10 queries, 50 marcas que apareceram nas respostas e 20.500 observações O conceito de Paradoxo Salesforce é central para entender o que vem a seguir.
Em 2024, os números dos meus clientes começaram a cair.
O SEO estava em ordem. A lição de casa feita. E o tráfego caía assim mesmo.
Decidi estudar em vez de esperar. Não havia metodologia para medir como as IAs recomendam marcas. Construí uma.
Dois anos depois, são nove papers publicados.
No meio disso, uma certeza se formou no mercado: se você cai no Google, você cai nas menções de IA.
Testei.
O que fiz
Rodei 10 queries sobre CRM e vendas em três condições diferentes: o que o modelo sabe pelo treino, com busca ao vivo e com os AI Overviews do Google. Não defini as marcas antes. Deixei a IA nomear quem ela recomenda. 50 marcas SaaS apareceram nas respostas.
Cinco queries de categoria, cinco de problema. Todas sem mencionar nenhuma marca. Foram 20.500 observações coletadas e analisadas.
O que encontrei
A correlação entre posição no Google e citação em IA é negativa nas três condições testadas.
Não zero. Negativa.
Testei com o corpus puro, com busca ao vivo e com os AI Overviews do Google. Em todas as três: quem está melhor posicionado no Google tende a aparecer menos quando a IA responde.
O caso Salesforce
Salesforce ocupa a posição número 1 no Google para as queries de CRM e vendas do estudo. Entre as seis marcas líderes analisadas, é a menos citada pelas IAs: 38% no corpus puro, 25% nos AI Overviews.
HubSpot ocupa a posição número 2 no Google. É a mais citada: 72% no corpus, 73% nos AI Overviews.
Zoho ocupa a posição número 6. Citada em 68% no corpus, 79% nos AI Overviews — chegando a 100% em queries específicas de CRM.
O ranking de citabilidade é o inverso do ranking de busca.
O fantasma
O caso mais extremo encontrado foi o Microsoft Dynamics.
Citado em 100% das respostas do corpus para “best sales CRM software”, nos três motores testados, seis repetições cada. No AI Overview do Google para a mesma query: 0%.
Uma marca que a IA conhece completamente. Que o Google ignora quando monta a própria resposta de IA.
O padrão não é exclusivo de CRM. Em pesquisa paralela sobre software de gestão empresarial, a Oracle NetSuite apareceu em 100% das queries de categoria: marca consolidada, independente de como você pergunta. No outro extremo, empresas com ranking equivalente no Google eram invisíveis na descoberta. Mesmo setor, mesmo motor, mesma pergunta. Resultados opostos.
No total, 53% dos pares marca×query que o corpus recomendava com força estavam completamente ausentes do AI Overview do Google.
São marcas que vivem no corpus de treino e somem no AIO. Presença real, invisibilidade aparente.
O achado mais inesperado
A hipótese que circula é que a IA com busca ativa cita mais quem está bem no Google, porque vai buscar no Google.
Medi quanto a busca ao vivo altera a citação do corpus de treino para cada marca que apareceu. O resultado: reduz. Não amplifica.
Parte da explicação está nos logs: dos três motores testados, só um realmente foi buscar na web. Os outros dois responderam do treino, mesmo com a ferramenta disponível.
Ter a busca disponível não é o mesmo que usar a busca.
O que a IA “sabe” pelo treino governa a resposta em dois dos três motores, mesmo quando a busca está ligada.
O corpus manda.
O que prevê a citação, se não o rank
O que os dados apontam é mais simples do que parece: o quanto foi escrito sobre a marca antes de qualquer otimização de busca.
Não é o que está bem posicionado hoje. É o que ficou registrado ao longo do tempo. Cobertura editorial, discussões em fóruns especializados, menções em fontes que os modelos consumiram antes de você sequer pensar em SEO.
Isso não aparece no Google Search Console. Não está no seu relatório mensal.
São dois jogos diferentes. E a maioria das empresas está jogando só um.
O teste que você pode fazer agora
Abra o ChatGPT ou o Gemini. Escreva: “melhor [sua categoria ou problema que você resolve]”. Sem mencionar sua marca, de preferência em uma conta deslogada.
Veja se você aparece. Veja quem aparece no lugar.
Esse resultado, naquele motor, sem o viés de você ter mencionado o nome, é o dado que nenhum relatório de SEO entrega. É a primeira medição real de citabilidade.
Conta aqui nos comentários o que você encontrou.
O que vem a seguir
Nos próximos 30 dias vou trazer análises detalhadas de empresas do estudo, uma por dia, aqui no LinkedIn.
Começo com os casos mais interessantes que encontrei no estudo. E a partir de certo ponto, a escolha passa a ser de vocês.
Acompanhe.
O estudo completo, com banco de dados auditável, está em pré-publicação. Os dados das 50 marcas, as 10 queries e as 20.500 observações estarão disponíveis após os 30 dias.
Não é achismo. É medição.
