar X" ou "Assinar Y."
Os 17% restantes são comerciais: consultas de comparação como "Qual fornecedor eu deveria escolher?" Essa é a fase de consideração. Importante, mas ainda assim não transacional.
O Que Isso Significa na Prática
| Intenção de Busca | Parcela das Consultas | O Que os Compradores Estão Fazendo |
|---|---|---|
| Informacional | 78,7% | Aprendendo, pesquisando, entendendo opções |
| Comercial | 17,0% | Comparando fornecedores, avaliando alternativas |
| Transacional | 4,3% | Prontos para comprar, assinar ou se cadastrar |
A maioria das estratégias de conteúdo é construída em torno do fundo do funil. Páginas de produto. Comparações de preços. Matrizes de funcionalidades. Solicitações de demonstração. Isso é os 4,3%.
Os 78,7%, as perguntas que os compradores realmente fazem, muitas vezes ficam mal atendidos. E é exatamente esse o conteúdo do qual os sistemas de IA extraem quando formam recomendações.
Se sua marca não tem conteúdo informacional forte que responda às perguntas que os compradores fazem antes de estarem prontos para comprar, a IA vai recomendar alguém que tenha.
Cinco Padrões Setoriais Que Vale a Pena Conhecer
O conjunto de dados revela assinaturas comportamentais distintas entre os setores. Aqui estão os padrões mais relevantes para líderes de conteúdo e marketing.
1. EdTech Domina em Volume e em Oportunidade
O setor de EdTech representa 24,3% de todas as personas do conjunto de dados (36.152). Isso não acontece porque fizemos uma amostragem excessiva dele. Surgiu naturalmente dos dados de origem, refletindo o enorme volume e a diversidade do comportamento de compra voltado ao aprendizado.
As personas de EdTech se concentram em trilhas de certificação, flexibilidade do aprendizado online e desenvolvimento de habilidades. Se você atua em tecnologia educacional, serviços de aprendizado adjacentes ou desenvolvimento profissional, este é o maior pool de personas endereçável do conjunto de dados. A oportunidade de conteúdo é enorme, e a concorrência pela atenção da IA também.
2. Consultoria Tem a Maior Intenção Comercial
Embora o conjunto de dados como um todo tenda para o informacional, as personas de Consultoria contrariam a tendência. Elas apresentam a maior intenção de busca comercial, com 28%, quase o dobro da média do conjunto de dados, que é de 17%.
Os compradores de consultoria sabem do que precisam. Eles estão comparando opções, não explorando o conceito. Seus pontos de dor giram em torno de aquisição de clientes e diferenciação, o que significa que conteúdo que os ajude a avaliar opções (benchmarks, estudos de caso, frameworks de ROI) vai superar a liderança de pensamento genérica.
3. Saúde Enfrenta um Desafio Único de Conformidade
As personas de Saúde exibem a maior concentração de necessidades de informação relacionadas à conformidade, com 38%. Elas pesquisam sobre credenciamento, requisitos regulatórios e práticas baseadas em evidências.
Para marcas em saúde ou setores adjacentes à saúde, isso traz um risco específico: os sistemas de IA que geram recomendações sobre temas de saúde enfrentam uma exigência maior de precisão. Conteúdo de saúde inconsistente ou mal estruturado se torna um vetor de risco quando a IA o exibe em contextos profissionais.
4. Manufatura Quer Processo, Não Visão
As personas de Manufatura se agrupam em torno da eficiência operacional (29% dos objetivos) e têm mais dificuldade com a complexidade das ferramentas (24% dos pontos de dor). Suas buscas se concentram em otimização de processos e automação.
Esse público não responde a mensagens aspiracionais. Ele quer detalhes concretos: guias de implementação, documentação de integração, matrizes de comparação com especificações técnicas. O conteúdo que pula a visão e vai direto ao "como" operacional vence nesta vertical.
5. Equilíbrio Entre Vida e Trabalho É o Ponto de Dor Universal
Em todas as 25 verticais setoriais, o equilíbrio entre vida e trabalho surgiu como o ponto de dor dominante, com 107.000 menções. Ele aparece como uma das cinco principais preocupações em 72% dos segmentos setoriais.
Esta é uma verdade transversal a todos os setores que a maior parte do conteúdo B2B ignora por completo. As marcas que reconhecem a dimensão humana das decisões profissionais, como restrições de tempo, carga cognitiva e prioridades concorrentes, falam com a realidade em que seus compradores vivem, não apenas com a categoria em que eles compram.
As Características Demográficas Que a IA Assume
O conjunto de dados também revela qual perfil demográfico a IA associa a diferentes setores e funções:
- Distribuição de gênero: 52,2% feminino, 45,4% masculino, 2,3% não binário. Quase equilibrada, mas não uniforme entre os setores.
