Visibilidade no ChatGPT e Perplexity: os KPI e o ritual mensal da direção de comunicação

A diretora de comunicação de uma escola superior de gestão em Lisboa recebe uma mensagem de um colega numa manhã de outubro: «O ChatGPT recomenda a escola X quando pedem MBA em Lisboa. Aparecemos?» Ela abre o ChatGPT, escreve «melhores MBA em Lisboa acreditados», lê a resposta — e o nome da sua escola não aparece. O concorrente está na segunda linha. A candidatura abre dentro de três semanas.

Este momento acontece cada vez mais depressa nas direções de comunicação de escolas superiores em Portugal. E revela uma lacuna concreta: a visibilidade IA não está definida como KPI, não é monitorizada com cadência regular e, por isso, ninguém detetou o problema a tempo de agir.

Este artigo define os três KPIs de visibilidade IA que realmente importam e propõe um ritual mensal de 90 minutos para os acompanhar — sem ferramentas pagas obrigatórias e com um formato apresentável à direção executiva.

Por que a visibilidade IA é agora um KPI para a direção de comunicação

O comportamento de pesquisa dos candidatos mudou de forma estrutural. Uma percentagem crescente dos estudantes do ensino superior utiliza o ChatGPT ou o Perplexity como primeiro ponto de contacto para se informar sobre formações, comparar escolas e obter recomendações antes de visitar qualquer site institucional. Para a direção de comunicação, isto traduz-se num canal de influência que escapa completamente às métricas tradicionais — sem aparecer no Google Analytics, sem conversão rastreável por UTM, sem impressão paga.

Em Portugal, apenas 8 % das respostas do ChatGPT mencionam uma instituição de ensino superior portuguesa em consultas sobre formações, contra uma média europeia de 19 % (Fonte: Estudo de Monitorização GEO da Skolbot, 500 consultas × 6 países × 3 motores IA, fev. 2026). O fosso de 11 pontos percentuais representa candidatos que pedem uma recomendação de escola e recebem nomes de concorrentes estrangeiros ou simplesmente não recebem o nome de nenhuma escola portuguesa.

A razão não é ausência de qualidade académica: é ausência de sinal legível pelos motores IA. Um site institucional com texto de marketing genérico, sem dados estruturados Schema.org, sem acreditações visíveis da A3ES e sem menções externas verificáveis é, do ponto de vista do ChatGPT e do Perplexity, um bloco de texto não estruturado. A sua escola pode ter a melhor taxa de empregabilidade do mercado — se esse dado não estiver num formato extraível pelo motor IA, ele não existe para o candidato que pergunta.

A boa notícia é quantificável: escolas com dados Schema.org estruturados ganham em média +12 pontos de visibilidade nas respostas IA (Fonte: Estudo de Monitorização GEO da Skolbot, fev. 2026). Trata-se de um ganho mensurável, replicável e diretamente atribuível a uma ação técnica — o tipo de dados que uma direção executiva consegue compreender e financiar.

Para contextualizar esta realidade na estratégia global de visibilidade da sua instituição, consulte o guia GEO completo para universidades portuguesas.

Os 3 KPIs de visibilidade IA que realmente importam

Existem dezenas de métricas possíveis para acompanhar a presença nos motores IA. A maioria é interessante; três são acionáveis pela direção de comunicação sem infraestrutura técnica especializada.

Por que estes três e não outros?

A taxa de citação mede a presença bruta — a escola existe ou não existe nas respostas IA para as consultas que os candidatos realmente fazem. É o ponto de partida sem o qual nada mais faz sentido.

A taxa de citação em 1.ª posição mede a relevância percebida pelo motor IA. Uma escola citada em décimo lugar numa lista de doze não está a competir com a citada em primeiro. Para o candidato que lê a resposta, a posição na resposta é a posição no mercado — tal como o era no Google.

A taxa de atribuição com link é a que liga visibilidade IA e tráfego real para o site. O Perplexity cita fontes sistematicamente com links clicáveis; o ChatGPT faz-o com menor frequência mas o comportamento tem vindo a aumentar. Uma menção sem link é awareness; uma citação com link é tráfego qualificado.

Para definir as consultas estratégicas a utilizar nestes cálculos, o diagnóstico de visibilidade no ChatGPT propõe uma bateria de 20 consultas prontas a adaptar.

O ritual mensal de 90 minutos

Este protocolo foi desenhado para ser executável por um diretor de comunicação ou um gestor de marketing sem conhecimentos técnicos em IA. Requer apenas o acesso ao ChatGPT e ao Perplexity, uma folha de cálculo e 90 minutos mensais divididos em três blocos de 30 minutos.

Bloco 1 — 30 minutos: recolha de dados (semana 1 do mês)

Defina uma lista fixa de 20 a 30 consultas estratégicas, divididas em três categorias:

• Consultas de marca (8 consultas): incluem o nome da escola, os seus programas principais e a sua localização — «[nome da escola] MBA Lisboa propinas», «[nome da escola] acreditação A3ES», «[nome da escola] taxa empregabilidade».
• Consultas genéricas da categoria (12 consultas): não incluem o nome da escola — «melhores escolas de gestão em Lisboa», «mestrado marketing Portugal acreditado», «licenciatura engenharia informática Porto empregabilidade».
• Consultas comparativas (8 consultas): incluem o nome da escola e o de um concorrente direto — «[nome da escola] vs [concorrente] Lisboa», «qual a diferença entre [escola A] e [escola B]».

Para cada consulta, submeta ao ChatGPT e ao Perplexity (com modo de pesquisa ativado no Perplexity). Registe na folha de cálculo: Citada com link (CL), Citada sem link (C), Mencionada em lista (M), Ausente (A). O preenchimento de 30 consultas em dois motores demora aproximadamente 25 a 30 minutos com prática.

