A nova era da demanda B2B

1. O comprador mudou antes do funil

No ensaio anterior, sobre o custo do lead depois do formulário, deixei uma pergunta para este texto: que sistema vale construir para cada problema de compra? Antes de responder, este levantamento descreve as arquiteturas de demanda que empresas de software e tecnologia passaram a usar e separa o que está documentado do que ainda é promessa.

O ponto de partida é uma mudança no comprador. Em pesquisa com 646 compradores B2B, feita entre agosto e setembro de 2025 e divulgada em março de 2026, a Gartner encontrou 67% que preferem comprar sem a participação de um vendedor. Na mesma amostra, 45% disseram ter usado IA numa compra recente.

Numa página arquivada em 2023, a Gartner registrou outro dado: compradores que usam ferramentas digitais do fornecedor junto com um vendedor têm 1,8 vez mais chance de concluir um negócio de alta qualidade do que os que as usam sozinhos.

Um número mede preferência; o outro, resultado. Lidos juntos, descrevem um comprador que dispensa o vendedor no começo, mas fecha melhor quando ele entra com o caminho adiantado. A leitura rival é que compradores mais preparados já fechariam melhor de qualquer forma, e a página não permite separar as duas.

A mesma fonte descreve a compra como seis tarefas que o grupo comprador percorre e revisita fora de ordem: identificar o problema, explorar soluções, definir requisitos, selecionar fornecedores, validar a escolha e construir consenso. A Gartner afirma ainda que 99% das compras B2B nascem de mudanças na organização compradora.

O funil mais difundido na década passada respondia a outro comprador. O conteúdo ficava atrás de um cadastro, o cadastro recebia uma pontuação, chamada MQL (marketing qualified lead, contato qualificado pelo marketing), e a pontuação acionava um contato comercial. A figura 1 compara esse percurso com o desenho que as arquiteturas deste levantamento têm em comum.

Figura 1Dois desenhos de entradaEsquema do autor · sem proporções

Funil de formulárioArquiteturas por sinal

1. Anúncio ou buscaatenção comprada
2. Conteúdo trancadoe-book, webinar, relatório
3. Formulárionome, e-mail, cargo
4. Pontuação MQLregras de perfil e clique
5. Primeiro contatoa descoberta começa aqui
6. Oportunidadese houver compra

Descoberta na conversa

Primeiro sinal pedido ao comprador: preencher um formulário. Custa quase o mesmo para quem vai comprar e para quem não vai, por isso informa pouco. Descobrir se há compra fica para a conversa.

2. Método

O material de partida foram três relatórios produzidos com ferramentas de pesquisa assistida por IA, em duas rodadas, sobre arquiteturas de demanda para empresas de software e tecnologia. A primeira rodada descreveu seis arquiteturas e a segunda acrescentou cinco. Os relatórios traziam dezenas de números, casos e nomes de empresas.

Cada número foi procurado na fonte primária entre 30 de setembro e 1º de outubro de 2026: comunicado, relatório, documentação oficial, lei ou artigo científico. Quando a fonte primária não apareceu, o número ficou fora, mesmo que circule amplamente. A seção 10 lista alguns desses casos.

A evidência que sobrou foi classificada em cinco degraus, na figura 2. O degrau indica a procedência da informação e não diz se ela é verdadeira. Um dado de fornecedor pode estar correto, mas foi produzido por quem tem interesse no resultado e com método que raramente se consegue auditar.

Figura 2Escada de evidênciaProcedência das fontes deste levantamento

1. 1Norma e documentação oficial5 fontes
2. 2Pesquisa com amostra declarada4 fontes
3. 3Dados agregados de fornecedor5 fontes
4. 4Caso ou declaração de fornecedor4 fontes
5. 5Mecanismo sem número verificado4 temas

1Norma e documentação oficial5 fontes

Diz o que a regra ou a plataforma estabelece. Não mede efeito comercial.

