Como tornar o site visível para IA e LLMs

#Introdução

O seu site posiciona-se no Google, os Core Web Vitals estão a verde e o schema valida. Mesmo assim, quando alguém pergunta ao ChatGPT, Claude, Perplexity ou Google AI Overviews sobre a sua área, a sua marca não aparece na resposta. O Generative Engine Optimization trata desse fosso entre o SEO clássico e o que as pesquisas com AI citam.

O GEO funciona ao lado do SEO. Trata de como os grandes modelos de linguagem recuperam, interpretam e citam conteúdo, enquanto o SEO trata de como os crawlers de pesquisa o indexam e ordenam. Algumas técnicas servem ambos, e o campo muda mais depressa do que qualquer norma publicada. Este guia mostra o que funciona na prática, o que é mito e a ordem pela qual abordar cada alavanca.

#Porque a visibilidade em IA importa em 2026

Os assistentes de IA já enviam tráfego mensurável, mas muito inferior ao tráfego orgânico do Google. O ChatGPT Search está embutido na barra de endereço do Safari no iOS para quem tem a app instalada. A Perplexity passou de ferramenta para power users a produto mainstream. O Claude lê a web aberta através da sua ferramenta de pesquisa. O Google AI Overviews aparece numa grande fatia das pesquisas informativas em mercados anglófonos e alarga-se a mais idiomas a cada trimestre.

Dois conjuntos de dados do GA4 dão números. Marie Haynes (21 de outubro de 2026) analisou 12 meses em 100 sites: as sessões vindas do ChatGPT equivaleram a 0,62% das sessões orgânicas do Google, e as visitas do ChatGPT estão a cair desde agosto de 2025. Nos 55 sites que mediam conversões, os visitantes do ChatGPT converteram a 13,8% contra 3,02% no Google, mas o Google gerou 96,5% das conversões nos canais comparados. O estudo da The SEO Works (7 de setembro de 2026, atualizado a 14 de outubro) abrangeu 95 sites entre setembro de 2025 e agosto de 2026: a pesquisa orgânica trouxe 39 vezes mais tráfego do que os assistentes de IA, a quota da IA face ao orgânico subiu de 2,25% para 3,86%, e o tráfego de IA converteu pior do que o orgânico em 23 dos 63 sites com dados suficientes.

A consequência económica é simples. Mesmo quando um potencial cliente acaba por comprar, registar-se ou marcar uma consulta através da pesquisa clássica, a sua lista curta foi muitas vezes filtrada por um LLM antes. Se não entra nessa lista, não concorre. O SEO clássico continua a importar, porque alimenta a mesma infraestrutura de crawling usada por muitos sistemas de AI. Mas SEO isolado já não chega.

#Diferença entre pesquisa com IA e LLM

Ambos os termos aparecem na prática e a coerência importa mais do que a escolha. “Pesquisa com AI” é o termo mais amplo e voltado para o utilizador. Cobre chatbots, ferramentas de RAG, AI Overviews e sistemas híbridos. “LLM” refere-se concretamente aos modelos de linguagem por trás. Neste guia usamos “AI” para a superfície de descoberta e “LLM” para a tecnologia que a suporta. O objetivo de otimização é o mesmo.

#Lista de crawlers de IA e user agents em 2026

Antes de tocar em código, saiba para quem está a otimizar. Em abril de 2026, os principais user agents são:

• GPTBot, OpenAI, treino e retrieval offline.
• OAI-SearchBot, pesquisa ao vivo do ChatGPT.
• ChatGPT-User, pedidos a pedido disparados por prompts.
• ClaudeBot e Claude-User, Anthropic.
• PerplexityBot e Perplexity-User, Perplexity AI.
• Google-Extended, controlo de opt-out do treino do Gemini.
• CCBot, Common Crawl, alimenta muitos LLMs mais pequenos.
• Applebot-Extended, opt-out do treino do Apple Intelligence.
• Bytespider, ByteDance.
• Meta-ExternalAgent, Meta AI.

Nenhum executa JavaScript. Todos respeitam o robots.txt. A maioria identifica-se com honestidade. Uma parte vai buscar conteúdo no instante em que o utilizador envia o prompt, o que reduz o ciclo de dias para segundos.

#Que técnicas GEO não funcionam?

O espaço GEO está cheio de folclore. A maior parte não tem suporte empírico.

