Cinco datas em três semanas reescreveram o que faz sentido vender como GEO no Brasil
Cinco datas. Em três semanas. Todas elas no calendário público.
Em 6 de maio de 2026, eu mesmo subi na SSRN o preprint Three Ways to Fail to Conclude, com 7.052 respostas coletadas em 12 dias e três hipóteses populares do GEO brasileiro que não sobreviveram a correção de múltiplas comparações (Caramaschi, SSRN 6636298, 6 mai 2026). Em 7 de maio, o changelog oficial do Google Search Central registrou a fase final da desativação dos rich results de FAQ e How-To, iniciada em agosto de 2023, agora limitada quase só a sites governamentais e de saúde (Google, Search Central Blog, 8 ago 2023). Em 11 de maio, a Ahrefs publicou We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved., com diferença-em-diferenças mostrando efeito de schema sobre citação em IA estatisticamente indistinguível de zero em AI Mode e ChatGPT (Ahrefs, 11 mai 2026). Em 15 de maio, o Google publicou o guia oficial Optimizing your website for generative AI features on Google Search, com seção explícita de mythbusting contra llms.txt, schema proprietário e reescrita "para IA" (Google AI Optimization Guide, 15 mai 2026). Em 19 de maio, no I/O 2026, Sundar Pichai abriu o keynote dizendo que o AI Mode passou de 1 bilhão de MAU em um ano (Google Blog, I/O 2026 Keynote, 19 mai 2026).
Hoje é 20 de maio. Estou escrevendo na manhã seguinte à última dessas datas. Duas semanas. Cinco eventos.
O mês de maio fez o que três anos de debate de LinkedIn não fizeram. Forçou decisão. Quem opera GEO no Brasil agora tem duas escolhas, e só duas. Ou ajusta a oferta de consultoria à evidência pública, ou vende pelos próximos 18 meses o que três fontes independentes acabaram de marcar como ineficaz. Esse é o tamanho do gap. Posso fingir que não. Não vou.
Esse artigo registra a minha decisão, em duas listas. Cinco práticas que a Brasil GEO parou de cobrar do cliente. Cinco onde dobramos investimento de tempo consultivo entre maio e dezembro de 2026. Cada item tem o número, a fonte e o crosslink interno para o material já publicado nesta semana. É o nó de fechamento de uma onda editorial que começou em 6 de maio e termina aqui.
Paramos 1: vender llms.txt como requisito para visibilidade no Google
Era óbvio em 2025. Continuou óbvio em 2026. Agora está por escrito.
O guia oficial do Google de 15 de maio tem seção de mythbusting que diz, em texto direto, que não é necessário criar arquivo llms.txt para aparecer em AI Overviews ou AI Mode. Gary Illyes (Search Engine Land, junho 2025) e John Mueller (SE Roundtable, 17 jun 2025) já tinham dito o mesmo um ano antes. A documentação ficou pública. A narrativa que sobrevive precisa morrer.
Minha consultoria não cobra mais "implementação de llms.txt como alavanca de Google". Nunca cobrou. Mas vi cliente pagando R$ 8 a R$ 12 mil por isso em 2025, em propostas de agência que misturavam o arquivo com checklist de SEO básico, e essa conta foi o baluarte de algumas vendas. Vou parar de discutir. Tempo é finito.
O que mantenho do llms.txt está documentado por extenso em editorial separado nesta mesma semana, "llms.txt Não é Requisito para o Google. Por Que Mantenho o Meu Mesmo Assim". Resumo em uma linha: o arquivo continua tendo uso operacional como camada de seguro no ecossistema fora do Google (Cursor, Continue, política declarativa para OpenAI e Anthropic), com custo de manutenção próximo de zero. Higiene defensiva. Não diferencial premium.
