SEO para IA: o guia completo de GEO e AEO

SEO para IA é o conjunto de práticas que fazem uma marca ser lida, entendida e citada por modelos de IA generativa — ChatGPT, Gemini, Perplexity e o AI Overview do Google — quando alguém pergunta sobre o problema que essa marca resolve. Tecnicamente, o nome é GEO (Generative Engine Optimization); a parte da resposta direta a perguntas específicas costuma ser chamada de AEO (Answer Engine Optimization). São nomes diferentes pro mesmo trabalho: estruturar conteúdo pra ser fonte de resposta, não só resultado de busca.

Esse guia cobre o que muda em relação ao SEO que você já conhece, os pilares técnicos reais (não achismo de LinkedIn), e — porque quase nenhum conteúdo sobre isso mostra prova de verdade — como aplicamos cada um desses pilares no próprio site que você está lendo agora.

Por que isso importa agora, não daqui a dois anos

As buscas no Google caíram pela primeira vez em uma década, segundo reportagem do Tecnoblog. Isso não significa que o Google está morrendo — significa que uma parte da jornada de decisão de compra migrou pra outro lugar: a pergunta direta feita a uma IA.

Na prática, hoje uma decisão de compra de ticket alto ou de consideração passa por três buscas diferentes, não uma só:

1. Anúncio pago — o que você já paga pra aparecer.
2. Busca orgânica no Google — o que você já otimiza há anos.
3. A pergunta direta pra uma IA — “qual a melhor empresa de X”, “essa marca é confiável”, “quanto custa Y” — que a maioria das empresas nem sabe que está acontecendo, porque não tem como “ver” isso do jeito que vê uma posição no Google.

A maioria das empresas cuida bem das duas primeiras e ignora a terceira, porque quem cuida da mídia paga e quem cuida do SEO tradicional, na maior parte das agências, não olha pra isso. Enquanto isso, a IA que o cliente já está usando pra decidir continua respondendo — só que citando o concorrente.

Isso já deixou de ser hipótese. Times de marketing começam a ver “chatgpt.com” e “perplexity.ai” aparecendo como origem de tráfego dentro do próprio Google Analytics — o mesmo tipo de relatório onde hoje aparece “Google / orgânico” ou “Instagram / social”. Quando isso vira uma fonte real de venda pro concorrente e nunca aparece no seu relatório, o problema não é falta de demanda no seu mercado — é que, na hora em que alguém pergunta, quem responde com o seu nome não é você.

O que muda entre SEO tradicional e SEO para IA

O SEO tradicional otimiza pra um algoritmo de ranqueamento: você compete por uma posição numa lista de 10 links, e o usuário decide qual clicar. SEO para IA otimiza pra um sistema de síntese: o modelo lê várias fontes, decide o que é relevante e confiável, e entrega uma resposta pronta — muitas vezes sem nenhum link, e sem o usuário nunca visitar seu site.

Isso muda três coisas na prática:

A unidade de otimização não é mais a palavra-chave, é a pergunta. SEO tradicional trabalha com variações de uma keyword (“consultoria de marketing”, “consultoria de marketing preço”, “melhor consultoria de marketing”). SEO para IA trabalha com a pergunta inteira, em linguagem natural, do jeito que uma pessoa realmente pergunta pra um assistente — “qual consultoria de marketing vale a pena pro meu negócio” é uma pergunta, não uma keyword, e o conteúdo que responde bem a ela precisa ler como resposta, não como página de vendas.

Não clicar não significa não converter. Uma parte relevante das respostas de IA nunca gera um clique — a pessoa lê a resposta sintetizada e já decide com base nela. Isso quebra a métrica clássica de SEO (tráfego orgânico como proxy de sucesso) e exige medir outra coisa: se a marca foi mencionada, independente de ter gerado clique.

A confiança da fonte pesa mais que a otimização da página. Um modelo de IA generativa não está tentando “enganar” um algoritmo de ranking — ele está tentando dar a melhor resposta possível com o que tem disponível. Isso favorece conteúdo que demonstra conhecimento real, dados verificáveis e consistência entre diferentes lugares onde a marca aparece (site, LinkedIn, diretórios do setor), em vez de só densidade de palavra-chave.

