> ## Documentation Index
> Fetch the complete documentation index at: https://docs.finseo.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# KPIs e métricas explicados — Medição de visibilidade em IA

> Todas as métricas do Finseo explicadas em linguagem simples, com fórmulas e exemplos — Visibility, Mentions, Share of Voice, Position, Mention Depth, Citations, Sentiment e mais.

# KPIs e métricas

O Finseo mede a visibilidade da sua marca nas respostas de IA do ChatGPT, Perplexity, Gemini, Claude e outros modelos. Esta página define cada métrica com precisão: o que ela conta, como é calculada e como é um bom valor.

Todas as métricas estão disponíveis no dashboard, na [API REST](/pt/api-reference/metrics/daily) e no [servidor MCP](/pt/mcp/overview), e cada métrica mostra um indicador de variação comparando o período selecionado com o período anterior de mesma duração.

## O exemplo de referência

Todas as fórmulas abaixo usam este exemplo: você monitora **20 prompts** em **2 modelos**, então um dia produz **40 respostas de IA**. Sua marca é a **Acme**.

* A Acme aparece em **18** das 40 respostas.
* Nas 40 respostas, os modelos de IA citam marcas **120 vezes** no total (todas as marcas somadas).
* A Acme é citada **24 vezes** (uma única resposta pode mencioná-la mais de uma vez).

## Métricas de presença

### Visibility

**A parcela de respostas de IA em que sua marca aparece.**

```text theme={"system"}
Visibility = (respostas que mencionam sua marca ÷ todas as respostas monitoradas) × 100
```

Exemplo: a Acme aparece em 18 de 40 respostas → **Visibility = 45%**.

A Visibility é a métrica principal: ela responde a "quando alguém pergunta à IA sobre a minha categoria, com que frequência faço parte da resposta?". Cada resposta conta uma única vez, não importa quantas menções contenha.

### Mentions

**O número total de vezes que sua marca é citada no período selecionado.**

Diferente da Visibility, Mentions conta cada ocorrência: se uma resposta cita a Acme três vezes, isso soma 1 na Visibility mas 3 em Mentions. Exemplo: **24 menções** em 18 respostas.

Use Mentions para medir o destaque dentro das respostas; use Visibility para medir a frequência de aparição.

### Model Visibility

**A Visibility detalhada por modelo de IA** (ChatGPT, Perplexity, Gemini, Claude, Grok, Mistral, DeepSeek, Copilot, Google AI Overview, Google AI Mode).

Os modelos usam fontes e dados de treinamento diferentes, então é normal ser forte em um modelo e invisível em outro. Uma diferença entre modelos geralmente aponta em quais fontes cada um confia — verifique as [Top Sources](/pt/api-reference/sources/ranking) por modelo para saber onde investir.

## Métricas competitivas

### Share of Voice (SoV)

**Sua fatia da conversa total sobre marcas: suas respostas como percentual de todas as aparições de todas as marcas.**

```text theme={"system"}
SoV = (respostas com sua marca ÷ aparições de TODAS as marcas) × 100
```

O SoV difere da Visibility porque o denominador é o mercado inteiro, não o seu conjunto de prompts. Suponha que as 40 respostas gerem 90 aparições de marca entre todas as marcas detectadas, sendo 18 da Acme → **SoV = 20%**, embora a Visibility seja de 45%. Você pode ter Visibility alta e SoV baixo quando concorrentes aparecem ao seu lado em quase todas as respostas.

O Finseo mostra o SoV com dois denominadores, para que o número nunca seja ambíguo:

| Variante               | Denominador                                                                                 |
| ---------------------- | ------------------------------------------------------------------------------------------- |
| **Todas as marcas**    | Cada marca que os modelos de IA realmente citaram — o mercado completo como a IA o vê       |
| **Marcas monitoradas** | Apenas sua marca mais os concorrentes que você monitora — seu conjunto competitivo definido |

### Average Position

**A ordem média em que sua marca é citada entre as marcas de uma resposta.** Exibida como valor absoluto, por ex. `#2.6`. Quanto menor, melhor.

Se uma resposta recomenda "1. Acme, 2. Beta, 3. Gamma", a Acme tem posição #1 nessa resposta. Na média de todas as respostas em que você aparece:

```text theme={"system"}
Avg Position = soma das suas posições ordinais ÷ respostas em que você aparece
```

Exemplo: a Acme é citada primeiro em 9 respostas, em segundo em 6, em quarto em 3 → (9×1 + 6×2 + 3×4) ÷ 18 = **#1.8**.

A posição importa porque respostas de IA funcionam como rankings: a primeira marca citada geralmente define a recomendação. Empates (duas marcas citadas juntas) compartilham o mesmo ordinal.

### #1 Share

**O percentual das suas respostas em que você é a PRIMEIRA marca citada.**

```text theme={"system"}
#1 Share = (respostas com posição = 1 ÷ respostas em que você aparece) × 100
```

Exemplo: primeiro em 9 de 18 respostas → **#1 Share = 50%**. É a métrica de "pole position": isola a frequência com que você lidera a resposta, em vez de apenas aparecer nela.

