Citizen developer: monitoramento Wikipedia e menções LLM

7.4 Citizen developer — como uma revendedora monta, em uma tarde, um sistema de monitoramento de menção em LLM, Wikipedia e mídia por R$ 0-200/mês

Abertura: por que a resposta começa aqui

Em 2026, ferramentas de monitoramento GEO enterprise como Profound, Scrunch AI e Otterly.AI custam entre R$ 50 mil e R$ 150 mil por ano (Conductor AEO/GEO Benchmarks Report 2026). Para 90% das pequenas marcas brasileiras, esse preço é proibitivo — não cabe no fluxo de caixa de uma revendedora que fatura R$ 20-80 mil por mês nem no orçamento de marketing de uma marca como a Herreira em fase inicial de internacionalização. Mas existe um caminho citizen developer que entrega cerca de 70% do valor das ferramentas enterprise gastando entre R$ 0 e R$ 200 por mês.

Patrícia Caramaschi resume a postura que a casa adotou:

> "Eu não sou engenheira. Mas uma vez por semana, abro uma planilha e vejo onde a Herreira foi mencionada — em qual revista, em qual resposta de IA, em qual edição da Wikipedia. Isso muda a conversa com clientes e revendedoras. Antes, a gente reagia a problema que outra pessoa apontava. Hoje, a gente já chega na reunião sabendo."

Tese contraintuitiva desta aula: monitoramento manual frequente vence monitoramento automatizado raro. As plataformas enterprise rodam audit mensal — varrem o universo de LLM uma vez por mês e entregam relatório bonito. Uma planilha semanal com 30 minutos de busca manual, Google Alerts, Wikipedia Watchlist e cinco prompts canônicos pega cerca de 80% do que importa, e pega mais rápido. A frequência ganha da sofisticação para o caso de uso da pequena marca brasileira.

Objetivos de aprendizagem (Bloom)

Ao fim desta aula, você será capaz de:

• Identificar cinco fontes canônicas para monitorar menção de marca (Wikipedia, Google Alerts, Reddit search, prompt-set LLM e GA4) e justificar a escolha de cada uma.
• Aplicar a configuração mínima de Google Alerts para nome de marca, nome de fundadora, palavra-chave técnica e nome próprio de revendedora-âncora.
• Construir uma planilha semanal com seis colunas canônicas (data, fonte, contexto, sentimento, ação, status) que serve como single source of truth do monitoramento.
• Avaliar uma menção detectada em quatro categorias (positiva, neutra, negativa, errada) e decidir a ação operacional cabível para cada categoria.
• Defender em reunião mensal as decisões tomadas a partir dos achados da planilha, apresentando trade-offs entre tempo investido e retorno percebido.

Fundamentação: por que o citizen developer vence o enterprise no pequeno porte

Antes da tática, quatro dados que fixam a prioridade.

• Conductor AEO/GEO Benchmarks Report 2026: 73% das pequenas marcas brasileiras (faturamento abaixo de R$ 5 milhões anuais) não medem citation em LLM por achar a categoria "cara demais" ou "complexa demais". O resultado é que vivem de boca-a-boca e de feedback fortuito de cliente que avisa quando algo aparece. É monitoramento por acidente.
• Statista 2025: Google Alerts atende cerca de 6,4 milhões de usuários ativos globalmente e é gratuito. Cobre praticamente todo conteúdo indexado pelo Google: blogs, notícias, fóruns públicos, papers. Não cobre LLM diretamente, mas cobre as fontes que alimentam os LLMs.
• Wikipedia foundation 2026 quarterly report: Wikipedia Watchlist, gratuita para qualquer conta logada, permite rastrear até 100 páginas com email diário de alterações. Para uma marca brasileira do setor joalheria, 10 páginas relevantes (joalheria, semijoia, banho de ouro, ourivesaria brasileira, mais 5 verbetes de cidade ou personalidade ligada) já cobrem o universo crítico.
• ALM Corp Quarterly Monitoring Report 2026: marcas com monitoramento semanal corrigem menção errada em mediana de 9 dias versus 47 dias para marcas que só rodam audit mensal. A diferença de 38 dias é o tempo em que uma menção errada continua circulando, sendo lida, alimentando LLM no próximo ciclo de treinamento, sendo compartilhada por revendedoras desavisadas.