Meta tags personalizadas como <meta name="ai-content-url"> ou <meta name="LLMs"> não têm implementação conhecida em qualquer produto LLM em produção. Ficheiros como /.well-known/ai.txt e /ai.txt têm propostas concorrentes e zero adoção. Comentários HTML dirigidos a bots são removidos por todos os crawlers mainstream antes do processamento. Botões de alternância humano-ou-AI exigem clique, e os bots não clicam. O sniffing de user agent para servir conteúdo diferente aos LLMs viola a política de cloaking do Google e pode despoletar ações manuais. Páginas dedicadas a AI não mostram tratamento diferenciado em citações. Puro JSON-LD e Schema.org são lidos pelo Microsoft Copilot via Bing e continuam a influenciar o SEO clássico, mas testes controlados mostram que ChatGPT, Claude e Perplexity ignoram em grande medida dados estruturados na síntese de respostas.

O padrão é sempre o mesmo. Alguém propõe uma especificação, escreve um post, e outros posts citam esse. Antes de adotar uma técnica GEO, pergunte se há prova de consumo real ou apenas prova da existência da proposta.

#As listas autopromocionais de os melhores ainda funcionam nos AI Overviews

O artigo “As 10 melhores ferramentas para X”, em que o editor se coloca a si próprio em primeiro lugar, foi a tática GEO mais barata de 2025. Está a perder força. Na atualização de 4 de outubro de 2026, Lily Ray repetiu a sua análise com 100 pesquisas em inglês sobre o melhor software B2B. Em comparação com junho, os AI Overviews da Google citam agora menos 38% de listas autopromocionais de “os melhores” e deixam a marca que as publica fora da recomendação “em 83% dos casos, contra 69% em junho” (Lily Ray, tradução própria).

Ray relata ainda, com base no resumo de John Campbell do Search Central Live em Barcelona, que Gary Illyes afirmou que o conteúdo produzido em escala está a tornar-se um problema maior do que o spam de links. Acrescenta que, num Search Central Live anterior, em maio, Illyes terá comparado a compra de menções à compra de links.

Mesmo assim, formou-se um mercado. Ray refere colocações pagas em listas de terceiros, com preço definido pelo Domain Rating do site e muitas vezes a partir de cerca de 135 a 250 USD cada, e pacotes de “menções de marca em IA”, como 5 menções por 1500 USD. São preços de mercado de terceiros citados no artigo dela, não preços nossos, e não vendemos nem recomendamos estes serviços. Se receber propostas de artigos patrocinados em portais portugueses com DR alto, avalie-as da mesma forma: é o mesmo modelo, só muda o destinatário. Se a comparação de Illyes se confirmar, uma menção comprada traz o mesmo risco que um link comprado.

#Porque é que estatísticas inventadas são citadas pela IA e por outros sites

Metehan Yesilyurt, da Peec AI, levou ao absurdo a ideia de publicar estatísticas para ser citado (7 de outubro de 2026). Comprou um domínio novo e gerou num único dia, com o GPT-4.1, 50 000 páginas de estatísticas, por cerca de 30 USD; com 15 000 listicles acrescentados depois, a experiência custou cerca de 50 USD no total. Escreve ele: “Todas elas eram falsas” (Peec AI, tradução própria). O site obteve mais de 330 domínios de referência, entre eles Shopify, Bluehost e DHL. Nos últimos 30 dias recebeu mais de 600 000 pedidos de bots, cerca de 72 000 dos quais do ChatGPT-User. Duas atualizações da Google logo após o lançamento fizeram ruir a visibilidade no Google, mas a 7 de outubro o site ainda estava em segundo lugar em visibilidade nos prompts que acompanhava, atrás apenas da Statista.

Há duas consequências. Um número repetido pelo ChatGPT e por uma marca conhecida não foi verificado por nenhum dos dois. Antes de citar uma estatística, siga-a até ao estudo original, ao método e à amostra, e descarte-a se o rasto terminar num site sem metodologia. E não copie a tática: a visibilidade no Google não sobreviveu a duas atualizações, e quem repete um número inventado espalha-o ainda mais. A alavanca das “estatísticas verificáveis”, mais abaixo neste guia, só funciona quando as estatísticas são reais.

#O que decide se um motor de IA cita uma página?