• Lei nº 13.709/2018 (LGPD)
• Google Search Central: recursos de IA na busca
• Google Search Central: políticas de spam
• OpenAI: robôs de rastreamento
• Meta: anúncios de clique para o WhatsApp

Cada arquitetura é descrita pelo mecanismo, isto é, pelo modo como produz informação sobre o comprador; os nomes comerciais variam de fornecedor para fornecedor e aparecem só entre parênteses. As empresas citadas ilustram o mecanismo, sem constituir recomendação.

3. Um mapa em quatro famílias

Em 1973, o economista Michael Spence mostrou que um sinal só separa candidatos de tipos diferentes quando custa mais para uns do que para outros. O trabalho rendeu a ele o Nobel de Economia de 2001, dividido com George Akerlof e Joseph Stiglitz, por análises de mercados com informação assimétrica.

A ideia serve de lente para este mapa, com um ajuste. Aqui é o vendedor quem monta o filtro, e o comprador se revela pelo que aceita fazer: é a triagem que Stiglitz modelou com Michael Rothschild em 1976.

A analogia tem limite. Nos dois modelos, o custo do sinal entra no cálculo do equilíbrio; aqui ele serve só como critério de leitura, sem modelagem. O ganho é uma pergunta que vale para qualquer arquitetura: quanto custa o sinal a quem não vai comprar?

Preencher um formulário custa quase o mesmo para quem vai comprar e para quem não vai. Testar um produto, rodar um diagnóstico ou pedir uma apresentação a um parceiro custa mais a quem não tem o problema.

Outras arquiteturas não cobram esforço do comprador: leem o que ele faz ao pesquisar ou observam eventos na empresa dele. A diferença pesa no custo e na dependência de terceiros, e a seção 8 volta a ela.

Todas fazem a mesma troca: tiram parte da descoberta da agenda de quem vende e a colocam em produto, conteúdo, dados ou relacionamento.

Na primeira família, o comprador recebe algo útil e revela o problema ao usá-lo. Na segunda, a empresa ocupa os lugares onde o comprador pesquisa. Na terceira, lê sinais que o comprador deixa. Na quarta, empresta a confiança de um parceiro. A figura 3 reúne as onze, com mecanismo, sinal, exemplo, degrau de evidência, custo, risco e leitura para o Brasil.

Figura 3Mapa das onze arquiteturasClique numa arquitetura para abrir a ficha

Por famíliaPor evidência

Valor antes do contatoPresençaSinaisConfiança emprestada

1. Ferramentas e diagnósticos gratuitos
2. Produto que se demonstra
3. Código aberto e desenvolvedores
4. Dados proprietários e benchmarks
5. Criação de demanda e dark social
6. Audiência própria
7. Busca de cauda longa e busca generativa
8. Prospecção por sinais com humano no circuito
9. Identidade no funil invisível
10. Agentes de IA na operação comercial
11. Nearbound e venda conjunta

4. Valor antes do contato

4.1 Ferramentas e diagnósticos gratuitos

A primeira arquitetura oferece uma ferramenta que resolve um pedaço do problema do comprador. Recebe o nome de engineering as marketing (engenharia como marketing): no lugar de uma peça de conteúdo, a empresa constrói um utilitário. O resultado do uso revela o problema, e o problema é a informação que a conversa comercial precisaria descobrir.

O caso clássico é o Website Grader, lançado pela HubSpot em fevereiro de 2007. A ferramenta dava uma nota de 0 a 100 a um site e, segundo o blog da empresa, já havia avaliado mais de 1 milhão de endereços. O mesmo texto registra o propósito: gerar repercussão, tráfego orgânico, links e contatos comerciais, além de servir ao processo de vendas.

A Gartner recomenda a mesma lógica: calculadoras de custo, seletores de produto e ferramentas de visualização que ajudam o comprador a validar decisões ao longo da compra. Com modelos de linguagem, o diagnóstico passou a ler documentos, sites ou planilhas do próprio comprador. O custo muda de natureza e vira engenharia, manutenção e processamento a cada uso.

