Menção, recomendação e citação em IA: o que cada uma mostra

O que cada evidência permite concluir

Evidência	O que é	Onde aparece	O que permite concluir	O que não permite concluir
Menção	O nome da marca está no texto da resposta	Corpo da resposta	A plataforma associa o nome à pergunta feita	Que a marca foi recomendada, que a informação está correta ou de onde ela veio
Recomendação	A resposta indica a marca como escolha para a tarefa do usuário	Corpo da resposta, lido com as condições que a acompanham	A marca entrou na consideração com um papel definido	Que a recomendação se repetirá, que os atributos citados estão certos ou que houve fonte
Citação	Uma URL é apresentada como fonte da resposta ou de um trecho	Referências, notas numeradas, links ao lado ou no fim	A URL foi exibida como referência, ligada ao trecho quando o caminho informa essa ligação	Que a plataforma acessou a página inteira, que ela sustenta o trecho, que foi usada para gerar a resposta ou que alguém clicou
Fonte consultada	Uma página que a plataforma informa ter recuperado durante a busca	Dados de busca que a plataforma expõe, quando expõe	A plataforma informou a página entre os resultados recuperados para aquela consulta	Que foi lida por inteiro, que pesou na resposta ou que aparece para o usuário

Menção e recomendação são afirmações sobre o texto: o que a resposta diz sobre a marca e em que papel. Citação e fonte consultada são afirmações sobre páginas: o que a plataforma informa ter recuperado e o que exibe como referência. Os dois eixos são independentes, e uma marca pode estar em qualquer combinação: mencionada sem nenhuma página sua citada, citada sem aparecer no texto, recomendada enquanto uma página de terceiro aparece como referência, consultada sem ser citada. Por isso as evidências não são degraus ("primeiro menção, depois citação, depois recomendação"), e sim uma grade com dois eixos.

Menção: a marca está no texto

A menção é a evidência mais fácil de automatizar e a que a maioria dos painéis conta quando fala em visibilidade. A contagem é legítima desde que se saiba o que fica de fora dela. O nome pode ter chegado ao texto pelos dados de treinamento do modelo ou por uma página recuperada durante a resposta, e só o texto não diz qual das duas coisas aconteceu.

O papel da marca também fica de fora. Uma resposta pode mencionar uma marca como a opção indicada, como uma entre oito alternativas, como contraste ("diferente da marca X, que não oferece..."), como exemplo do que evitar ou simplesmente porque o usuário a citou no prompt e a resposta repetiu o nome. Nas contagens automáticas, essas cinco situações valem o mesmo: uma menção.

Quando o prompt já contém o nome da marca, a menção na resposta é quase garantida e não informa nada sobre presença espontânea. Prompts de categoria ("qual software de help desk atende uma equipe de suporte de dez pessoas?") medem se a marca aparece por conta própria; prompts com o nome ("o que é a marca X?") medem outra coisa, como a marca é descrita. Misturar os dois tipos no mesmo percentual infla a taxa de menção sem que nada tenha mudado na plataforma.

Recomendação: a resposta escolhe a marca

Reconhecer uma recomendação exige três critérios, e nenhum deles é a presença do nome. A resposta precisa estar tratando da tarefa do usuário, e não de um assunto lateral. A marca precisa ser apresentada como escolha, sozinha ou dentro de um conjunto curto, e não como item de um inventário. E as condições que acompanham a indicação ("se você precisa de integração com telefonia, a marca X é a mais indicada") precisam ser lidas junto com ela, porque uma recomendação condicionada a um cenário que não é o do seu comprador tem outro valor comercial. Um trecho como "para equipes pequenas, a marca X; para operações com vários idiomas, a marca Y" recomenda as duas, cada uma para um cenário, e o relatório precisa preservar isso.

Nenhum desses critérios é verificável contando nomes. Recomendação exige ler a resposta, e uma ferramenta que reporta "taxa de recomendação" está aplicando algum critério de classificação sobre o texto, humano ou automático, que precisa ser explicado antes de o número ser comparado com outro. No Lastfind, a métrica de menção é a detecção do nome da marca no texto final da resposta e não classifica sentimento nem recomendação; decidir se a marca foi recomendada é leitura sobre a resposta arquivada.