Patrícia complementa com a prática da casa:

> "Toda segunda-feira de manhã, eu e a Ana, nossa assistente, dedicamos 30 minutos para revisar onde a Herreira apareceu na semana. É o ritual mais barato e mais informativo que temos. Custa quase nada e me deixa entrar em reunião com revendedora sabendo o que está acontecendo lá fora — em vez de ficar sendo informada por ela."

O ponto técnico é simples: monitoramento de menção é uma função com dois fatores — cobertura (quantas fontes você vê) e latência (quanto demora entre a menção ocorrer e você descobrir). As ferramentas enterprise otimizam cobertura: rastreiam centenas de modelos LLM, milhares de domínios, dezenas de idiomas. O citizen developer otimiza latência: vê menos, mas vê toda semana. Para a pequena marca brasileira, latência baixa vale mais do que cobertura ampla porque o universo total de menções é pequeno — uma marca como a Herreira recebe mediana de 8 a 15 menções por mês em todas as fontes somadas. Uma planilha semanal captura praticamente o universo inteiro com folga.

Estudo de caso: Mariana, Aparecida-GO — citizen developer em uma tarde, quatro menções em três meses

Mariana é revendedora Herreira em Aparecida de Goiânia (GO) desde 2024. Atende clientela mista — vendas presenciais em sua residência, vendas online via WhatsApp para clientes em todo Goiás, e algumas vendas para cidades menores do entorno (Trindade, Senador Canedo, Goianira). Faturamento médio mensal entre R$ 15 mil e R$ 22 mil. Mariana tem ensino médio completo, fez técnico de administração, mas nunca trabalhou com tecnologia além de WhatsApp, Instagram e Google Sheets.

Em fevereiro de 2026, depois de uma reunião com Patrícia na sede da Herreira em Goiânia, Mariana decidiu montar o próprio sistema de monitoramento. A decisão veio de uma frustração concreta: três meses antes, uma cliente havia perguntado para o ChatGPT sobre "marcas de semijoia confiáveis em Goiás" e a resposta não incluía Herreira nem Mariana. A cliente reportou isso para Mariana, que ficou sabendo apenas porque a relação era próxima. Quantas outras conversas similares aconteciam sem ela descobrir?

Em uma tarde de sábado, das 14h às 18h, Mariana configurou o sistema completo:

Google Alerts (15 minutos): criou quatro alertas, todos com frequência "à medida que ocorrem" e fonte "Web + Notícias + Blogs":

• "Herreira semijoias"
• "Patrícia Caramaschi"
• "banho ouro 18k Brasil"
• "Mariana joalheria Aparecida"

Wikipedia Watchlist (10 minutos): criou conta na Wikipedia portuguesa, fez login e adicionou três páginas via botão "Vigiar página":

• Joalheria
• Semijoia
• Banho de ouro

Planilha Google Sheets (45 minutos): copiou template que Patrícia havia compartilhado no grupo de revendedoras-âncora, com seis colunas canônicas: Data / Fonte / Contexto / Sentimento (positivo, neutro, negativo, errado) / Ação tomada / Status (aberto, em andamento, fechado).

Prompt-set LLM semanal (20 minutos para definir): decidiu rodar cinco prompts canônicos toda segunda-feira no ChatGPT free e no Perplexity free:

1. "Quais marcas de semijoia confiáveis existem em Goiás?"
2. "Como saber se semijoia de banho ouro 18k é boa qualidade?"
3. "Quem é Patrícia Caramaschi joalheria?"
4. "Onde comprar semijoia em Aparecida de Goiânia?"
5. "Qual a diferença entre joalheria e semijoia?"

O resto da tarde foi feito o primeiro registro retroativo — Mariana fez busca manual no Google por "Herreira" e listou seis menções históricas que conseguiu encontrar nos últimos 12 meses.