Os pilares técnicos de SEO para IA

Aqui é onde a maior parte do conteúdo sobre esse assunto fica na teoria. Vamos direto ao que precisa existir de verdade no seu site — sem prometer que você mesmo vai precisar implementar cada um: isso é trabalho de bastidor de quem cuida do seu site, não uma lista de tarefas pro dono do negócio. O ponto de saber o que existe por trás é simples: reconhecer se o fornecedor que você já tem (ou está pra contratar) sabe do que está falando.

1. Estrutura de resposta direta (answer-first)

Um modelo de IA generativa, ao processar uma página pra formar uma resposta, dá muito mais peso a um parágrafo que responde a pergunta logo no início do que a um texto que “constrói contexto” por três parágrafos antes de chegar ao ponto. Isso é o oposto de boa parte da redação institucional tradicional, que adora um parágrafo de abertura genérico.

Na prática: cada página/artigo que você quer que seja citável precisa ter, nos primeiros parágrafos, uma definição direta e objetiva da pergunta que ele responde — exatamente como este artigo começa definindo “SEO para IA” na primeira frase, não no meio do texto.

2. Dados estruturados (Schema.org)

Schema markup é um vocabulário padronizado que descreve, em formato que máquinas entendem (JSON-LD), o que uma página é: um artigo, uma organização, uma pergunta e resposta, um produto. Isso não é opcional pra SEO para IA — é o jeito mais direto de eliminar ambiguidade sobre quem é sua marca, o que ela faz, e o que uma página específica está respondendo.

Os tipos que mais importam pra esse trabalho:

• Organization — define formalmente quem é a empresa (nome, nome legal, site), evitando que um modelo confunda sua marca com outra de nome parecido.
• Article — data de publicação, autoria, o que reforça que o conteúdo é atual e tem procedência.
• FAQPage — perguntas e respostas marcadas explicitamente como tal, que é literalmente o formato que um modelo de resposta direta consome melhor. É por isso que este artigo tem uma seção de perguntas frequentes estruturada no fim, não só como texto solto.

3. llms.txt

É uma convenção recente — um arquivo de texto simples na raiz do domínio, parecido em espírito com o robots.txt, mas com outro objetivo: descrever a empresa e listar as páginas mais importantes num formato que um modelo de linguagem consegue ler rapidamente, sem precisar rastrear o site inteiro. Ainda não é um padrão universalmente adotado por todos os modelos, mas custa muito pouco manter e sinaliza organização pra quem lê.

4. robots.txt liberando os crawlers certos

Esse é o pilar mais simples e o mais ignorado. Muitos sites, sem perceber, bloqueiam ou nunca liberam explicitamente os crawlers usados por empresas de IA — GPTBot e ChatGPT-User (OpenAI), ClaudeBot (Anthropic), Google-Extended (Google, usado pra treinar Gemini), PerplexityBot (Perplexity). Se esses agentes não conseguem ler o site, não existe otimização de conteúdo que resolva — a marca simplesmente não entra na base de conhecimento daquele modelo.

5. Indexação rápida (IndexNow)

IndexNow é um protocolo aberto que avisa motores de busca participantes assim que uma URL é publicada ou atualizada, em vez de esperar o rastreamento passivo descobrir a mudança sozinho — que pode levar dias ou semanas num domínio novo. Vale uma ressalva importante que quase nenhum outro conteúdo sobre o assunto menciona: o Google não participa do IndexNow (só Bing, Yandex, Naver e Seznam participam). Pra Google, a indexação rápida de uma URL específica ainda depende de solicitação manual via Search Console.

6. Consistência de entidade (a versão de E-E-A-T pra IA)

Um modelo de IA generativa, ao decidir se cita uma marca, está implicitamente avaliando se essa marca é uma fonte confiável — o equivalente ao conceito de E-E-A-T (Experiência, Expertise, Autoridade, Confiança) que o Google já usa há anos pra busca tradicional, só que aplicado a um contexto onde não existe um “clique” pra validar popularidade. Isso se constrói com presença consistente: o mesmo nome, a mesma descrição de negócio, e dados que batem entre o site, LinkedIn, diretórios do setor e qualquer outro lugar onde a marca apareça publicamente.