4.2 Produto que se demonstra

A segunda arquitetura deixa o comprador experimentar o produto antes de falar com alguém. Inclui planos gratuitos, períodos de teste e demonstrações interativas, que são percursos clicáveis pelo produto. O conjunto costuma ser chamado de product-led growth (crescimento puxado pelo produto). O sinal produzido é comportamento: que telas o comprador abriu e onde parou.

A Navattic, fornecedora de demonstrações interativas, analisou mais de 40 mil demonstrações da própria base. No 1% com maior taxa de clique, 66% não tinham formulário. Nas demais, ele ficava mais vezes no fim (45%) do que no início (34%). A figura 4 mostra as taxas informadas para os dois grupos.

Figura 4Demonstrações com e sem cadastroNavattic · base própria · 2026

Sem formulárioCom formulário

Engajamentovisitantes que passaram do primeiro passo

58%sem

52%com

+6 p.p. sem formulário

Conclusãovisitantes que terminaram o primeiro fluxo

49%sem

42%com

+7 p.p. sem formulário

Clique externo base: engajadosengajados que clicaram numa chamada para fora da demonstração

69%sem

72%com

+3 p.p. com formulário

Com formulário, menos visitantes exploraram o produto (52% contra 58%), e o clique entre os que ficaram foi um pouco maior (72% contra 69%). A segunda diferença pouco informa, porque o grupo foi escolhido pela própria taxa de clique. A primeira é compatível com um filtro que afasta curiosos e parte dos interessados, mas quem pede cadastro pode vender outro produto a outro público.

O extremo dessa arquitetura aparece na página de preços da PostHog, plataforma de análise de produto: segundo a empresa, 97% das companhias usam o serviço de graça. O modelo só se sustenta se a minoria pagante cobrir a operação, o que exige um produto cujo uso cresça junto com o cliente.

4.3 Código aberto e desenvolvedores

A terceira arquitetura usa o código como canal de distribuição. O produto é publicado em código aberto (open source), desenvolvedores o adotam sem falar com vendas e a empresa cobra por hospedagem, escala ou recursos corporativos. A decisão de compra costuma começar com quem vai usar a ferramenta, antes de chegar a quem assina o contrato.

A PostHog também ilustra este caso. O repositório principal usa licença MIT, com exceção do diretório de recursos corporativos. O README do repositório indica que a instalação própria gratuita suporta cerca de 100 mil eventos por mês e recomenda migrar para a nuvem paga a partir daí. O limite técnico funciona como sinal de compra.

4.4 Dados proprietários e benchmarks

A quarta arquitetura publica dados que só a empresa possui. Relatórios periódicos e índices de comparação (benchmarks) viram fonte para imprensa, analistas e modelos de IA, e a marca passa a ser citada quando o comprador pesquisa o tema. O sinal é indireto: menções, citações e pedidos de acesso aos dados.

O Ramp AI Index é um exemplo. A Ramp, empresa de cartões corporativos e gestão de despesas, mede todo mês a adoção de IA em mais de 70 mil empresas americanas a partir de transações de cartão, faturas e pagamentos. Em agosto de 2026, o índice apontava 56,1% de adoção, contra 22,1% numa pesquisa do Census Bureau, órgão de estatística do governo americano.

A distância torna o dado citável e também o expõe a crítica de método: a amostra é de clientes da Ramp, e um único pagamento a produto ou serviço de IA no mês já conta como adoção. No Brasil, publicar dados agregados de clientes exige anonimização real: pela LGPD, dado anonimizado que possa ser revertido com esforço razoável volta a ser dado pessoal (art. 12).

5. Presença onde o comprador pesquisa

5.1 Criação de demanda e dark social

A quinta arquitetura separa dois trabalhos que o funil tratava como um só. Criar demanda é fazer um grupo de pessoas reconhecer um problema e associá-lo a uma empresa. Capturar demanda é estar disponível quando essas pessoas procuram uma solução. A criação acontece em conteúdo aberto, sem cadastro, em redes sociais, podcasts, newsletters e comunidades.