Duas fragilidades acompanham qualquer recomendação e precisam constar do registro. Sem citação, não dá para distinguir se a resposta veio do treinamento, de uma busca não exposta ou de outro caminho, e nada garante que a próxima execução repita a recomendação. E uma recomendação com atributos errados é frágil: corrigir as fontes públicas permite testar se a descrição muda, não garante que isso aconteça.

Citação: uma página aparece como fonte

A forma da citação varia entre plataformas: número entre colchetes ligado a uma lista, cartão com título e domínio, link embutido na frase, lista de referências no fim. Todas se referem a uma página, não a uma marca. A página citada pode ser do site da marca, de um concorrente, de um veículo, de um fórum ou de um marketplace.

Nas interfaces de programação, esse vínculo é explícito. Na API Responses da OpenAI, cada citação é uma anotação url_citation com URL, título e posição do trecho, e a OpenAI exige que ela fique visível e clicável quando a resposta é mostrada a usuários. A API da Anthropic com busca na web devolve, para cada citação, a URL, o título e até 150 caracteres do texto citado, e as citações estão sempre ativadas quando há busca. Na API do Gemini com busca do Google, cada anotação url_citation liga um segmento de texto, delimitado por índices de início e fim, a uma URL. Nos três casos, a citação é um par: trecho da resposta e página que a plataforma associa a ele.

Isso é diferente de uma menção: mostra que a plataforma exibiu uma URL como referência e, quando o contrato inclui índices, ligou-a a um trecho. Qualquer pessoa pode abrir a URL e conferir o conteúdo, mas o vínculo sozinho não prova acesso à página inteira, uso na geração ou sustentação do trecho.

O que costuma ser lido numa citação vai além do que ela prova. A auditoria de quatro mecanismos de busca generativa publicada por Liu, Zhang e Liang em 2023 encontrou, em média, 51,5% das frases geradas plenamente sustentadas pelas citações e 74,5% das citações sustentando a frase à qual estavam ligadas. O estudo cobre Bing Chat, NeevaAI, Perplexity e YouChat; os sistemas mudaram desde então, mas o ponto permanece: citação é um vínculo apresentado pela plataforma, não uma verificação de que o conteúdo da página sustenta o trecho.

O clique também não está na citação. No Google, os sites que aparecem em AI Overviews e no AI Mode entram no tráfego geral de busca do Search Console e são reportados no relatório de desempenho dentro do tipo "Web"; ver a página citada não diz quanto tráfego a citação gerou.

Fonte consultada: a plataforma recuperou a página, mas isso não diz se a usou

É a evidência mais nova das quatro e a mais mal interpretada, porque parece dizer "a IA leu isto". Na geração aumentada por recuperação descrita por Lewis e colegas em 2020, o sistema recupera passagens de um índice e gera o texto condicionado a elas; a arquitetura não fixa quantas passagens são recuperadas nem quais chegam ao texto final. Em implementações que expõem fontes, a recuperação pode devolver mais URLs do que as citações exibidas.

Na OpenAI, o campo sources devolve a lista completa de URLs que o modelo consultou ao formar a resposta, enquanto as citações no texto mostram apenas as referências mais relevantes; o número de fontes é frequentemente maior do que o de citações. A Anthropic devolve os resultados de cada busca em um bloco próprio, separado das citações. Na ferramenta de busca da Agent API da Perplexity, a resposta pode incluir um item search_results com a lista de resultados, cada um com id, URL, título, trecho e datas.

Para quem trabalha com conteúdo, essa lista separa duas hipóteses que a citação sozinha confunde: a página pode não ter sido recuperada ou pode ter sido recuperada sem aparecer como citação. A lista não mostra por que uma página deixou de ser citada nem se influenciou o texto final. A evidência vale para aquela consulta, naquele índice, naquele dia; não é uma propriedade permanente da página.

