Information gain: por que o dev que publica dado original vira citação em LLM

Leia em 30 segundos

Dev que publica benchmark, dataset de performance ou resultado de teste original não está mais competindo por posição no Google. Está competindo para ser a fonte que o motor generativo precisa citar porque o dado não existe em outro lugar. Chen e colegas, no estudo arXiv:2509.08919 (2025), mostram que o conteúdo próprio da marca (ou do autor) responde por só 5% a 10% do que os motores extraem para montar uma resposta. Quem entende isso primeiro domina a conversa técnica do setor. Quem não entende, continua escrevendo tutorial número 4.000 sobre o mesmo hook do React↳React37 conteúdos7 erros com React moderno que só aparecem em produção; e como evitarDev (Back & Front) · abr 2026React Native 0.76: o futuro do desenvolvimento mobileDev (Back & Front) · out 2024Simplificando componentes com React HooksDev (Back & Front) · mar 2019Ver tudo em Dev (Back & Front) →.

SEO media posição. GEO mede insubstituição

Já escrevi sobre isso em a base que o GEO precisa: SEO↳SEO4 conteúdosPor que a transição do SEO clássico para a Otimização de Motores Generativos (GEO) exige que se repense a modelagem semânticaMarketing Tech · mai 2026O impacto da pesquisa e do SEO no comércio eletrônico: insights da State of Search Brasil 5Marketing Tech · fev 2025SEO por Elas 2025: Impulsionando e promovendo mulheres no Marketing DigitalMarketing Tech · fev 2025Ver tudo em Marketing Tech → disputa uma consulta com conteúdo melhor que o dos outros, métrica ordinal, vencedor relativo. GEO tenta ser a fonte que o modelo precisa citar porque o dado é único, métrica binária, vencedor sem substituto.

Para devs, essa distinção é mais literal do que parece. Você pode escrever o melhor post explicativo sobre paralelismo em Rust e ainda perder para quinhentos outros posts igualmente competentes. Mas se você rodou um benchmark original comparando latência de três runtimes sob carga real e publicou o método, a amostra e os números, não existe post concorrente. Existe o seu dado, ou não existe resposta completa.

O que information gain significa no seu repositório

Information gain é o que a sua página traz que nenhuma outra traz. O motor generativo precisa sustentar o que afirma, e sustenta com a fonte que carrega o dado original. Isso vale para marca B2B, e vale exatamente igual para o dev que publica descobertas técnicas: se o seu artigo apenas reorganiza documentação oficial, ele compete com milhares de equivalentes na faixa de 5% a 10% descrita por Chen e colegas. Se o seu artigo carrega uma medição que você fez e mais ninguém fez, ele entra na resposta independentemente de posição orgânica.

Quatro formatos cobrem quase todo caso prático para quem programa e publica:

1. Benchmark aberto com método publicado, tipo o que documentei em infraestrutura em doze domínios brasileiros: critério de inclusão, sondas descritas, resultado replicável por terceiros.
2. Relatório de dados agregados da própria operação: se você mantém uma lib, um SaaS, uma API, você tem telemetria que ninguém de fora tem. Agregue até nenhum usuário ser identificável e publique.
3. Índice recorrente, semanal ou mensal, sobre algo que sua stack já mede sozinha.
4. Relatório de resultado nulo, que é o formato mais raro e o mais valioso. Publiquei um com 7.052 respostas coletadas em 12 dias, registrado na SSRN sob o DOI 10.2139/ssrn.6636298, em que três alegações causais repetidas pelo mercado de GEO não sobreviveram ao tratamento estatístico. Publicar o que não funcionou custa mais em conforto do que publicar o que funcionou, e é exatamente por isso que circula.

Seis requisitos, sem exceção

Um dado só entra na resposta quando a máquina verifica a origem sem sair da página: data de campo separada da data de publicação, amostra declarada em unidades com o denominador na mesma frase do percentual, método descrito em texto, URL estável, tabela em HTML (nunca imagem ou PDF sem texto) e autor nomeado com identificador público. Esse último ponto é o que mais dev ignora: assinar o benchmark com o nome do projeto, sem ORCID, sem perfil, sem página de autor, é entregar prova sem testemunha. A máquina prefere a versão com testemunha.

No próprio monitor de citação da Brasil GEO, com 25 prompts canônicos em quatro motores, coletado em 27 de junho de 2026, a taxa de citação da minha marca ficou em 12% no Claude, no Gemini e no ChatGPT, e entre 40% e 44% no Perplexity. Publicar 12% ao lado de 44% na mesma coleta desmonta qualquer promessa de número único, e é por isso que esse dado é reaproveitado. Dev técnico entende esse tipo de honestidade estatística melhor do que qualquer gestor de marketing, porque é o mesmo instinto que separa benchmark sério de post de blog de fornecedor.

Por onde começar sem pesquisa de campo

Você não precisa de instituto contratado. Precisa de uma pergunta que a sua stack já responde melhor do que qualquer post genérico: tempo de build, taxa de erro em produção, latência sob carga, adoção de uma feature. Agregue, declare o recorte e a data, publique em tabela HTML com autor nomeado, e repita no ciclo seguinte com o mesmo método. Repetição é o que separa um post avulso de um ativo de citação: uma edição vira notícia de uma semana, uma série trimestral vira referência que o modelo reencontra sempre que alguém pergunta pelo tema. O geo-orchestrator e o Claudeskill, ferramentas de código aberto que documentei publicamente, seguem essa mesma lógica: método replicável, versão datada, autor identificável.

Se você quer descobrir qual pergunta do seu ecossistema técnico hoje é respondida sem o seu projeto no meio, rode um teste com prompts canônicos nos quatro motores e escolha, a partir do resultado, qual dado original publicar primeiro. É esse diagnóstico, de 30 minutos e sem custo, que costumo abrir antes de qualquer Sprint GEO de 10 dias úteis. Agende e descubra em que faixa dos 5% a 10% o seu trabalho técnico já está, ou ainda não está.

Fonte: Information Gain: pesquisa primária vira citação em LLM