Pesquisa de prompts entra na jornada de SEO como segundo sinal de demanda

Por anos, a pesquisa de palavras-chave foi suficiente para montar estratégia de conteúdo orgânico: ela diz o que as pessoas digitam na busca, com que frequência e com qual intenção. O problema é que parte relevante da jornada agora começa antes do clique, dentro de uma conversa com ChatGPT, Perplexity, Gemini ou o AI Mode do Google. E o jeito de perguntar a um assistente raramente se parece com a frase curta que se digita no Google.

Em artigo publicado no Search Engine Land, Adam Tanguay (líder de crescimento orgânico na Cursor) propõe um método simples para lidar com isso: colocar volume de busca e volume de prompt na mesma tabela e usar a diferença entre os dois para decidir que tipo de conteúdo cada tópico realmente pede.

Dois números, uma planilha

A lógica é medir demanda em duas superfícies distintas. Para o lado de busca, Tanguay usa o Google Ads Keyword Planner cruzado com uma ferramenta de terceiros (Semrush ou Ahrefs). Para o lado de IA, ele recorre ao Prompt Volumes da Profound, que modela com que frequência um tópico aparece em prompts reais enviados a ChatGPT, Gemini, Claude e Perplexity.

Duas ressalvas técnicas importam aqui. O Keyword Planner agrupa variantes próximas, então frases quase idênticas reportam o mesmo número, o que não deve ser contado como demanda separada. Já o volume de prompt é mais direcional: serve para comparar ordens de grandeza, não para cravar números exatos. Ou seja, a tabela é boa para decidir prioridade, não para prometer tráfego preciso.

O que a diferença entre as colunas revela

Comparados os dois números, os tópicos caem em três grupos estratégicos.

Forte em keyword, fraco em prompt. As pessoas buscam no Google, mas não pedem ajuda a assistentes sobre o assunto. Aqui o briefing é clássico de SEO: analisar a SERP, entender o que ela recompensa, onde as páginas no topo estão rasas e o que dá para dizer que ninguém mais está dizendo. Estrutura top-down, título e H1 alinhados à intenção, resposta cedo e blocos de definição curtos, deixando a página substancial o bastante para ser citada caso a IA passe a cobrir o tema depois.

Forte em prompt, fraco em keyword. É o grupo que a pesquisa de palavras-chave sozinha ignora, e o que Tanguay diz explorar mais. O exemplo é revelador: um tópico com cerca de 5.000 buscas mensais reportava algo em torno de 250.000 em volume de prompt. A busca subestimava a demanda em cerca de 50 vezes. As pessoas não digitam o termo exato; descrevem o problema em uma frase e perguntam o que fazer. Para esses temas, o conteúdo precisa ser a resposta: definições claras, respostas diretas às perguntas reais e estrutura que um LLM consiga extrair e citar.

Forte nos dois. Quando há demanda nas duas superfícies, o tópico vira página pilar, feita para ranquear na busca e ser citada em respostas de IA. É onde as duas disciplinas deixam de ser exercícios separados: a keyword ensina como estruturar e titular; o prompt ensina quais perguntas responder e como formulá-las.

Cuidado com a célula vazia

Um alerta que evita erro comum: coluna de prompt em branco não significa zero interesse. Muitas vezes a demanda existe, mas está embutida em um termo mais amplo ou em outra categoria de prompt. Um caso de uso estreito pode não aparecer sozinho e ainda assim rolar sob um tópico maior. Antes de descartar, vale checar o termo de cabeça. Segundo o autor, ele já perdeu boas oportunidades por ignorar essa regra.

Da tabela para a operação

O método só serve se mudar o que a equipe publica. A separação fica direta: tópicos fortes em keyword alimentam a fila tradicional de SEO; tópicos fortes em prompt alimentam a fila de otimização para motores de resposta (AEO), com conteúdo referenciável e extraível; e os fortes nos dois viram carro-chefe.

E aqui está a recomendação com o como medir, que costuma ficar de fora: separe o relatório de orgânico. Em vez de jogar tudo num único número de "orgânico", divida tráfego de busca clássica e tráfego referido por IA (ChatGPT, Perplexity e afins). Só assim dá para saber se cada conteúdo está rendendo na superfície para a qual foi construído.

Trade-offs para o contexto brasileiro

O método é sólido, mas depende de ferramentas pagas de volume de prompt cuja cobertura de português e do comportamento do público brasileiro ainda é uma incógnita, já que os datasets tendem a refletir consultas majoritariamente em inglês. Vale tratar os números como aproximação e validar com dados próprios: comparar antes e depois de publicar, olhando o tráfego referido por IA em separado. A ideia central, porém, atravessa qualquer idioma: com dois sinais de demanda em vez de um, dá para parar de construir a mesma página para todo tipo de consulta.

Fonte: Search Engine Land