Onde isso me deixa em diagnóstico inicial? Se o cliente chega com proposta de R$ 12 mil para "implementar llms.txt", eu pego o telefone. Devolvo o orçamento. Aplico o valor em três ações que comprovam impacto. Auditoria de elegibilidade Google e Bing. Tracking de citation rate em 4 LLMs por 12 semanas. Revisão de entidade no Wikidata e no Schema.org de Organization e Person. Trabalho real, valor mensurável.
Paramos 2: cobrar implementação massiva de Schema.org como gatilho de citação em IA
Esse é o item mais doloroso para parte do mercado. Vou destrinchar.
O estudo da Ahrefs de 11 de maio acompanhou 1.885 páginas que adicionaram JSON-LD entre agosto de 2025 e março de 2026, contra grupo de controle de aproximadamente 4.000 páginas pareadas por histórico de citação em IA. Diferença-em-diferenças com erros-padrão robustos, quatro testes estatísticos diferentes. Resultado para AI Mode: +2,4 pontos percentuais, indistinguível de zero. ChatGPT: +2,2 pontos percentuais, idem. AI Overviews: -4,6 pontos percentuais, pequeno em magnitude, estatisticamente significativo no sentido inverso do que o mercado vendeu (Ahrefs, 11 mai 2026). A correlação inicial era robusta. Páginas citadas eram quase três vezes mais propensas a ter schema. O experimento mostra que adicionar schema em páginas já citadas praticamente não move a agulha.
Schema é coproduto de boas práticas, não causa de citação marginal. Quatro testes. Mesma direção.
Anthony Lee notou em paralelo, no preprint The SEO Floor (SSRN, 26 abr 2026), que schema continua sendo o preditor de conteúdo mais forte para identificar páginas citadas por IA dentro do universo de páginas já bem ranqueadas. Os dois resultados não se contradizem. Falam de coisas diferentes. Schema correlaciona com qualidade global de SEO. Schema isolado não causa citação extra. Ponto final.
A consequência prática? A Brasil GEO não cobra mais sprint dedicada a "expansão de Schema.org para amplificação de citação em IA". Detalhei o raciocínio na FAQ pública "Schema.org sozinho não amplifica citação em IA: o que o estudo Ahrefs 2026 mostra". Schema continua na higiene técnica, sim. Como instrumento de entity clarity, sim. Como alavanca de citação marginal, não.
O que mudou na minha proposta comercial? Saiu o pacote "implementação Schema.org GEO premium" cobrado em quatro dígitos por sprint. Entrou auditoria de entidade distribuída, que inclui Schema, mas também Wikidata, LinkedIn estruturado, perfis setoriais e consistência cross-platform. Trabalho mais difícil, mais honesto, mais defensável diante de qualquer próximo guia oficial.
Paramos 3: auditar FAQ schema como feature de SERP enhancement
Em 8 de agosto de 2023, o Google publicou no Search Central Blog que estava desativando a maioria dos rich results de FAQ e How-To. A partir de 7 de maio de 2026, o changelog registrou a fase final: FAQ rich result agora aparece predominantemente para sites governamentais e de saúde (Google, Search Central Blog, 8 ago 2023; Google, Search Central Latest Updates, mai 2026). São quase três anos. E ainda vejo briefing de cliente chegando com "estratégia FAQ schema para aumentar visibilidade".
Auditoria simples no Search Console resolve em cinco minutos. Filtra rich result FAQ. Confere impressões. Zero. Conversa encerrada.
O que paramos de fazer foi vender FAQ schema como mecanismo de SERP enhancement para B2B SaaS. Anti-padrão clássico de pacote 2024 e 2025: cobrar pela "implementação de FAQ schema em todas as páginas de produto para amplificar visibilidade". O rich result já tinha sido desligado dois anos antes. Devolva o cheque.
Para o que o bloco FAQPage ainda serve está documentado em "FAQ Rich Result Foi Desativado em Maio de 2026: o Que Sobra do FAQ Schema". Resumo: sinal semântico interno para sistemas de retrieval identificarem o tipo de conteúdo. Útil em pipeline de RAG sintético próprio do cliente, quando existe. Não útil como visibilidade direta no Google.