Uma página consultada pode ter influenciado a resposta sem receber citação, pode não ter influenciado o texto final ou pode ser citada e ainda assim contradita pelo texto. A expressão "a IA leu o site" não é sustentada por nenhuma lista de consulta.

Há ainda um terceiro estado que costuma ficar invisível: a plataforma pode não ter buscado nada. Na API da Anthropic, o modelo decide, a partir do prompt, se vai buscar e responde diretamente, sem busca, quando a pergunta depende de conhecimento estável. Uma resposta sem lista de consulta pode significar, portanto, que a plataforma buscou e não expôs a lista, que buscou e a lista voltou vazia, ou que não buscou. Um registro sério guarda essa diferença: "lista vazia" e "dado não informado" são observações distintas, e só a primeira permite dizer que a busca não encontrou nada.

Seis casos que confundem a leitura

Os casos a seguir são hipotéticos. Imagine que sua empresa vende um software de help desk e que o prompt monitorado é "qual software de help desk atende uma equipe de suporte de dez pessoas?".

A página da marca é citada como fonte, mas a marca não é recomendada

A resposta recomenda um concorrente e exibe, como referência junto da comparação de preços, uma página do seu próprio blog que compara as duas ferramentas. Sua marca aparece no texto, sua página está nas referências, e o relatório automático registra menção e citação. O observável termina aí: a citação não prova que a plataforma acessou a página inteira nem que usou seu conteúdo para escolher o concorrente. A decisão editorial é abrir a URL e verificar se a página sustenta a comparação e se descreve o concorrente com mais precisão, atributos ou atualidade do que a sua oferta. Encontrar essa diferença é uma hipótese do teste, não uma conclusão da citação.

A marca é recomendada sem que o site dela seja citado

A resposta indica sua marca como a melhor opção para equipes pequenas e exibe como referências uma resenha em um site de avaliações e uma discussão em fórum. Nenhuma página do seu domínio aparece. A recomendação existe; as referências mostram páginas que vale abrir, mas não provam que elas causaram ou sustentam a escolha. A decisão aqui é conferir se essas páginas descrevem sua marca corretamente, pedir correções legítimas quando necessário e publicar no próprio site a informação que hoje só existe fora dele. Novas coletas mostram se a resposta ou as referências mudam, sem atribuir a mudança a uma única página.

Um concorrente é citado na resposta que recomenda você

Variante do caso anterior: a resposta recomenda sua marca para equipes de dez pessoas e exibe como referência a comparação publicada pelo concorrente, que posiciona o produto dele para operações maiores e concede a você o segmento pequeno. A recomendação e a referência são observáveis; a citação não prova que a página determinou o enquadramento. A decisão é publicar sua própria comparação com critérios verificáveis e acompanhar, em novas coletas, se ela passa a ser consultada ou citada, sem presumir substituição ou efeito causal.

A marca aparece só numa lista de alternativas

A resposta recomenda duas ferramentas, explica por quê, e fecha com "outras opções incluem" e seis nomes, entre eles o seu. É menção, não recomendação. Ela mostra que a plataforma associa sua marca à categoria, mas nenhum atributo que justifique escolhê-la. A decisão que esse caso sustenta é de posicionamento: descobrir quais atributos as duas recomendadas receberam no texto (preço, integração, idioma, suporte) e verificar se o seu conteúdo e as fontes de terceiros atribuem à sua marca algum critério de escolha, ou apenas o nome e a categoria.

A marca aparece com informação errada

A resposta menciona sua marca e afirma que ela "não oferece plano gratuito", quando oferece. Se houver citação ligada ao trecho, abra a página e confira se ela repete a informação antiga; pode ser uma resenha, uma comparação de terceiro ou uma página sua. Se houver lista de fontes consultadas, verifique se uma página desatualizada do seu domínio está nela, sem inferir que foi usada. Sem citação nem consulta informada, a causa permanece desconhecida: pode haver treinamento, busca não exposta ou outro caminho. Em qualquer cenário, corrija as fontes públicas e faça novas coletas para observar se a descrição muda; nenhum deles garante efeito imediato.