- Padrão de idade: Bimodal, com picos em 18-25 anos (27,9%) e 55-75+ anos (41,4% combinados). O grupo de meia carreira que a maior parte do marketing B2B mira (25-55 anos) representa apenas 30,8%.
- Contexto de mercado: 71,5% B2C, 22,5% B2B, 4,4% B2B2C, 1,5% B2G.
A distribuição de idade é particularmente notável. Se sua estratégia de conteúdo pressupõe um tomador de decisão de 35 a 50 anos como o comprador padrão, os modelos de IA podem associar seu setor a um perfil demográfico muito diferente. Esse descompasso entre o público que você presume e o público que a IA presume afeta qual conteúdo é exibido e para quem.
O Que Isso Significa para Sua Marca
Se você atua em EdTech ou desenvolvimento profissional
Você opera no espaço de personas mais concorrido. A diferenciação exige especificidade: não "ajudamos as pessoas a aprender", mas "ajudamos designers de UX de meia carreira a migrar para o design instrucional com credenciais reconhecidas por empregadores". As personas mostram que trilhas de certificação e flexibilidade de horários são os principais gatilhos de busca. Conteúdo genérico sobre aprendizado não vai se destacar.
Se você atua em Consultoria ou serviços profissionais
Seus compradores têm a maior intenção comercial do conjunto de dados. Eles estão comparando compras, não navegando à toa. Invista em conteúdo que apoie a avaliação: frameworks de preços transparentes, comparações de metodologia, dados de resultados de clientes com especificidades. O manual do "liderança de pensamento primeiro" que funciona em outras verticais pode ter desempenho inferior aqui, porque seus compradores já passaram do estágio de conscientização.
Se você atua em Manufatura ou setor industrial
Pule a visão. Comece pelo detalhe operacional. As personas mostram que a complexidade das ferramentas é a principal frustração e a otimização de processos é o principal objetivo. Conteúdo que demonstra ganhos de eficiência mensuráveis com etapas claras de implementação vai combinar com a forma como a IA caracteriza a intenção do comprador de manufatura.
Se você atua em Saúde
Estruture seu conteúdo pensando em precisão e conformidade. Os sistemas de IA são especialmente cautelosos com recomendações relacionadas à saúde, e os dados de personas confirmam que seus compradores priorizam informações de credenciamento e regulatórias. Conteúdo não estruturado ou ambíguo tem mais probabilidade de ser despriorizado pela IA nesta vertical do que em qualquer outra.
De Onde Vem Esta Pesquisa
O PersonaGen-593K foi desenvolvido por pesquisadores da Estonian Entrepreneurship University of Applied Sciences (EUAS) e da Rankfor.AI, publicado como artigo revisado por pares na revista Discover Artificial Intelligence da Springer.
A metodologia envolveu agregar quatro conjuntos de dados públicos de personas (~40 milhões de descrições brutas), aplicar deduplicação acelerada por GPU para remover 89,5% das duplicatas e, em seguida, usar modelos de embedding semântico para eliminar mais 76,2% de quase-duplicatas. O milhão de descrições únicas sobreviventes foi enriquecido com atributos comportamentais estruturados e validado por meio de análise estatística.
O conjunto de dados completo, a metodologia e o código de análise estão disponíveis publicamente para verificação independente.
A Conclusão Prática
Dados de comportamento de compra nesta escala contam uma história consistente: a maioria dos compradores está fazendo perguntas, não procurando comprar. As marcas que conquistam as recomendações da IA são aquelas cujo conteúdo responde a essas perguntas de forma clara, específica e na linguagem que os compradores realmente usam.
Se 78,7% dos seus compradores potenciais estão em modo de aprendizado, e sua estratégia de conteúdo aloca 80% dos recursos em material de fundo de funil focado no produto, há um descompasso estrutural entre o que você produz e o que a IA recomenda.
Fechar essa lacuna não é um problema de volume de conteúdo. É um problema de alinhamento. E o primeiro passo é entender o que a IA acredita que seus compradores querem.
Verifique como a IA percebe as personas de comprador da sua marca. Use o Persona Matcher para comparar suas personas presumidas com o que a IA de fato recomenda para o seu setor. Ou passe sua marca pelo AI Visibility Monitor para ver onde você está.
Baseado em "PersonaGen-593K: A Large-Scale Dataset of AI-Generated Buyer Personas for Consumer Information-Seeking Behavior Research", de Dmitrij Zatuchin (EUAS) e Daniil Dzemesjuk (Rankfor.AI), preprint, submetido à Springer Discover Artificial Intelligence, 2026.