Boa parte desse consumo escapa ao software de atribuição. O termo dark social (circulação social não rastreada) designa recomendações em conversas privadas, grupos e eventos. A solução mais difundida é perguntar ao comprador, num campo aberto do formulário de contato, como ele conheceu a empresa. O método se chama atribuição autodeclarada.

A Refine Labs, agência americana que defende o método, publicou em abril de 2023 um estudo de 12 meses com 620 conversões e US$ 21,5 milhões em receita recorrente anual. Os podcasts responderam por 53% da receita segundo os compradores e por 0% segundo o software, que não registra quem só ouve. A nota pública não descreve a base, e o estudo vem de quem vende o método.

Figura 5Criar e capturarEsquema do autor · dado da Refine Labs

O que o software registraO que o comprador declara

Criação forma a memória

• Conteúdo abertoinvisível
• Podcast e vídeoinvisível
• Comunidades e gruposinvisível
• Recomendação de paresinvisível

Memória do comprador

Captura converte a memória

• Busca pelo nomeorigem
• Acesso diretoorigem
• Formulário de contatoorigem
• Pedido de demonstraçãoorigem

Refine Labs · 620 conversõesPodcasts: participação na receita

0%pelo software

53%pelo comprador

Uma pesquisa da Edelman com o LinkedIn, com quase 2 mil profissionais em 2025, ajuda a explicar a parte invisível. Ela descreve compradores ocultos: pessoas de finanças, jurídico, compras ou operações que influenciam a decisão sem aparecer nas reuniões. Entre eles, 71% relataram pouca ou nenhuma interação com equipes de vendas.

Na mesma pesquisa, 95% desses compradores disseram ficar mais receptivos a contato comercial depois de consumir bom conteúdo analítico, o que a pesquisa chama de thought leadership (liderança de pensamento). O LinkedIn, coautor do estudo, vende anúncios para distribuir esse tipo de conteúdo.

5.2 Audiência própria

A sexta arquitetura leva a criação de demanda ao limite: a empresa passa a operar um veículo de mídia. Newsletters, podcasts e canais de vídeo são mantidos como ativos permanentes, com audiência que coincide com o público comprador. O sinal é a relação continuada: quem abre, responde e compartilha ao longo de meses.

Em fevereiro de 2021, a HubSpot anunciou a compra da The Hustle, empresa de mídia cuja newsletter diária tinha mais de 1,5 milhão de leitores. No comunicado, o vice-presidente sênior de marketing da HubSpot afirmou que, para muitos clientes, o primeiro contato com a empresa acontece pelo blog, pela academia de cursos e pelo YouTube, antes do software.

O mesmo comunicado informava 7 milhões de leitores mensais nos blogs da HubSpot e mais de 300 mil pessoas certificadas pela academia da empresa. Certificações e modelos prontos (templates) funcionam como variações desta arquitetura: o comprador aprende dentro de um ambiente da marca.

5.3 Busca de cauda longa e busca generativa

A sétima arquitetura trata a busca como infraestrutura. Uma parte é o SEO programático, que gera páginas a partir de uma base de dados para responder a milhares de consultas específicas, a chamada cauda longa. O Zapier, plataforma de automação, mantém uma página para cada aplicativo integrado e também para pares, como Gmail e Slack, com os gatilhos e ações disponíveis.

A outra parte é aparecer nas respostas de assistentes de IA, que resumem páginas em vez de listá-las. O campo ganhou o nome de GEO (generative engine optimization, otimização para mecanismos generativos). Um artigo apresentado na conferência KDD em 2024 relatou ganhos de até 40% de visibilidade num conjunto de testes montado pelos próprios autores.

As plataformas dizem outra coisa. A documentação do Google, atualizada em dezembro de 2025, afirma que não há requisitos adicionais nem otimizações especiais para aparecer nos resumos gerados por IA. A política de spam da mesma empresa trata como abuso o uso de IA generativa para criar muitas páginas sem valor para o usuário.

