Como aparecer no ChatGPT pra negócio local: o que muda quando você tem mais de uma unidade

Aparecer no ChatGPT pra negócio local significa ser citado quando alguém pergunta algo com recorte geográfico — “melhor [categoria] em [cidade]”, “[categoria] perto de mim” — não só quando alguém pergunta pelo nome da marca. É um mecanismo diferente do que faz uma marca institucional ser reconhecida, e é possível ter um resolvido sem o outro: uma rede pode ser bem citada quando perguntam sobre ela por nome, e continuar invisível quando a pergunta é sobre uma cidade específica onde ela tem unidade.

Sua marca pode estar resolvida, e sua unidade, não

Consistência de entidade resolve a pergunta “quem é essa empresa” — nome, atributos, presença consistente entre site, redes e diretórios. Mas uma pergunta com recorte de cidade exige outra camada de resolução: “essa empresa tem uma unidade que atende especificamente essa localização, e essa unidade é confiável”. Uma IA pode responder com segurança sobre a marca como um todo e, ao mesmo tempo, não ter nenhum sinal de que existe uma unidade em Uberlândia, por exemplo — porque a marca nunca publicou nada que resolvesse a entidade “unidade de Uberlândia” separadamente da entidade “marca nacional”.

Isso é ainda mais comum do que parece: o site institucional de uma franquia, otimizado pro nome da marca, simplesmente não contém a informação que resolveria a unidade local — não é um problema de a IA “não achar”, é a informação nunca ter existido de forma estruturada pra ser encontrada.

O schema que falta: LocalBusiness conectado à marca

A maioria dos sites institucionais de franquia tem schema Organization (quando tem schema — veja o exemplo de código completo aqui) e para ali. O que falta, unidade por unidade, é um schema LocalBusiness próprio, referenciando a organização-mãe:

{
  "@context": "https://schema.org",
  "@type": "LocalBusiness",
  "name": "Sua Empresa - Unidade Uberlândia",
  "parentOrganization": {
    "@id": "https://suaempresa.com.br/#organization"
  },
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Rua Exemplo, 123",
    "addressLocality": "Uberlândia",
    "addressRegion": "MG",
    "postalCode": "38400-000",
    "addressCountry": "BR"
  },
  "telephone": "+55 34 0000-0000"
}

O campo parentOrganization é o que faz a ligação explícita: diz pra qualquer sistema que lê esse código “esta unidade local pertence a esta marca maior” — sem depender de inferência. Sem esse vínculo declarado, uma IA pode até encontrar a página da unidade e não conseguir confirmar, com segurança, que ela é parte de uma rede maior e confiável, tratando a unidade como uma entidade isolada e menos estabelecida do que ela realmente é.

O que faz uma IA escolher a sua unidade, não a da esquina

Schema resolve a entidade; conteúdo resolve a decisão. Uma unidade só entra numa resposta gerada por IA se existir, publicada, uma resposta direta ao tipo de pergunta que alguém faria sobre aquela categoria naquela cidade especificamente — não uma página institucional com o nome da cidade só trocado no título. Isso já é um erro comum mapeado em SEO local tradicional pra franquias, e vale igual (ou mais) pra busca por IA: um texto raso, genérico, sem informação específica daquela localização, não dá a um modelo de IA generativa nada de concreto pra citar quando a pergunta pede justamente esse recorte.

A prova real (nível de marca) — e o que ainda falta provar (nível de unidade)

Vale ser preciso sobre o que já foi comprovado e o que é extensão lógica, não testada separadamente. O caso real de uma rede de franquias de energia solar mostra o nível de marca funcionando: ao perguntar ao ChatGPT, sem citar o nome, “qual é a principal rede de franquias de energia solar”, 8 das 14 fontes citadas na resposta eram do próprio domínio da empresa. Isso prova que o princípio funciona pra uma pergunta sobre a marca como um todo.

O mecanismo descrito neste artigo — LocalBusiness conectado à marca, conteúdo específico por unidade — é a extensão lógica do mesmo princípio técnico aplicado a uma pergunta com recorte de cidade, não da marca. É a mesma lógica, mas ainda não é o mesmo caso testado: uma pergunta tipo “melhor empresa de energia solar em [cidade específica]” é um teste diferente do que foi medido até agora. Preferimos deixar essa distinção clara em vez de esticar uma prova de um nível pra outro sem ter testado — o mesmo princípio que aplicamos ao restante do conteúdo deste blog.

Erros comuns

Duplicar a página institucional trocando o nome da cidade. Isso não resolve nem o schema (continua sem LocalBusiness próprio) nem o conteúdo (continua genérico) — os dois problemas deste artigo, ao mesmo tempo.

Confiar só na ficha do Google Meu Negócio. A ficha ajuda no mapa, mas não substitui LocalBusiness no próprio site nem conteúdo específico — mais detalhado aqui.

Resolver a marca e parar. Schema Organization bem-feito na home não propaga automaticamente pra cada unidade — cada uma precisa do próprio schema, conectado explicitamente via parentOrganization.

Perguntas frequentes

Minha marca já aparece no ChatGPT — isso garante que minha unidade também aparece? Não — são dois níveis de resolução de entidade diferentes, e um não garante o outro.

Preciso de LocalBusiness em cada unidade, ou o Organization da marca já basta? Precisa dos dois, conectados via parentOrganization.

Isso já foi testado com resultado real? O nível de marca, sim (caso real da franquia de energia solar). O nível de unidade específica ainda não tem case público nosso medindo separadamente.