A ordem das palavras decide qual marca os AI Overviews recomendam? Testamos 102 consultas

Uma afirmação vem circulando entre equipes de busca neste mês, com um número muito confiante colado nela: se você colocar a Marca A primeiro em uma consulta comparativa, o AI Overview do Google recomenda a Marca A em cerca de 80% das vezes. Inverta a ordem e a recomendação se inverte junto. Ser muito maior não salva a marca maior.

É uma história satisfatória, porque explica algo que qualquer pessoa que acompanha respostas de IA já viu com os próprios olhos: respostas comparativas não se parecem com a lista de resultados, e ninguém fora do Google consegue inspecionar como elas foram montadas. Então fizemos a coisa chata e testamos. Em 11 de setembro de 2026, rodamos 102 consultas comparativas contra AI Overviews do Google ao vivo, cobrindo 16 pares de marcas, as duas ordens, duas a três repetições cada, e guardamos cada resposta e cada fonte citada.

O resultado: a ordem mudou a recomendação em zero de 16 pares. A marca escrita primeiro na consulta foi nomeada primeiro em 49% das execuções, que é exatamente a cara de um cara ou coroa. O que mudou a resposta de forma confiável foi como você formula a consulta e qual superfície do Google responde.

A afirmação, como ela se espalhou

A versão que circula neste mês é mais ou menos assim:

• "Marca A vs Marca B" devolve AI Overviews que abrem com e recomendam a Marca A em cerca de 80% das vezes.
• "Marca B vs Marca A" devolve a imagem espelhada.
• Isso vale mesmo quando a Marca A é bem maior e mais antiga que a Marca B.
• O mecanismo proposto: os AI Overviews desdobram sua consulta em sub-buscas, e a primeira marca nomeada na consulta ancora essas sub-buscas.

Esse último ponto é o que torna a afirmação crível, e também é a parte mais bem documentada.

O mecanismo é real, e é por isso que a afirmação viaja

O guia do Google para recursos de IA generativa, publicado em maio de 2026, confirma o fan-out de consultas: AI Overviews e AI Mode podem expandir uma consulta em várias subconsultas relacionadas, executá-las contra o índice em paralelo e sintetizar uma resposta a partir dos resultados combinados. Quais foram essas subconsultas não é reportado em lugar nenhum, Search Console incluído. Então quando você vê um AI Overview, está olhando para a saída de um processo que não consegue observar.

Efeitos de ordem em modelos de linguagem também são reais, e há trabalho revisado por pares por trás deles. Um estudo publicado na PNAS Nexus em agosto de 2026 testou nove modelos com comparações de currículos e escolha de cores e encontrou efeitos de posição que não eram meros desempates: em alguns casos, reordenar as opções inverteu qual delas o modelo preferia, e o modelo então escolheu a pior opção. Um trabalho da Columbia Business School encontrou um padrão relacionado na direção oposta: o ChatGPT escolhia a primeira opção de uma lista em cerca de 63% das vezes em 5.447 prompts, um resultado que reapareceu em 64,29% de 64.800 tentativas de uma configuração mais simples.

Leia os dois achados juntos e a afirmação viral parece o próximo passo natural: o fan-out existe, os LLMs têm manias de ordem, logo a ordem deve decidir as recomendações de marca.

A lacuna está no último passo. Esses experimentos pedem que um modelo julgue uma lista de opções e escolha uma. Uma consulta comparativa nos AI Overviews não é essa tarefa. É um pedido de síntese respondido por um sistema de recuperação que ancora a resposta em páginas de terceiros. É exatamente isso que fazia a afirmação valer um teste em vez de uma repetição.

O que rodamos

Duas decisões de projeto importam. Primeira, rodamos cada consulta duas ou três vezes, porque uma única resposta invertida não prova nada em um sistema com qualquer aleatoriedade. Segunda, registramos como a resposta foi construída, não só o que ela disse: qual marca é nomeada primeiro, com que frequência cada uma é mencionada, como são as páginas citadas e quantas citações apontam para o domínio próprio de cada marca.

Os 16 pares foram escolhidos para cobrir duas situações: comparativos de software em que as duas marcas são entidades que as pessoas pesquisam (Notion vs Asana, Slack vs Microsoft Teams, Semrush vs Ahrefs, Figma vs Sketch) e comparativos de consumo em que a marca maior é óbvia (Nike vs Adidas, Coca-Cola vs Pepsi, iPhone vs Samsung Galaxy, Netflix vs Disney+, Toyota vs Honda, iRobot Roomba vs Roborock).

