GEO na prática: como ser rastreado, entendido e citado por buscadores de IA

GEO (Generative Engine Optimization) é o conjunto de práticas para que buscadores de IA, como ChatGPT, Perplexity e o AI Overview do Google, consigam acessar seu conteúdo, entender o que ele responde e citar sua marca na resposta final. Não substitui SEO: depende dele. Sem rastreamento e indexação tradicionais, não existe citação em IA, porque a maioria desses sistemas ainda se apoia, em algum grau, em índices de busca já existentes para encontrar o que recomendar.

SEO otimiza para ser encontrado em uma lista de resultados. GEO otimiza para ser citado dentro de uma resposta já pronta. A diferença parece sutil, mas muda o objetivo final: no SEO, o clique é a conversão principal; no GEO, a marca pode "ganhar" mesmo sem clique nenhum, só por aparecer no texto que o usuário lê.

Isso não torna SEO obsoleto. A arquitetura por trás da maioria dos sistemas de busca por IA depende de recuperação de informação (retrieval) antes de gerar a resposta: o modelo busca páginas relevantes, às vezes via índice próprio, às vezes reaproveitando infraestrutura de busca já existente, e só depois sintetiza o texto final. Se a página não está indexada, não está tecnicamente acessível ou não responde à pergunta de forma clara, ela nunca entra nesse processo de recuperação, não importa quão bem estruturado esteja o resto do GEO (blog.apiki.com).

Uma projeção da Gartner, de fevereiro de 2024, estima queda de 25% no volume de buscas tradicionais até o fim deste período de transição, à medida que assistentes de IA e agentes de busca absorvem parte do trajeto de pesquisa que antes passava só pelo Google (Gartner, via blog.apiki.com). Isso não significa o fim da busca, significa que ela está se fragmentando em mais superfícies, e cada uma tem regras próprias de acesso e citação.

A maioria dos guias de GEO pula direto para "técnicas de escrita que a IA gosta". Isso ignora que, antes de qualquer técnica de conteúdo fazer diferença, o bot precisa conseguir chegar até a página e conseguir processar o que está nela. São três etapas sequenciais, e pular uma invalida o esforço nas seguintes.

Etapa 1: ser rastreado

Bots de IA de treino, de busca e de agente são entidades diferentes, com user-agents diferentes, e cada um exige uma decisão própria sobre acesso. Bloquear tudo indiscriminadamente no robots.txt, prática comum hoje, também bloqueia os bots que poderiam gerar citação ou tráfego de referência.

O guia completo, com configurações prontas de robots.txt e como confirmar nos logs quem está realmente acessando o site, está em bloquear ou liberar bots de IA.

Etapa 2: ser entendido

Rastreamento não é o mesmo que compreensão. Um crawler pode acessar a página e ainda assim não extrair nada útil, porque o conteúdo relevante só aparece depois de JavaScript renderizar, ou porque a informação crítica está presa em um formato que o bot não processa bem.

Uma análise da Cloudflare sobre 200 mil domínios encontrou que apenas 3,9% dos sites servem alguma versão do conteúdo em Markdown e menos de 15 sites expunham um servidor MCP para agentes de IA (via dynamicasoft.com). A maior parte da web nunca testou o que um crawler de IA de fato recebe ao visitar suas páginas mais importantes.

O checklist técnico completo, com testes práticos de view-source e curl para confirmar isso no seu próprio site, está em checklist técnico para crawlers e agentes de IA.

Etapa 3: ser citado

Só depois de resolver acesso e legibilidade faz sentido falar em citação. E aqui a métrica muda de "ranking" para "taxa de menção": em quantas execuções de um conjunto fixo de perguntas a sua marca aparece, com ou sem link, em qual posição da resposta.

O método prático de medição, incluindo uma rotina manual que não exige ferramenta paga, está em como medir a visibilidade da marca em ChatGPT e Perplexity.