Em três meses (fevereiro a maio de 2026), o sistema detectou:

• Duas menções erradas em blogs de moda: um blog em Brasília afirmava que "Herreira é marca de SP" (errado: Goiânia); outro citava preço médio errado da linha de aliança. Ação: Mariana enviou email educado ao blog com correção e fonte; um corrigiu, outro ignorou (e foi registrado para Patrícia escalar com Carolina, revendedora B2B em Brasília).
• Uma menção em resposta do ChatGPT: o prompt de semana 7 "Onde comprar semijoia em Aparecida de Goiânia?" passou a incluir "Mariana, revendedora Herreira" como uma das três sugestões. Ação: print salvo em pasta Google Drive com naming canônico `2026-04-22chatgptaparecida-semijoia.png`, registrado na planilha como sentimento positivo.
• Uma edição maliciosa na página Wikipedia "Joalheria": um usuário anônimo havia removido um parágrafo sobre "joalheria brasileira contemporânea" que citava casos como Antônio Bernardo. O alerta da Watchlist chegou no email de Mariana na quarta-feira pela manhã.

Sobre essa última, Mariana mandou áudio para Patrícia:

> "Patrícia, um cara editou a Wikipedia tirando o parágrafo sobre joalheria brasileira. Não cita a Herreira diretamente, mas tira o contexto. Eu já reverti, com a fonte que a senhora me mandou na semana passada — o livro do Antônio Bernardo. Tá lá de novo."

Patrícia respondeu, em conversa posterior:

> "Mariana, foi a melhor coisa que aconteceu esse mês. Você acabou de proteger não só a Herreira, mas a categoria inteira. Vou contar isso na próxima reunião de revendedoras-âncora — você virou olho da marca em Aparecida sem ser engenheira. É exatamente o que eu quero replicar em Curitiba, Recife e BH."

Métricas do caso Mariana, três meses:

• 4 menções detectadas (2 erradas, 1 positiva LLM, 1 estrutural Wikipedia)
• Tempo médio de detecção: 4 dias (alerta Google chegava em 1-2 dias, watchlist em 1 dia, prompt-set toda semana)
• Tempo médio de ação: 6 dias entre detecção e ação tomada
• Custo total: R$ 0 (Google Alerts, Wikipedia Watchlist, Google Sheets, ChatGPT free, Perplexity free — todos gratuitos)
• Tempo investido: 4 horas setup inicial + 30-45 minutos por semana

O caso de Mariana virou referência interna. Em maio de 2026, Patrícia replicou a estrutura para mais cinco revendedoras-âncora em Curitiba (Beatriz), BH (Helena), Recife (Larissa), Brasília (Carolina) e SP (Renata).

Procedimento canônico em sete passos

Passo 1 — Criar quatro Google Alerts (15 minutos).

Acesse google.com/alerts logada na conta Google da marca ou da revendedora. Para cada alerta:

• Nome da marca entre aspas: `"Herreira semijoias"` (aspas forçam match exato)
• Nome da fundadora entre aspas: `"Patrícia Caramaschi"`
• Palavra-chave técnica nuclear: `"banho ouro 18k Brasil"` (ou equivalente do seu nicho)
• Nome próprio da revendedora-âncora: `"Mariana joalheria Aparecida"`

Configurações em cada alerta:

• Frequência: "À medida que ocorrem" (não use "Uma vez por dia" — perde sinais críticos)
• Fontes: Marque todas (Web, Notícias, Blogs, Vídeo, Livros, Discussões)
• Idioma: Português
• Região: Brasil (mas teste também "Qualquer região" para menção internacional)
• Quantidade: Apenas os melhores resultados (filtra ruído)
• Entregar para: email principal da marca

Passo 2 — Configurar Wikipedia Watchlist (10 minutos).

Crie conta na Wikipedia portuguesa (pt.wikipedia.org). Não precisa editar — basta estar logada. Vá até cada página relevante e clique no ícone de estrela ou link "Vigiar página":

Páginas mínimas para joalheria brasileira:

• Joalheria
• Semijoia
• Banho de ouro
• Ourivesaria
• Bijuteria

Páginas opcionais conforme nicho:

• Verbete da cidade-sede (ex: Goiânia)
• Verbete de personalidade do setor citada (ex: Antônio Bernardo)
• Verbete técnico (ex: Cravação de pedras)

Configure email diário em Preferências > Notificações > "Enviar resumo diário das páginas vigiadas".

Passo 3 — Montar planilha com seis colunas canônicas (45 minutos).