Atualização, 18 de outubro de 2026. O ChatGPT, o Gemini e o Perplexity citam uma página quando a pesquisa do próprio motor a encontra. Dentro de um mesmo site, o único traço de conteúdo que aumenta as citações é um título e um parágrafo que correspondem à pergunta. É a conclusão de um estudo de Mahe Chen e Nick Koudas, da Universidade de Toronto, publicado no arXiv a 10 de outubro de 2026. Durante dois períodos de 90 dias, os autores fizeram diariamente perguntas comerciais aos três motores através das respetivas APIs e recolheram 158 099 respostas com 468 037 citações. O primeiro conjunto incide sobre o mercado de internet doméstica nos EUA, dominado por poucas grandes marcas, e o segundo sobre pequenos fornecedores de software empresarial.

Quando se comparam páginas do mesmo site, só dois traços passam todos os testes de robustez dos autores: um título e um melhor parágrafo alinhados com as perguntas que as pessoas fazem. Blocos de FAQ, marcação schema.org, caixas de resumo, caixas de autor e velocidade da página só parecem eficazes quando se comparam sites diferentes, porque se concentram em sites citados mais vezes por outras razões: 43% das páginas do quarto de sites mais citado têm um bloco de FAQ, contra 23% no quarto menos citado. O efeito do parágrafo verifica-se nos três motores. O título ajuda no Gemini e no Perplexity e não tem efeito no ChatGPT, que reescreve cada pergunta nas suas próprias pesquisas.

Todas as páginas que o ChatGPT cita foram antes devolvidas pela sua própria pesquisa. As páginas que essa pesquisa recupera explicam 32% das diferenças de citações entre páginas de um mesmo site; todos os traços da página juntos explicam 2,8%. Os motores pesquisam com subconsultas que reformulam a cada resposta, e 97% das páginas recuperadas pelo ChatGPT não estão no top 50 do Google para essas consultas. Uma boa posição no Google diz, por isso, pouco sobre a visibilidade nas respostas de IA. Os links são o único sinal externo que entra na recuperação, sobretudo no Gemini. Foram medidos depois das citações, pelo que o sentido da relação fica por esclarecer.

A memória do modelo também pesa. O ChatGPT escreve uma marca nas suas pesquisas em 67% dos casos quando o modelo a recomenda para a pergunta sem pesquisar, contra 11% nos restantes. 46% das suas menções a marcas que a pergunta não refere não têm apoio em nenhuma página citada. No mercado dos pequenos fornecedores B2B, que o modelo mal conhece, uma página de terceiros citada que nomeia o fornecedor multiplicou por 39,7 as probabilidades de o ChatGPT o mencionar, contra 4,2 no mercado de consumo.

Os blocos de FAQ e o schema.org continuam a dar resultados enriquecidos no Google e a facilitar a leitura da página por máquinas. Estes dados não os sustentam como alavanca de citações em IA dentro do seu próprio site. O que se mantém é um título e um melhor parágrafo que respondem à pergunta nos termos dela, páginas que a pesquisa do motor de facto recupera e menções em sites de terceiros, que pesam mais para uma empresa pequena. Os resultados são correlações obtidas com modelos pequenos via API (GPT-5.4 nano, Gemini 3.1 Flash Lite, Sonar), com perguntas em inglês sobre o mercado dos EUA; teste-os com as suas próprias perguntas antes de mudar prioridades.

Um segundo teste, de outubro de 2026, mostra onde os dados estruturados se perdem pelo caminho. Rick Ramos, do serptwerker.com, colocou um facto apenas em JSON-LD em 60 páginas de teste e verificou-o em 21 600 ensaios ao nível do modelo e em 1644 obtenções feitas com as ferramentas dos próprios fornecedores. Quando o modelo recebe o conteúdo diretamente, um facto em JSON-LD funciona exatamente como o mesmo facto escrito em texto corrido. Quando é o assistente a obter a página, o resultado muda: o web fetch do Claude e a pesquisa web do GPT-5.5 devolveram o facto 0 vezes em 100, porque o JSON-LD nunca chega ao modelo, enquanto o Gemini com URL context o leu em 92 de 100 ensaios (Flash) e em 89 de 89 (Pro). As aplicações ChatGPT e Claude.ai nunca o devolveram. Para uma loja WooCommerce ou um site empresarial em WordPress, a conclusão é simples: a morada, o horário, o âmbito do serviço e qualquer outro facto que deva aparecer numa resposta de IA têm de estar no texto visível da página. O schema deve coincidir com esse texto, porque o Gemini Pro deu uma resposta desatualizada de um bloco FAQPage em 8 de 20 ensaios.

