Para um buscador ou uma IA, a sua marca é uma entidade: uma coisa do mundo real, com nome, site, endereço, área de atuação e ligação com outras coisas (fundadores, produtos, concorrentes). Quanto mais claro for esse "cadastro" espalhado pela web, menor a chance de a IA confundir a sua marca com outra ou descrever a empresa errado. Wikipedia, Wikidata, o Knowledge Graph do Google e a consistência do nome são as peças principais.
Coisas, e não palavras
Em maio de 2012, o Google apresentou o Knowledge Graph com uma frase que resume a ideia: "things, not strings", ou seja, coisas, e não sequências de letras. O exemplo do anúncio era o Taj Mahal: quem busca esse nome quer o monumento ou o músico? Um sistema que só compara palavras não sabe. Um sistema que conhece entidades sabe que são duas coisas diferentes e tenta descobrir qual delas a pessoa quer. Na estreia, o Knowledge Graph tinha mais de 500 milhões de objetos e mais de 3,5 bilhões de fatos e relações entre eles.
Marcas têm o mesmo problema. "Aurora" pode ser uma clínica, uma cervejaria e uma escola. Se a IA não consegue amarrar o nome a uma empresa específica, ela mistura informações ou escolhe a mais conhecida.
O painel de informações do Google
O painel de informações é aquele quadro que aparece ao lado dos resultados quando você busca uma empresa conhecida. Segundo o Google, ele aparece para entidades que estão no Knowledge Graph, e as informações vêm de várias fontes da web. O painel é atualizado automaticamente quando a informação muda na web.
Dois pontos práticos da ajuda do Google:
- O representante oficial pode reivindicar o painel e sugerir alterações.
- Qualquer pessoa pode sugerir correções pelo link de feedback no canto do painel.
O Google não documenta como o Knowledge Graph alimenta, em detalhe, o AI Overview ou o AI Mode. Mas um painel com dados errados é um sinal de que a web tem informação errada ou confusa sobre a marca, e é essa mesma web que as IAs leem.
Wikipedia: muito citada, difícil de controlar
A Wikipedia aparece no topo de vários estudos de citação em IA, feitos por empresas de monitoramento, como mostra o post sobre fóruns e avaliações nas respostas de IA.
Isso não quer dizer que toda marca deve ter um verbete. A Wikipedia tem critérios de notoriedade: o assunto precisa ter cobertura em fontes independentes e confiáveis. E a regra sobre conflito de interesses é clara. A Wikipédia lusófona diz que editar em áreas onde existe conflito de interesses é "fortemente desencorajado" e que produzir artigos promocionais em nome de clientes é "estritamente proibido". O caminho aceito para quem tem vínculo com a empresa é declarar o interesse e propor mudanças na página de discussão do artigo, para que editores independentes avaliem.
Para uma agência, a lição é direta: não escreva o verbete do cliente. Se o verbete já existe e tem erro, proponha a correção na discussão, com fonte.
Wikidata: o cadastro estruturado
O Wikidata é a base de dados livre ligada à Wikipedia. Em vez de texto corrido, ele guarda fatos em formato de ficha: nome, site oficial, data de fundação, sede, identificadores. Um item no Wikidata é aceito se cumprir pelo menos um destes critérios:
- Ter link para uma página válida da Wikipedia ou de outro projeto Wikimedia.
- Se referir a uma entidade claramente identificável, descrita por referências sérias e públicas.
- Atender a uma necessidade estrutural, por exemplo, tornar mais útil um dado em outro item.
As mesmas regras de neutralidade valem aqui. Um item com site oficial, nome correto e referências ajuda a desambiguar a marca. Um item inflado com autopromoção tende a ser removido.
O que fica sob controle da marca
A maior parte do trabalho não depende de Wikipedia. Está nos lugares que a própria empresa administra:
| Onde | O que conferir |
|---|---|
| Site oficial | Nome escrito sempre igual, página "sobre" com o que a empresa faz, endereço e contato |
| Dados estruturados | Marcação Organization na página inicial, com nome, logo e o campo sameAs |
| Perfis oficiais | Redes sociais, perfil da empresa no Google, LinkedIn: mesmo nome e mesma descrição curta |
| Imprensa e diretórios | Nome e site corretos nas matérias e cadastros que a marca consegue corrigir |
| Variações do nome | Siglas e apelidos usados de forma previsível, sempre ligados ao nome principal |
O Google explica que a marcação Organization ajuda a "desambiguar" a organização nos resultados e pode influenciar, por exemplo, o logo mostrado no painel de informações. O campo sameAs lista páginas em outros sites com mais informação sobre a organização, como perfis em redes sociais. É uma forma de dizer, em código, "esses perfis são da mesma empresa". O post sobre dados estruturados para IA detalha o que a documentação do Google diz sobre isso.
Consistência pesa mais do que parece. Se o site diz "Clínica Aurora", o Instagram diz "Aurora Odonto" e o cadastro antigo diz "Aurora Sorrisos Ltda.", cada fonte descreve uma entidade um pouco diferente. A IA pode juntar tudo certo, ou não.
Como saber se a IA entende a sua marca
O teste mais simples é pedir às IAs que descrevam a empresa e comparar com a realidade: o que ela faz, onde fica, quem são os concorrentes. Se a resposta mistura a marca com outra de nome parecido, há um problema de entidade.
Na DeepMetric, cada projeto começa com um perfil da marca: o sistema lê até 5 páginas públicas do site e propõe o nome canônico, uma descrição e os apelidos em "Como a marca também é chamada", que a pessoa confirma ou corrige. Esse perfil é o que permite reconhecer a marca nas respostas mesmo quando a IA usa uma variação do nome. O passo a passo está em como criar um projeto na DeepMetric.