Há também um controle técnico pouco conhecido. A OpenAI separa o robô que indexa páginas para a busca do ChatGPT (OAI-SearchBot) do robô que coleta conteúdo para treinar modelos (GPTBot). Segundo a documentação, as regras de cada um no arquivo robots.txt são independentes, e sites que bloqueiam o primeiro deixam de aparecer nas respostas de busca.

6. Leitura de sinais

6.1 Prospecção por sinais com humano no circuito

A oitava arquitetura renova a prospecção ativa (outbound). No lugar de listas amplas, a empresa monitora eventos que indicam momento de compra e só aborda quem passou por um deles. A Clay, plataforma de dados para prospecção, define sinal como a razão que torna o envio bem-vindo em vez de aleatório.

Os exemplos da Clay: rodada de investimento, contratação na área que compra, ferramenta concorrente citada em vaga de emprego, aliado que mudou de empresa. Agentes de IA pesquisam a conta e redigem a primeira mensagem. Uma pessoa revisa antes do envio, arranjo chamado human-in-the-loop (humano no circuito). A autonomia pode crescer por etapas, como mostra a figura 6.

Figura 6O circuito e a autonomiaEsquema do autor · níveis ilustrativos

Autonomia

2 · Rascunho

1 · Assistido2 · Rascunho3 · Amostragem4 · Exceções

A IA também prioriza e redige. Toda mensagem passa por revisão humana antes do envio.

1. Sinal detectadovaga, rodada, troca de empregoIA
2. Pesquisa da contaempresa, pessoa, contextoIA
3. Prioridaderegra de pontuaçãoIA
4. Rascunhomensagem com o motivoIA
5. Revisãocorrige, aprova, descartaPessoa
6. Envio e cadência3 a 5 toques, 2 a 3 semanasPessoa
7. Respostaconversa ou descartePessoa

O resultado das respostas volta para ajustar os critérios de sinal e de prioridade.

Etapas com decisão humana 3 de 7

IAPessoaMisto

O único número de resultado encontrado é um caso divulgado pela própria Clay: a Intercom teria aumentado em 140% as oportunidades vindas de prospecção ativa depois de montar a segmentação na plataforma.

6.2 Identidade no funil invisível

A nona arquitetura tenta identificar quem visita o site sem preencher formulário. Serviços de identificação cruzam endereço IP, cookies e bases de terceiros para apontar a empresa e, às vezes, a pessoa por trás da visita. A intenção é abordar a conta enquanto ela pesquisa.

A Warmly, fornecedora desse serviço, publicou taxas de identificação com base em mais de 1.600 organizações e 9 milhões de visitas por mês. A figura 7 resume os números. A própria empresa alerta que demonstrações comerciais costumam exibir taxas três a cinco vezes maiores que as de produção.

Figura 7Quem se consegue identificarWarmly · taxas declaradas

EUA, valor aproximadoFora dos EUA, faixa

0%25%50%75%100%

Por empresa

EUA

≈ 65%

Fora dos EUA

20% a 40%

Por pessoa

EUA

≈ 15%

Fora dos EUA

3% a 8%

A mesma fonte afirma que a identificação no nível da empresa costuma ser admitida pela GDPR, a lei europeia de proteção de dados. No nível da pessoa, o quadro muda. A LGPD define como dado pessoal a informação sobre pessoa identificada ou identificável (art. 5º, I) e alcança também dados usados para formar o perfil comportamental de uma pessoa identificada (art. 12, § 2º).

6.3 Agentes de IA na operação comercial

A décima arquitetura é a mais recente, a menos documentada e a única que não cria um sinal novo. Ela reorganiza a operação que lê os sinais das arquiteturas 8 e 9: vários agentes de IA dividem tarefas, e um pesquisa contas, outro qualifica, outro redige, outro agenda e registra no CRM. Os relatórios de partida chamam o arranjo de agentic GTM swarms (enxames de agentes de entrada no mercado).

Por isso ela herda as restrições das duas e acrescenta uma: o erro de um critério se repete em escala antes que alguém perceba. Nenhum resultado mensurável desse modelo foi localizado.