Uma sessão nova (sem histórico de conversa) é obrigatória para cada bloco de consultas — o historial de conversação influencia as respostas e enviesa os resultados.

Bloco 2 — 30 minutos: análise e atualização do painel (semana 2 do mês)

Com os dados da recolha, calcule os três KPIs para o mês e atualize o painel histórico. O foco deste bloco não é o número absoluto — é a variação face ao mês anterior.

Identifique as consultas onde a escola retrocedeu (passou de C para M ou de M para A) e as consultas onde progrediu. Para cada retrocesso, registe a hipótese de causa: novo concorrente que publicou conteúdo estruturado? Página do seu site desatualizada? Alteração no modelo do motor IA?

Identifique também as consultas onde a escola está ausente e que representam maior volume de pesquisa dos candidatos reais — estas são as prioridades de conteúdo para o mês seguinte.

Consulte o guia de monitorização GEO para universidades para a estrutura completa de painel de acompanhamento com variações intermensais.

Bloco 3 — 30 minutos: plano de ação (semana 3 do mês)

Com a análise do bloco 2, defina uma a três ações concretas para o mês seguinte. A regra é nunca definir mais de três — obriga a priorizar.

As ações possíveis agrupam-se em quatro famílias:

Conteúdo: criar ou atualizar uma página de programa com dados verificáveis (taxa de empregabilidade com fonte, propinas do ano letivo corrente, acreditação A3ES com link para a ficha), criar uma página FAQ para um programa sem ela, publicar um artigo com dados de inserção profissional datados.

Técnico: implementar ou corrigir marcação Schema.org EducationalOrganization numa página prioritária, verificar que o GPTBot e o PerplexityBot não estão bloqueados em robots.txt, assegurar que as propinas e datas estão em HTML acessível e não apenas em PDFs.

Menções externas: verificar e atualizar o perfil da instituição no portal da DGES, confirmar que as acreditações A3ES estão atualizadas no portal da A3ES, publicar um contributo em meio especializado com link para a página de programa relevante.

Dados: verificar a proteção e conformidade dos dados recolhidos via formulários e chatbot com as orientações da CNPD, nomeadamente no que respeita ao tratamento de dados de prospectos durante o ciclo de admissão.

Registe o plano na folha de cálculo com responsável, prazo e critério de verificação. O próximo ciclo mensal começa por verificar se as ações do mês anterior foram executadas.

Interpretar as variações — quando agir, quando monitorizar

Nem todas as variações nos KPIs de visibilidade IA requerem ação imediata. A capacidade de distinguir variações de ruído de variações de sinal é o que separa o ritual de 90 minutos de um exercício burocrático.

Quando agir: uma queda de mais de 5 pontos percentuais na taxa de citação em duas medições consecutivas é um sinal de alerta. Pode indicar que um concorrente publicou conteúdo novo e estruturado que está a deslocar a sua escola das respostas; que uma página do seu site ficou inacessível ao rastreamento dos motores IA; ou que um programa que era sistematicamente citado perdeu os dados quantificados que suportavam a citação (uma propina atualizada, uma acreditação expirada).

Quando monitorizar: uma variação de 2 a 3 pontos numa única medição é, na maioria dos casos, ruído estatístico das respostas generativas. Os modelos de linguagem produzem variações naturais entre sessões para a mesma consulta. Aguarde a medição do mês seguinte antes de concluir.

Casos específicos: se a taxa de atribuição com link cair abruptamente enquanto a taxa de citação se mantém, verifique a acessibilidade técnica das suas páginas — o motor cita o seu nome mas não encontra a fonte para linkar. Se a taxa de citação em consultas genéricas cair mas a de marca se mantiver, o problema é de conteúdo GEO (as suas páginas de programa não respondem às perguntas que os candidatos fazem sem saber o nome da escola).

Para as consultas do Concurso Nacional de Acesso, que ganham volume nos meses de março a julho, crie um sub-conjunto de 5 consultas específicas neste período — «notas de corte [programa] 2026», «vagas [programa] concurso nacional» — e adicione-as temporariamente ao ritual mensal.

O plano de ação de 90 dias para ser citado pelo ChatGPT e Perplexity detalha as alavancas de melhoria por prioridade quando os KPIs revelam uma lacuna estrutural.

Apresentar a visibilidade IA à direção executiva

O ritual mensal só produz impacto organizacional se os resultados forem comunicados de forma clara à direção executiva. A maioria dos reitores, diretores gerais e conselhos pedagógicos ainda não tem quadros de referência para interpretar «taxa de citação no ChatGPT» — a direção de comunicação tem de traduzir os dados em termos que a direção reconheça.

O dashboard abaixo é o formato recomendado para a reunião mensal ou trimestral de reporte:

Três regras para uma apresentação eficaz à direção:

A primeira: enquadrar sempre os números próprios com o benchmark de Portugal (8 % no ChatGPT, 19 % na Europa). A direção precisa de saber se está acima ou abaixo da média setorial, não apenas da sua própria evolução.

A segunda: ligar cada variação a uma ação específica já executada ou em curso. «A taxa de citação subiu 4 pontos porque implementámos as páginas FAQ dos três programas de mestrado» é uma narrativa causal que a direção consegue avaliar e financiar. Um número isolado não é.

A terceira: nunca apresentar mais de três KPIs prioritários. A tentação de mostrar todos os dados disponíveis resulta na diluição da atenção executiva. O dashboard acima é um exemplo máximo — na maioria das reuniões, duas ou três linhas são suficientes.

Para a auditoria de visibilidade específica no Perplexity, que alimenta os dados deste dashboard, consulte o guia de auditoria de visibilidade no Perplexity para universidades.