Uma estimativa baseada na saída de um site dos recursos de IA sugere que AI Overviews e AI Mode podem influenciar uma parcela relevante dos acessos — mas o resultado não deve ser generalizado.

Medir quanto os recursos de inteligência artificial do Google alteram o tráfego de um site é um desafio para quem trabalha com SEO. Os números disponíveis nas ferramentas de análise mostram visitas e cliques, mas nem sempre deixam claro qual elemento da página de resultados contribuiu para cada acesso. Uma estimativa divulgada recentemente chama atenção para esse problema: um site teria deixado de participar de determinados recursos de IA do Google para observar a diferença nos cliques. A análise atribuiu às experiências de busca com IA, incluindo AI Overviews e AI Mode, uma parcela estimada de 21% dos cliques daquele site.

O dado é relevante como ponto de partida para uma discussão, não como uma regra aplicável a qualquer empresa. Ele se refere a um site específico, a uma estimativa e a uma situação particular. O material disponível não detalha todos os aspectos do teste, como sua duração, o perfil completo das páginas envolvidas ou o método usado para calcular cada parcela. Também aponta a possibilidade de que a exclusão tenha afetado a exposição em resultados orgânicos tradicionais. Por isso, o número não deve ser interpretado como uma medição universal nem como prova definitiva de que todo site receberá um aumento ou uma queda equivalente.

A importância do caso está em tornar mais concreta uma pergunta que muitos profissionais de marketing já fazem: quando uma busca passa a exibir respostas produzidas por IA, o que acontece com os cliques que antes iam para os resultados convencionais? A resposta pode variar conforme a consulta, o tipo de conteúdo, a marca, a posição orgânica e a maneira como o Google apresenta os recursos em cada contexto. Para tomar decisões, empresas precisam observar seus próprios dados, formular hipóteses e separar o que foi medido do que ainda é apenas uma possibilidade.

O que significa a estimativa de 21% dos cliques

A estimativa divulgada associa uma parte dos cliques de um site às experiências de IA do Google. Entre os recursos mencionados estão os AI Overviews, que apresentam uma síntese com inteligência artificial em determinadas páginas de resultados, e o AI Mode, uma experiência de busca organizada em torno de interações com IA. A descrição também considera uma possível influência sobre os resultados orgânicos comuns. Esse último ponto importa porque uma comparação feita após a saída de um recurso pode capturar mais de um efeito ao mesmo tempo.

Uma estimativa de 21% não significa necessariamente que 21% de todas as visitas de qualquer site venham de respostas de IA. Tampouco indica, por si só, que os recursos tenham criado 21% de tráfego que não existiria de outra maneira. O número deve ser lido no contexto do site avaliado e da forma como a análise delimitou os cliques. Sem conhecer todas as condições do teste, não é possível determinar quanto da variação corresponde a cliques em elementos de IA, quanto pode refletir mudanças nos resultados tradicionais e quanto pode ter sido influenciado por fatores externos.

Essa distinção evita uma interpretação comum, mas equivocada: transformar um dado isolado em previsão para o mercado inteiro. Sites de notícias, lojas virtuais, empresas locais, portais especializados e páginas institucionais têm públicos, temas e padrões de consulta diferentes. Uma busca por informação pode receber uma resposta sintetizada de maneira distinta de uma busca por produto, serviço ou empresa específica. Mesmo dentro do mesmo setor, duas páginas podem ter resultados diferentes, dependendo da intenção atendida e da forma como aparecem na busca.

Cliques atribuídos não são necessariamente cliques incrementais

Há diferença entre identificar que um clique aconteceu em uma determinada experiência e demonstrar que esse clique só existiu por causa dela. Um usuário pode ter clicado em um link citado por uma síntese de IA, mas também poderia ter encontrado a mesma página em um resultado orgânico tradicional. Nesse caso, o recurso pode ter mudado o caminho até o clique, sem necessariamente criar uma visita adicional. Para estimar o efeito incremental, é preciso perguntar o que teria acontecido na ausência da exposição à IA, uma condição que não pode ser observada diretamente para cada pessoa.

Essa dificuldade é conhecida em análises de marketing. O desempenho observado reúne interações reais, mas o cenário alternativo — o que ocorreria sem uma determinada exposição — é contrafactual. Um teste pode aproximar essa comparação, desde que tenha grupos comparáveis e controle adequado das variáveis. Quando o desenho experimental é limitado, os resultados ainda podem oferecer sinais úteis, mas precisam ser apresentados como estimativas, não como certezas. A linguagem usada para descrever os números deve refletir essa diferença.