Uma terceira medição olha para as fontes dos próprios AI Overviews. A Barlo Digital publicou a 8 de outubro de 2026 uma única recolha feita a 5 de outubro: 117 pesquisas desktop nos EUA sobre contratar ajuda de marketing. Apareceu um AI Overview em 97 delas (83%), e 90 indicavam fontes. Essas 90 respostas citaram 402 domínios diferentes, 329 dos quais (82%) apenas uma vez. O YouTube surgiu em 60% das respostas, o Reddit em 34%, o LinkedIn em 19% e diretórios de agências como o Clutch em 8%. Os autores aconselham: “Mantenha os perfis em diretórios corretos, mas não espere que sejam eles a garantir a visibilidade em IA” (tradução própria). É um nicho medido num só dia, mas com citações tão dispersas uma página que responde com clareza a uma pergunta concreta tem uma hipótese real de entrar nas fontes.

#Como tornar o site visível para a IA

Ordenadas por impacto para um site típico de conteúdo.

#1. Comece pela auditoria ao robots.txt

O robots.txt vem primeiro: um crawler bloqueado aí nunca chega a ir buscar a página que poderia citar. Muitos sites ainda têm regras de disallow para crawlers de AI escritas em 2023, quando o debate era sobre dados de treino. Cada um dos sete crawlers abaixo pode ser autorizado ou bloqueado numa entrada própria, por isso decida crawler a crawler. Um padrão razoável para um negócio que quer visibilidade em AI:

User-agent: GPTBot
Allow: /

User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Google-Extended
Allow: /

User-agent: CCBot
Allow: /

Se quer visibilidade no ChatGPT sem que o conteúdo seja usado para treino, permita OAI-SearchBot e ChatGPT-User e bloqueie GPTBot. A OpenAI documenta esta separação. A Apple, a Google e a Anthropic oferecem controlos equivalentes.

#2. Sirva irmãos Markdown para cada página

A mudança técnica de maior alavanca na lista. Exponha uma versão Markdown limpa de cada página no mesmo URL com .md no fim, por exemplo /blog/post e /blog/post.md. A versão Markdown corta navegação, rodapés, snippets de analítica, banners de cookies e tudo o resto que inflaciona tokens sem acrescentar informação.

Medições independentes em vários sites de conteúdo mostram de forma consistente reduções de tokens na casa dos 70 a 85 por cento quando o Markdown substitui o HTML renderizado. Um post de 15.000 tokens passa tipicamente a 3.000. Isso importa porque, quando um LLM puxa sua página para responder a um prompt, tem um orçamento de contexto finito. Conteúdo mais pequeno e mais limpo cabe mais inteiro e é citado com mais fidelidade.

Em Astro, Next.js ou qualquer framework static-first, gerar endpoints .md a partir da mesma content collection que alimenta a vista HTML é uma manhã de trabalho. O Markdown deve incluir o título, a data de publicação, o autor, um resumo curto, o corpo e as fontes claramente assinaladas.

#3. Anuncie a versão Markdown

Um crawler de LLM que aterra na sua página HTML precisa de descobrir que existe um irmão Markdown. Dois mecanismos complementares cobrem as duas classes de clientes.

Na head do HTML:

<link rel="alternate" type="text/markdown" href="/blog/post.md" />

Num cabeçalho de resposta HTTP:

Link: </blog/post.md>; rel="alternate"; type="text/markdown"

A tag HTML chega a parsers que leem o DOM. O cabeçalho HTTP chega a agentes headless que fazem HEAD ou GET e não analisam markup. Custo: uma linha no layout e uma entrada na configuração de cabeçalhos do CDN. Ganho: os crawlers deixam de adivinhar o padrão de URL.

#4. Negociação de conteúdo em Accept: text/markdown

A negociação de conteúdo HTTP está no standard desde 1997. Quando um cliente envia Accept: text/markdown, devolvá a representação Markdown a partir do mesmo URL. Combine com Vary: Accept para que os CDNs façam cache de cada representação corretamente. Claude Code, Cursor e vários agentes de investigação já enviam este cabeçalho por defeito. A negociação de conteúdo é o padrão de longo prazo mais provável porque não exige novas especificações e reaproveita a stack HTTP existente. Em Cloudflare Workers, a implementação cabe em menos de vinte linhas.