Resultado 1: a resposta não seguiu a ordem

Nas 100 execuções que produziram uma primeira menção limpa e mensurável, a marca escrita primeiro na consulta foi nomeada primeiro 49 vezes: 49%.

Nem uma maioria se inverteu. Quando uma resposta tinha preferência, ela a manteve nas duas ordens: os AI Overviews abriram com Asana tanto em "Notion vs Asana" quanto em "Asana vs Notion", com Monday.com nos dois comparativos de Airtable, com Google Meet nos dois de Zoom. A Nike liderou nas duas ordens contra a Adidas. A Samsung Galaxy liderou nas duas ordens contra o iPhone.

As execuções repetidas concordaram entre si 93 vezes em 100. Seis das sete exceções vieram de um único par sob uma formulação diferente, que é a história real. A sétima foi uma execução de Slack vs Microsoft Teams que abriu com Slack em vez de Teams; as duas seguintes voltaram para Teams.

Uma coisa que esta medição não resolve: abrir uma resposta não é o mesmo que ser recomendado. Então também contamos a linguagem de recomendação. Nas 60 execuções de pares de software, frases que usavam palavras de vitória (wins, better choice, recommend, stronger, go-to) se dividiram 40 a 39 entre a marca escrita primeiro e a escrita depois. Um empate total.

Resultado 2: as duas respostas costumavam ser a mesma resposta

Se a ordem estivesse ancorando as sub-buscas, as duas versões de uma consulta deveriam recuperar páginas diferentes, e as respostas deveriam divergir. Na maioria das vezes não divergiram.

Em 8 dos 10 pares de software, o AI Overview de "A vs B" e o de "B vs A" eram idênticos palavra por palavra. Compare as primeiras linhas de Semrush vs Ahrefs nas duas ordens:

Semrush é uma plataforma de marketing tudo-em-um, enquanto Ahrefs é uma ferramenta especializada em SEO e análise de backlinks. (citação original em inglês)

Mesma frase, mesma ordem dos fatos, mesmo fechamento "escolha Semrush se… / escolha Ahrefs se…", não importa com qual marca a consulta começou. Apenas dois pares mostraram deriva real de texto: Slack vs Microsoft Teams e Shopify vs WooCommerce, e no caso do Shopify a deriva ficou restrita a um parágrafo de abertura redigido de outra forma, não a uma conclusão diferente.

As evidências de apoio apontam na mesma direção. Nas 806 entradas de referência das execuções de software, citações aos domínios próprios das duas marcas ficaram em 36 a 36. Títulos de página de referência que nomeiam as duas marcas colocaram a marca escrita primeiro na consulta à frente 392 vezes e a segunda 396 vezes: 49,7%, outro cara ou coroa. O total de menções de marca se dividiu 337 a 336, ou 50,1% a 49,9%.

Um sistema cuja recuperação estivesse sendo guiada pela marca que aparece primeiro na consulta não produziria uma divisão de citações de 36 a 36 nem prosa idêntica byte a byte.

O que de fato mexeu na resposta

Duas coisas, e as duas são mais úteis que a ordem.

A formulação. Em três pares rodamos a consulta "vs" e a consulta "which is better, X or Y" nas duas ordens. Os AI Overviews se comportaram como se fossem perguntas diferentes, e o fizeram de forma idêntica nas duas ordens.

Para Shopify e WooCommerce, "Shopify vs WooCommerce" abriu com uma descrição de produto: Shopify é um criador de lojas hospedadas tudo-em-um, e a resposta percorreu as diferenças. "Which is better, Shopify or WooCommerce" abriu com uma recusa em ranquear: nenhum é objetivamente melhor, depende das suas necessidades. As mesmas quatro execuções, o mesmo par, o mesmo dia, primeiras impressões opostas, movidas inteiramente pela formulação e não pela posição.

Para Semrush e Ahrefs, as respostas de "which is better" continham frases de veredito explícitas, e todas elas creditavam o Ahrefs: cinco de cinco execuções, tanto fazendo a consulta ler "Semrush or Ahrefs" quanto "Ahrefs or Semrush". A ordem era irrelevante diante do fato de que o corpus comparativo por baixo trata o Ahrefs como a ferramenta de backlinks mais forte.