Por que sair de um recurso de IA pode ajudar a estimar seu efeito

Uma maneira de investigar a contribuição de um recurso é comparar o comportamento de páginas ou períodos em que ele está disponível com situações em que a exposição é reduzida ou removida. A lógica é intuitiva: se uma página deixa de aparecer em uma experiência de IA e os cliques mudam, essa alteração pode dar pistas sobre o papel daquele elemento. No caso citado, o site teria optado por sair de recursos de IA para estimar os cliques relacionados a AI Overviews e AI Mode, além de considerar um possível efeito sobre listagens orgânicas regulares.

Esse tipo de iniciativa é interessante porque tenta ir além de uma correlação observada em relatórios. Em vez de apenas notar que o tráfego mudou enquanto a busca também mudava, a análise busca relacionar a alteração a uma condição de exposição. Ainda assim, a saída de um recurso não garante que todos os outros fatores permaneçam constantes. O algoritmo pode atualizar, a procura por um tema pode oscilar, a concorrência pode publicar conteúdo novo e a composição das consultas pode mudar. Para atribuir uma diferença a uma única causa, essas variações precisam ser consideradas.

Além disso, uma mudança de elegibilidade ou de apresentação pode afetar o modo como uma página é distribuída pela busca, não apenas sua presença em uma resposta de IA. Se uma página deixa de ser exibida em um formato, ela pode ganhar ou perder visibilidade em outro. A própria descrição do caso reconhece a possibilidade de uma elevação nos resultados regulares. Isso torna especialmente importante não tratar o teste como uma comparação simples entre um cenário com IA e outro sem IA, quando a posição e a exposição em listagens tradicionais também podem mudar.

O que torna uma comparação mais confiável

Um estudo mais robusto precisa definir com clareza o que está sendo comparado. Isso inclui delimitar as páginas, consultas, datas e métricas observadas, além de separar cliques de impressões e sessões. Também é importante estabelecer como será calculada a diferença e quais fatores externos poderão afetar o resultado. Uma metodologia transparente permite que outras equipes compreendam o alcance da conclusão e identifiquem quais partes são reproduzíveis em seus próprios contextos.

Quando possível, pode ser útil comparar grupos de páginas semelhantes, mantendo parte delas como referência enquanto outras passam pela mudança avaliada. O pareamento não elimina todas as diferenças, mas pode reduzir a influência de características muito distintas. Também ajuda acompanhar um período anterior para identificar tendências existentes antes do teste. Se o grupo experimental já vinha crescendo mais rapidamente que o grupo de comparação, por exemplo, uma alta posterior não deve ser atribuída automaticamente à intervenção.

Em análises de busca, a granularidade importa. Uma média geral do site pode esconder ganhos em algumas páginas e perdas em outras. O ideal é observar resultados por tipo de consulta, intenção de busca, dispositivo, país ou região quando esses recortes forem relevantes e disponíveis. Para uma empresa que atende Curitiba e Região Metropolitana, por exemplo, o desempenho de pesquisas locais pode merecer uma leitura separada do tráfego nacional. Isso não significa que todo relatório permitirá esse nível de detalhe, mas uma pergunta específica ajuda a orientar a coleta.

AI Overviews e AI Mode não são a mesma experiência

Os AI Overviews e o AI Mode são recursos distintos, ainda que ambos envolvam inteligência artificial na busca. Uma síntese apresentada em uma página de resultados pode coexistir com links orgânicos e outros elementos. Já uma experiência de busca voltada a interações com IA pode permitir uma jornada diferente, com perguntas complementares e respostas organizadas de outra forma. Agrupar os dois fenômenos em uma única categoria pode ser útil para uma visão geral, mas reduz a capacidade de entender como cada formato influencia o comportamento.

Essa diferença é importante porque a intenção do usuário muda a maneira como ele interage. Em uma pesquisa exploratória, uma resposta sintetizada pode ajudar a pessoa a entender um tema antes de visitar páginas mais detalhadas. Em uma consulta que busca uma fonte, uma empresa ou uma oferta específica, o usuário pode continuar procurando um destino direto. O mesmo recurso, portanto, pode ampliar a descoberta em algumas situações e reduzir a necessidade de clicar em outras. Não há razão para supor que o efeito será idêntico em todos os tipos de consulta.