FAQ continua sendo formato de conteúdo importante, especialmente para cobertura de query fan-out em AI Mode. A diferença é que agora trato FAQ como ferramenta editorial, não como feature técnica de SERP. Escrever pergunta e resposta com profundidade ainda gera tráfego, ainda alimenta retrieval em LLM, ainda serve ao leitor. O que parou é cobrar pela marcação como se ela movesse a SERP. Hipótese morta.
Paramos 4: recomendar reescrita de conteúdo "para IA" como serviço de prazo curto
Esse é o item em que a confusão é mais sutil. Vou separar dois conceitos.
De um lado, há conteúdo útil. Bem escrito, com fonte primária, com afirmação verificável, com voz autoral identificável, com profundidade que adiciona algo ao consenso. Esse conteúdo serve ao leitor humano e, como consequência, é selecionado com mais frequência por sistemas de retrieval em LLM. Continua valendo. Continua sendo o que a Brasil GEO entrega como produção editorial canônica. Sem ritual.
De outro lado, virou pacote de mercado em 2025 a "reescrita para IA". O playbook típico inclui fragmentar parágrafos em pedaços de duas frases para "facilitar chunking", colocar TL;DR no topo de toda página, fazer cada seção começar com pergunta, repetir entidade-chave em cada parágrafo para "ajudar o modelo a entender". Custo médio do pacote em consultoria brasileira: R$ 350 a R$ 800 por página, projeto de 40 a 80 páginas. Conta de quatro a cinco dígitos por cliente.
O guia do Google de 15 de maio dedica parágrafo específico contra esse ritual. Diz, em texto direto, que conteúdo deve ser escrito para humanos, com clareza editorial, e que reescrita "para agradar modelos" não é prática recomendada (Google AI Optimization Guide, 15 mai 2026). Pedro Dias, em The Whole Point Was the Mess (theinference.io, 5 mai 2026), tinha argumentado tecnicamente uma semana antes que LLMs lêem linguagem não estruturada por design, e que o playbook GEO em torno de "chunking otimizado" repacka SEO best practices clássicas como novidade. Três fontes independentes em duas semanas (Google, Ahrefs, Pedro Dias), o mesmo achado.
A consequência prática? Não recomendo mais "reescrita para IA" como serviço autônomo de prazo curto. Recomendo, sim, reescrita editorial honesta, padrão HBR 6 movimentos, com voz autoral e dado próprio. O preço é parecido. O entregável é diferente. O cliente recebe conteúdo que sobrevive ao próximo guia oficial, em vez de página fragmentada que envelhece em 90 dias quando o critério muda. Detalhei isso no glossário, no verbete sobre chunking sintético e os limites do ritual.
Paramos 5: vender framework GEO universal aplicável a qualquer vertical
Esse é o item mais difícil de aceitar para a parte do mercado que vende treinamento e certificação. Toca em hipótese central do produto. Doeu aqui dentro também.
O meu próprio null-report SSRN, publicado em 6 de maio com 7.052 respostas em 12 dias, mostrou que três hipóteses populares do GEO brasileiro não sobrevivem a correção de múltiplas comparações Benjamini-Hochberg com taxa de falsa descoberta a 0,05. Em compensação, dois recortes específicos sobreviveram com folga estatística: heterogeneidade por vertical (Cramér V = 0,23, p < 10⁻⁸²) e heterogeneidade por idioma (citation rate em português versus inglês, p < 10⁻¹⁵). A leitura é técnica e dura: GEO funciona, mas funciona de forma específica para cada vertical e cada idioma. Não funciona como receita universal (Caramaschi, SSRN 6636298, 6 mai 2026). É o que o dado mostrou.
Traduzindo. Não existe "playbook GEO para B2B SaaS" que se aplique igual a fintech, healthtech, agronegócio e e-commerce. Cada vertical tem sua malha de fontes confiáveis para o modelo, seu padrão de query fan-out, sua dinâmica de citação. Vender framework genérico é como vender remédio sem indicação clínica.