O que um site mediu, outubro de 2026: nos registos da Cloudflare de Amir Pournasserian, relativos ao site pessoal dele, os crawlers chegaram ao Markdown pelos endereços .md indicados no <head> de cada página. Entre 10 e 17 de outubro de 2026, sete crawlers verificados (Amazonbot, ExaUser, OAI-SearchBot, GPTBot, Applebot, ClaudeBot e Meta-ExternalAgent) fizeram 143 pedidos das cópias. A negociação por Accept: text/markdown foi ativada a 18 de outubro e, nos primeiros 49 minutos, um crawler verificado usou-a, o ExaSearchBot. O autor não encontrou nenhum operador de crawlers que documente o envio desse cabeçalho. Quem o envia são ferramentas de programação como o Claude Code, o OpenCode e o chat do VS Code. Com estes dados, o link no <head> e um endereço .md estável chegam hoje aos crawlers, e a negociação serve os agentes de programação. Um pequeno site pessoal, oito dias para as cópias e menos de uma hora para a negociação.

#5. Publique llms.txt e llms-full.txt

Dois ficheiros na raiz do site fazem o trabalho.

/LLMs.txt é um índice Markdown curado. Lista as páginas mais importantes agrupadas por tema, com descrições de uma linha. Pense nele como um README para um LLM a quem perguntaram sobre o seu site.

/LLMs-full.txt junta o conteúdo Markdown completo das páginas centrais num único ficheiro. Analítica em vários editores mostra que recebe bastante mais tráfego de LLM do que o índice curto. Gere os dois em tempo de build a partir da mesma content collection que já mantém, e regenere a cada deploy. Nenhum grande fornecedor de LLM se comprometeu formalmente a ler estes ficheiros, mas aparecem nos logs com frequência suficiente para justificar o tempo.

#6. Invista na qualidade do conteúdo visível

A maior alavanca e a mais ignorada. Os LLMs sintetizam respostas ponderando frases candidatas das páginas que vão buscar. Frases com informação concreta e atribuível ganham peso superior a afirmações vagas. “Estudos mostram que a visibilidade em AI importa” é quase inútil. “Testes independentes em 2026 concluíram que citações diretas de peritos nomeados elevam a taxa de citação em cerca de 43 por cento” é o que é citado.

Três movimentos aumentam de forma consistente a taxa de citação em conteúdo antes pouco citado:

• Citações diretas de peritos nomeados.
• Estatísticas verificáveis com fonte claramente atribuída.
• Ligações autoritativas para fontes primárias.

Todos são sinais de conteúdo visíveis. Nenhum está escondido. Para uma agência WordPress, uma empresa SaaS ou qualquer negócio com especialização setorial, a tradução prática é: deixe de escrever listas genéricas e passe a escrever artigos que nomeiam versões, datas, pessoas e números concretos. Cite fontes inline. Cite a sua equipa pelo nome. Inclua o ano e a versão de cada ferramenta que menciona. É bom jornalismo e é GEO.

#Checklist de SEO e GEO para 2026

Crawlabilidade e indexação:

• O robots.txt permite crawlers clássicos de pesquisa e os user agents de AI onde quer estar visível.
• O sitemap XML está atualizado e submetido ao Google Search Console e ao Bing Webmaster Tools.
• A ligação interna segue uma estrutura temática clara. Hub e spoke ou mapas temáticos.
• Tags canonical corretas em URLs duplicados ou parametrizados.

On-page, continua a valer para humanos e para o retrieval de LLM:

• Títulos e H1 descritivos e alinhados com a intenção de pesquisa, em sentence case.
• Um H1 por página, hierarquia lógica de H2 e H3.
• Meta descrições escritas para humanos, sem stuffing.
• Tipos Schema.org que correspondem ao conteúdo, como Article, FAQPage, Product, Organization, Person e HowTo, para resultados enriquecidos no Google e leitura por máquinas (sobre citações em IA, veja a atualização de 18 de outubro de 2026 mais acima).
• Alt de imagem a descrever a imagem, não a keyword.

Core Web Vitals. Os crawlers de AI não correm JavaScript, mas a pesquisa clássica corre:

• LCP abaixo de 2,5 segundos em mobile.
• CLS abaixo de 0,1.
• INP abaixo de 200 milissegundos.