A página da marca é consultada, mas nem citada nem mencionada

A lista de fontes consultadas inclui sua página de planos, e a resposta recomenda duas outras ferramentas sem mencionar você. A evidência mostra que a página foi recuperada nessa execução, mas não exibida como referência nem associada à marca no texto final; não mostra por que isso aconteceu. Esse caso não aparece em nenhum painel que conte só menções e citações e oferece uma hipótese útil para quem produz conteúdo: comparar sua página com as que foram citadas, observando que perguntas elas respondem, que atributos nomeiam e que formato usam. Essas diferenças podem orientar a investigação, mas a coleta sozinha não estabelece que o conteúdo foi a causa.

Há ainda o caso em que nenhuma das quatro evidências aparece: a marca não é mencionada, e nada do seu domínio é citado nem consultado. A pergunta então deixa de ser "como a IA nos trata" e passa a ser se existe conteúdo público que responda ao prompt com o nome da marca; a decisão começa por ele.

Em todos os casos, as decisões são de conteúdo, de relações com fontes e de posicionamento, o trabalho de GEO como frente de SEO; nenhuma delas é "pedir para a IA mudar a resposta". A coleta também não decide sozinha se vale a pena agir: uma recomendação em prompts que não correspondem à jornada do comprador, ou em uma plataforma que o público da empresa não usa, pode ser registrada e deixada de lado. A prioridade vem do negócio; a evidência só a torna possível.

Quatro contagens da mesma coleta

O exemplo é hipotético. Suponha 40 respostas válidas para o mesmo conjunto de prompts de categoria. Sua marca é mencionada em 30 delas, recomendada em 8, tem alguma página do próprio domínio citada em 5 e informada como consultada em 22. Para esta conta, as 5 respostas com citação pertencem ao conjunto das 22 com consulta informada.

Evidência	Respostas	Taxa (÷ 40)
Menção	30	75%
Recomendação	8	20%
Citação de página própria	5	12,5%
Página própria consultada	22	55%

As quatro taxas descrevem a mesma coleta e contam histórias diferentes. Uma apresentação que diga "75% de visibilidade" está correta e diz pouco sobre decisão de compra; a recomendação em 20% das respostas é o número que interessa a quem vende.

Como o exemplo declarou a relação de subconjunto, 22 − 5 = 17 respostas em que uma página própria foi informada como consultada, mas não exibida como referência; isso define uma fila de páginas a inspecionar, não uma prova de uso. As 30 menções incluem as 8 recomendações e, muito provavelmente, algumas listas de alternativas e algum contraste; só a leitura separa esses papéis. Nenhuma das quatro contagens é o share of voice, que compara marcas entre si e tem outro denominador.

O que muda por plataforma

As plataformas expõem evidências diferentes, e a mesma plataforma expõe evidências diferentes conforme o caminho de coleta. A tabela descreve o contrato documentado de cada API. A interface de chat pode expor evidências diferentes e muda com frequência, e o que uma ferramenta de monitoramento captura depende do caminho de coleta.

Plataforma	Citações	Fontes consultadas	Observação
OpenAI Responses API com busca na web	Anotações url_citation com URL, título e posição do trecho	Campo sources, com a lista completa de URLs consultadas, distinta das citações	Contrato da API; a interface do ChatGPT pode expor evidências diferentes
Anthropic API com busca na web	Sempre ativadas quando há busca; incluem até 150 caracteres do texto citado	Resultados de cada busca devolvidos em bloco próprio; busca sem resultado devolve lista vazia	Contrato da API; a interface do Claude pode diferir
Google Gemini (API)	Anotações url_citation ligando trechos a URLs	Consultas executadas pelo modelo; lista de páginas recuperadas além das citadas não documentada	Consulta executada é uma terceira evidência: diz o que foi buscado, não o que foi encontrado
Perplexity (Agent API)	Sem o campo citations, declarado "fully deprecated and removed" num breaking change de maio de 2025; marcadores de citação no texto da resposta, ligados ao id de cada resultado, dependem do prompt ou do preset usado	Item search_results no output, com as consultas de busca e uma lista results (id, URL, título, trecho, data, última atualização e origem)	O Sonar Chat Completions agora é a Agent API: o suporte ao Sonar terminou em 27 de setembro de 2026, e as requisições são reformuladas como requisições da Agent API; se um resultado foi de fato usado na resposta não é documentado
Google AI Overviews e AI Mode	Links exibidos junto da resposta; o conjunto de links pode variar entre os dois recursos	Não expostas; o Google descreve "query fan-out", várias buscas por subtemas, sem publicar a lista de páginas	AI Overviews frequentemente não aparecem; os resultados orgânicos ao lado não são citações da resposta