Também é possível que a IA influencie a qualidade do tráfego, e não apenas o volume. Uma visita encaminhada após uma resposta resumida pode chegar com uma pergunta mais específica ou maior conhecimento prévio. Em outro cenário, a pessoa pode resolver sua necessidade sem abrir nenhum site. Para a empresa, essas duas possibilidades têm implicações diferentes: a primeira pode resultar em uma sessão mais preparada; a segunda pode diminuir visitas mesmo quando o conteúdo contribui para a resposta exibida.

Por isso, observar apenas sessões totais não basta para entender o desempenho orgânico. Cliques, impressões, posição média, páginas de entrada, conversões e comportamento posterior ajudam a compor o quadro. As métricas disponíveis e sua confiabilidade variam conforme as ferramentas e os recursos da busca. Um relatório deve ser interpretado levando em conta o que realmente mede, em vez de atribuir a ele uma precisão que não possui.

O efeito sobre os resultados orgânicos tradicionais

O caso também levanta uma questão sobre a relação entre recursos de IA e listagens orgânicas. Quando a disposição de uma página muda, o usuário pode encontrar o mesmo site em um lugar diferente da página de resultados. Uma variação de cliques, assim, pode refletir tanto a presença ou ausência de uma citação em uma experiência de IA quanto uma alteração na posição, na visibilidade ou na concorrência ao redor do resultado convencional. Separar essas causas é essencial para entender o que realmente mudou.

Uma página pode receber mais cliques em resultados tradicionais se deixar de aparecer em um recurso que ocupa espaço visual ou atende parte da necessidade do usuário. Mas isso é uma hipótese, não um efeito automático. Em outras circunstâncias, a participação em uma resposta de IA pode aumentar a exposição da marca, enquanto a listagem orgânica continua recebendo visitas. O resultado depende da consulta, do formato exibido, da posição dos links e das escolhas das pessoas. A coexistência ou a substituição entre elementos precisa ser analisada com dados, não presumida.

Para equipes de SEO, essa complexidade reforça a necessidade de registrar mudanças relevantes. Se uma página perde ou ganha tráfego, vale verificar se houve alterações na busca, no conteúdo, na concorrência, na intenção das consultas ou no próprio site. Também é útil comparar as páginas afetadas com outras que não tiveram mudanças semelhantes. Um diagnóstico cuidadoso evita responder a uma oscilação com uma alteração editorial precipitada, que pode eliminar elementos úteis sem resolver a causa real.

Como empresas podem avaliar o impacto em seus próprios sites

O primeiro passo é definir uma pergunta específica. Em vez de perguntar genericamente se a IA do Google está reduzindo o tráfego, uma equipe pode investigar quais páginas e consultas tiveram mudanças, em que período e em qual métrica. Uma pergunta bem delimitada pode ser: páginas informativas que aparecem em consultas de descoberta tiveram uma evolução diferente das páginas de produto? Ou: as pesquisas locais da empresa apresentam comportamento distinto das consultas mais amplas? Quanto mais concreta for a hipótese, mais fácil será desenhar uma análise útil.

Em seguida, é necessário selecionar uma linha de base. Registros anteriores ajudam a entender o padrão habitual de cada página e a reconhecer sazonalidade ou tendências. Comparar semanas isoladas pode levar a conclusões frágeis, sobretudo quando o volume é pequeno. Períodos mais amplos podem suavizar ruídos, mas também esconder mudanças recentes. A escolha depende do volume, da estabilidade da demanda e da pergunta investigada. Convém documentar os critérios para que a comparação possa ser repetida.

Depois, a equipe deve segmentar as páginas por função e intenção. Um artigo explicativo, uma página de categoria, uma página de produto e uma página de contato não cumprem o mesmo papel. Uma queda em cliques pode ter impacto comercial muito diferente conforme o destino. Em vez de avaliar somente o total do domínio, vale separar conteúdos que informam, comparam, convertem ou atendem buscas locais. Essa organização ajuda a identificar se a mudança está concentrada em uma parte do percurso do usuário.