Enquanto GEO ainda é um investimento de médio prazo, o efeito colateral das respostas de IA no tráfego orgânico tradicional já é mensurável hoje. O estudo da Ahrefs com 300 mil palavras-chave encontrou queda de CTR de 58% na posição 1 para buscas com AI Overview, piorando a cada atualização da pesquisa desde a primeira medição em abril de 2025, quando a queda registrada era de 34,5% (ahrefs.com).

Isso cria uma dinâmica que pega muita equipe de SEO desprevenida: impressão no Search Console sobe ou se mantém estável, porque a página continua sendo escolhida como fonte, mas o clique cai, porque o usuário lê a resposta direto no resumo gerado por IA e não precisa visitar o site. O diagnóstico completo de como separar isso no Search Console, e o que medir no lugar de clique puro, está em AI Overviews e queda de CTR.

Na prática: se alguém no seu time está reportando "tráfego caindo sem motivo aparente" e o ranking das páginas não mudou, a primeira hipótese a descartar hoje é AI Overview, não penalização ou erro técnico.

Dado o tamanho da mudança, é natural que o mercado procure um atalho técnico simples para "resolver GEO". O candidato mais popular hoje é o llms.txt, um arquivo que promete listar para a IA quais páginas priorizar. O problema é que os dados disponíveis não sustentam essa expectativa: um estudo da Ahrefs com 137 mil domínios encontrou que 97% dos arquivos llms.txt publicados nunca receberam uma única requisição, e o Google confirmou publicamente, por meio de Gary Illyes, que a Busca não usa o arquivo e não planeja passar a usar (oxigenweb.com.br).

Isso não quer dizer que o arquivo é inútil em qualquer cenário, só que não é o atalho de GEO que o marketing em torno dele sugere. A análise completa, com os cinco estudos que chegaram à mesma conclusão de forma independente e os casos específicos onde ainda vale a pena implementar, está em llms.txt funciona?

Vale ser honesto sobre um ponto que atravessa boa parte das discussões entre profissionais de SEO hoje: provar que uma ação específica de GEO causou um aumento de citação é muito mais difícil do que provar que uma ação de SEO causou um aumento de ranking. A resposta de um LLM muda entre execuções da mesma pergunta, varia por plataforma, e não existe um painel único e confiável que isole "isso subiu porque eu fiz X" da variação natural do próprio modelo.

Isso gera um cenário real e desconfortável: profissionais recebendo pedido de cliente para "fazer AEO/GEO" sem nunca terem feito antes, e depois tendo que provar que o trabalho gerou resultado, com ferramentas de medição ainda imaturas e caras, e concorrência entre players que vendem a disciplina como mais madura do que de fato é.

A posição mais honesta, na minha opinião, é dupla: sim, vale investir nas três etapas técnicas (rastreado, entendido, citado), porque elas têm efeito concreto e testável, independente de haver ou não "boom" de tráfego por IA no seu nicho específico; e não, não vale prometer causalidade clara em cima de métricas de citação ainda instáveis. Trate GEO como SEO técnico bem feito com uma camada nova de medição, não como uma disciplina paralela com regras próprias e garantias que o SEO tradicional nunca teve.

Um padrão que aparece com frequência em estudos de citação: fontes de referência ampla, como a Wikipédia, dominam uma fatia desproporcional das citações em LLMs simplesmente por volume e autoridade acumulada, não porque otimizaram especificamente para isso. O mesmo vale para marcas grandes, já estabelecidas e citadas em múltiplas fontes pela web: elas entram no treinamento e na recuperação de contexto dos modelos com vantagem estrutural.

Se você não é uma marca grande, o motivo para continuar é calibrar a expectativa certa: o ganho mais realista para a maioria dos sites fica longe de "aparecer na frente de marcas consolidadas em qualquer pergunta genérica do nicho". Fica em aparecer bem nas perguntas específicas, de cauda longa, onde a concorrência por citação é menor e a chance de a sua página específica ser a fonte mais relevante aumenta.