7. Frescor de conteúdo

Ferramentas com busca ao vivo — Perplexity, o modo de busca do ChatGPT, Gemini com grounding no Google Search — dão peso real a quando um conteúdo foi publicado ou atualizado pela última vez, porque parte do valor delas é justamente responder com informação recente. Um artigo de três anos atrás, mesmo bem escrito, compete em desvantagem com um artigo publicado essa semana sobre o mesmo assunto. Na prática, isso significa duas coisas: manter uma data de publicação e atualização visíveis e corretas (o schema Article marca isso explicitamente, nos campos datePublished e dateModified), e revisar conteúdo antigo em vez de só empilhar conteúdo novo — um artigo relevante atualizado periodicamente acumula autoridade que um artigo esquecido não consegue.

Como cada IA decide o que citar (o mecanismo por trás)

Um erro comum é tratar “IA” como uma coisa só. Na prática, cada ferramenta decide o que citar de um jeito bem diferente, e isso muda a estratégia:

ChatGPT (modo padrão, sem busca ativada) responde com base no que aprendeu durante o treinamento do modelo — um corte de conhecimento que fica desatualizado por meses. Pra aparecer aqui, a marca precisa ter sido mencionada de forma consistente em conteúdo público antes do próximo treinamento do modelo — não tem como “aparecer rápido” nesse modo específico.

ChatGPT com busca ativada / OAI-SearchBot funciona diferente: busca a web em tempo real, parecido com um motor de busca tradicional por trás da resposta. Aqui, sitemap atualizado, robots.txt liberando o OAI-SearchBot e conteúdo publicado recentemente já entram na disputa em dias, não em meses.

Perplexity é, por design, um motor de resposta com busca ao vivo — praticamente todo resultado vem de uma consulta feita no momento da pergunta. É a ferramenta onde conteúdo novo tem a janela de oportunidade mais rápida pra ser citado, e também a mais fácil de auditar: o Perplexity normalmente lista as fontes que usou, então dá pra saber exatamente quem foi citado no seu lugar.

Gemini / Google AI Overview combina o modelo de linguagem do Google com o índice de busca já existente do Google (grounding) — na prática, se uma página já ranqueia bem organicamente e responde a pergunta de forma direta, ela tem boa chance de ser puxada pro resumo gerado por IA no topo da busca.

Essa diferença de mecanismo é o motivo pelo qual medir só uma ferramenta (geralmente ChatGPT, por ser a mais conhecida) dá uma leitura incompleta. Uma marca pode estar invisível no ChatGPT padrão e, ao mesmo tempo, ser citada com frequência no Perplexity ou no AI Overview — só descobre testando as ferramentas separadamente.

Por onde começar: um plano de 30-60-90 dias

Pra não virar só teoria, um plano prático de quem está começando do zero:

Dias 1-30 — diagnóstico e fundação técnica. Rode manualmente as 8-10 perguntas de compra nas principais IAs e registre onde a marca aparece e onde não aparece. Em paralelo, resolva a fundação técnica que não depende de escrever nenhum conteúdo novo: robots.txt liberando os crawlers certos, schema Organization no site inteiro, llms.txt publicado, sitemap enviado pro Google Search Console e Bing Webmaster Tools.

Dias 31-60 — primeiro conteúdo estruturado. Escolha as 2-3 perguntas onde a marca está mais invisível e mais perto de gerar negócio, e escreva conteúdo que responde a elas de forma direta — não institucional. Aplique o schema FAQPage nesse conteúdo. Rode o teste de citação de novo e compare com a linha de base do mês anterior.

Dias 61-90 — expansão e medição contínua. Amplie pra um cluster de conteúdo em volta do tema mais forte (arquitetura pillar + cluster), mantendo a mesma disciplina de resposta direta e dados verificáveis. A partir daqui, o trabalho vira operação contínua, não projeto — repetir o teste de citação mensalmente é o que mostra se o que funcionou continua funcionando.