### Top-3 Share

**O percentual das suas respostas em que você está entre as três primeiras marcas citadas.**

```text theme={"system"}
Top-3 Share = (respostas com posição ≤ 3 ÷ respostas em que você aparece) × 100
```

Exemplo: 15 das 18 respostas da Acme a colocam no top 3 → **Top-3 Share = 83%**. Útil em respostas longas em formato de lista, onde estar no grupo inicial importa mais do que ser estritamente o primeiro.

### Head-to-Head (H2H)

**Contra um concorrente específico: o percentual de respostas que citam AMBAS as marcas em que a sua é citada primeiro.** Empates são excluídos.

```text theme={"system"}
Taxa de vitória H2H = (respostas compartilhadas em que você é primeiro ÷ respostas compartilhadas com ordem decidida) × 100
```

Exemplo: Acme e Beta aparecem juntas em 10 respostas; a Acme é citada primeiro em 7 → **H2H vs Beta = 70%**. O H2H remove o ruído das respostas em que apenas um dos dois aparece — a comparação mais limpa de "quem a IA prefere?".

## Métricas de posicionamento

### Mention Depth

**A que profundidade do texto da resposta sua menção aparece, em média.** 0% = no topo da resposta, 100% = no final. Quanto menor, melhor.

```text theme={"system"}
Mention Depth = posição do caractere da menção ÷ comprimento total da resposta × 100
```

Exemplo: sua menção começa no caractere 300 de uma resposta de 1.200 caracteres → profundidade = 25% para essa resposta. Uma marca pode ter Average Position #1 com 40% de profundidade quando as respostas abrem com um longo preâmbulo antes de citar marcas — por isso o Finseo reporta ordem e profundidade como métricas separadas.

## Métricas de fontes

### Citations

**O número de respostas de IA que citaram um dos seus domínios como fonte.** Cada resposta conta uma vez, mesmo que vincule seu domínio várias vezes.

Citations mede algo diferente de Mentions: uma menção é a IA *falando sobre* você; uma citação é a IA *usando você como fonte*. Você pode ser mencionado sem ser citado (o modelo conhece você dos dados de treinamento) e citado sem ser mencionado (seu conteúdo alimenta uma resposta sobre outra marca).

### Citation Share

**Suas citações como percentual das citações de todas as marcas do projeto.**

```text theme={"system"}
Citation Share = (respostas que citam seus domínios ÷ respostas que citam domínios de marcas monitoradas) × 100
```

Exemplo: respostas de IA citam os domínios da Acme 30 vezes e os de todas as marcas monitoradas 150 vezes → **Citation Share = 20%**. É o equivalente do Share of Voice no lado das fontes: mostra quem detém a base de evidências sobre a qual as respostas de IA são construídas.

## Métricas de qualidade

### Sentiment

**Quão positivamente os modelos de IA descrevem sua marca, pontuado de 0 a 100.**

O Finseo analisa a linguagem em torno de cada menção — palavras como "confiável", "líder de mercado" ou "excelente suporte" pontuam positivo; "caro", "complicado" ou "avaliações mistas" pontuam negativo. Os valores podem ser lidos aproximadamente assim:

| Pontuação | Leitura                                                                                        |
| --------- | ---------------------------------------------------------------------------------------------- |
| 80–100    | Enquadramento fortemente positivo                                                              |
| 60–79     | Positivo                                                                                       |
| 40–59     | Neutro / misto                                                                                 |
| 0–39      | Enquadramento crítico — verifique a [página de Sentiment](/pt/sentiment) para as frases exatas |

O sentimento é monitorado por aspecto (preço, qualidade, suporte, …) e por concorrente — você vê não apenas *que* a percepção caiu, mas *qual* aspecto puxou a queda.

## Lendo as métricas em conjunto

As métricas formam um funil — cada uma responde a uma pergunta diferente:

| Pergunta                              | Métrica                             |
| ------------------------------------- | ----------------------------------- |
| Faço parte da resposta?               | Visibility                          |
| Quanto da conversa total é meu?       | Share of Voice                      |
| Quando apareço, eu lidero?            | Avg Position, #1 Share, Top-3 Share |
| Quem vence quando aparecemos juntos?  | Head-to-Head                        |
| Quão cedo no texto sou citado?        | Mention Depth                       |
| A IA usa meu conteúdo como evidência? | Citations, Citation Share           |
| Como falam de mim?                    | Sentiment                           |

<Tip>
  Um padrão comum: a Visibility se mantém, mas o Share of Voice cai. Isso significa que a conversa do mercado cresce mais rápido que sua presença nela — concorrentes estão sendo adicionados a respostas que você dominava. Verifique a [análise de lacunas de concorrentes](/pt/mcp/overview) para ver quais prompts impulsionam a mudança.
</Tip>

## Acessando métricas programaticamente

* **API REST** — [`GET /v1/projects/{projectId}/metrics/daily`](/pt/api-reference/metrics/daily) e [`/metrics/timeseries`](/pt/api-reference/metrics/timeseries)
* **Servidor MCP** — `get_visibility_metrics`, `get_visibility_timeseries`, `get_competitor_ranking`, `get_competitor_h2h`, `get_sentiment_overview` e mais; veja a [visão geral do MCP](/pt/mcp/overview)