Reconhecido não é recomendado: o buraco que engole sua estratégia de GEO

Leia em 30 segundos

Aparecer numa resposta de IA generativa↳IA generativa81 conteúdosIA Generativa: 5 alternativas para começar a usar em 2025AI · jan 2025Gartner Revela o Futuro da IA GenerativaAI · jul 2024IA Generativa: Pesquisa global aponta Brasil como segundo país mais otimista com a tecnologiaAI · mar 2024Ver tudo em AI → e ser recomendado são duas métricas diferentes, e confundir as duas é o erro mais caro que vejo em auditoria. Numa análise recente que fiz, uma empresa brasileira apareceu em sete de oito contextos avaliados, mas o próprio domínio dela respondia por menos de 1% das fontes que a IA usou para sustentar o que dizia. Isso não é falta de visibilidade. É ausência de lastro próprio dentro de uma visibilidade alta, e para devs isso tem causa técnica identificável: RAG, fan-out de consultas e desambiguação de entidade.

Pergunta 1: por que o ChatGPT nunca "conhece" sua empresa

Nenhum modelo mantém ficha cadastral de nada. A cada pergunta, o sistema decompõe a consulta em subconsultas, recupera trechos de páginas distintas, ordena por adequação e escreve uma resposta nova a partir do que sobreviveu ao funil. O guia do Google Search Central, publicado em 15 de maio de 2026, descreve exatamente esse desenho: retrieval augmented generation combinado com fan-out. A unidade de competição não é o seu site. É o parágrafo que responde à subconsulta gerada.

Isso muda o trabalho técnico. Não adianta ter uma página institucional impecável se nenhum parágrafo autossuficiente responde à pergunta que o motor decompôs. E como a decomposição varia entre execuções, rodar o mesmo prompt duas vezes pode devolver listas diferentes. Isso é comportamento esperado do sistema, não bug.

Pergunta 2: por que reconhecimento cai quando a pergunta aperta

Perguntas amplas medem notoriedade. Perguntas com restrição (setor, integração, porte, prazo) medem preferência, e é aí que o sistema para de listar e passa a escolher com base no que consegue justificar. No meu working paper sobre o efeito da entidade âncora, uma única marca (o Nubank) respondia por 49,7% das menções espontâneas de fintech. Removida essa âncora, o setor inteiro desabava de 28,15% para 11,46% de citação. Traduzindo: se a sua categoria tem um âncora forte, aparecer numa pergunta genérica prova quase nada. A disputa real acontece nas perguntas restritas, onde o âncora nem sempre serve.

Pergunta 3: o erro técnico que times de dev cometem sem perceber

Aqui entra o ponto que interessa diretamente a quem escreve código, não só a quem escreve copy. A OpenAI documenta quatro agentes com finalidades distintas: GPTBot coleta para treinamento, OAI-SearchBot faz o site aparecer nas respostas de busca do ChatGPT. Bloquear o segundo tira a empresa das respostas, embora ela ainda possa surgir como link de navegação. Vi política de segurança fechar o robots.txt inteiro querendo proteger propriedade intelectual, e a consequência real foi empurrar o próprio motor para responder "de memória" em vez de recuperar documento atualizado, o pior cenário possível quando existe homônimo forte disputando o nome.

Os dois atalhos mais vendidos também não seguram a mecânica. A Ahrefs comparou 1.885 páginas que adicionaram JSON-LD contra quatro mil controles, em diferenças em diferenças, e encontrou ruído em torno de zero. Na mesma casa, dos cerca de 38 mil domínios com llms.txt válido, 97% não receberam nenhuma requisição ao arquivo. Schema e llms.txt não são o problema nem a solução. O problema é estrutural: falta relação extraível entre entidade, categoria, território e evidência, exatamente o que uma página cheia de adjetivo não fornece.

Há ainda a colisão de entidade, que devs de produto e de conteúdo raramente monitoram juntos. Quando o nome da empresa compete com sigla, campo do conhecimento ou instituição mais documentada, o sistema não devolve silêncio: ele escolhe o candidato com mais lastro no acervo, e escreve com a mesma convicção que teria se estivesse certo. O estudo GhostCite mediu de 14% a 95% de citações fabricadas dependendo do contexto e do motor. Isso não é exceção rara, é comportamento previsível de um sistema obrigado a responder.

Pergunta 4: onde investir primeiro

A hierarquia de evidência já está medida. A Muck Rack analisou mais de 25 milhões de links citados por ChatGPT, Claude e Gemini em 17 setores: mídia conquistada responde por 84% das citações, mídia paga por apenas 0,3%. Colocar verba em display esperando citação é aplicar dinheiro no canal 280 vezes menos representado do que a alternativa. O mesmo estudo mostra que Chen e colegas (arXiv:2509.08919) estimam conteúdo próprio da marca em só 5% a 10% do que os motores extraem. Se 90% da evidência mora fora do seu domínio, corrigir apenas a página sobre nós é corrigir o décimo menos influente do conjunto.

O que resolve, na ordem certa: mapear a entidade (razão social, categoria, território, fundador, com grafia idêntica em todo canal), garantir que a política de crawler separe treinamento de busca de forma deliberada, e medir por motor, não por média, porque o ChatGPT cita fonte em 96% das respostas, o Gemini em 82% e o Claude em 55%, segundo a mesma pesquisa da Muck Rack. Tratar os três como número único esconde exatamente a variável que decide se você consegue rastrear a origem do erro sobre a própria empresa.

Se você quer ver isso aplicado ao seu domínio, com denominador declarado e sem print isolado fingindo ser estratégia, o diagnóstico gratuito de 30 minutos que ofereço continua de pé, e o grupo de WhatsApp com especialistas em 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 → e GEO segue aberto para quem quiser discutir caso a caso antes de decidir sozinho.

Fontes: O ChatGPT não conhece a sua empresa. Ele a remonta a cada pergunta · Cinco erros de medição que fabricam um gap de citação que não existe · Homônimos e colisão de entidade: por que a IA troca a sua empresa por outra