Prova real, não só teoria: como aplicamos isso no nosso próprio site

A maior parte do conteúdo sobre SEO para IA fica no campo do conceito. O Radar Must nasceu AI First — não como frase de efeito, mas como critério de construção: como somos uma consultoria hands-on (quem estrategiza é quem executa), decidimos que o próprio site precisava ser a prova viva de cada pilar listado acima, não só um discurso. Isto é o que existe hoje, de verdade, rodando em produção:

• robots.txt dinâmico, gerado a partir da configuração do site, liberando explicitamente GPTBot, ChatGPT-User, OAI-SearchBot, ClaudeBot, Claude-Web, anthropic-ai, Google-Extended, PerplexityBot, Perplexity-User, Bytespider e CCBot — além de Googlebot e Bingbot.
• llms.txt gerado automaticamente a cada publicação, a partir do conteúdo real do blog — sem depender de alguém lembrar de atualizar um arquivo estático toda vez que um artigo novo sai.
• Schema Organization e WebSite presentes em toda página do site, e Article, BreadcrumbList e FAQPage em cada artigo do blog que tiver perguntas frequentes — como este mesmo artigo que você está lendo.
• Sitemap automático, atualizado a cada publicação, submetido tanto ao Google Search Console quanto ao Bing Webmaster Tools.
• IndexNow configurado com chave própria, notificando Bing/Yandex quase instantaneamente a cada artigo novo — e, pro Google, solicitação manual de indexação enquanto o domínio ainda é novo e tem pouco histórico de rastreamento.

Não é discurso de “usamos IA” — é a infraestrutura rodando, publicamente auditável por qualquer pessoa que abrir o /robots.txt ou o /llms.txt deste mesmo domínio agora. E não parou na estrutura de conteúdo: a hospedagem, o DNS e a segurança do site foram escolhidos pensando na mesma lógica — o domínio roda em Cloudflare com o recurso de AI Crawl Control ativado, que dá visibilidade e controle explícito sobre quais bots de IA acessam o site, em vez de simplesmente esperar que tudo funcione por padrão.

O que fazer se a IA já cita sua marca, mas errado

Existe um cenário que quase nenhum guia sobre o assunto aborda: sua marca já aparece nas respostas de IA, só que com informação errada, desatualizada ou incompleta — um preço antigo, um serviço que você não oferece mais, ou pior, um dado que reforça a imagem de um concorrente no seu lugar.

Isso costuma acontecer por um motivo simples: o modelo formou essa “opinião” a partir de uma fonte específica (um diretório desatualizado, uma matéria antiga, um perfil de rede social parado no tempo) e essa fonte continua sendo a mais forte disponível sobre o assunto. A correção não é reclamar com a ferramenta de IA — é publicar, no seu próprio domínio, uma versão mais recente, mais completa e mais bem estruturada da mesma informação, com data de atualização visível. Com o tempo (o prazo varia por ferramenta, como visto na seção anterior), a fonte mais forte e mais recente tende a prevalecer sobre a desatualizada.

SEO para IA muda por tipo de negócio?

O princípio técnico é o mesmo pra qualquer empresa, mas o ponto de partida muda conforme o modelo de negócio. Uma rede de franquias, por exemplo, tem uma camada extra de complexidade: a resposta de IA pra “melhor [categoria] em [cidade]” precisa considerar cada unidade local, não só a marca institucional — o que aproxima esse trabalho de SEO local tradicional, só que aplicado à busca por IA. Já um negócio de ticket alto e ciclo de venda longo (consultoria, B2B, serviços especializados) se beneficia mais de conteúdo aprofundado que demonstre expertise real, porque a decisão de compra passa por mais pesquisa antes de fechar. O pilar técnico não muda; o que muda é qual pergunta atacar primeiro e com que profundidade.

Erros comuns em SEO para IA

Tratar como um projeto de uma vez só. SEO para IA não é uma auditoria que se faz e se esquece. Modelos são retreinados, concorrentes publicam conteúdo mais citável, e o que colocou sua marca numa resposta esse mês pode não te manter lá no próximo. É operação contínua, não entrega única.