Específico de GEO:

• Endpoints Markdown para cada página de conteúdo.
• <link rel="alternate" type="text/markdown"> em cada layout.
• Cabeçalho HTTP Link: ao nível do CDN.
• Negociação de conteúdo em Accept: text/markdown.
• /LLMs.txt e /LLMs-full.txt na raiz, regenerados a cada deploy.
• Citações, aspas e estatísticas visíveis no próprio conteúdo.
• Entidades nomeadas, incluindo pessoas, produtos, empresas, versões e datas, usadas de forma consistente.

Medição:

• Registo server-side de User-Agent e Referer no edge.
• Um dashboard que separa o tráfego de crawlers de AI do tráfego humano e da pesquisa clássica.
• Prompts de teste mensais em ChatGPT, Claude, Perplexity e Gemini para seguir menções da marca.

#Em que ordem implementar GEO?

Para um site que ainda não tem nada disto, trabalhe por esta ordem. Cada passo tem valor por si.

1. Auditar e corrigir o robots.txt. Sem isto, nada mais funciona.
2. Adicionar <link rel="alternate" type="text/markdown"> a apontar para um futuro endpoint Markdown. Pode ser entregue antes do endpoint existir.
3. Construir a pipeline de rendering Markdown. Comece pelo tipo de conteúdo com mais tráfego e expanda.
4. Adicionar o cabeçalho Link: e negociação de conteúdo em Accept: text/markdown ao CDN.
5. Gerar /LLMs.txt e /LLMs-full.txt a partir da content collection em tempo de build.
6. Refazer os artigos de referência com entidades nomeadas, citações diretas e estatísticas com fonte. Trabalho editorial contínuo e de maior impacto a longo prazo.
7. Instrumentar analítica server-side para tráfego de crawlers de AI.

Os passos um a cinco são engenharia pura e cabem num sprint. O passo seis é editorial e compõe-se ao longo de trimestres. O passo sete diz-lhe se algo disto resultou.

#Como medir a visibilidade em AI

A analítica tradicional não vê a maior parte do tráfego de crawlers de AI. Como não executam JavaScript, o GA4 e o Plausible não os registam. É preciso logging server-side.

Capture no edge: User-Agent completo, cabeçalho Referer, caminho pedido, status HTTP devolvido e tamanho da resposta. Segmente por padrões de user agent como GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot, Bytespider, CCBot, Applebot-Extended e Google-Extended para construir um dashboard semanal.

Complemente com tracking de menções de marca. Uma vez por semana, corra um conjunto fixo de prompts no ChatGPT, Claude, Perplexity e Gemini e registe se a marca foi citada, em que posição e com que excerto. Ferramentas como Profound, Peec AI e Otterly automatizam este trabalho. Uma folha de cálculo disciplinada cumpre o mesmo papel.

A própria escolha dos prompts muda o resultado. A Momentic publicou a 20 de outubro de 2026 uma análise de 145 498 respostas avaliadas a 8342 prompts para 18 marcas, recolhidas de 13 de julho a 15 de agosto de 2026 em 11 superfícies de resposta. Quando o prompt incluía o nome da marca, a resposta mencionava-a em 91,6% dos casos, sem o nome em 19,6%. Pedir uma escolha (“o que recomenda”, “melhor X para Y”) dava em média 4,55 opções e a recomendação da marca acompanhada em 22,8% das respostas, contra 1,25 opções e 8,0% nas perguntas sem esse pedido. O mesmo prompt, no mesmo dia, contradisse-se sobre a menção da marca em 4,5% dos grupos de repetição sem marca e em 5,1% com marca. A formulação negativa elevou a parte de respostas com uma ressalva sobre a marca para 67,1%, contra 32,0% nas restantes. As fontes apareceram em 79% das respostas dos AI Overviews, em 88% no ChatGPT com navegação e em 0% nos modos de API sem pesquisa. Os autores recomendam: “Reporte os prompts de marca como um grupo próprio e mantenha-os fora da taxa principal de menções” (tradução própria). Na folha de cálculo, isto significa grupos separados para prompts com marca, sem marca e com pedido de escolha, e várias execuções de cada prompt em vez de uma.

Se um crawler vai buscar o endpoint Markdown mas a marca nunca surge no conjunto de citações, o conteúdo é alcançável mas não é competitivo. Regresse à alavanca editorial.

