“Neste mês, fontes de IA geraram X visitas e Y de receita.” A frase parece objetiva. Muitas vezes é objetiva demais. Ela mistura fatos diferentes: uma resposta de IA menciona a marca, um agente lê uma página, uma pessoa clica em uma recomendação, essa pessoa mostra intenção comercial e talvez uma ordem possa ser ligada à sessão. São níveis de evidência diferentes.
O maior risco em atribuição de IA não é apenas ter poucos dados. É juntar dados que não significam a mesma coisa.
As cinco camadas de AIAA
Answer é exposição em respostas de IA. A marca aparece, uma página é citada, informações de produto são usadas. É visibilidade, não visita.
Request é atividade de máquina. Um agente de IA lê páginas de produto, preço, estoque ou políticas. Logs de servidor e Edge são centrais aqui. Mas request não é intenção humana.
Visit é chegada humana. Um usuário clica a partir de ChatGPT, Perplexity, Gemini ou outra experiência de IA. É mais valioso que request, mas ainda não é conversão.
Commerce é comportamento com intenção: visualização de produto, carrinho, checkout, formulário, demo. Nessa camada, visibilidade de IA começa a tocar métricas de growth.
Attribution é a prova mais forte. Referrer, session, order e CRM permitem explicar por que uma receita pode ser ligada a uma fonte de IA.
Misturar camadas cria falsa atribuição
Menção não é visita. Visita não é compra. Compra não é automaticamente receita atribuída à IA. Quando esses limites somem, dois erros aparecem: picos de crawler são tratados como demanda, e receitas comuns viram “AI revenue” sem prova suficiente.
Isso pode melhorar um relatório de curto prazo, mas reduz a confiança. Um CMO ou CFO não precisa do maior número de IA. Precisa de um número defensável.
Um dashboard melhor
Um dashboard AIAA deve mostrar as cinco camadas separadamente. Deve indicar a fonte de dados de cada camada. Também deve marcar quando uma fonte nova foi conectada, porque um salto após ativar Edge logs pode ser nova visibilidade, não crescimento real.
A diferença entre observed growth e comparable growth é essencial. Observed growth mostra tudo que se vê hoje. Comparable growth compara apenas fontes ativas nos dois períodos. Sem essa separação, expansão de cobertura e crescimento do mercado se confundem.
Para e-commerce e B2B, isso importa ainda mais. A IA geralmente influencia a pesquisa inicial, enquanto o último clique pode vir de busca de marca, direct ou retargeting. Last click subestima IA. Chamar tudo de IA a superestima. AIAA tenta ficar no meio: mais completo, mas ainda defensável.
Gravity conecta GEO, evidência do site, logs, paid media e CRM. A IA descobre fatos, agentes leem páginas, pessoas visitam e a receita aparece depois. Atribuição precisa conectar essa cadeia sem apagar os níveis de prova.
FAQ
Q1: Qual a diferença entre tráfego de IA e contribuição de IA?
A: Tráfego fala de visitas. Contribuição inclui exposição, requests, visitas, comportamento comercial e receita atribuída.
Q2: Por que separar crawlers de sessões?
A: Crawlers são atividade de máquina. Não provam intenção humana.
Q3: Qual camada é mais importante?
A: Para finanças, Attribution. Para sinais iniciais, Answer e Request.
Q4: Qual erro é comum?
A: Ler um salto após conectar logs como crescimento real, quando pode ser apenas nova visibilidade.
Q5: Como começar?
A: Com um dashboard que separe Answer, Request, Visit, Commerce e Attribution.