No Google Sheets, crie aba "Monitoramento 2026" com cabeçalhos:

• Data: data da menção (não da detecção)
• Fonte: URL completo + plataforma (ex: "ChatGPT", "Blog X", "Wikipedia")
• Contexto: trecho literal ou resumo de 1-2 linhas
• Sentimento: positivo, neutro, negativo, errado (categórico, não use escala)
• Ação tomada: o que foi feito (corrigir, agradecer, ignorar, escalar)
• Status: aberto, em andamento, fechado

Crie uma segunda aba "Prompts canônicos" com a lista de cinco prompts e colunas para registrar resposta semana a semana.

Passo 4 — Rodar prompt-set semanal LLM mínimo (10 minutos por semana).

Toda segunda-feira de manhã, rode os cinco prompts canônicos em duas plataformas:

• ChatGPT free (chat.openai.com): cole prompt, copie resposta para a planilha
• Perplexity free (perplexity.ai): cole prompt, copie resposta + URLs citadas

Anote na planilha "Prompts canônicos":

• Se a marca aparece (sim/não)
• Em qual posição (1º, 2º, 3º, fim)
• Se a citação está correta (sim/não, e se errada, qual o erro)

Tire screenshot para evidência forense — LLMs mudam resposta dia a dia, e o registro textual sozinho não basta em caso de disputa.

Passo 5 — Verificar GA4 segmento "LLM referral" (5 minutos por semana).

No GA4 da marca, crie segmento permanente "LLM referral" filtrando por referrer:

• `chatgpt.com`
• `perplexity.ai`
• `copilot.microsoft.com`
• `gemini.google.com`
• `claude.ai`

Toda segunda-feira, abra o segmento e veja sessões da semana anterior. Anote na planilha quantas sessões vieram de cada LLM e quantos leads/conversões geraram. Esse dado fecha o ciclo: menção detectada → tráfego gerado → conversão atribuída.

Passo 6 — Reunião mensal de 30 minutos.

Primeira quarta-feira do mês, com a fundadora e a assistente (ou equivalente):

• Revisar planilha completa do mês
• Listar menções erradas que ainda não foram corrigidas → decidir ação
• Listar menções positivas → decidir se vira conteúdo (post no Instagram, story, depoimento em landing)
• Listar tendências (ex: "três menções esse mês foram sobre prazo de entrega — virou tema")
• Decidir uma ação estratégica do mês (corrigir blog X, responder Reddit Y, editar Wikipedia Z)

Passo 7 — Escalar gradualmente conforme faturamento.

Após 6 meses operando manual, se o faturamento permitir, considere ferramentas que complementam (não substituem) o sistema manual:

• Otterly.AI (R$ 1.500-2.500/mês): cobre mais LLMs, automatiza prompt-set
• Goodie AI (R$ 2.000-3.500/mês): brand monitoring multi-LLM
• Profound (R$ 8.000-15.000/mês): enterprise, faz sentido apenas se faturamento passar R$ 5M/ano

A lógica é: manual nunca sai do estoque, porque dá contexto e dono. Ferramentas adicionam cobertura, não substituem a leitura humana semanal.

FAQ — perguntas reais que revendedoras Herreira fizeram

Quanto tempo por semana isso consome de verdade, sem floreio?

Para uma marca pequena com 1 marca, 1 fundadora e 1 área técnica nuclear, são 30 a 45 minutos por semana depois do setup inicial de quatro horas. Para uma marca maior — por exemplo, o Grupo HAV operando Herreira + Aulore + Vitesse simultaneamente — multiplique por 1,5x a 2x, ficando em 60 a 90 minutos semanais. Compare com a alternativa enterprise: ferramenta Profound exige reuniões mensais de 2 a 3 horas para revisão de relatório, mais o custo do software, mais o esforço de implantação. Em horas-equivalentes para small business, o manual sai mais barato e dá mais contexto.

Google Alerts cobre menção em LLM (ChatGPT, Perplexity, Copilot)?

Não diretamente. Google Alerts cobre web indexada — blogs, sites de notícia, fóruns públicos, alguns vídeos. Menção dentro de uma resposta de IA não é uma página web indexada, então Google Alerts não vê. Por isso o prompt-set semanal manual é necessário e não pode ser pulado. Mas Google Alerts cobre as fontes que alimentam os LLMs (Reddit, news, blogs autoritativos), então pega sinais antecipados — se a marca foi citada em um post Reddit que está bombando, você descobre via Alerts antes do LLM começar a citar.

