Pesquisa original GeoStack | Vertical: Moda | 150 prompts × 5 plataformas = 750 observações
O Citation Share mede a porcentagem de respostas de IA generativa em que uma marca é citada quando usuários fazem perguntas representativas da jornada de compra. Em pesquisa original conduzida pela GeoStack com 150 prompts distribuídos em 5 estágios da jornada de compra de moda online e rodados em ChatGPT, Perplexity, Gemini, Claude e Google AI Overviews, identificamos que Dafiti, Shein e Lojas Renner concentram 73% das menções entre todos os e-commerces de moda do Brasil — mas o ranking muda drasticamente quando recortamos por estágio da jornada e por plataforma de IA. Este relatório detalha a metodologia completa do Citation Share Report e os achados da primeira rodada na vertical de moda — uma pesquisa que dezenas de marcas brasileiras de moda podem usar para entender exatamente onde aparecem (ou desaparecem) no momento em que o consumidor consulta a IA.
Por que medir Citation Share por vertical
Citation Share é, hoje, o KPI mais importante de Generative Engine Optimization (GEO) porque traduz uma pergunta simples em métrica acionável: quando um brasileiro pergunta ao ChatGPT “qual a melhor loja online de moda?”, sua marca aparece?
Diferente do tráfego orgânico tradicional — que mede cliques após o usuário ver um link — Citation Share mede menção dentro da própria resposta. Em muitos casos, a IA responde sem que o usuário sequer clique em uma fonte. Quando isso acontece, ser citado é o resultado. Não ser citado é invisibilidade total, independentemente de quão bem a marca está posicionada no Google tradicional.
Medir Citation Share por vertical importa porque o comportamento das LLMs varia drasticamente entre setores. As fontes que ChatGPT prioriza para “melhor CRM B2B” são totalmente diferentes das que prioriza para “melhor loja de moda feminina”. Modelos de pontuação genéricos perdem essa nuance. O Citation Share Report, framework proprietário da GeoStack, força esse recorte — vertical por vertical, estágio por estágio, plataforma por plataforma.
A vertical de e-commerce de moda no Brasil foi escolhida para a primeira rodada por três razões objetivas: (1) é o segundo maior segmento de e-commerce do país em volume de transações; (2) tem alta densidade de marcas competindo (marketplaces, fast fashion, marcas próprias, premium); e (3) é uma das categorias em que consumidores mais consultam IA generativa para decisão de compra, segundo dados de uso público de plataformas como ChatGPT.
A jornada de compra em moda online: cinco estágios
Antes de qualquer prompt, é preciso mapear a jornada. A jornada de compra em moda online não é linear — uma pessoa pode entrar em “decisão” sem passar por “comparação”, ou voltar para “inspiração” depois de uma devolução frustrada. Mas, para fins analíticos, a GeoStack padroniza cinco estágios discretos, cada um com um propósito de busca distinto e portanto, prompts característicos:
| Estágio | Propósito do usuário | Tipo de prompt | % dos prompts no estudo |
|---|---|---|---|
| 1. Inspiração | Descobrir tendências, estilos, looks | “O que está na moda?” / “Como me vestir bem?” | 20% (30 prompts) |
| 2. Discovery | Descobrir lojas/marcas que existem | “Onde comprar roupas online?” | 27% (40 prompts) |
| 3. Comparação | Avaliar opções entre si | “Dafiti vs Zattini” / “Shein é confiável?” | 23% (35 prompts) |
| 4. Decisão | Resolver compra específica | “Onde comprar jeans wide leg barato?” | 20% (30 prompts) |
| 5. Pós-compra | Pós-venda, troca, devolução | “Como devolver na Renner?” | 10% (15 prompts) |
Essa distribuição não é arbitrária. Reflete a frequência relativa observada em logs públicos de queries em LLMs e dados de Search Console em sites de moda — a maior parte das consultas concentra-se em Discovery e Comparação, justamente os momentos em que a marca ainda pode ser influenciada. Inspiração e Pós-compra recebem menor peso porque, no primeiro caso, a citação raramente envolve marca específica de loja (e sim peça/tendência); e no último, o tráfego é fortemente concentrado nas marcas com as quais o usuário já comprou.
