Como a Worksmile aumentou a visibilidade da IA em 27% com o Chatbeat

Visão geral dos resultados

Sobre a Worksmile

O Worksmile é uma plataforma de RH para toda a organização. Ela aborda os desafios enfrentados pelas equipes e gerentes de RH e, ao mesmo tempo, cuida da experiência de cada funcionário - automatiza processos, simplifica a comunicação e oferece suporte ao gerenciamento de benefícios em um só lugar.

Destaque neste estudo de caso:

Magdalena Radecka - Diretora de Marketing da Worksmile. Na Worksmile, ela lidera a equipe responsável pela geração de demanda e pelo aumento do reconhecimento da marca.

Desafio

A Worksmile percebeu que a “história da marca” não estava mais sendo contada em um único lugar - ela estava sendo reconstruída dentro das respostas do LLM. E quando as equipes de RH e de Pessoas faziam perguntas aparentemente simples, o resultado não estava alinhado de forma confiável com a maneira como a Worksmile queria ser compreendida. 

Às vezes, a descrição era precisa; outras vezes, o contexto de RH era vago, ou os modelos se baseavam em fontes de terceiros e desatualizadas, de modo que a narrativa se desviava de acordo com o prompt e o modelo.

O problema real não era uma resposta incorreta - era a falta de visibilidade e controle:

• nenhuma maneira de ver quais prompts estavam se desviando,
• nenhuma maneira de entender quais fontes estavam moldando a resposta,
• nenhum caminho claro para melhorar as classificações e tornar-se a fonte que os sistemas de IA realmente citam.

A Worksmile precisava tornar a “visibilidade da IA” operacional, algo que pudesse ser rastreado, corrigido e comprovado com o movimento em posições e citações.

Solução

A Worksmile usou o Chatbeat como um camada de visibilidade contínua de IA - rastrear como diferentes modelos respondem a perguntas específicas, quais fontes eles citam e onde a mensagem da marca diverge entre os prompts.

Isso criou um ciclo de feedback simples:

Monitoramento imediato → lacunas narrativas → ações de conteúdo → reavaliação de classificações e citações

O maior benefício do Chatbeat é uma maneira rápida e simples de ver como estamos posicionados nos LLMs em um determinado momento - quantitativamente. É possível verificar isso manualmente de forma qualitativa, mas apenas em uma pequena amostra e com um custo enorme. O Chatbeat fornece acesso rápido aos dados e nos permite reagir rapidamente.

Magdalena Radecka

Diretor de marketing da Worksmile

O que o Chatbeat oferece à Worksmile na prática

1. Controle de reputação nas respostas do LLM

Antes de a Worksmile se tornar uma plataforma de experiência do funcionário e de RH, ela era conhecida como Fitqbe, com foco em bem-estar e benefícios.

Desde então, a empresa passou a atuar em outras áreas, mas, devido a esse histórico, os LLMs às vezes eram enganosos ao descrever a marca, baseando-se em dados anteriores à reformulação da marca.

A Worksmile queria monitorar como os modelos de linguagem descrevem a marca - e responder imediatamente se a narrativa começar a se desviar do posicionamento desejado.

Principais insights do Chatbeat: Os LLMs lidaram bem com a descrição da Worksmile como uma plataforma de benefícios, mas “entenderam” pior as partes de HCM e comunicações internas. A equipe rapidamente associou isso à história da marca e à presença de materiais arquivados on-line, que ainda influenciam a forma como a IA “vê” o Worksmile.

Desde que começamos a usar o Chatbeat, obtivemos uma camada extra de insight: não apenas com as solicitações manuais para diferentes LLMs, mas também vendo como estamos nos posicionando em resposta a perguntas específicas.

Magdalena Radecka

Diretor de marketing da Worksmile

Ação: 

Com base nisso, eles criaram um plano de ação concreto:

• reduzir a exposição do conteúdo relacionado ao bem-estar (por exemplo, ocultando algumas subpáginas e cenários),
• dar mais ênfase ao conteúdo sobre comunicação interna e processos de RH,
• distribuir e promover conteúdo fora do site (por exemplo, veiculação de anúncios em novas plataformas, como o Bing)

Resultado: 

A equipe já está vendo a primeira mudança nas respostas de IA em direção à comunicação interna e ao envolvimento.

A comparação abaixo é entre o segundo trimestre (quando a Worksmile começou a explorar a IA) e o quarto trimestre de 2025 para um dos prompts da área de RH. 

