No levantamento da tatu de 27/10/2026, com 50 perguntas de compra em 5 segmentos do mercado brasileiro feitas ao ChatGPT e ao Gemini, os dois modelos citaram conjuntos diferentes de marcas em todas as 42 perguntas em que os dois citaram alguma marca. Em média, só 32% das marcas citadas apareceram nos dois, um recorte que muda a leitura de quem testa se a marca aparece no ChatGPT e para por aí.
ChatGPT e Gemini recomendam as mesmas marcas?
Não. Nas 42 de 42 perguntas comparáveis, ChatGPT e Gemini recomendaram conjuntos diferentes de marcas.
A sobreposição média foi de 0,32. Em termos simples, a conta olha para todas as marcas que qualquer um dos dois modelos citou em uma pergunta e mede qual parte desse total apareceu nos dois. Quando alguém busca entender a diferença entre ChatGPT e Gemini, a lista de marcas sugeridas já é uma diferença grande, antes de qualquer detalhe de redação.
O dado fica ainda mais claro em outro corte: em 6 de 42 perguntas, nenhuma marca apareceu nos dois modelos ao mesmo tempo. Em outras palavras, 14,3% das perguntas comparáveis terminaram com listas totalmente sem interseção.
A consequência prática é direta. Testar a sua marca só no ChatGPT deixa de fora o que o Gemini diz, e testar só no Gemini deixa de fora o que o ChatGPT diz. Para quem monitora presença em IA com objetivo comercial, um teste isolado não responde a pergunta que o time de marketing realmente quer responder: em quais motores generativos a marca é lembrada quando alguém faz uma pergunta de compra.
Esse é o ponto mais útil do levantamento. A marca pode aparecer em um modelo e sumir no outro sem que isso seja exceção. Se a sua empresa usa um único teste para decidir se está bem posicionada em IA, ela está olhando para metade do problema.
Qual a diferença entre ChatGPT e Gemini nas fontes que citam?
Os dois citam fontes em volumes diferentes. O Gemini citou 325 fontes em 50 respostas, média de 6,5 por resposta, e trouxe pelo menos uma fonte em 43 de 50 respostas, ou 86% do total. O ChatGPT citou 188 fontes em 43 respostas, média de 4,4 por resposta, e trouxe pelo menos uma fonte em 42 de 43 respostas, ou 97,7% do total.
A leitura mais importante é dupla. O Gemini cita mais fonte por resposta, mas também deixa mais respostas sem nenhuma fonte. O ChatGPT cita menos fontes por resposta, mas quase sempre mostra pelo menos uma.
Uma hipótese para as listas diferentes de marcas está aqui: se cada modelo apoia a resposta num conjunto diferente de páginas, a seleção final de marcas tende a variar junto. O levantamento mostra a diferença de volume, e a hipótese ainda precisa ser testada nas próximas rodadas.
No total, apareceram 299 domínios distintos em 513 citações, e o domínio mais citado concentrou 2,3% do total. Esse espalhamento importa porque mostra baixa concentração de referência. Não houve um pequeno grupo de sites puxando a maior parte das respostas dos dois lados.
Para quem quer monitorar marca no Gemini e no ChatGPT, isso muda a rotina de análise. Não basta verificar se a marca foi citada. Também é preciso observar se a resposta vem ancorada em fontes e se esse padrão se repete entre modelos. Quando um modelo cita muito e o outro quase não cita, o trabalho de diagnóstico muda.
Em quais segmentos a diferença pesa mais?
Ela pesa mais onde há mais espaço para escolha. Quando a categoria é mais pulverizada, cada modelo encontra mais caminhos para montar uma resposta e citar marcas diferentes.
A tabela abaixo mostra o tamanho e a concentração das marcas citadas por segmento no levantamento.
| Segmento | Marcas distintas citadas | Marcas que concentram metade das citações | Base |
|---|---|---|---|
| SaaS B2B | 40 marcas | 8 com metade das citações | 95 citações de marca |
| Serviço regulado (advocacia e saúde) | 67 marcas | 13 com metade | 138 |
| Varejo e e-commerce | 36 marcas | 9 com metade | 92 |
| Fintech e serviços financeiros | 25 marcas | 6 com metade | 93 |
| Agências de marketing e SEO | 44 marcas | 9 com metade | 72 |
A leitura do quadro é útil para times de marketing que já acompanham concorrência. Fintech e serviços financeiros foi o segmento mais concentrado. Serviço regulado, que reúne advocacia e saúde, foi o mais pulverizado.
Em um segmento concentrado, poucas marcas absorvem uma fatia grande das citações. Em um segmento pulverizado, a lista de possíveis lembradas é maior e a disputa fica mais aberta. Nesses casos, dois modelos têm mais espaço para escolher listas diferentes sem que nenhum deles pareça incoerente.