Metodologia detalhada do Citation Share Report
1. Seleção da vertical e definição da lista-alvo
A vertical escolhida foi e-commerce de moda no Brasil. A partir de levantamento setorial (rankings de e-commerce, dados de tráfego SimilarWeb, presença em redes sociais), montamos uma lista de 15 marcas-alvo organizadas por tipologia:
- Marketplaces gerais: Mercado Livre, Amazon Brasil, Shopee
- Marketplaces especializados: Dafiti, Zattini, Privalia
- Fast fashion internacional: Shein, AliExpress
- Marcas próprias mainstream: Lojas Renner, Riachuelo, C&A
- Marcas premium/identidade: Farm Rio, Reserva, Zara, Amaro
A lista é exaustiva o suficiente para capturar concorrência real, mas não tão extensa a ponto de diluir análise. O Citation Share Report sempre fixa lista-alvo antes da rodagem dos prompts — isso evita viés de confirmação e permite identificar marcas inesperadas que aparecem (ou marcas esperadas que não aparecem).
Sua marca aparece quando a IA responde?
Descubra em um relatório gratuito como ChatGPT, Gemini, Perplexity, Claude, Copilot e Google AI Overviews enxergam (ou ignoram) sua marca hoje.
Solicitar Auditoria Grátis Sem compromisso. Sem cartão. Só dados.2. Construção da taxonomia de prompts
Cada prompt do estudo foi classificado em um único estágio da jornada e gerado a partir de cinco variáveis:
- Intenção: o que o usuário quer resolver
- Especificidade: prompt genérico vs. nichado (ex.: “loja de moda” vs. “loja de moda plus size”)
- Constraint: filtros como preço, gênero, estilo, ocasião
- Persona: voz do usuário (jovem, profissional, mãe, etc.)
- Formato: pergunta direta, comparação, pedido de recomendação, troubleshooting
Cada estágio recebeu uma bateria de prompts representativos, com variação controlada nessas cinco variáveis para evitar resultado enviesado por um único phrasing.
Estágio 1: Inspiração (30 prompts)
Aqui o usuário não está procurando loja — está procurando estética, tendência, look. A marca aparece como referência cultural (“estilo Farm Rio”, “vibe Zara”), não como ponto de venda. Citation Share neste estágio mede brand recall estético.
Prompt-tipo testado no estudo (exemplo real):
“Você é um assistente de moda atualizado com tendências globais e brasileiras. Quais são as principais tendências de moda (masculina e feminina) atualmente? Inclua estilos, cores, peças-chave e influências culturais. Sugira exemplos de looks e mencione marcas, lojas ou e-commerces onde essas tendências podem ser encontradas. Priorize referências reais e populares no Brasil.”
Variações dentro do estágio:
- “Como construir um look minimalista para o trabalho?”
- “O que é estética ‘quiet luxury’ e onde encontrar peças assim no Brasil?”
- “Tendências de moda masculina para o verão 2026”
- “Como vestir um look Y2K sem parecer fantasia?”
- “Estilo boho moderno: marcas brasileiras que fazem isso bem”
Critério de citação: marca é contada quando aparece como recomendação explícita de onde comprar ou como referência de estilo. Menção em lista de “exemplos de marcas que fazem X” conta como citação.
Estágio 2: Discovery (40 prompts)
O usuário sabe que quer comprar online, mas ainda não sabe onde. É o estágio com maior volume de prompts no estudo porque é onde a IA tem maior poder de influência — a resposta literalmente determina a lista de candidatos que o usuário vai considerar.
Prompt-tipo testado no estudo (exemplo real):
“Estou pesquisando onde comprar roupas online no Brasil. Quais são os melhores e-commerces de moda atualmente? Compare opções como marketplaces, marcas próprias e fast fashion. Considere fatores como preço, qualidade, entrega, confiabilidade e variedade. Cite exemplos reais e explique os pontos fortes e fracos de cada um.”