• Q2: 17.3 (Worksmile começa a explorar a IA)
• Q4 2025: 12.6 (+4,7 posições) -> aumento de 27%
• Últimos 30 dias (a partir de 22 de janeiro de 2026): 10º lugar

A próxima etapa é verificar o progresso em alguns meses, acrescentando mais perguntas “pesadas de HCM” ao monitoramento e verificando como o posicionamento dos modelos muda ao longo do tempo.

2. Criando uma estratégia de conteúdo pronta para o LLM

A Worksmile não se limitou à reputação e ao controle da narrativa nos LLMs - eles também queriam que seu próprio conteúdo se tornasse o modelos de fontes primárias citam ao responder a perguntas sobre a marca e o setor. 

Em vez de tratar a “visibilidade do LLM” como um efeito colateral feliz de um bom marketing, eles a abordaram como um canal: mensurável, testável e planejado.

Principais insights do Chatbeat: Ao verificar as fontes principais para os prompts, eles viram quais fontes são mais citadas e puderam examinar o motivo. Viram quais fontes de seu próprio domínio estão sendo citadas e qual é a sua participação, e puderam trabalhar para aumentar sua participação.

Quando começamos a usar o Chatbeat, vimos como estamos posicionados em diferentes LLMs. Em alguns, estamos mais bem posicionados (por exemplo, ChatGPT) e, em outros, pior. Isso nos ajudou a aprofundar a pesquisa: o que fazer onde nosso desempenho é ruim, quais formatos e locais de publicação funcionarão. Transformamos isso em um plano e criamos um mapa de conteúdo - sabemos qual formato preparar para cada LLM. E sua ferramenta nos ajuda a verificar essas hipóteses.

Magdalena Radecka

Diretor de marketing da Worksmile

Ação:

A partir daí, eles passaram da intuição para um sistema repetível, usando insights de posicionamento para tornar a pesquisa acionável:

• identificar quais LLMs os classificam bem ou mal
• identificar quais formatos e canais de publicação melhoram a visibilidade
• traduzir os aprendizados em um mapa de conteúdo (formato → canal → LLM de destino)
• usar os insights do Chatbeat para verificar hipóteses e fazer iterações

Resultados:

Mudança de trimestre a trimestre (citações para um prompt selecionado):

• 2º trimestre de 2025: apenas uma fonte do Worksmile apareceu entre as 10 principais fontes, com a classificação #5.
• Q4 2025: O worksmile foi alcançado #1 em citações - e acrescentou Mais 2 fontes no As 10 principais fontes (capturas de tela abaixo).
  

Manual de conteúdo do LLM

Deseja melhorar a frequência com que sua marca é citada por LLMs que usam conteúdo? Veja o que a Worksmile fez - e o que realmente funcionou.

3. Avaliação comparativa de desempenho e KPIs

A Worksmile também precisava de uma referência numérica para se certificar de que não estava ficando para trás e para priorizar os esforços onde eles seriam mais rápidos.

Principais insights do Chatbeat: Eles podem rastrear pontuação de visibilidade/marca como uma métrica de saúde de alto nível e combiná-la com posição mediana como um KPI mais acionável - dividido em por LLM e comparados com os concorrentes (por exemplo, MyBenefit, PeopleForce). 

Isso revelou duas coisas: 

• em geral, eles estavam se saindo bem em relação à maioria dos concorrentes
• um concorrente sempre teve uma classificação mais alta, o que mudou seu foco de “mais visibilidade a qualquer custo” para melhorar a qualidade e a correção das mensagens - ensinando os LLMs a descrevê-los da maneira que desejarem.

Ação:

Com KPIs por modelo em vigor (por exemplo, passar de #3 para #2 no ChatGPT até a metade do ano; +1 em Perplexity; +2 em Claude e Gemini; alcançar visibilidade “excelente” até o final do ano), eles usaram o benchmark para orientar decisões concretas de marketing:

• priorizar melhorias nos pontos em que o desempenho foi mais fraco (modelo + conjunto de solicitações)
• canais de teste que influenciam o fornecimento de LLM (por exemplo, Bing, YouTube, Wikipedia/Wikidata)
• executar experimentos em plataformas adicionais (Quora/Reddit)

Resultado:

Em poucos meses, e não anos, eles mudaram sua classificação geral de visibilidade de “respeitável” para “bom”, e transformou a visibilidade do LLM em um sistema mensurável que informa diretamente as prioridades de marketing e os OKRs.

Conclusões para outras marcas

A abordagem da Worksmile foi eficaz e repetível: