research

Como medimos a reputação de marca na IA: o método por trás do Rankfor Index 2026

July 13, 2026
8 min read
n=35,640
Dmitrij Żatuchin
AI VisibilityMethodologyRankfor IndexAI Reputation IndexBrand ReputationMultilingual AI

Cada página de marca neste site mostra um número: uma pontuação de Visibilidade na IA de 0 a 100. Este artigo explica de onde vem esse número, passo a passo, para que você possa avaliá-lo, reproduzi-lo ou questioná-lo.

A versão curta: fazemos a três modelos de IA as perguntas que compradores reais fazem, em todos os idiomas da região, muitas vezes seguidas. Depois pontuamos o que volta em cinco componentes e publicamos o resultado para cada marca que medimos.

O corpus

A edição Nórdico-Báltica cobre 66 marcas em 11 mercados. Cada marca foi consultada em 12 idiomas (lituano, letão, estoniano, finlandês, polonês, tcheco, eslovaco, sueco, norueguês, dinamarquês, alemão, inglês) em três modelos de IA com fundamentação em tempo real na web: GPT, Gemini e Perplexity Sonar. Isso gerou 35.640 respostas fundamentadas, contendo 131.667 citações de 21.077 domínios únicos.

A edição Polônia cobre 46 marcas de consumo com prompts de compradores em polonês nos mesmos três modelos, produzindo 17.891 citações de 1.907 domínios.

Os prompts de intenção de compra movem tudo. Perguntamos o que um cliente perguntaria ("melhor serviço de streaming de música na Suécia", "qual banco uma pequena empresa na Eslováquia deveria usar"), nunca "fale sobre a marca X". Uma marca conquista sua pontuação ao aparecer sem ser solicitada.

Os cinco componentes

A pontuação composta de cada marca é uma soma ponderada de cinco componentes, todos normalizados de 0 a 100:

  • Sentimento (25%): quão positivamente os modelos descrevem a marca quando ela aparece.
  • Recomendação (25%): a fração de prompts de intenção de compra em que os modelos citam a marca. Este é o componente que se conecta de forma mais direta ao pipeline.
  • Qualidade das fontes (20%): que tipo de domínios fundamentam as respostas. Mídia de primeira linha e relatórios do setor pontuam mais alto do que páginas anônimas de cauda longa.
  • Consistência (20%): se a narrativa permanece a mesma entre idiomas e formulações.
  • Estabilidade (10%): se a mesma pergunta feita novamente retorna a mesma resposta. Medimos isso com o mesmo protocolo de prompt repetido do nosso Dice Roller gratuito.

A pontuação composta mapeia para faixas nomeadas: 85 ou mais é lida como Altamente recomendada, 70 a 84 Recomendada, 40 a 69 Emergente, abaixo de 40 Invisível para a IA. A melhor pontuação do ranking de 2026 é 67, o que diz algo sobre quanto espaço de crescimento até os líderes ainda têm.

As métricas que você não vai encontrar em nenhum outro lugar

Três medições no Index existem porque dados multilíngues expõem coisas que estudos em um único idioma não conseguem enxergar.

Penalidade bilíngue. Comparamos o AI Reputation Index de cada marca em seu idioma nativo com o inglês. A Latvijas Gāze marca 60,1 em letão e 42,9 em inglês, uma vantagem de 17,2 pontos no idioma nativo que desaparece no momento em que um comprador troca de idioma. A Tatra Banka mostra o mesmo padrão, com +13,6. Marcas globais como a Spotify ficam dentro de um ponto entre todos os doze idiomas. Se o seu plano de expansão pressupõe que sua reputação nativa viaja, esse número diz se ela viaja de fato.

Concentração de citações (HHI de fontes). Um índice Herfindahl-Hirschman sobre os domínios que fundamentam as respostas de uma marca. Acima de 0,72 significa que poucos domínios controlam a narrativa, o que corta dos dois lados: frágil, porém corrigível por meio de duas ou três parcerias de domínio. Abaixo de 0,50 significa que a narrativa está espalhada de forma ampla e resiliente.

Idiomas cegos. A contagem de idiomas do estudo em que a pontuação de uma marca cai abaixo do piso regional de 45 pontos. Uma marca pode liderar seu mercado nativo e ser funcionalmente invisível em oito de doze idiomas.

O que publicamos

Cada marca medida ganha uma página pública em /ai-visibility/{brand} com sua pontuação, posição no ranking, sentimento por modelo, gráfico de divergência entre idiomas e fontes de citação: Spotify, Wise, Amica e mais 108. O ranking completo, os recortes por país e o relatório para download ficam no hub do Index, com termos de reutilização no press kit.

Medimos visibilidade, narrativa e recomendabilidade nas respostas da IA. Não avaliamos a qualidade da empresa ou do produto. Uma pontuação baixa significa que a IA não conta a sua história, e isso é um problema de marketing que tem solução, não um veredito sobre o negócio.

Datas e versões

Os dados Nórdico-Bálticos foram coletados e publicados em abril de 2026 e atualizados pela última vez em maio de 2026. A edição Polônia foi publicada em junho de 2026. As versões dos modelos são fixadas por estudo; quando refazemos o Index, as pontuações anteriores permanecem arquivadas para que o movimento seja mensurável.

Tem perguntas sobre o método ou quer sua categoria medida? Fale com a equipe.

Continue Reading

research

Where AI Gets Its Answers: 167,551 Citations Behind Brand Reputation

A cross-market citation dataset: 167,551 URL-grounded citations across 128 brands, 13 languages, and 12 markets from GPT, Gemini, and Perplexity. AI grounds brand answers in third-party sources 85.7% of the time; 18% of domains carry 80% of citations; Wikipedia is the top domain in 11 of 12 languages. Open under CC-BY-4.0 with DOI.

article

Google-First Poland: Field Notes on Where Buyers Start With AI

A live Warsaw poll says Poland starts search inside Google's ecosystem (75%), with Gemini ahead of ChatGPT. Our 46-brand, 17,891-citation study adds the measured part: YouTube is the only channel where every brand appears, and two ice-cream brands show how differently AI builds a reputation from sources.

article

The State of AI Visibility: Why Brands Are Losing Control Inside AI Answers

Search didn't disappear. It stopped being the place where decisions happen. Traditional SEO assumed that if you ranked well, you would be discovered. AI doesn't work that way. This thought leadership piece defines why AI visibility matters and introduces the four dimensions of AI visibility: Presence, Relevance, Usefulness, and Trust.

research

Cross-Model Response Stability Analysis: A Comparative Study of Brand Mention Consistency in Large Language Models

This study investigates response variability and brand mention consistency across three leading LLMs: Google Gemini 3 Flash, OpenAI GPT-5.2, and xAI Grok-4-1. Using 239 total samples across three prompt variations (husband, wife, 2025), we measured brand mention frequency, response consistency, and cross-model agreement.

BeVisible Club

Get research like this before we publish it.

New AI visibility studies, ranking patterns, and source-stack data delivered to your inbox a week before they go public.

Join BeVisible Club

Want to Know How AI Sees Your Brand?

Rankfor.AI measures your brand's AI visibility across all major platforms and provides actionable recommendations.

About the Author

Dmitrij Żatuchin

Founder

Dmitrij Żatuchin is the founder of Rankfor.AI. A computer scientist with a PhD in semantic web technologies, he bridges the gap between how AI reasons about brands and how brands want to be understood. With over two decades of software architecture experience and academic roles at Estonian Business School and EUAS, Dmitrij builds the measurement infrastructure brands need to transition from optimizing for search engines to becoming visible for reasoning engines.

Usamos cookies

Usamos cookies essenciais para fazer nosso site funcionar. Com o seu consentimento, também podemos usar cookies analíticos para entender como você usa nossas ferramentas (como o Dice Roller) para que possamos melhorá-las. Saiba mais