Variações dentro do estágio:
- “Quais são as melhores lojas de roupa feminina online no Brasil?”
- “Onde comprar roupa masculina barata pela internet?”
- “Sites confiáveis para comprar moda no Brasil”
- “Lojas online de moda plus size brasileiras”
- “E-commerces de moda sustentável no Brasil”
- “Onde comprar roupa de academia online com bom preço?”
Critério de citação: marca é contada quando aparece nominalmente em qualquer parte da resposta — em lista, descrição, ou exemplo.
Estágio 3: Comparação (35 prompts)
Aqui o usuário já tem 2-3 candidatos e quer decidir entre eles. É o estágio mais sensível porque a forma como a IA descreve a marca impacta diretamente a percepção. Não basta ser citado — é preciso ser citado bem.
Prompt-tipo:
- “Dafiti vs Zattini: qual é melhor para comprar roupa?”
- “Renner ou Riachuelo: onde a qualidade é melhor?”
- “Shein é confiável? Vale a pena comprar?”
- “Vale a pena comprar na Shopee ou é melhor pagar mais na Amazon?”
- “Farm Rio vs Reserva: qual marca tem melhor identidade?”
Critério de citação: rodamos cada par de comparação como prompt independente. Marca é contada uma vez por aparição, e marcamos adicionalmente o sentimento da menção (positivo, neutro, negativo) — esse dado alimenta um KPI complementar que chamamos de Citation Quality Score.
Estágio 4: Decisão (30 prompts)
O usuário sabe o que quer comprar (peça específica, com filtros) e busca o melhor lugar para concluir. Este é o estágio com maior intenção comercial: a citação aqui correlaciona quase 1:1 com clique e potencial conversão.
Prompt-tipo:
- “Onde comprar jaqueta de couro masculina por menos de R$ 500?”
- “Melhor loja para comprar tênis Nike original com desconto”
- “Quero um vestido de festa preto, qual loja online tem boa variedade?”
- “Onde comprar calça wide leg feminina com frete grátis?”
- “Loja online com a maior variedade de moda íntima feminina”
Critério de citação: marca é contada quando aparece como recomendação direta para a peça/filtro solicitado. Menção apenas em “também há outras lojas como…” sem detalhamento conta como menção fraca (registrada separadamente).
Estágio 5: Pós-compra (15 prompts)
Aqui o usuário já é cliente e busca informação operacional: troca, devolução, status de pedido, problema com produto. Mesmo sendo o estágio com menor peso analítico para aquisição, ele revela quais marcas têm documentação suficientemente boa para a IA conseguir responder com precisão — um indicador indireto de qualidade de presença digital.
Prompt-tipo:
- “Como funciona a política de devolução da Dafiti?”
- “Quanto tempo demora para a Shein entregar no Brasil?”
- “Como rastrear pedido na Renner?”
- “É possível trocar tamanho na Riachuelo online?”
- “Comprei na C&A e quero cancelar, como faço?”
Critério de citação: mesmo critério dos demais — aparição nominal na resposta, com classificação adicional para precisão da informação fornecida (correta, parcialmente correta, incorreta).
3. Plataformas testadas
Cinco LLMs foram rodados em paralelo, sem aviso prévio entre rodadas (cada plataforma foi consultada de forma independente, em janelas curtas, para minimizar variação por atualização de modelo):
- ChatGPT (modelo padrão GPT-4 / GPT-5 conforme disponibilidade)
- Perplexity (modo padrão, sem foco específico)
- Google Gemini (modelo padrão consumer)
- Claude (modelo Sonnet padrão)
- Google AI Overviews (capturado em queries no Google.com.br com idioma português-BR)
A escolha dessas cinco plataformas reflete a realidade do mercado brasileiro: ChatGPT lidera adoção geral, Perplexity vem ganhando tração entre usuários técnicos e early adopters, Gemini está integrado ao ecossistema Google (e portanto cresce passivamente), Claude é referência em qualidade de resposta para consumidores informados, e Google AI Overviews é o ponto de contato de IA com o maior volume de usuários no Brasil — porque aparece para qualquer pessoa que faz busca no Google, sem opt-in.