O que há de sólido vem do lado do comprador: 45% dos entrevistados pela Gartner usaram IA numa compra recente, e a consultoria recomenda organizar o conteúdo de vendas em blocos modulares, prontos para serem montados por agentes. Se o comprador consulta um agente, parte da venda passa a ser escrita para máquinas.

7. Confiança emprestada

7.1 Nearbound e venda conjunta

A décima primeira arquitetura parte de uma constatação simples: parte dos clientes de uma empresa já é atendida por parceiros dela, como integradores, consultorias e fornecedores de sistemas complementares. O cruzamento das carteiras, chamado account mapping (mapeamento de contas), mostra a sobreposição. O contato passa a chegar pela apresentação de quem o cliente já conhece, prática chamada de nearbound.

Em junho de 2024, a Crossbeam e a Reveal, duas plataformas desse mercado, anunciaram a fusão. Segundo o comunicado, a rede combinada reunia dados de ecossistema de mais de 25 mil empresas. O texto não traz número sobre efeito em taxa de fechamento ou tamanho de contrato, e nenhum outro foi localizado.

O compartilhamento de carteira é o ponto sensível. Trocar listas de clientes com parceiros envolve contrato, concorrência e, quando há dados de pessoas, base legal pela LGPD. Este levantamento não examinou como as plataformas tratam essas questões.

7.2 Formatos adjacentes

Os relatórios citam ainda formatos que funcionam como variações das arquiteturas anteriores: eventos pequenos e presenciais, mercados de agentes de IA e a divisão de um conteúdo longo em dezenas de peças curtas. Nenhum deles teve número conferido na fonte primária nesta rodada.

8. O que muda na operação

Lidas em conjunto, as onze arquiteturas mudam três coisas na operação comercial. A primeira é o lugar da descoberta. Parte das perguntas que o vendedor fazia na primeira reunião passa a ser respondida pelo uso de uma ferramenta, pelo consumo de conteúdo ou pela indicação de um parceiro.

A segunda é a unidade de medida. O cadastro perde o posto de evento principal, e entram uso de produto, autodeclaração, citações e sobreposição de carteira. A terceira é o tipo de custo. A despesa migra de mídia e atendimento para engenharia, produção editorial, dados e relacionamento, custos que tendem a ser mais fixos e de retorno mais lento.

Para quem aprova orçamento, a terceira mudança é a que mais pesa. Mídia se liga e desliga de uma semana para outra. Um diagnóstico, um produto demonstrável ou uma audiência exigem investimento antes do primeiro sinal e só se pagam se forem mantidos. As fontes conferidas não trazem custo nem prazo de retorno comparáveis entre arquiteturas, por isso o quadro 1 as ordena por critério, sem números.

Quadro 1. Quem produz o sinal pesa no custo e na dependência
Leitura do autor a partir das fichas da figura 3 · prazo é o tempo relativo até o primeiro sinal útil

Lido por colunas, o quadro separa três grupos. As que cobram esforço do comprador ou do parceiro (1, 2, 3 e 11) produzem, pela lente da seção 3, o sinal que mais custa a quem não tem o problema. Dependem pouco de bases alheias, mas pedem investimento antes e paciência.

As de presença (4 a 7) também se apoiam em ativo próprio, mas o sinal chega indireto ou tarde, pela citação, pela memória ou pela busca do comprador; só a busca depende muito de terceiros. As que observam a empresa compradora (8, 9 e 10) dão sinal mais cedo e com custo variável, em troca de depender de bases alheias e de base legal para usar dados de pessoas.

O quadro não mede retorno. Ele organiza uma escolha que o orçamento terá de fazer de qualquer jeito: pagar antes, por um ativo próprio, ou pagar pelo uso de um dado alheio. A seção 9 mostra por que essa escolha pende para o primeiro lado no Brasil.

A figura 8 cruza, por leitura do autor, as arquiteturas com as seis tarefas de compra descritas pela Gartner. Serve para mostrar que nenhuma arquitetura cobre sozinha o percurso inteiro e que algumas tarefas, como a construção de consenso, têm poucas opções.