A superfície. Rodamos 18 das mesmas consultas no Google AI Mode, a superfície conversacional. O comportamento dele difere do dos AI Overviews de um jeito que parece sensibilidade à ordem e não é. Em Semrush vs Ahrefs, o AI Mode abriu com "Both Semrush and Ahrefs are…" ou "Both Ahrefs and Semrush are…" conforme a ordem da consulta, espelhando-a. E repare em qual variante ele caiu: "Both X and Y", uma construção sem nenhuma implicação de ranking. O nome que abre a frase é um eco estilístico do prompt.

Sob esse eco, a substância do AI Mode foi bem menos estável que a dos AI Overviews: a similaridade de texto entre execuções dentro da mesma ordem ficou em apenas 0,30 a 0,36, e 0,38 entre as ordens, enquanto os AI Overviews produziram texto idêntico na maioria dos pares. Em dois dos três pares, as respostas do AI Mode foram idênticas byte a byte entre as ordens, e no caso do Shopify ele fixou WooCommerce na abertura nas duas vezes, enquanto os AI Overviews fixaram Shopify nas duas. Cada superfície tem hábitos de redação assentados, e eles não são os mesmos.

A história da ordem não é pura ficção

Uma medição realmente se moveu com a ordem das palavras, e é a que a maioria das pessoas está de fato acompanhando: a lista de resultados clássica.

Em 5 dos 10 pares de software, os três primeiros resultados orgânicos tradicionais diferiram entre "A vs B" e "B vs A", incluindo o par em que o AI Overview era idêntico nas duas ordens. O Reddit ficou perto do topo na maioria dos comparativos de software, e qual thread específica aparecia mudava com a formulação. Então existe sensibilidade real à ordem no Google Search para consultas comparativas. Ela fica na camada abaixo da resposta de IA, não na recomendação em si. Essa distinção é a razão inteira de valer a pena rodar este teste, e não é o achado que esperávamos escrever.

Isso importa para o reporting. Se o seu rastreador de posições mostra sua posição oscilando entre consultas comparativas de marca e não marca, você está vendo um efeito real. Só não é o efeito que a afirmação viral descreve, e otimizar para ele não vai mudar o que o AI Overview diz sobre você.

A alavanca que os dados realmente indicam

O sinal mais claro nas nossas execuções não tinha nada a ver com a construção da consulta. Tinha a ver com o corpus comparativo a partir do qual cada resposta foi montada.

Em Airtable vs Monday.com, as fontes citadas incluíam 18 páginas de propriedade da Monday.com e zero páginas de propriedade da Airtable, nas duas ordens. Em Mailchimp vs Klaviyo, seis citações da Mailchimp, zero da Klaviyo. Shopify vs WooCommerce produziu três citações da WooCommerce e nenhuma da Shopify. Enquanto isso, em vários pares o domínio próprio de nenhuma das duas marcas apareceu: a resposta foi montada a partir de comparativos de terceiros, sites de review e threads de fórum.

Esse padrão é coerente com como a recuperação funciona de verdade. O modelo não se importa com qual nome você digitou primeiro; ele se importa com quais páginas existem e como elas descrevem cada marca. Onde uma marca é dona do próprio conteúdo comparativo, essas páginas são puxadas para dentro. Onde não é, elas faltam nas respostas de todo mundo que pergunta.

Como rodar seu próprio teste de inversão de ordem

Quinze minutos e sem precisar de acesso a API:

1. Escolha cinco consultas comparativas em que sua marca seja um dos dois nomes e você tenha um concorrente real.
2. Rode cada uma nas duas ordens, e cada ordem duas vezes. Quatro respostas por par, dez pares de respostas no total.
3. Salve as respostas antes de lê-las. Tire print ou copie o texto completo e as fontes citadas.
4. Compare duas coisas separadamente: qual marca é nomeada primeiro e o que a resposta diz sobre cada marca. Onde encontramos o sinal interessante, a ordem era estável e a substância não era.
5. Olhe a lista de citações, não só a prosa. Se o domínio próprio do concorrente aparece sempre e o seu não, você achou o gargalo real.

O AI Overview Citation Checker mostra quais páginas um AI Overview cita para uma consulta, que é o jeito mais rápido de ver se o seu domínio está sequer no pool.

Faça isso pelo menos duas vezes, em dias diferentes, antes de concluir qualquer coisa. Nossa própria concordância entre execuções foi de 93%, não de 100%, e uma única execução invertida é exatamente o tipo de ruído que vira um post de blog cheio de confiança.