#Como distinguir uma menção da marca de uma recomendação em IA

Uma contagem de menções só responde se a marca apareceu. Não diz se a resposta mandou o leitor até si. O texto da Seer sobre KPI de visibilidade em AI descreve o pior caso:

“Na pesquisa com IA é perfeitamente possível aparecer e ser ANTI-recomendado.”

Seer Interactive, AI visibility KPIs, tradução própria

Em português: pode aparecer e ser expressamente desaconselhado. O exemplo é uma resposta do ChatGPT a dizer para olhar além de duas marcas conhecidas de alojamento. Ambas eram visíveis, nenhuma foi recomendada. A base são anedotas, não um conjunto de dados, por isso é um aviso sobre a métrica e não uma taxa medida.

Registe por isso duas colunas por prompt: citada e recomendada, com uma nota quando a resposta desvia o leitor.

Os nossos números mostram porque uma coluna engana. No teste da Geoboard com prompts polacos de intenção de compra, o wppoland.com teve 47 % de menções e 0 % de autoridade: presente, nunca em primeiro. A 5 de outubro de 2026 corremos 24 prompts de dor, 60 execuções por modelo, 2878 respostas de gpt-4o-mini e gemini-2.5-flash-lite. Nenhuma mencionou o wppoland. Perante “quem contratar”, os modelos apontaram Clutch e Codeable, plataformas, e não empresas. Os dois testes consultam os modelos sem pesquisa em direto, por isso medem a memória do modelo e não o que o ChatGPT encontra com navegação.

Vale a pena acrescentar uma terceira coluna: o assistente conhece a marca pelo nome? O relatório da Envoyra do outono de 2026 fez ao ChatGPT, ao Claude, ao Gemini e ao Perplexity perguntas de compradores sobre cinco tipos de software empresarial, em quatro execuções semanais entre 13 de setembro e 4 de outubro de 2026, num total de 2720 respostas, a que se juntaram 720 respostas a perguntas só com o nome da marca, de 7 a 9 de outubro. A Keap foi descrita corretamente em 24 de 24 respostas sobre o nome, mas recomendada em apenas 3 de 400 respostas sobre CRM. A Profound foi recomendada em 136 de 384 respostas sobre a categoria, mas reconhecida pelo nome em apenas 5 de 24, muitas vezes confundida com outra empresa homónima. Só 144 de 680 pares de pergunta e assistente devolveram a mesma lista de marcas nas quatro semanas, e os quatro assistentes coincidiram no líder em 1 de 5 categorias. A própria Envoyra indica os limites: vende monitorização de visibilidade em IA, não publica as perguntas, o Claude e o Gemini correram pela API sem pesquisa na web e o teste de reconhecimento tem 6 respostas por marca e por assistente. Como montamos este acompanhamento para clientes: otimização GEO e LLMO.

Uma recomendação também pode desaparecer de um dia para o outro. Lukas Campos descreveu como o gestor de plugins do ChatGPT recomendou o seu serviço Audioscrape nas conversas durante seis dias, de 4 a 9 de setembro de 2026: os registos diários vindos do ChatGPT foram 36 vezes superiores ao que eram antes, e 96% dos registos dessa semana chegaram através do início de sessão com o ChatGPT, e não pelo site da empresa. Quem fechou a janela foi uma alteração do lado da plataforma, não algo que a empresa tenha feito (Campos, router economy). É um caso de diretório de plugins, não de uma página citada numa resposta, mas a lição aplica-se: uma recomendação dentro de um assistente é alugada, por isso meça a coluna “recomendada” dia a dia e transforme logo o tráfego dessa janela numa relação direta.

#O que são consultas fan-out e de grounding?

O resumo da SearchPilot, assistido por AI, de um webinar com Cyrus Shepard não é uma transcrição. Assenta na revisão que ele fez de 54 estudos sobre citações em AI e separa dois tipos de pesquisa. As consultas fan-out investigam o pedido: um prompt pode desencadear muitas pesquisas em segundo plano. As de grounding validam uma afirmação que o sistema já quer fazer. Segundo o resumo, muitas citações visíveis vêm da fase de grounding. Um site pode moldar a investigação sem ser citado, ou ser citado por validar um facto sem influenciar a recomendação.

Também não as verá nos seus relatórios. A crónica da ROAST sobre o Google Search Central Live em Barcelona di-lo sem rodeios:

“As consultas fan-out do Google não aparecem na Search Console, uma vez que não vêm de utilizadores.”