Também é recomendável acompanhar mais de uma métrica. Impressões indicam que uma página foi exibida, mas não significam que recebeu atenção. Cliques mostram uma ação na busca, enquanto sessões e conversões ajudam a entender o que ocorreu depois da visita. Se os cliques caem, mas as conversões se mantêm, a interpretação pode ser diferente daquela observada quando visitas e resultados comerciais caem juntos. Nenhuma métrica, isoladamente, explica toda a jornada.

Um roteiro prático de análise

• Defina o objetivo: identifique se a análise busca medir exposição, cliques, tráfego qualificado, conversões ou visibilidade de marca.
• Escolha as páginas: agrupe conteúdos semelhantes e evite comparar, sem ajuste, páginas com finalidades muito diferentes.
• Estabeleça o período: registre a janela antes e depois da mudança e considere sazonalidade e tendências anteriores.
• Separe as consultas: quando houver dados suficientes, diferencie intenção informativa, comercial, navegacional e local.
• Registre fatores externos: anote alterações no site, campanhas, atualizações de conteúdo e mudanças relevantes do mercado.
• Compare mais de uma medida: avalie impressões, cliques, tráfego e conversões em conjunto, sem tratar uma estimativa como causalidade comprovada.
• Repita a observação: acompanhe o comportamento por tempo suficiente para distinguir um sinal persistente de uma oscilação pontual.

Esse roteiro não transforma automaticamente uma observação em experimento controlado. Ele torna a análise mais disciplinada e ajuda a revelar incertezas. Se o volume de dados for baixo, a equipe deve reconhecer que os resultados podem variar bastante. Se várias mudanças ocorrerem ao mesmo tempo, será difícil isolar o efeito de uma só. Declarar essas limitações aumenta a utilidade do relatório, porque evita que decisões importantes dependam de uma precisão apenas aparente.

O que o número não permite concluir

A estimativa de 21% não permite concluir que todos os sites receberão essa proporção de cliques por meio de recursos de IA. Também não prova que a IA sempre aumenta o tráfego, nem que sempre o reduz. O resultado não fornece, por si só, uma taxa de crescimento esperada para empresas brasileiras, para um setor específico ou para páginas que ainda não foram analisadas. A experiência de um único site serve para formular perguntas e orientar investigações, não para substituir a medição do próprio desempenho.

Não é possível concluir, com as informações resumidas disponíveis, que cada clique atribuído ao AI Mode ou aos AI Overviews foi adicional. Como observado, uma pessoa poderia clicar em outro resultado em um cenário diferente. Tampouco é possível afirmar que a variação corresponde a uma mudança permanente. Para isso, seriam necessários detalhes metodológicos e observações ao longo do tempo, além de uma avaliação das condições de comparação.

Também seria precipitado recomendar que empresas tentem sair de recursos de IA ou alterem seus conteúdos apenas com base nesse caso. Uma estratégia de exclusão pode ter consequências distintas conforme o site e a forma como o mecanismo interpreta a configuração. Antes de qualquer decisão técnica, é importante compreender o objetivo, os efeitos esperados e as alternativas, além de acompanhar o resultado. Uma mudança ampla sem teste pode comprometer a descoberta orgânica e dificultar a identificação da causa de eventuais perdas.

Como adaptar a estratégia de SEO sem correr atrás de cada novidade

A incerteza sobre o formato dos resultados não elimina os princípios de uma boa estratégia de SEO. Conteúdos precisam responder a necessidades reais, apresentar informações claras e oferecer valor que justifique a visita. Isso não significa escrever apenas para tentar aparecer em uma resposta automática. Significa organizar a informação de modo que pessoas e sistemas consigam compreender o assunto, avaliar a pertinência da página e encontrar os detalhes que uma síntese breve não substitui.

Uma página útil pode aprofundar um tema, apresentar dados próprios verificáveis, explicar condições, mostrar exemplos e ajudar o leitor a tomar uma decisão. Esses atributos não garantem inclusão em recursos de IA nem uma posição específica. Ainda assim, fortalecem a utilidade do conteúdo para pessoas que chegam por diferentes caminhos. Em setores competitivos, conteúdo genérico que repete definições comuns pode ter dificuldade para se diferenciar, independentemente de como a página de resultados é apresentada.