Duas consequências práticas. A primeira é que "fonte consultada" só existe onde o caminho a informa: quando uma busca pode ocorrer, a ausência da lista não distingue uma resposta sem busca de uma busca cujo resultado não foi exposto, e a recuperação antes da geração descrita por Lewis e colegas vale para os modelos RAG estudados, não para toda plataforma. A segunda é que a coleta define a evidência: a API recebe seus campos documentados e a interface oferece o que a tela mostra. Comparar taxas de citação entre plataformas ou caminhos fica confundido tanto pelos mecanismos de exposição quanto pelo comportamento do sistema; esse desenho não isola nenhum dos dois.

Os contratos também mudam. A Perplexity removeu o campo citations em favor de search_results e, em julho de 2026, anunciou que o Sonar Chat Completions agora é a Agent API. Uma série histórica de citações precisa anotar a data em que o significado do campo mudou.

O que um registro precisa guardar para distinguir os quatro casos

Qualquer processo de monitoramento, manual ou automatizado, consegue separar as quatro evidências se guardar cinco coisas:

• A resposta original completa, porque menção e recomendação só podem ser distinguidas lendo o texto, e uma citação só pode ser conferida abrindo a página que a resposta apontou.
• As citações como lista própria, com URL e, quando houver, o trecho ao qual cada uma estava presa.
• As fontes consultadas como uma segunda lista, separada da primeira, com a distinção entre "a plataforma devolveu lista vazia" e "a plataforma não informou".
• O caminho de coleta e a data, porque o significado dos campos muda.
• O prompt exato, porque um prompt que já contém o nome da marca torna a menção trivial.

Quem guarda só o percentual final não consegue voltar a nenhum dos seis casos acima. Uma citação registrada sem a resposta não permite saber se a marca foi recomendada; uma taxa de menção sem o prompt não permite saber se a presença foi espontânea; uma lista de fontes sem a distinção entre vazia e ausente não permite dizer se a busca falhou ou não foi feita.

O Lastfind separa fontes citadas de fontes consultadas, conforme o que cada provedor relata, e preserva a distinção entre lista vazia e dado não informado. A análise de fontes e citações em IA parte dessa separação. Cada resposta original é arquivada com prova de integridade e pode ser aberta a partir do registro: recomendação e contexto são lidos no texto real, não calculados por métrica automática, e é isso que permite conferir os números.

Um teste para a próxima coleta

Pegue dez respostas da última coleta, de preferência de prompts de categoria em que a marca apareceu. Para cada uma, preencha quatro colunas com sim ou não: mencionada, recomendada, página própria citada, página própria consultada (ou "não informado", quando a plataforma não expõe). Depois compare as colunas com o que o painel reportou.

Se as dez linhas de "mencionada" forem iguais às de "recomendada", a coincidência pode ser real nessa amostra; confira cada resposta e a regra do painel antes de concluir que ele classifica recomendação por um critério desconhecido ou que você está lendo menção como recomendação. Se "citada" e "consultada" forem sempre iguais, a igualdade também pode ser amostral; inspecione os campos antes de concluir que o registro não separa as listas. E se você não conseguir preencher alguma coluna porque a resposta original não foi guardada, esse é o primeiro problema a resolver, antes de qualquer discussão sobre a taxa.

Documentação das plataformas conferida em outubro de 2026.