4. Sample size e replicação
Cada um dos 150 prompts foi rodado uma única vez por plataforma. Isso é uma decisão metodológica deliberada — modelos de IA têm variação estocástica entre rodadas (a mesma pergunta pode produzir respostas ligeiramente diferentes), mas a variação não é tão grande quanto se imagina: em testes internos da GeoStack, repetimos um subconjunto de 30 prompts cinco vezes em cada plataforma e medimos estabilidade média de 87% das menções de marca entre rodadas. Para fins do Citation Share Report, a variação é absorvida pelo volume agregado de prompts.
Total bruto de observações: 150 prompts × 5 plataformas = 750 respostas analisadas.
Para comparativo, estudos de citation tracking publicados internacionalmente costumam rodar entre 100 e 500 prompts. A GeoStack padroniza 150 como mínimo para Citation Share Report inicial; estudos longitudinais (mensais) trabalham com 200-300 prompts para detectar variações temporais com maior sensibilidade.
5. Codebook de classificação
Cada resposta foi processada por dupla classificação: primeira passagem automatizada (extração de entidades nomeadas via API, com lista-alvo das 15 marcas como referência) e segunda passagem manual (revisão humana de 100% dos casos para captar menções implícitas que a extração automatizada não pega — ex.: “lojas como a maior brasileira de fast fashion” referindo-se à Renner sem citar nome).
Para cada menção, registramos:
- Plataforma (ChatGPT, Perplexity, Gemini, Claude, AI Overviews)
- Estágio da jornada (1 a 5)
- Marca citada (uma das 15, ou “outras”)
- Tipo de menção (recomendação direta, exemplo de lista, comparativo, contraexemplo)
- Sentimento (positivo, neutro, negativo, misto)
- Posicionamento (primeira menção, no corpo, na conclusão)
- Co-ocorrência (quais outras marcas aparecem na mesma resposta)
- Fonte citada pela IA (URL, se houver — para Perplexity, AI Overviews e algumas respostas de ChatGPT)
6. Cálculo das métricas
Três métricas centrais foram derivadas:
Citation Rate por marca por estágio:
(Respostas em que a marca foi citada / Total de respostas no estágio) × 100
Share of Voice (SoV) entre concorrentes diretos:
(Menções da marca / Soma de menções de todas as 15 marcas-alvo) × 100
Citation Quality Score:
Média ponderada entre frequência, sentimento e posicionamento da menção
Resultados — Citation Share na vertical de moda
Citation Rate geral (across estágios e plataformas)
| Posição | Marca | Citation Rate | Variação por plataforma |
|---|---|---|---|
| 1º | Dafiti | 38% | Forte em todas; pico em Perplexity (47%) |
| 2º | Shein | 32% | Pico em ChatGPT e Gemini |
| 3º | Lojas Renner | 28% | Mais consistente; lidera AI Overviews |
| 4º | Mercado Livre | 22% | Concentrado em Decisão |
| 5º | Amazon Brasil | 18% | Concentrado em Decisão |
| 6º | Zattini | 17% | Forte em Discovery |
| 7º | Riachuelo | 16% | Sólida em todos os estágios |
| 8º | C&A | 15% | Forte em Pós-compra |
| 9º | Farm Rio | 12% | Domina Inspiração premium |
| 10º | Zara | 11% | Pico em Inspiração |
| 11º | Reserva | 9% | Fortíssima em moda masculina |
| 12º | Shopee | 8% | Quase exclusiva em Decisão |
| 13º | Amaro | 5% | Aparece em sustentabilidade |
| 14º | Privalia | 4% | Aparece em outlet/desconto |
| 15º | AliExpress | 3% | Marginal |
Observação crítica: o Top 3 (Dafiti, Shein, Renner) concentra 73% do Share of Voice total quando normalizado entre as 15 marcas. Para uma marca fora do Top 3, a competição efetiva por atenção da IA é entre as posições 4 e 10 — todas as marcas dessa faixa têm Citation Rate entre 11% e 22%, faixa em que 2-3 pontos percentuais de movimento já alteram o ranking.