Figura 8Seis tarefas, onze arquiteturasTarefas: Gartner · correspondência: autor

Correspondência entre as seis tarefas de compra descritas pela Gartner e as arquiteturas, numeradas como na figura 3:

• Identificar o problema: 1, 4, 5 e 6.
• Explorar soluções: 5, 6, 7, 10 e 11.
• Definir requisitos: 1, 2, 3 e 7.
• Selecionar fornecedores: 2, 3, 8, 9 e 11.
• Validar a escolha: 1, 2, 4 e 11.
• Construir consenso: 1, 5 e 11.

9. O caso brasileiro

Quase toda a evidência deste levantamento vem dos Estados Unidos. Três diferenças alteram o peso das arquiteturas no Brasil. A primeira é o WhatsApp. A Meta oferece anúncios que levam as pessoas diretamente para conversas com a empresa no aplicativo, com objetivos que vão de reconhecimento a vendas.

Nesse formato, o sinal que o comprador emite é o mais barato possível: um toque. Toda a descoberta cai no atendimento, e o ensaio anterior mostrou o que isso pode custar em horas de equipe. As arquiteturas da primeira família, que entregam diagnóstico ou demonstração antes da conversa, podem ser lidas como formas de fazer a conversa no WhatsApp começar mais adiante.

A segunda diferença é a LGPD. Sem consentimento do titular, a hipótese legal mais próxima da prospecção por sinais e da identificação de visitantes é o legítimo interesse (art. 7º, IX). O artigo 10 limita o tratamento aos dados estritamente necessários, exige transparência e permite à autoridade pedir relatório de impacto. Este texto não substitui análise jurídica.

A terceira é a qualidade dos dados. Fora dos Estados Unidos, segundo a Warmly, de cada 100 visitantes, a ferramenta identifica a empresa de 20 a 40 e a pessoa de 3 a 8. É provável que bases de sinais e de intenção de compra também sejam mais pobres para empresas brasileiras, hipótese que este levantamento não testou.

O efeito combinado favorece, no Brasil, arquiteturas que dependem de ativos próprios, como ferramentas, produto, conteúdo, dados e parceiros, sobre as que dependem de bases de terceiros. No quadro 1, isso desloca o peso para as linhas de dependência baixa. É uma inferência a partir das três diferenças, ainda sem medição.

Dela sai uma hipótese de desenho, ainda sem teste, para uma empresa de ticket médio com equipe comercial pequena e atendimento no WhatsApp. Antes da conversa viria um diagnóstico ou uma demonstração, para que o toque no WhatsApp já chegue com o problema descrito.

Junto, uma pergunta a todo cliente novo: como conheceu a empresa? Custa quase nada e mostra a parte invisível antes de investir em conteúdo. Em seguida, mapear os parceiros que já atendem a mesma carteira, como integradores, escritórios de contabilidade e revendas de sistemas de gestão.

Prospecção por sinais e identificação de visitantes ficariam para o fim. Dependem de bases de terceiros, que aqui são mais pobres, e do legítimo interesse, com as exigências do artigo 10.

10. Limites e o que invalidaria este mapa

O levantamento tem cinco limites principais. A maior parte da evidência vem de fornecedores, com bases próprias e métodos pouco auditáveis. Os relatórios de partida foram produzidos com ferramentas de IA, o que pode ter enviesado a escolha das arquiteturas. A conferência cobriu os números, não o mérito de cada caso.

Os casos citados são todos de sucesso, e os fracassos com o mesmo mecanismo raramente viram relatório, viés que Jerker Denrell analisou em 2003. E a classificação em famílias é do autor.

Três números frequentes nos relatórios de partida ficaram fora do texto. Em 1º de outubro de 2026, conferiu-se a origem de cada um.

O mapa perderia validade em três situações. Se estudos independentes mostrarem que o formulário na entrada, bem qualificado, produz custo de aquisição menor que as alternativas em operações comparáveis. Se a preferência por compra sem vendedor recuar nas próximas pesquisas da Gartner. Ou se os assistentes de IA passarem a concentrar a pesquisa do comprador a ponto de esvaziar as demais superfícies.

