Dois Experimentos de GEO Desafiam Conselhos Convencionais de Visibilidade em IA
Uma análise aprofundada baseada em 775 eventos de citação monitorados manualmente nas principais plataformas de Inteligência Artificial.
A maior parte dos conselhos que circulam hoje sobre GEO (Generative Engine Optimization) ainda se apoia em teoria, capturas de tela isoladas ou campanhas pontuais. Faltam dados estruturados e replicáveis. Foi exatamente essa lacuna que o consultor de SEO e IA Zeeshan Yaseen tentou preencher ao conduzir dois experimentos consecutivos, com acompanhamento manual e documentação detalhada de tudo o que funcionou, o que falhou e o que mudou entre um teste e outro.
O primeiro experimento foi feito para uma marca já estabelecida, cliente de consultoria, com investimento na casa dos milhares de dólares ao longo de vários meses. O segundo foi um teste de “cold start” de 30 dias, aplicado a uma agência de link building para empresas SaaS que não tinha nenhuma presença mensurável em plataformas de IA no início do processo.
Ao todo, os dois testes acompanharam 15 palavras-chave de intenção comercial cada, cobrindo quatro plataformas de IA no primeiro caso e seis no segundo. Foram registrados 775 eventos de citação combinando as duas experiências — e uma das conclusões iniciais do autor não sobreviveu ao segundo teste.
Experimento 1: O Teste com uma Marca Consolidada
No primeiro caso, o acompanhamento cobriu ChatGPT, Claude, Gemini e Perplexity. Cada consulta foi feita manualmente, com e sem VPN, para verificar se havia diferenças ligadas à localização.
A estratégia central foi conseguir menções em listas (“listicles”) publicadas em fontes que os modelos de linguagem já costumavam citar para aquelas palavras-chave, além de conteúdo no próprio site da marca. Esse trabalho foi reforçado por relações públicas (PR), guest posts e atividade orgânica no LinkedIn.
Ao final do período, a marca passou a aparecer em cerca de 10 a 12 das 15 palavras-chave monitoradas, com um pico de presença de 37,01% em 29 de abril.
A fonte que mais gerou citações foi um artigo abrangente de listas no site Indeed SEO, com 190 menções — muito à frente de MEXC e de um release da GlobeNewswire. No total, as listas responderam por 72,4% das citações, enquanto PR ficou com 24,1%; guest posts, o site próprio e o LinkedIn dividiram o restante.
Aprendizados Centrais do Experimento 1
- Listas, PR e guest posts se reforçam mutuamente: Os três canais funcionaram como um sistema único. Conseguir espaço em uma fonte que o modelo já citava produziu efeito composto rapidamente.
- Decadência rápida das fontes e importância da autoridade: Cerca de metade das fontes deixou de ser citada em até 30 dias. A relevância e autoridade da fonte pesaram mais do que a qualidade do conteúdo isoladamente.
- Influência do Google Tradicional: Quando o ChatGPT recorreu à busca web, marcas ausentes nos resultados do Google também ficaram ausentes da resposta gerada.
- Estrutura da página e palavras-chave de correspondência exata: Blocos de resposta direta nos primeiros 100 termos, FAQs visíveis e títulos em formato de pergunta geraram ganhos diretos de presença.
Experimento 2: O Teste de “Cold Start”
O segundo experimento partiu do zero absoluto: uma agência de link building para SaaS sem qualquer presença em IA durante a linha de base (30 de abril a 29 de maio). O teste foi rodado entre 30 de maio e 28 de junho, cobrindo seis plataformas (adicionando Google AI Mode e Grok).
Em 30 dias, a marca alcançou 298 aparições. 18,5% dos novos usuários vieram por referência e 3,25% pelo canal “AI Assistant” no GA4. Uma única indicação no Perplexity resultou em um novo cliente pagante.
A distribuição no segundo experimento mudou radicalmente: Gemini e Google AI Mode responderam por cerca de dois terços de todas as menções, com o ChatGPT caindo para posições secundárias.
Inversão de Paradigmas e Novas Descobertas
O segundo experimento trouxe conclusões cruciais que contradizem saberes prévios:
- Construção de alvos por citação real: Mapear fontes já citadas pela IA antes do outreach gerou saltos de até 232% em inserções em sites como Indie Hackers.
- Concentração Extrema: Apenas três fontes responderam por 78% do total de 437 menções agregadas. Conteúdo de terceiros gerou 85,8% da visibilidade.
- Listas no próprio site são base, NÃO alavanca: No 1º teste, acreditava-se que listas no próprio site impulsionavam o GEO. O teste do zero provou o oposto: o conteúdo próprio foi o mais lento a ser indexado (18 dias) e respondeu por apenas 14% das menções.
- Conteúdo Comparativo supera o Promocional: Ao incluir concorrentes diretos na sua própria lista, a marca viu as menções saltarem de 4 para 49 (aumento de 12,25x em 4 dias).
Origem das Citações: Terceiros vs. Próprio Site
Abaixo está a comparação clara da origem do impacto de visibilidade, evidenciando a supremacia do conteúdo distribuído em terceiros (listas externas e PR) em comparação aos ativos mantidos no próprio domínio.
| Canal de Origem | Experimento 1 (Consolidado) | Experimento 2 (Cold Start) |
|---|---|---|
| Listas de Terceiros (Listicles) | 72,4% | 85,8% |
| Assessoria de Imprensa (PR) | 24,1% | 0,2% |
| Conteúdo do Próprio Site | Baixa parcela residuária | 14,0% |
| Outros (Guest posts, LinkedIn) | Restante residual | 0,0% |
O Que Fica de Lição Prática
Somando os dois experimentos, destacam-se recomendações essenciais para otimização em motores generativos:
1. Mapeie antes de prospectar: Rode suas palavras-chave nas ferramentas de IA antes de definir a lista de outreach.
2. Orçamento para manutenção: Fontes citadas decaem em cerca de 30 dias. É preciso reforço contínuo.
3. Trabalhe Associações de Entidades: Mencione sua marca ao lado de grandes nomes e concorrentes do setor.
4. Foque no impacto real de negócio: Volume de citação não é tudo; acompanhe as conversões do tráfego vindo de IA.
O SEO tradicional se concentra em ranquear páginas. O GEO provou depender primariamente de associações de entidades: quais fontes citam sua marca, ao lado de quem você é mencionado e com que frequência esses vínculos são reforçados.