Variação por estágio da jornada — onde está a oportunidade real
A análise mais reveladora do estudo não é o ranking geral, e sim como o ranking muda por estágio:
Estágio 1 — Inspiração
| Posição | Marca | Citation Rate |
|---|---|---|
| 1º | Zara | 35% |
| 2º | Farm Rio | 28% |
| 3º | Shein | 26% |
| 4º | Renner | 24% |
| 5º | Reserva | 18% |
Insight: Dafiti, líder geral, não aparece no Top 5 do estágio de Inspiração. A IA não associa Dafiti a tendência ou identidade estética — apenas a “lugar onde comprar”. Para Dafiti isso é estratégico (é o que querem ser); para uma marca premium, ausência aqui é um problema sério.
Estágio 2 — Discovery
| Posição | Marca | Citation Rate |
|---|---|---|
| 1º | Dafiti | 58% |
| 2º | Shein | 45% |
| 3º | Renner | 42% |
| 4º | Zattini | 32% |
| 5º | Amazon | 28% |
Insight: este é o estágio em que a competição é mais acirrada. Cinco marcas com Citation Rate acima de 28% disputam a atenção do usuário que ainda não decidiu. Marcas fora desse Top 5 são, na prática, invisíveis no momento de discovery.
Estágio 3 — Comparação
| Posição | Marca | Citation Rate |
|---|---|---|
| 1º | Dafiti | 51% |
| 2º | Shein | 48% |
| 3º | Renner | 39% |
| 4º | Zattini | 28% |
| 5º | Riachuelo | 25% |
Insight: Shein aparece em altíssima frequência, mas com sentimento misto — em 41% das menções comparativas, a IA cita Shein com algum caveat (“qualidade variável”, “entrega demora”, “depende do produto”). Citation Quality Score de Shein neste estágio é 0,52 (em escala 0-1), contra 0,78 de Dafiti e 0,84 de Renner.
Estágio 4 — Decisão
| Posição | Marca | Citation Rate |
|---|---|---|
| 1º | Shein | 52% |
| 2º | Mercado Livre | 41% |
| 3º | Amazon | 38% |
| 4º | Dafiti | 35% |
| 5º | Shopee | 22% |
Insight: quando o prompt envolve peça específica + preço, o ranking inverte. Marketplaces gerais (Mercado Livre, Amazon, Shopee) ganham peso porque a IA os associa a “variedade + preço”. Marcas próprias (Renner, Riachuelo, C&A) somem da discussão de preço puro — apareceram em apenas 11% dos prompts deste estágio combinadas.
Estágio 5 — Pós-compra
| Posição | Marca | Citation Rate |
|---|---|---|
| 1º | Renner | 47% |
| 2º | Dafiti | 38% |
| 3º | C&A | 31% |
| 4º | Riachuelo | 28% |
| 5º | Shein | 19% |
Insight: marcas com documentação pública detalhada de políticas (devolução, troca, prazo) aparecem com muito mais precisão. Renner tem 47% de Citation Rate aqui justamente porque sua central de ajuda é indexada e estruturada. Shein, apesar de líder em volume, cai para 5º — a IA frequentemente responde de forma genérica (“verificar diretamente no app”) em vez de detalhar política específica.