É importante também manter informações empresariais consistentes, sobretudo para negócios que atendem uma região. Uma organização com atuação em Curitiba e municípios próximos deve comunicar com precisão seus serviços, áreas atendidas, formas de contato e características da oferta. A relevância local depende de informações confiáveis e de uma experiência coerente entre a busca e a página de destino. Isso não deve ser confundido com inserir nomes de cidades sem contexto: o conteúdo precisa ser realmente útil para quem procura uma solução naquela localidade.

As equipes podem revisar páginas prioritárias, melhorar a estrutura dos títulos, remover ambiguidades e garantir que as informações essenciais estejam acessíveis. Também podem identificar quais conteúdos dependem excessivamente de visitas informativas de baixo valor e quais contribuem para objetivos concretos. A análise deve considerar todo o percurso: descoberta, comparação, contato e conversão. Se o tráfego orgânico mudar, entender o papel de cada página torna mais fácil decidir onde investir esforço.

SEO deve acompanhar visibilidade e resultados de negócio

Quando a busca muda, é natural concentrar a atenção nos cliques, mas o desempenho orgânico não se resume a eles. Uma marca pode aparecer em mais contextos sem que todas as exposições gerem visitas imediatas. Por outro lado, uma queda de tráfego pode ser preocupante se atingir páginas que produzem contatos ou vendas. Para avaliar o impacto, a empresa deve conectar indicadores de busca a objetivos que façam sentido para o negócio, sem presumir que uma métrica substitui as demais.

Isso requer coordenação entre quem produz conteúdo, quem acompanha dados, quem cuida do site e quem responde pelos resultados comerciais. Uma equipe editorial pode perceber mudanças nos temas que atraem leitores; a área de análise pode identificar padrões nas consultas; e a equipe de atendimento pode notar alterações nas dúvidas recebidas. Nenhuma dessas observações, isoladamente, demonstra a origem de uma tendência, mas a combinação pode ajudar a formular hipóteses melhores e priorizar investigações.

Também convém evitar decisões motivadas por manchetes ou percentuais sem contexto. Um dado chamativo pode ser útil para abrir uma discussão, mas não substitui a análise das condições que o produziram. Se o resultado vier acompanhado de incerteza, o relatório interno deve preservar essa nuance. A comunicação responsável distingue fatos observados, estimativas, hipóteses e recomendações. Isso protege a equipe contra mudanças reativas e ajuda gestores a entender o grau de confiança de cada conclusão.

Uma leitura equilibrada sobre a busca com inteligência artificial

A estimativa associada a um site que saiu de recursos de IA do Google oferece um sinal de que esses formatos podem influenciar uma parte significativa dos cliques em determinados contextos. Ela também mostra que medir essa influência é mais complicado do que comparar dois totais de tráfego. AI Overviews, AI Mode e resultados orgânicos tradicionais podem interagir, e o comportamento observado em um site não representa automaticamente o que acontecerá em outro.

Para profissionais de marketing, a resposta mais útil não é ignorar a mudança nem assumir que ela terá o mesmo efeito para todos. É estruturar uma medição própria, verificar quais páginas e consultas são afetadas e relacionar as variações a resultados concretos. Onde houver dados suficientes, testes controlados e comparações bem definidas podem aumentar a confiança. Onde não houver, a equipe pode registrar limites, acompanhar tendências e evitar afirmações excessivas.

Essa postura permite tratar a busca com IA como uma transformação a ser observada, e não como uma explicação universal para qualquer oscilação. Os cliques podem mudar por vários motivos ao mesmo tempo. A qualidade do diagnóstico depende da capacidade de separar essas causas, revisar as hipóteses e atualizar a estratégia quando as evidências locais forem mais consistentes. Para empresas de Curitiba, da Região Metropolitana ou de outras localidades, o princípio é o mesmo: medir o próprio cenário antes de aplicar conclusões de terceiros.

A Sorting pode ajudar empresas a organizar essa análise, conectando estratégia de SEO, conteúdo e leitura de desempenho para que decisões não dependam de um único percentual ou de uma mudança isolada na busca. O trabalho pode começar pela identificação das páginas que mais contribuem para objetivos comerciais, pela revisão das consultas que atraem visitantes e pela definição de indicadores adequados. Com acompanhamento consistente, é possível reconhecer sinais, separar hipóteses de evidências e priorizar melhorias com mais clareza. Em um ambiente em transformação, esse processo ajuda a adaptar o trabalho sem abandonar o que continua sendo essencial: compreender o público e oferecer informação realmente útil.