O Google já oferece, no Search Console, uma visão dedicada às impressões geradas por recursos de busca com inteligência artificial. Ainda assim, quem precisa entender quais consultas aparecem no AI Mode ou nos AI Overviews encontra uma limitação importante: o relatório oficial mostra páginas e impressões, mas não entrega uma lista completa de consultas de IA nem disponibiliza esses dados específicos pela API ou pela exportação em massa para o BigQuery.
Isso não significa que seja impossível investigar o tráfego do Google AI Mode. Fragmentos de conversas, perguntas longas, respostas curtas e continuações de prompts podem aparecer na tabela normal de consultas do relatório de desempenho. O desafio é separar esses sinais das pesquisas tradicionais sem transformar qualquer palavra-chave longa em uma interação com IA.
- O que o Search Console mostra e o que continua oculto
- Por que filtros baseados apenas no tamanho da consulta falham
- 1. Extrair todas as consultas pela API e classificar no Excel
- 2. Aplicar uma expressão regular no próprio Search Console
- 3. Explorar os dados com uma extensão de visualização
- 4. Automatizar a classificação com MCP e aprendizado de máquina
- Como funciona uma classificação mais robusta
- Passo a passo para analisar suas próprias consultas
- As limitações que precisam aparecer no relatório
- Como transformar o sinal em decisão de SEO
O que o Search Console mostra e o que continua oculto
Em junho de 2026, o Google apresentou relatórios de desempenho para recursos generativos na Busca. Eles ajudam a visualizar quantas vezes páginas do site participaram de experiências como AI Overviews e AI Mode. A informação é útil para medir exposição, mas ainda possui duas restrições práticas:
- os dados dedicados estão concentrados na interface do Search Console;
- as consultas por trás de grande parte da atividade de IA continuam anonimizadas ou misturadas ao relatório convencional.
O pesquisador Suganthan Mohanadasan relatou que encontrou consultas com aparência claramente conversacional no relatório comum: mensagens de continuidade, trechos colados, confirmações curtas e perguntas que dificilmente seriam digitadas em uma busca tradicional. O próprio Google confirmou que essas informações já podiam aparecer no relatório de desempenho. Portanto, o trabalho atual é de classificação, não de acesso a um campo perfeitamente identificado como “consulta do AI Mode”.
Por que filtros baseados apenas no tamanho da consulta falham
As primeiras tentativas de identificar esse tráfego procuravam consultas com 32 palavras ou mais. O raciocínio era simples: conversas com modelos generativos costumam ser mais longas do que buscas convencionais. Esse filtro ainda pode revelar casos interessantes, mas produz falsos positivos e ignora respostas curtas como “sim, continue” ou “mostre outras opções”.
Também existem consultas longas geradas por rastreadores, testes automatizados, ferramentas de monitoramento de posição, agentes e textos colados. Um método confiável precisa reconhecer intenção e padrão, não somente contar palavras.
1. Extrair todas as consultas pela API e classificar no Excel
A tabela da interface do Search Console exibe no máximo mil linhas. Para sites grandes, começar por essa visualização significa analisar apenas uma parte do universo disponível. Uma alternativa é usar a Search Analytics API, por meio de ferramentas como Analytics Edge, para levar o inventário de consultas ao Excel.
Com os dados completos, uma IA pode organizar as linhas e marcar consultas provavelmente relacionadas ao AI Mode. A vantagem é trabalhar no ambiente conhecido por muitas equipes e evitar o limite da tabela. A desvantagem é que a classificação precisa ser refeita a cada exportação e depende da qualidade das instruções ou dos padrões fornecidos.
2. Aplicar uma expressão regular no próprio Search Console
Outra abordagem é criar uma expressão regular que procure verbos e construções comuns em prompts: pedidos para escrever, explicar, gerar, resumir ou continuar; saudações; confirmações; recusas; e perguntas de acompanhamento. O filtro pode ser aplicado diretamente em Desempenho, na opção de expressão regular personalizada.
É uma alternativa gratuita e imediata, boa para uma primeira amostra. Porém, uma lista de palavras não entende contexto. Ela tende a funcionar melhor no idioma para o qual foi criada e pode deixar de fora consultas em português, variações regionais, frases com mais de um idioma e padrões novos.
3. Explorar os dados com uma extensão de visualização
Extensões que ampliam o Search Console podem adicionar gráficos, anotações, acesso simplificado à API e recursos de análise assistida por IA. Elas facilitam a exploração de grandes períodos e a comparação entre páginas ou consultas.