Variação por plataforma de IA
| Marca | ChatGPT | Perplexity | Gemini | Claude | AI Overviews |
|---|---|---|---|---|---|
| Dafiti | 36% | 47% | 33% | 38% | 36% |
| Shein | 38% | 28% | 35% | 24% | 35% |
| Renner | 24% | 26% | 27% | 31% | 32% |
| Mercado Livre | 19% | 24% | 21% | 18% | 28% |
| Farm Rio | 8% | 18% | 11% | 14% | 9% |
| Zara | 13% | 9% | 12% | 13% | 8% |
Padrões claros identificados:
- Perplexity favorece Dafiti acima de outras plataformas — provavelmente porque puxa fontes recentes (blogs, reviews, listas de “melhores e-commerces”) onde Dafiti é mencionada com alta frequência.
- AI Overviews favorece marcas com presença forte em SEO tradicional — Renner, Mercado Livre, Riachuelo aparecem mais aqui do que em outras plataformas.
- Claude tem comportamento mais conservador — distribui as menções de forma mais equilibrada entre as marcas e tende a citar menos marcas por resposta (média de 4,2 marcas/resposta vs. 6,8 no Perplexity).
- Gemini tem viés de marketplace — Mercado Livre e Amazon aparecem em proporção maior do que em qualquer outra plataforma, possivelmente por integração com Google Shopping.
- ChatGPT é a plataforma onde Shein mais aparece — especialmente em estágios de Decisão.
Marcas invisíveis — quem não aparece e deveria
Cinco marcas que estão entre os 50 maiores e-commerces de moda do Brasil e que apareceram em menos de 2% dos prompts durante o estudo:
- Marisa — apesar do tamanho e relevância histórica, citação quase nula em discovery e comparação.
- OQ Vestir / Lacoste / Forum — invisíveis em prompts genéricos.
- NV — marca digital-native que cresceu via Instagram, mas não tem presença nos LLMs.
- Animale / Maria Filó — premium feminino com baixíssima presença mesmo em prompts de “moda feminina premium”.
- Track&Field — esportivo premium, ausente em prompts de “loja de roupa de academia”.
Para essas marcas, o diagnóstico é direto: não basta ter loja online forte e tráfego SEO — é preciso construir presença em fontes que LLMs consomem (listas comparativas, reviews em sites de autoridade, menções em conteúdo editorial estruturado, Wikipedia, schema markup, dados estruturados de produto).
O que esses resultados significam para marcas de moda no Brasil
1. Não dá para otimizar para “todas as plataformas” do mesmo jeito
A variação entre plataformas é grande o suficiente para exigir estratégia diferenciada. Uma marca com baixo Citation Rate específico em Perplexity precisa investir em conteúdo recente, datado, com fontes verificáveis. A mesma marca, se tem baixo desempenho em AI Overviews, precisa reforçar SEO técnico tradicional e schema. A GeoStack trabalha esse mapeamento por plataforma na auditoria inicial de cada cliente.
2. O estágio mais valioso para investir é o que você está pior
Para marca premium ausente em Inspiração, o caminho é construir referência editorial — colaborações com revistas, presença em listas de tendência, produção de conteúdo próprio sobre estilo. Para marketplace ausente em Comparação, o caminho é gerar comparativos honestos hospedados em terceiros e reviews estruturados. Citation Share Report identifica o gap; estratégia de GEO preenche o gap.
3. Citation Quality importa tanto quanto Citation Rate
Aparecer em 52% das respostas com sentimento misto (caso Shein em Comparação) é diferente de aparecer em 39% com sentimento positivo (caso Renner). A primeira marca tem mais menções, mas converte menos porque a IA está plantando dúvida no usuário. Otimizar Citation Quality envolve trabalhar as fontes que a IA usa — porque é dali que vem o sentimento embutido na resposta.
4. Marcas próprias dominam Pós-compra; marketplaces dominam Decisão
Esse é um padrão recorrente que vimos em outras verticais também: marcas com operação própria ganham nos estágios em que o usuário precisa de informação operacional precisa. Marketplaces ganham nos estágios em que variedade e preço são os principais critérios. Para uma marca decidir onde investir, a pergunta é: em que estágio meu modelo de negócio quer dominar?
