Otimização para IA (GEO)

Uma parte das buscas que antes ia para o Google hoje vai para um chat. A diferença decisiva é o formato da resposta: a busca tradicional devolve dez links e deixa a escolha para a pessoa; o assistente devolve uma resposta e cita uma ou duas fontes.

Isso muda a natureza da disputa. Não se compete mais por uma posição em uma lista — compete-se por ser a fonte.

O que é GEO

GEO, ou Generative Engine Optimization, é estruturar conteúdo e dados para que modelos de linguagem encontrem, entendam e citem a sua empresa. Cobre ChatGPT, Perplexity, Gemini, Copilot e as respostas geradas dentro da própria busca do Google.

Compartilha a base técnica do SEO técnico — se o rastreador não lê a sua página, o modelo também não — mas o alvo é outro, e isso muda como o conteúdo é escrito e marcado.

Como diverge do SEO tradicional

	SEO	GEO
Objetivo	Posição na lista	Ser a fonte citada
Unidade que importa	A página	O trecho que responde
Formato premiado	Conteúdo abrangente	Afirmação direta e verificável
Sinal de autoridade	Backlink	Consistência da entidade entre fontes
Como se mede	Posição e impressão	Taxa de citação por pergunta

O que funciona na prática

Responder a pergunta na primeira frase

Um modelo extrai o trecho que responde diretamente. Texto que leva três parágrafos para chegar ao ponto fornece um trecho ruim. A estrutura que funciona é afirmação primeiro, justificativa depois — o oposto do texto que primeiro contextualiza.

Declarar a entidade de forma consistente

O modelo precisa reconhecer que a sua empresa é uma coisa específica no mundo. Isso exige nome, endereço, CNPJ, área de atuação e perfis sociais declarados do mesmo jeito em todo lugar: no site, nos dados estruturados, no Google Business, no LinkedIn.

Divergência quebra a associação. Um endereço diferente entre o rodapé e o schema é suficiente para o modelo tratar as duas menções como entidades distintas, e nenhuma delas acumula autoridade.

Dar o dado, não o adjetivo

“Somos referência no mercado” não é citável. “Core Web Vitals abaixo de 2,5 s de LCP em todas as páginas entregues” é. Modelo cita afirmação específica, com número, prazo ou critério — algo que possa ser repetido sem virar propaganda.

Dizer o que você não faz

Contraintuitivo, e é o que mais funciona. Conteúdo que delimita onde a solução não serve é tratado como mais confiável, e é citado em resposta a pergunta comparativa — justamente a pergunta de quem está decidindo compra.

Servir um llms.txt

Um arquivo em texto, na raiz do domínio, que descreve a empresa, os serviços e os conteúdos principais em linguagem direta. É um padrão emergente, ainda não universalmente adotado pelos modelos, e barato de manter. Este site serve o seu em /llms.txt.

Como medimos

Perguntando. Não existe Search Console para assistente de IA, então a medição é feita na mão e com método.

1. Montamos um conjunto de perguntas que um cliente real faria antes de contratar, do genérico ao comparativo.
2. Rodamos esse conjunto nos principais assistentes, em sessão limpa, em intervalos regulares.
3. Registramos em quais perguntas você é citado, quem é citado no seu lugar e com que fonte.
4. Comparamos ao longo do tempo. A métrica é a taxa de citação por conjunto de perguntas.

É trabalhoso e tem variância — resposta de modelo não é determinística. Mas é mensurável, e é o único jeito honesto de saber se o trabalho está surtindo efeito.

O que não prometemos

Não há como garantir citação. Os modelos mudam de versão, mudam de fonte de dados e não publicam critério de seleção. Quem oferece garantia de aparecer no ChatGPT está vendendo o que não controla.

O que se faz é aumentar a probabilidade, com conteúdo que responde bem, entidade declarada de forma consistente e dado verificável. E se medir, para saber se funcionou.