Escrever pra “parecer IA-friendly” em vez de responder de verdade. Encher um texto de frases genéricas tipo “no cenário dinâmico atual” ou “é fundamental destacar” não ajuda em nada — pelo contrário, esse tipo de texto tende a ser justamente o que um modelo não cita, porque não carrega informação real. O que funciona é responder a pergunta com a mesma precisão que você responderia pra um cliente ao telefone.

Ignorar o robots.txt. É o erro mais bobo e mais comum: gastar energia estruturando conteúdo perfeito num site que, tecnicamente, nunca liberou os crawlers de IA pra ler esse conteúdo.

Confundir GEO com “aparecer no Google AI Overview” apenas. O AI Overview é uma das superfícies, não a única. ChatGPT, Gemini (fora do contexto de busca do Google) e Perplexity têm comportamentos de citação diferentes entre si — uma marca pode aparecer bem num e estar invisível em outro, e cada ferramenta merece ser testada separadamente, não assumida a partir do resultado de uma só.

Não medir nada. Sem processo de verificação periódica (mesmo que manual), não existe como saber se o trabalho está funcionando ou se parou de funcionar depois de uma atualização de modelo.

Não corrigir informação errada na fonte, só no site. Se a IA está citando um diretório ou uma notícia antiga com dado errado sobre a empresa, corrigir só o próprio site não resolve — é preciso também atualizar ou pedir correção nas fontes externas que alimentam essa citação errada.

Tratar todos os concorrentes como se aparecessem igualmente em todas as ferramentas. É comum descobrir, ao testar as perguntas de compra separadamente em cada IA, que um concorrente domina o Perplexity mas está ausente do ChatGPT, ou vice-versa — presumir que o cenário é o mesmo em todas as ferramentas leva a um diagnóstico errado de onde investir esforço primeiro.

Como medir se está funcionando

Não precisa de ferramenta paga pra começar. O processo de nível zero, gratuito (veja o passo a passo detalhado de como testar isso especificamente no ChatGPT):

1. Defina de 8 a 10 perguntas reais que um cliente faria antes de comprar de você — sem citar o nome da sua marca na pergunta.
2. Rode essas perguntas uma vez por mês em ChatGPT, Gemini e Perplexity.
3. Registre: sua marca apareceu? Qual concorrente apareceu no seu lugar? Que fonte a IA citou pra chegar nessa resposta?

Isso já dá uma leitura real de onde a marca está e onde está invisível. Ferramentas de monitoramento contínuo pago (Otterly, Profound, RankScale, entre outras) só começam a valer a pena quando esse processo manual vira operação demais pra sustentar à mão — normalmente quando já existe volume de conteúdo publicado o suficiente pra justificar acompanhamento constante.

GEO vs SEO: não é escolher um

Vale fechar um mal-entendido comum: GEO não substitui SEO tradicional, e tráfego pago continua relevante. As três buscas — anúncio pago, orgânico e resposta de IA — coexistem na jornada do mesmo comprador, muitas vezes na mesma pesquisa. Otimizar só uma e ignorar as outras duas é deixar dinheiro na mesa nas outras duas frentes que ainda geram a maior parte do resultado hoje. O ponto não é trocar de estratégia — é parar de ignorar a terceira busca que já está acontecendo, com ou sem a sua participação.

Perguntas frequentes

SEO para IA é a mesma coisa que GEO? Praticamente. GEO é o nome técnico; “SEO para IA” é como a maioria busca o mesmo conceito.

Preciso parar de fazer SEO tradicional pra focar nisso? Não — as três buscas coexistem e compartilham boa parte da base técnica.

Quanto tempo leva pra uma marca aparecer nas respostas de IA? Varia por ferramenta. Ferramentas com busca ao vivo (Perplexity, modo de busca do ChatGPT) podem citar conteúdo publicado há poucos dias.

Preciso de ferramenta paga pra medir isso? Não pra começar — o processo manual de 8-10 perguntas testadas mensalmente já dá uma leitura real.

Um site pequeno ou marca nova consegue competir? Consegue — SEO para IA ainda não tem 20 anos de conteúdo acumulado disputando as mesmas posições, diferente do SEO tradicional.