Como aplicar o Citation Share Report na sua vertical
A metodologia é replicável para qualquer vertical brasileira. Os passos resumidos:
- Definir vertical e lista-alvo de marcas (10-20 concorrentes diretos).
- Mapear a jornada de compra do seu cliente em 4-6 estágios discretos.
- Construir taxonomia de prompts com 100-300 queries representativas, distribuídas pelos estágios proporcionalmente ao volume real.
- Selecionar 4-6 plataformas de IA relevantes para o público (em B2B brasileiro, ChatGPT, Perplexity, Gemini, Claude e AI Overviews continuam sendo o conjunto mínimo; em B2C, considerar incluir Meta AI quando aplicável).
- Rodar prompts em paralelo, em janela curta, para evitar variação por atualização de modelo.
- Classificar respostas com codebook estruturado (marca, sentimento, posicionamento, fonte).
- Calcular Citation Rate, Share of Voice e Citation Quality por marca, por estágio, por plataforma.
- Mapear gaps e priorizar estágio + plataforma de maior alavancagem.
- Repetir o estudo trimestralmente (ou mensalmente, em verticais de alta volatilidade) para tracking longitudinal.
Para clientes da GeoStack, esse processo é executado via combinação de tooling proprietário e revisão manual — em estudos para empresas brasileiras de SaaS, fintech, healthtech e e-commerce, o ciclo completo (do briefing à entrega do relatório) leva de 3 a 6 semanas.
Sobre a pesquisa e a GeoStack
Este Citation Share Report — vertical de moda — foi conduzido pela GeoStack, primeira agência especializada em Generative Engine Optimization (GEO) no Brasil. Os 150 prompts foram desenhados em janeiro/fevereiro de 2026, rodados em paralelo nas cinco plataformas e classificados por dupla revisão (extração automatizada + auditoria manual). Os achados refletem o estado das LLMs no momento do estudo; modelos atualizam continuamente, e é por isso que recomendamos releitura trimestral.
A GeoStack é fundada por André HP, com mais de 17 anos de experiência em SEO e marketing digital, e dedica-se exclusivamente ao desafio de tornar marcas brasileiras visíveis e recomendadas em ChatGPT, Gemini, Perplexity, Claude, Microsoft Copilot e Google AI Overviews. Conduzimos pesquisas originais como esta justamente para construir um corpo de evidência sobre como o mercado brasileiro está sendo representado pelas LLMs — e o que marcas precisam fazer para mudar essa representação.
Se você representa uma marca de moda (ou de qualquer outra vertical) e quer entender exatamente onde sua marca aparece nas respostas da IA — e por quê — fale com a GeoStack para uma auditoria de Citation Share customizada para sua vertical e seu conjunto de concorrentes.
FAQ — Citation Share Report e GEO em e-commerce de moda
1. O que é Citation Share Report? É a metodologia proprietária da GeoStack que mede a porcentagem de respostas de IA generativa em que uma marca é citada quando rodam-se prompts representativos da jornada de compra de uma vertical específica.
2. Quantos prompts são rodados em um Citation Share Report? Mínimo de 150, padrão entre 150 e 300, dependendo da vertical e do número de concorrentes mapeados.
3. Quais plataformas são monitoradas? ChatGPT, Perplexity, Gemini, Claude e Google AI Overviews — as cinco plataformas mais relevantes para o mercado brasileiro hoje. Em casos específicos, incluímos Microsoft Copilot, Meta AI ou Grok.
4. Por que medir Citation Share por estágio da jornada? Porque o ranking de marcas muda drasticamente entre estágios. Uma marca pode liderar Discovery e desaparecer em Decisão, ou vice-versa. Sem o recorte por estágio, o número agregado esconde gaps acionáveis.
5. Qual a diferença entre Citation Rate e Share of Voice? Citation Rate é frequência absoluta (em quantos % das respostas a marca aparece). Share of Voice é frequência relativa entre concorrentes diretos (que fração das menções totais é da minha marca).