ROAST, Google Search Central Live Deep Dive Barcelona, day 3 recap, tradução própria

#Que métricas de visibilidade em IA medir

• Repita cada prompt. A Seer propõe correr os dez prompts principais 10, 20 ou 30 vezes por mês e chama ao resultado métrica de momentum, “não um KPI final para pôr no painel da direção” (Seer Interactive, tradução própria).
• Veja o tráfego do Google ao lado do tráfego de LLM. O resumo da SearchPilot descreve um teste da Omio em que um resumo estruturado no topo da página fez subir o tráfego de LLM enquanto o Google orgânico seguia no sentido errado.

#Perguntas sobre Markdown, bloqueio de crawlers e resultados

Servir Markdown vai canibalizar o meu tráfego de SEO? Não. O Google indexa o HTML canónico. O irmão Markdown é anunciado como representação rel="alternate", o que indica ao Google que não deve ser tratado como duplicado.

Isto vai ser abusado? Os LLMs avaliam candidatos a fonte por sinais de confiança percebida, não pelo formato de ficheiro. Publicar Markdown não torna conteúdo fraco em citável. O investimento protege contra o risco de ser ilegível, sem garantir o retorno de ser citado.

Devo bloquear os crawlers de AI? Decisão de negócio. Se vive de tráfego direto, bloquear treino e permitir retrieval é um meio-termo razoável. Se vive de descoberta, não bloqueie nada.

Quanto tempo até ver resultados? A camada de engenharia atua em dias, assim que os crawlers voltam a buscar. A camada editorial compõe-se ao longo de trimestres. Espere mudanças mensuráveis nas citações de AI entre quatro e oito semanas após o lançamento conjunto das duas camadas.

#Como acompanhar as citações de IA do seu site

Tudo o que foi dito acima assume que tem de adivinhar se toda esta instalação funciona de facto. Não tem. Corremos o wppoland.com como sujeito de teste durante um trimestre completo e publicámos o método em bruto, não apenas a conclusão.

Como seguimos as citações de IA do wppoland.com durante 90 dias é o registo desse experimento: captura de User-Agent no edge, um conjunto fixo de prompts semanais em quatro assistentes, e a curva de citações semana a semana. É a implementação de referência do passo sete da ordem pragmática acima, feita na nossa própria infraestrutura em vez de descrita em abstrato.

Monitorização de citações de IA: o que seguir e com que frequência transforma esse experimento único numa cadência repetível. Define que campos registar no edge, com que frequência relançar o conjunto de prompts sem gastar o orçamento de um trimestre em ruído, e a partir de que limiar uma queda nas citações é sinal e não variância normal semana a semana.

Porque é que o Perplexity cita a sua marca e o ChatGPT não explica a divisão que aparece primeiro assim que começa a medir: a mesma página é citada com fiabilidade por um assistente e nunca por outro, por razões estruturais que nada têm a ver com a qualidade do conteúdo. É comum que os assistentes de AI privilegiem fontes em português do Brasil por terem mais volume de treino, pelo que o conjunto de prompts deve testar explicitamente variantes europeias para não mascarar o resultado real do mercado português. Saber que assistente premeia que sinal muda onde investe a hora editorial do passo seis.

Leia estes três textos juntos antes de construir um dashboard do zero. O padrão de engenharia já está feito. A questão em aberto é o que os seus próprios registos dizem sobre o seu próprio domínio.

#Estratégia GEO a longo prazo para pesquisa com IA

O GEO muda todos os meses: novas propostas de norma, novos crawlers, novas formas de os grandes LLMs ponderarem citações. Aquilo de que qualquer sistema de retrieval precisa mantém-se, e é aí que o investimento compensa: conteúdo limpo, bem estruturado e com fontes, num formato barato de processar.

A parte técnica, ou seja, irmãos Markdown, negociação de conteúdo e LLMs.txt, é entrada. O trabalho editorial, ou seja, entidades nomeadas, citações diretas, estatísticas verificáveis e fontes autoritativas, é o fosso. A concorrência cópia a infraestrutura numa semana. Cinco anos de escrita substancial por peritos nomeados na sua empresa não se copiam.

Construa a parte técnica uma vez. Passe o resto do tempo a escrever coisas dignas de serem citadas.

A mesma checklist é a que usamos ao integrar IA no WordPress para editores que precisam de citações, não de mais um plugin de chatbot.