GEO não pesa igual para todo mundo. Vale calibrar prioridade pelo tipo de negócio antes de copiar um checklist genérico:

• Conteúdo editorial e blogs de autoridade. É o perfil mais exposto à concorrência por citação, porque disputa espaço direto com fontes de referência ampla. Aqui o retorno de investir nas três etapas tende a ser mais visível, mas também é onde a queda de CTR por AI Overview, tratada em AI Overviews e queda de CTR, mais dói.
• SaaS e produtos de software. Documentação técnica é o ponto de maior oportunidade real: é o tipo de conteúdo que assistentes de IA de código e ferramentas de desenvolvedor efetivamente consomem, inclusive via llms.txt (veja os casos de uso que funcionam em llms.txt funciona?). Páginas de comparação (/vs, /alternativas) também têm peso desproporcional aqui.
• E-commerce. O volume de páginas de produto torna inviável otimizar item a item para citação em IA. O esforço rende mais concentrado em páginas de categoria, guias de compra e conteúdo de comparação, e em garantir que dados de produto (preço, disponibilidade, especificação) estejam no texto visível, não só em schema ou em tabelas geradas via JavaScript.
• Prestadores de serviço local. A queda de CTR por AI Overview afeta menos esse perfil, porque boa parte das buscas locais tem intenção transacional que raramente cabe inteira num resumo de IA. Aqui, a prioridade de GEO é menor do que a de SEO local bem feito.

1. Semana 1 a 2: diagnóstico técnico. Rode o checklist de prontidão para crawlers de IA nas 10 páginas mais importantes do site. Confirme no robots.txt que os bots de busca/citação não estão bloqueados sem querer, usando o guia de bots de IA.
2. Semana 3 a 4: baseline de citação. Monte a lista de 20 a 40 prompts reais do seu nicho e rode a primeira rodada de medição manual, como descrito em visibilidade da marca em ChatGPT e Perplexity. Sem baseline, qualquer ação futura é impossível de avaliar.
3. Semana 5 a 8: correção técnica. Resolva o que o diagnóstico encontrou: renderização que esconde conteúdo, metadata crítica sem equivalente em texto visível, FAQ real ausente. Não comece por conteúdo novo antes de corrigir o que já existe.
4. Semana 9 a 12: segunda medição e ajuste de métrica. Repita a rodada de prompts, compare com o baseline, e cruze com o relatório de performance do Search Console para separar efeito de AI Overview (veja queda de CTR) de efeito real de GEO.

Esse ciclo não promete "aparecer no ChatGPT em 90 dias". Promete um processo mensurável, que é mais do que a maioria dos pedidos de "estratégia de GEO" consegue entregar hoje.

Não. O processo descrito acima roda inteiro com uma planilha, acesso ao Search Console e os produtos de IA gratuitos (ChatGPT, Perplexity, Gemini). Ferramentas especializadas de "AI visibility" resolvem escala e frequência de medição, não substituem o diagnóstico técnico das etapas 1 e 2.

Vale desconfiar de ferramenta que entrega só um score agregado sem mostrar a resposta bruta por trás do número, e de qualquer comparação de preço feita sem considerar a variância natural entre execuções do mesmo prompt: parte do ceticismo justificado do mercado em relação a essas ferramentas vem de relatos de clientes que pagaram caro e não conseguiram validar se o número mudava por causa do próprio trabalho ou por causa do ruído do modelo. Peça para ver o dado cru antes de assinar qualquer contrato recorrente.

Se eu tivesse que escolher um ponto de partida, seria o teste de view-source do checklist de prontidão para crawlers de IA, feito em uma página importante do site. Ele mostra em poucos minutos se o básico técnico está resolvido, e esse diagnóstico pesa mais do que qualquer discussão de estratégia.