Devo registrar resposta de LLM como print de tela ou como texto?

Os dois. Print serve como evidência forense porque LLMs mudam resposta dia a dia, e o que aparece hoje pode não aparecer amanhã. Texto serve para indexação na planilha (busca, filtro, comparação ao longo do tempo). Salve ambos em pasta Google Drive com naming canônico no formato `AAAA-MM-DDplataformatopico.png` e `.txt`. Exemplo real: `2026-04-22chatgptaparecida-semijoia.png` + `2026-04-22chatgptaparecida-semijoia.txt`. Organize por mês em subpastas para facilitar auditoria.

Como decidir se uma menção é positiva, neutra, negativa ou errada sem ferramenta de sentiment analysis automatizada?

Leitura humana é melhor do que sentiment analysis automatizada para nichos pequenos — as ferramentas erram demais em contexto técnico de joalheria, semijoia, banho de ouro. Use três critérios em sequência:

• (a) A marca é apresentada como recomendação (positivo), exemplo neutro (neutro) ou exemplo de problema (negativo)?
• (b) O leitor sai querendo saber mais e ir até a marca, ou sai desistindo?
• (c) O conteúdo está factualmente correto?

Se a resposta é "sim" nas três, é positivo. Se está factualmente errado em qualquer ponto crítico (preço, sede, qualidade técnica, identidade da fundadora), classifique como errado — esta é a categoria mais importante porque requer ação imediata, independentemente do tom da menção.

Patrícia Caramaschi monitora pessoalmente ou delega para alguém?

As duas coisas, com divisão clara. Patrícia faz a revisão semanal de segunda-feira de manhã com a Ana, sua assistente — 30 minutos, planilha aberta, decisões anotadas. Esse momento é dela, não delega. Mas a maior parte do trabalho operacional subsequente (responder Reddit, editar Wikipedia, corrigir blog errado, fazer print de tela) é distribuída para revendedoras-âncora como Mariana em Aparecida, Carolina em Brasília, Helena em BH. A regra interna é: Patrícia define a estratégia e a regra do que vira ação; revendedoras-âncora executam na ponta. Isso escala sem contratar funcionário novo e desenvolve revendedora como co-dona da reputação da marca.

E se eu não tiver revendedora-âncora ainda — começo sozinha?

Sim. O sistema todo funciona com uma pessoa só, especialmente nos primeiros 3 a 6 meses quando o volume de menção ainda é baixo. À medida que detecta padrão — por exemplo, três menções em Recife em dois meses — esse é o sinal para identificar uma revendedora-âncora local e delegar parte da execução. O sistema cresce orgânico junto com a operação.

Cross-links para aprofundar

Dentro da Herreira Academy:

• [Aula anterior — Autoridade de autor via schema Person + Author combinados](/pt-BR/aulas/t6-llm-platforms-monitoring/autoridade-autor-schema-combinado-person-author)
• [Aula relacionada — Wikipedia PT, joalheria brasileira, edição real e segura](/pt-BR/aulas/t6-multilingue-publicacao-llm/wikipedia-pt-joalheria-brasileira-edicao-real)
• [Trilha completa — GEO Joalheria, fundamentos da disciplina](/pt-BR/trilhas/geo-joalheria)

Fontes externas para consulta direta:

• [Google Alerts — página de configuração oficial](https://www.google.com/alerts)
• [Wikipedia — Ajuda: Vigiar páginas (Watchlist)](https://pt.wikipedia.org/wiki/Ajuda:Vigiar_p%C3%A1ginas)

Próximo passo

Você acabou de fechar a sequência de monitoramento citizen developer — sabe configurar Google Alerts, Wikipedia Watchlist, planilha de seis colunas, prompt-set semanal LLM e ritual de reunião mensal. A próxima trilha da Herreira Academy entra em comunicação digital — é onde os insights detectados neste monitoramento viram conteúdo publicado em redes sociais, blog da marca e grupos de WhatsApp de revendedoras. Monitorar sem publicar é desperdício; publicar sem monitorar é tiro no escuro.

[Avançar para Trilha Comunicação Digital](/pt-BR/trilhas/comunicacao-digital)