O que fazer com isso

Não reestruture suas páginas comparativas em torno da ordem das palavras. Não há evidência de que ela mude o que os AI Overviews recomendam, e se o Google um dia lhe desse peso, a correção seria editar uma palavra, o que não diz nada sobre sua posição real.

Trate a formulação como uma variável de verdade. "X vs Y" e "which is better, X or Y" são consultas diferentes que produzem respostas diferentes. Se seus compradores formulam comparações como perguntas, você precisa de conteúdo que responda à pergunta, não apenas de uma tabela de especificações.

Verifique se as páginas próprias da sua marca aparecem nas citações dos comparativos que importam para você. A divisão de 18 a 0 que vimos é o número mais acionável deste conjunto de dados, e é sobre publicar, não sobre redigir prompts.

Mantenha uma métrica de primeira menção se você já tem uma, e trate-a como descrição do que a resposta diz, não como uma alavanca que você pode puxar. Nos nossos dados ela foi um cara ou coroa que seguiu o corpus, não a consulta.

Limites

Isto é um dia de dados de um único local e idioma, em desktop, capturados via API de SERP em vez de sessão de navegador, em 16 pares de marcas. Resultados de busca variam com personalização, momento e dispositivo, e um único dia não descarta uma mudança futura.

Medimos qual marca é nomeada primeiro, com que frequência é mencionada e quais fontes são citadas. Nenhuma dessas medidas é uma avaliação direta de quão persuasiva a resposta é para um leitor, e uma resposta que nomeia sua marca primeiro ainda pode deixar a impressão de que a outra vence.

A amostra do AI Mode foi de 18 consultas em três pares, o suficiente para ver que a superfície se comporta diferente e insuficiente para quantificá-la. Leia aquela seção como direção, não como taxa.

Por fim, as afirmações sobre o mecanismo da história original seguem inverificáveis de fora. O Google confirma que o fan-out acontece e não expõe as subconsultas, então ninguém consegue mostrar quais subconsultas a sua consulta produziu. Nosso teste consegue mostrar que inverter a ordem não mudou a saída. Ele não consegue mostrar por quê.

Perguntas frequentes

A ordem das palavras em uma consulta do Google afeta os AI Overviews? No nosso teste, não. Em 102 consultas de AI Overviews cobrindo 16 pares de marcas nas duas ordens, a marca escrita primeiro foi nomeada primeiro em 49% das vezes, e nenhum par mudou de direção quando invertemos a consulta. Oito dos dez pares de software devolveram respostas idênticas palavra por palavra nas duas ordens.

Por que as pessoas relatam que a ordem afeta recomendações de IA? Porque efeitos de ordem são documentados em modelos de linguagem instruídos a escolher de uma lista, onde a primeira opção vence em cerca de 63% das vezes na pesquisa publicada, e porque o fan-out de consultas do Google torna o processo de recuperação invisível. Os dois fatos são reais. Nenhum dos dois significa que uma consulta comparativa nos AI Overviews vai trocar de marca quando você reordena os nomes.

O que realmente muda um AI Overview em uma consulta comparativa? A formulação e a superfície. "Shopify vs WooCommerce" produziu uma resposta orientada a produto nas duas ordens, enquanto "which is better, Shopify or WooCommerce" produziu uma resposta de "nenhum é objetivamente melhor" nas duas ordens. As mesmas consultas no AI Mode voltaram com outro enquadramento de novo, e com bem mais variação entre execuções.

Vale a pena otimizar para a primeira menção nos AI Overviews? Observe, mas não otimize para ela. A primeira menção seguiu o corpus de fontes nos nossos dados, não algo que controlássemos a partir da consulta. A variável controlável é se as suas próprias páginas comparativas estão no pool de citações: um par que testamos atraiu 18 citações de propriedade do concorrente e zero da outra marca.

Leitura relacionada

• Como otimizar páginas comparativas para citações em busca com IA
• Por que seu artigo "best X" faz a IA recomendar concorrentes
• Quais tipos de consulta os AI Overviews realmente mudam, e quanto custam para você

Autor: Ethan Marlowe, líder de medição GEO na Auspia com mais de 500 prompts. Escreve sobre medição de visibilidade em IA, desenho de conjuntos de prompts e como fazer testes que aguentam um segundo olhar.