A Brasil GEO parou de oferecer "consultoria GEO genérica". Saiu o pacote universal. Entrou diagnóstico de vertical, com mapeamento específico de fontes-âncora por setor e por idioma. Os cinco ICPs B2B em que dobramos investimento estão documentados, com recorte regulatório e benchmark de citation rate, no guia "Master Prompt SEO+GEO+AEO+B2A em 5 ondas para CMO" e na seção de publicações acadêmicas. Quem quer ler a evidência por extenso encontra no artigo do null-report.
Esse foi o item que mais doeu no orçamento de 2026. Também é o que mais protege o cliente. Vale o custo.
Dobramos 1: Bing Webmaster Tools como camada operacional de tracking de citação
A Microsoft chegou na frente. Vale registrar.
O Bing Webmaster Tools passou a expor, ao longo de 2025 e 2026, relatórios de citação em Copilot e ChatGPT como métrica nativa. O painel AI Performance entrou em public preview em fevereiro de 2026 e foi expandido para mais editores ao longo do ano. A Microsoft documenta, oficialmente, quando e com qual frequência o site é citado como fonte em respostas geradas por IA dentro do Copilot, em resumos de IA no Bing e em integrações com parceiros selecionados (Microsoft Bing Blog, fev 2026). Nada parecido existe ainda no Search Console do Google em 2026. Não em maio. Talvez no segundo semestre.
No time da Brasil GEO, dobramos a aposta no Bing como camada de instrumentação. Toda auditoria técnica que rodamos a partir de junho começa por configurar Bing Webmaster Tools antes de qualquer outra ferramenta, com sitemap submetido, robots.txt revisado com allowlist explícita para os bots OAI-SearchBot, GPTBot, ClaudeBot, PerplexityBot e bingbot. Esse setup é detalhado, sinal a sinal, no checklist "Os 10 Sinais de Agent-Readiness Que Auditei em 2026 (web.dev e Mais)".
Por que dobrar? Porque ChatGPT roteia parte significativa de queries via Bing como motor de retrieval, e Copilot opera o Bing como motor primário. Tracking sério de citation rate em ChatGPT começa por instrumentar Bing. Quem ignora a Microsoft está medindo metade do mercado de LLM. Auditoria que pula essa frente cobra pelo trabalho incompleto. Conta errada.
Eu sei. É menos sexy do que Google. Também é onde o sinal está mais limpo no momento. Aceito o trade.
Dobramos 2: tracking semanal de citation rate em 4 LLMs com 25 prompts canônicos
Essa frente saiu de "produto consultivo" para "metodologia documentada". Quem quiser auditar o método, audita.
O processo é simples e reproduzível. Definimos 25 prompts canônicos por vertical, pré-registrados em janela fechada. Cada execução roda em paralelo nos 4 LLMs do ecossistema (OpenAI GPT-4o, Anthropic Claude Sonnet, Google Gemini, Perplexity sonar), com cadência semanal e janela mínima de 12 semanas para qualquer alegação causal sobre intervenção. O resultado vai para dashboard com intervalo de confiança via BCa bootstrap a 10.000 reamostragens e correção de múltiplas comparações via Benjamini-Hochberg. Documentação pública em /docs/geo/llm-mention-rate-canonical-25-prompts.md no repositório da landing-page-geo.
Sem essa instrumentação, o que se chama de "evidência GEO" no mercado brasileiro é folclore. Cliente compra screenshot pontual de ChatGPT respondendo bem em uma terça-feira aleatória. Agência entrega print. Pipeline comercial considera o serviço feito. Auditoria séria desmonta isso em uma hora. Print não é prova.