Esse tipo de ferramenta é valioso para análise, mas não deve ser confundido com um detector específico de AI Mode. Se a extensão não classifica as consultas por origem ou comportamento conversacional, a interpretação continua dependendo do analista.
4. Automatizar a classificação com MCP e aprendizado de máquina
Para equipes técnicas, servidores MCP conectados ao Search Console ou ao BigQuery permitem buscar, classificar e rotular consultas em escala. A principal vantagem é transformar o processo em um fluxo repetível: cada linha recebe uma classe, e a análise pode ser incorporada a rotinas de SEO e relatórios.
O método descrito por Mohanadasan combina regras determinísticas para padrões inequívocos com um modelo de aprendizado de máquina para os casos ambíguos. Regras cuidam de respostas curtas, testes automatizados e formatos reconhecíveis; o modelo decide a fronteira entre conversa, cauda longa e pesquisa comum.
| Método | Ponto forte | Limitação principal |
|---|---|---|
| API, Excel e IA | Inventário amplo dentro de um fluxo conhecido | Classificação precisa ser refeita e revisada |
| Expressão regular | Filtro gratuito dentro do Search Console | Depende de padrões e idioma |
| Extensão de visualização | Exploração e gráficos mais práticos | Pode não identificar AI Mode especificamente |
| MCP e modelo de classificação | Automação, escala e rótulo por consulta | Exige configuração técnica ou ferramenta especializada |
Como funciona uma classificação mais robusta
O classificador apresentado na pesquisa usa uma base multilíngue e foi ajustado com consultas reais e exemplos sintéticos em diferentes idiomas. Segundo o autor, mais de 120 mil consultas foram usadas na validação. A intenção é reconhecer tanto padrões exatos quanto casos difíceis, incluindo frases misturando idiomas.
As consultas podem ser separadas em grupos como:
- perguntas conversacionais completas;
- respostas curtas de continuidade;
- mudanças de direção dentro da conversa;
- consultas de rastreadores de posição;
- prompts produzidos por agentes;
- trechos colados ou strings incomuns;
- pesquisas tradicionais.
Uma pontuação de confiança ajuda a priorizar a revisão humana. Isso é mais responsável do que apresentar a classificação como verdade absoluta, porque consultas reais podem caber em mais de um contexto.
Passo a passo para analisar suas próprias consultas
- Exporte os dados. Em propriedades pequenas, o arquivo normal do Search Console pode bastar. Acima de mil consultas, use API, Looker Studio, uma planilha conectada ou a exportação para BigQuery.
- Mantenha o período e os filtros registrados. País, tipo de busca, dispositivo e intervalo de datas precisam acompanhar o relatório para que comparações futuras façam sentido.
- Classifique as linhas. Use uma regex para triagem inicial ou uma ferramenta preparada para distinguir conversas, automações e pesquisas comuns.
- Revise casos de baixa confiança. Não aceite automaticamente consultas incomuns como tráfego de IA.
- Cruze consultas com páginas. O valor aumenta quando é possível entender quais URLs atraem as interações e quais temas aparecem com maior frequência.
- Compare tendências, não números isolados. Observe participação, crescimento, páginas recorrentes e tipos de pergunta ao longo do tempo.
As limitações que precisam aparecer no relatório
Qualquer estimativa será menor do que o volume real. O Google anonimiza consultas raras, e interações conversacionais costumam cair justamente nessa parcela. No conjunto analisado pelo autor, 57,7% das impressões ficaram na área anonimizada durante 59 dias. Esse percentual pertence à propriedade estudada e não deve ser tratado como referência universal para todos os sites.
Também é importante lembrar que uma consulta com aparência de prompt não prova sozinha que houve uma sessão no AI Mode. Ela é um indício. Mudanças na interface do Google, nos critérios de anonimização e no comportamento das pessoas podem alterar o resultado sem que o desempenho editorial do site tenha mudado.
Como transformar o sinal em decisão de SEO
A análise mais útil não termina em uma contagem de “consultas de IA”. Ela deve responder quais páginas são recuperadas, que dúvidas aparecem, se o conteúdo resolve a necessidade e quais temas merecem ser aprofundados.
Na prática, combine quatro camadas: o relatório generativo do Search Console para exposição, as consultas classificadas para linguagem e intenção, dados analíticos para comportamento no site e conversões para impacto de negócio. Assim, o tráfego do Google AI Mode deixa de ser uma curiosidade e passa a orientar melhorias concretas em conteúdo, arquitetura e medição.
Enquanto o Google não oferecer consultas generativas completas por API, o resultado continuará sendo uma estimativa. A melhor abordagem é documentar o método, expor as limitações e acompanhar a tendência com consistência.