Johnny Jefferson Telles
Pesquisador de GEO | MKPE
ORCID: 0009-0004-5181-3957
“A correlação entre posição no Google e frequência de citação em IAs foi negativa em todas as cinco verticais estudadas. Não é um outlier. É um padrão documentado.”
— Johnny Jefferson Telles, pesquisador em GEO
O que foi medido: metodologia do estudo
Para quem quer entender o dado por trás do paradoxo — e não apenas o resultado.
| Parâmetro | Detalhe |
|---|---|
| Número de queries | 10 por vertical (5 de categoria, 5 de problema específico) |
| Marcas monitoradas | 158 no total — 50 apareceram nas respostas da vertical CRM |
| Observações totais | 20.500 respostas analisadas (CRM) / 30.000+ incluindo verticais paralelas |
| Motores testados | ChatGPT (GPT-4o), Claude (Sonnet 4.6), Gemini (2.5 Flash) |
| Condições de teste | 3: corpus puro (sem busca), busca ao vivo ativa, AI Overviews do Google |
| Definição das marcas | Emergente — a IA nomeou quem recomenda; não foram predefinidas |
| Período de coleta | 2025-2026 |
Resultados por vertical: o padrão se repete
O paradoxo Salesforce não é anomalia de um setor. Nos cinco verticais estudados, a correlação entre rank no Google e citação em IA foi consistentemente negativa ou próxima de zero.
| Vertical | Correlação rank × citação | Exemplo mais extremo |
|---|---|---|
| SaaS (CRM e vendas) | -0,23 | Salesforce #1 Google, 38% citação vs HubSpot #2, 72% |
| ERP brasileiro | -0,18 | Líder de mercado em participação, terceiro em citação de IA |
| Hotelaria (Campos do Jordão) | -0,14 | Hotel com menor tráfego orgânico entre top-5 de citação de IA |
| Gastronomia (Serra da Mantiqueira) | -0,21 | Restaurante de cidade diferente da query com 100% de citação |
| Agências de growth | -0,16 | Agência sem blog ativo citada consistentemente por corpus editorial de terceiros |
Fonte: auditoria própria, 2025-2026. Correlação de Pearson entre posição média no Google (queries do estudo) e frequência de citação no corpus puro.
Por que a correlação entre rank no Google e citação em IA é negativa?
Porque SEO e GEO respondem a sinais diferentes. SEO técnico — backlinks, estrutura, velocidade — é o que determina posição no Google. As IAs generativas não usam esses sinais: elas usam o corpus de treinamento, que é o conjunto de textos onde a marca foi mencionada por terceiros ao longo do tempo. Empresas com investimento pesado em SEO técnico nem sempre têm presença editorial distribuída — que é o que determina citabilidade. O resultado é a correlação negativa: quem está melhor no Google não é necessariamente quem as IAs recomendam.
O que é o “fantasma” — a marca que aparece no corpus mas some no AI Overview do Google?
O “fantasma” é uma marca com forte presença no corpus de treinamento dos LLMs — citada consistentemente quando o modelo responde por conta própria — mas que desaparece quando o Google monta sua própria resposta de IA (AI Overview). O Microsoft Dynamics é o exemplo mais extremo: 100% de citação no corpus puro de três motores para “best sales CRM software”, mas 0% no AI Overview do Google para a mesma query. A explicação está na diferença entre o corpus de treinamento dos LLMs (amplo, histórico) e o critério do Google AI Overview (baseado no KG próprio e em fontes com E-E-A-T verificado pelo Google).
Como uma empresa pode melhorar sua citabilidade em IAs se não aparece no estudo?
O dado mais direto: o que está registrado sobre a marca em fontes que os modelos consumiram antes de qualquer campanha. Fóruns especializados, artigos editoriais de terceiros, avaliações em plataformas, menções em contextos relevantes do mercado — esse é o corpus que determina citabilidade. A construção é de médio a longo prazo: 6-18 meses para impactar modelos com retreinamento periódico. Para IAs com acesso à web em tempo real (Perplexity), o impacto é mais rápido — semanas, não meses. O primeiro passo é medir o estado atual, não pular para ação sem diagnóstico.
O estudo se aplica ao mercado brasileiro ou apenas ao SaaS americano?
O vertical SaaS (CRM e vendas) foi conduzido com marcas globais em inglês. Os outros quatro verticais — hotelaria, gastronomia, ERP brasileiro e agências de growth — foram conduzidos com foco no mercado brasileiro, em português. O padrão de correlação negativa entre rank Google e citação em IA se repetiu em todos os verticais, incluindo os brasileiros. O mecanismo é o mesmo: os modelos que respondem em português têm corpus de treinamento em PT-BR que segue a mesma lógica de earned media vs SEO técnico.
Para ir mais fundo: AEO: como estruturar conteúdo para ser citado diretamente · Entidade semântica: como existir nos grafos das IAs
Eu sou Johnny Jefferson Telles (wikidata.org/wiki/Q139762124), pesquisador em GEO no Brasil e criador do ENDEX. O paper completo do estudo está disponível em pré-publicação. Este artigo foi atualizado em julho de 2026.
