Consultas de Busca IA que Seu LLM Dispara no Meio da Resposta

O novo keyword research vive dentro do modelo

O keyword research tradicional começa pelo que humanos digitam numa caixa de busca. A busca IA produziu uma nova camada acima dela: quando um usuário pergunta em linguagem natural ao ChatGPT, Claude ou Gemini, o modelo frequentemente dispara suas próprias buscas web no meio da resposta para fundamentá-la. Essas consultas internas não são visíveis no Google Search Console. Nunca chegam ao seu analytics tradicional. Mas são o sinal de intenção de compra de mais alta qualidade hoje disponível, porque foram geradas por um modelo que já entendeu a intenção do usuário e a traduziu na consulta com maior probabilidade de retornar uma resposta útil.

O usuário disse "vale a pena Profound para um SaaS pequeno". ChatGPT traduziu para "Profound vs Lumos vs Peec AI" e foi procurar grounding. A consulta traduzida é a que você precisa ser encontrável. Otimizar para a do usuário é otimizar a velha superfície de SEO. Otimizar para a traduzida é otimizar a nova.

O que você vê dentro do Lumos

A prévia acima é um snapshot das consultas que ChatGPT e Claude dispararam no meio da resposta sobre Lumos e GEO esta semana. Ao se cadastrar, a mesma captura roda na sua biblioteca de prompts.

• Prompt do usuário → consulta traduzida. Cada linha pareia a pergunta natural original com a consulta web que a IA disparou para groundear. Ambos os lados importam — você precisa saber o que usuários dizem e o que a IA traduz.
• Frequência e score de intenção. Consultas que se repetem em múltiplos prompts têm mais sinal. Uma consulta disparada uma vez é ruído; disparada em 14 prompts é ativo fixo da categoria.
• Páginas-fonte retornadas. Lumos captura as URLs reais que cada consulta retornou para você ver quais páginas a IA está groundeando.
• Desmembramento por motor. ChatGPT e Claude disparam consultas diferentes para o mesmo prompt porque seus prompts de tool-use e estratégias de grounding diferem.

Como o Lumos captura as consultas

A consulta mid-answer é o artefato do tool use do modelo. Lumos roda sua biblioteca em cada motor com tool-use habilitado e captura:

1. O prompt natural do usuário.
2. As consultas web mid-answer que o modelo disparou (às vezes uma, frequentemente 3-5).
3. As URLs retornadas para cada consulta.
4. Como a resposta final citou ou parafraseou essas URLs.
5. A versão de modelo e motor, para comparar semana a semana.

O log bruto fica ao lado dos dados normais. Você pode filtrar, buscar, exportar. A camada de agregação deduplica e rankeia por frequência × score de intenção.

Como usar as consultas capturadas

Construa conteúdo que combine com a forma traduzida. A IA procura títulos exact-match como "Profound vs Lumos vs Peec AI". Se seu conteúdo é titulado "Por que construímos o Lumos", a IA não o surfaceará para aquela consulta por melhor que seja. Lumos pareia cada consulta capturada com sugestão de citabilidade — um título e set de headings que combinariam.

Rode as consultas no Google. Google ainda rankeia muito as páginas que motores IA groundeiam. Abra as top 5 numa aba anônima e leia o que retorna. Essas páginas são sua real concorrência por visibilidade IA — frequentemente muito diferentes das que rankeiam para a versão user-facing.

Use as consultas como radar de competidor. Se a IA dispara "X vs Y" e você não está na lista, você é invisível naquele momento de decisão. A resposta certa é publicar uma página "X vs Lumos" ou "Y vs Lumos" que a IA pegue.

Fique atento a consultas novas. Quando ChatGPT começa a disparar uma consulta que não disparava mês passado, algo na categoria mudou — produto lançado, vendor novo, pergunta de pricing emergente. Coloque um alerta Lumos.

Erros comuns ao ler consultas mid-answer

Confundi-las com sugestões de autocomplete. Autocomplete do Google é o que humanos podem digitar. Consultas mid-answer são o que a IA realmente dispara. Parecem similares mas são sinais muito diferentes — autocomplete é amplo, mid-answer é afiado.

Otimizar só para as de maior frequência. As top 3 recebem atenção. A cauda longa — consultas disparadas só algumas vezes mas somando — frequentemente representa casos de uso específicos que merecem conteúdo próprio. Não ignore.

Ler consultas de um só motor. ChatGPT, Claude e Gemini disparam consultas diferentes para a mesma intenção. Uma alta no ChatGPT e silenciosa no Gemini ainda vale construir conteúdo, mas pondere pelo motor que seus compradores usam.

Tratar o log como brief sem editar. Consultas capturadas são output bruto. Algumas são ouro, outras ruído. Use como inspiração, não brief acabado.

Próximos passos

• Rode o tracker na sua marca: cadastre-se, importe sua biblioteca de prompts, capture consultas em minutos.
• Pareie com análise de citação: AI Citation Source Tracker.
• Leia a estratégia: How to appear in ChatGPT.