Esse recorte também ajuda a evitar uma leitura apressada. Não faz sentido apontar qual segmento teve mais divergência entre modelos com base de 10 perguntas por segmento. A amostra é pequena demais para esse tipo de ranking. O que dá para afirmar com segurança é outra coisa: a estrutura da categoria influencia quanto espaço existe para respostas diferentes.
Para a operação de conteúdo, isso traz uma consequência objetiva. Em categorias pulverizadas, o trabalho de GEO tende a exigir cobertura mais disciplinada de casos de uso, comparações e sinais de categoria, porque há mais alternativas competindo por lembrança. Em categorias concentradas, a briga pode parecer mais fechada, mas o desaparecimento em um dos modelos continua sendo um risco real.
Outras medições chegaram perto disso?
Sim. O número da tatu não está isolado.
A Sitefire, em estudo sobre fontes diferentes entre motores de IA, mediu a mesma conta, marcas em comum sobre tudo que qualquer um dos dois citou, em 650.545 respostas de 1/06 a 19/07/2026 e encontrou 30% entre ChatGPT e Gemini.
A Searchable, em estudo sobre recomendações de marca entre Gemini e ChatGPT, usou outra régua: só conta marca citada em pelo menos metade das respostas à mesma pergunta. Nesse recorte, encontrou 42% em 38.966 perguntas de 8/07 a 15/09/2026, e o próprio estudo trata o número como teto.
A leitura que interessa para o mercado brasileiro é simples. São três medições, em mercados e réguas diferentes, e nenhuma passa de metade.
Isso importa porque evita duas conclusões erradas. A primeira é achar que o levantamento local seria uma anomalia. A segunda é usar um estudo externo para substituir o dado da tatu. O que vale aqui é a convergência de direção: com métodos diferentes, o padrão se repete. ChatGPT e Gemini não formam uma vitrine única de marcas.
Para o gestor que precisa justificar investimento, o efeito prático é fácil de traduzir. Se a sua empresa mede presença em um modelo só, ela não está estimando mal por pouco. Ela pode estar confundindo visibilidade parcial com presença geral. E isso vale tanto para a sua marca quanto para os concorrentes que aparecem na resposta.
Como o levantamento foi feito e o que ele não mede
Foi uma rodada manual em 27/10/2026, das 11:36 às 12:18, no horário de Brasília. O recorte cobriu 5 segmentos com 10 perguntas de compra cada, sempre as mesmas toda semana. Os modelos testados foram ChatGPT (gpt-5.6-luna) e Gemini (gemini-3.5-flash-lite), com a busca na web padrão de cada um.
Vieram 93 das 100 respostas esperadas, e todos os números do artigo usam só essas respostas. O cálculo principal usa 42 perguntas: as que tiveram resposta analisada nos dois modelos e pelo menos uma marca citada.
As marcas de cada resposta foram identificadas por análise automática. Aqui, uma citação de marca significa uma resposta que cita a marca. Esse detalhe importa porque a base não mede menções repetidas dentro da mesma resposta como eventos separados. O interesse do levantamento é presença na resposta, não volume de repetição textual.
Para cada segmento, a lista de referência de players saiu de fonte pública: B2B Stack, Chambers e Abramed, Conversion, Banco Central e Abecs, Semrush Agency Partners. Isso ajudou a organizar a leitura setorial e a classificação das marcas citadas.
O que o número não mede também precisa ficar claro:
- Não mede tendência, porque é uma rodada só.
- Não mede outros modelos.
- Não mede a posição da marca dentro da resposta.
- Não mede o que o modelo diz sobre a marca.
Esses limites são relevantes para não esticar a conclusão além do que o dado sustenta. O levantamento não diz que um modelo "prefere" uma marca em sentido estável. Também não diz que aparecer primeiro vale mais que aparecer depois, nem que uma citação positiva e uma citação neutra têm o mesmo impacto comercial. O que ele mostra é algo mais básico e muito útil: no mesmo dia, com as mesmas perguntas de compra, ChatGPT e Gemini montaram listas diferentes de marcas.
Esse é o tipo de recorte que responde uma dúvida comum de operação. Quando alguém pergunta se a marca aparece no ChatGPT, quase sempre está tentando usar um proxy para visibilidade em IA. O problema é que esse proxy falha no segundo modelo. E como os dois motores variam não só nas marcas citadas, mas também no uso de fontes, a leitura correta passa a ser plataforma por plataforma.
Na prática, esse dado serve melhor como rotina de monitoramento. Repetir as mesmas perguntas, guardar as respostas e comparar os modelos ao longo do tempo é o que permite distinguir um evento pontual de um padrão acionável.
Faça a mesma pergunta que o cliente faz ao ChatGPT e ao Gemini, em aba anônima, e compare as marcas citadas. Se não gostar do que viu, a tatu faz isso por você todo dia nos dois modelos, aponta o que mudou e já escreve o conteúdo para sua marca aparecer mais. Fale com um especialista