O que fica, separado por grau de apoio. Este levantamento mostra, com pesquisa de amostra declarada, que o comprador B2B prefere avançar sem vendedor e já usa IA na compra. Torna plausível, com evidência quase toda de fornecedores, que arquiteturas baseadas em sinal antecipem parte da descoberta comercial.

E deixa como hipótese o desenho brasileiro da seção 9, que só dados de operação podem confirmar ou derrubar. A próxima peça parte dessa hipótese.

Referências

1. AGGARWAL, P. et al. GEO: Generative Engine Optimization. Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, 2024. arXiv:2311.09735.
2. BENCHMARKIT. 2025 SaaS Performance Metrics Benchmarks. benchmarkit.ai. Acesso em 1 out. 2026.
3. BESSEMER VENTURE PARTNERS. Scaling to $100 Million. 21 set. 2021. bvp.com.
4. BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Planalto.
5. CLAY. Outbound sales guide. clay.com. Acesso em 30 set. 2026.
6. CROSSBEAM; REVEAL. Crossbeam and Reveal are joining forces to disrupt go-to-market strategy as we know it. PR Newswire, 25 jun. 2024. prnewswire.com.
7. DENRELL, J. Vicarious learning, undersampling of failure, and the myths of management. Organization Science, v. 14, n. 3, p. 227-243, 2003. doi:10.1287/orsc.14.2.227.15164.
8. EDELMAN; LINKEDIN. 2025 B2B Thought Leadership Impact Report. edelman.com. KINGSBURY, J. The rise of the hidden buyer. Edelman, 26 jun. 2025. edelman.com.
9. GARTNER. Gartner sales survey finds 67% of B2B buyers prefer a rep-free experience. 9 mar. 2026. gartner.com.
10. GARTNER. The B2B buying journey. Versão arquivada em 29 dez. 2021. Wayback Machine. Versão arquivada em 28 dez. 2023. Wayback Machine.
11. GOOGLE. AI features and your website. Google Search Central, atualizado em 10 dez. 2025. developers.google.com.
12. GOOGLE. Spam policies for Google web search. Google Search Central. developers.google.com. Acesso em 30 set. 2026.
13. HUBSPOT. HubSpot signs agreement to acquire The Hustle, adding content to help scaling companies grow better. Fev. 2021. hubspot.com.
14. META. Anúncios de clique para o WhatsApp. Central de Ajuda para Empresas. facebook.com. Acesso em 30 set. 2026.
15. NAVATTIC. State of the Interactive Product Demo 2026. navattic.com.
16. NOBEL PRIZE OUTREACH. The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2001. nobelprize.org.
17. OPENAI. Overview of OpenAI crawlers. developers.openai.com. Acesso em 30 set. 2026.
18. POSTHOG. Pricing. posthog.com; repositório PostHog/posthog. github.com. Acesso em 30 set. 2026.
19. RAMP. Ramp AI Index. ramp.com. Acesso em 30 set. 2026.
20. REFINE LABS. Refine Labs study confirms measurement gap in software-based attribution and releases hybrid attribution framework. 7 abr. 2023. refinelabs.com.
21. ROTHSCHILD, M.; STIGLITZ, J. Equilibrium in competitive insurance markets: an essay on the economics of imperfect information. The Quarterly Journal of Economics, v. 90, n. 4, p. 629-649, 1976. doi:10.2307/1885326.
22. SIMPLICITYDX. Brands losing a record $29 for each new customer acquired. 19 jul. 2022. simplicitydx.com.
23. SPENCE, M. Job market signaling. The Quarterly Journal of Economics, v. 87, n. 3, p. 355-374, 1973. doi:10.2307/1882010.
24. VAUGHAN, P. Website Grader evaluates over 1 million URLs. HubSpot Blog. hubspot.com.
25. WARMLY. Visitor identification match rates. warmly.ai. Acesso em 30 set. 2026.
26. ZAPIER. Gmail + Slack integration. zapier.com. Acesso em 30 set. 2026.