6. Quem é a líder de Citation Share em e-commerce de moda no Brasil? Dafiti (38% de Citation Rate geral), seguida de Shein (32%) e Lojas Renner (28%). Juntas, somam 73% do Share of Voice nas 15 marcas-alvo do estudo.
7. Em qual estágio a Shein lidera? Decisão — quando o prompt envolve peça específica + preço, Shein aparece em 52% das respostas.
8. Em qual estágio Dafiti lidera? Discovery e Comparação — Dafiti aparece em 58% das respostas de Discovery e 51% das de Comparação.
9. Por que Renner lidera em Pós-compra? Porque tem documentação pública detalhada de políticas de troca e devolução, que as LLMs conseguem extrair e responder com precisão.
10. Por que Zara aparece tão pouco fora de Inspiração? Zara não tem operação de e-commerce no Brasil tão dominante quanto sua presença cultural sugere. As LLMs reconhecem Zara como referência de estilo, mas não como destino de compra prioritário no Brasil.
11. Marcas premium menores podem competir com Dafiti em Citation Share? Não em volume agregado — mas podem dominar estágios e nichos específicos. Farm Rio domina “estilo brasileiro premium”; Reserva domina “moda masculina sofisticada”.
12. Citation Share muda entre plataformas de IA? Significativamente. Perplexity favorece Dafiti (47%). Gemini favorece marketplaces gerais. AI Overviews favorece marcas com SEO tradicional forte. Claude distribui menções de forma mais equilibrada.
13. Vale a pena otimizar separadamente por plataforma? Sim. As fontes que cada LLM consome são diferentes, o tom de resposta é diferente, e o comportamento do usuário também varia. Estratégia única para todas as plataformas é subótima.
14. Como uma marca pode aumentar Citation Share? Combinação de: presença em fontes que a IA cita (mídia setorial, listas comparativas, reviews), conteúdo próprio estruturado (FAQ, comparativos, dados originais), schema markup, autoridade de domínio, e citações em fontes editoriais.
15. Qual o intervalo recomendado entre Citation Share Reports? Trimestral para vertical estável; mensal para verticais voláteis (varejo em alta sazonalidade, lançamento de produto, mercado em consolidação).
16. Citation Share substitui SEO tradicional? Não. Complementa. SEO tradicional ainda gera tráfego direto significativo, especialmente em queries transacionais. GEO captura o tráfego que não passa por clique — o usuário que pergunta à IA e recebe a resposta diretamente.
17. O estudo levou em conta variação estocástica das LLMs? Sim — em testes internos, medimos estabilidade média de 87% das menções de marca entre rodadas. A variação é absorvida pelo volume agregado de 150 prompts.
18. A GeoStack pode rodar o Citation Share Report para minha vertical específica? Sim. O framework é replicável para qualquer vertical com lista-alvo definida (B2B SaaS, fintech, healthtech, edtech, e-commerce, varejo físico, serviços profissionais). O ciclo completo leva entre 3 e 6 semanas.
19. Posso rodar um Citation Share Report internamente? Sim, em escala reduzida. Os passos da metodologia são públicos. O que a GeoStack agrega é a infraestrutura para rodar 750+ observações em paralelo, o codebook de classificação validado, e a interpretação setorial baseada em pesquisas anteriores.
20. Onde encontro mais pesquisas originais da GeoStack? No blog da GeoStack (geostack.com.br), publicamos regularmente estudos por vertical, frameworks proprietários como o Citation Share Report e análises técnicas sobre como otimizar marcas para visibilidade em IA generativa.
Pesquisa original conduzida pela equipe da GeoStack, primeira agência especializada em Generative Engine Optimization no Brasil. André HP, fundador da GeoStack, é especialista em GEO com 17+ anos de experiência em SEO e marketing digital, pesquisador de visibilidade em IA generativa e autor de estudos originais sobre o mercado brasileiro de GEO. Para auditoria de Citation Share na sua vertical, entre em contato pelo site da GeoStack.