Dobramos horas de consultor sênior nessa frente entre maio e dezembro de 2026. O motivo é prático. Quanto mais o mercado vende screenshot como prova, mais o cliente que comprou método ganha vantagem competitiva. A Brasil GEO é uma das poucas consultorias no Brasil que cobra correção estatística como entregável, com pré-registro e janela de pré-coleta fechada. O processo está documentado na FAQ pública "Monitoramento de LLM mention rate em 2026: 25 prompts, 4 LLMs e correção estatística".
É o tipo de entregável que sobrevive a qualquer próximo guia oficial. Porque deriva de matemática de retrieval, não de adivinhação de feature. Esse é o eixo.
Dobramos 3: entity clarity em Wikidata e Person schema como eixo técnico de maior ROI
Se eu pudesse investir hora consultiva em uma frente técnica única em 2026, seria essa. Não llms.txt. Não Schema massivo. Entity clarity.
A leitura é direta. Sistemas de retrieval em LLM precisam identificar a marca, o autor e o produto como entidades únicas, com atributos verificáveis em múltiplas fontes independentes. Quando essa identificação falha (porque a marca tem nome ambíguo, ou porque o autor não tem Wikidata, ou porque o Schema do site declara Organization sem sameAs para LinkedIn, Crunchbase e perfis setoriais), o modelo confunde a entidade ou simplesmente não cita.
O insight síntese está documentado em "Arquitetura-Síntese: RAG, SEO, AEO, GEO e ASO convergem em 2026". A convergência tem nome técnico: as cinco disciplinas operam sobre a mesma base de clareza de entidade, e quem trabalha entity clarity bem ganha de uma vez em todas as cinco frentes.
Onde aplico o esforço? Wikidata em primeiro lugar. Item canônico da marca, item canônico do autor, propriedades-chave preenchidas (P31 instance of, P452 industry, P159 headquarters, P856 official website, P3417 Quora topic, e por aí vai). Schema.org Person no site, com sameAs apontando para Wikidata, LinkedIn, ORCID se aplicável, e perfis setoriais relevantes. Editorial board público com biografia verificável de cada autor. Política de correção pública. Tudo isso reforça uma única coisa: quando o sistema de retrieval recupera um trecho, ele consegue colar a fonte numa entidade canônica que existe em pelo menos quatro lugares independentes.
Esse é o investimento técnico de maior ROI em 2026, na minha leitura. E é o item que mais subestimei em 2025. Não vou subestimar de novo. Custou caro aprender.
Dobramos 4: editorial board público e política de correção pública como sinais de EEAT em 2026
EEAT virou outra coisa. Em 2024, era sinal de SEO. Em 2026, é sinal de citação em LLM. A diferença muda o que precisa estar exposto no site. Outro jogo.
Eu publiquei o editorial board da Brasil GEO em formato público, com nome, biografia, credencial verificável e link para perfis profissionais de cada revisor. Ao lado, está a política de correção pública, que documenta o processo de revisão antes da publicação, o protocolo de correção pós-publicação, e a transparência do registro de mudanças em cada artigo. Esse conjunto não existe na maioria das consultorias brasileiras que vendem GEO em 2026.
Por que dobrar nessa frente? Porque o sinal está documentado, mensurável e replicável. Sistemas de retrieval em LLM dão peso desproporcional a fontes que expõem cadeia editorial verificável, com autor identificável, com mecanismo de correção visível. Aggarwal et al. (KDD 2024, arXiv:2311.09735) mostraram empiricamente que sinais de autoridade textual aumentam taxa de citação em modelos generativos. O número não é folclore. É evidência publicada em conferência de primeira linha.
A consultoria brasileira média não faz esse trabalho. Site sem autor identificável, artigos sem data de revisão, ausência de processo público de correção. Quando o sistema de retrieval recupera o trecho, não consegue colar a fonte numa entidade autoral confiável. Resultado: o trecho concorre em desvantagem com fontes que expõem editorial. Em verticais regulados (fintech, healthtech, jurídico, fiscal), essa desvantagem fecha o jogo. Sem volta.
Dobramos hora consultiva em produção de editorial board para cliente, e em desenho de política de correção pública. É trabalho de baixa visibilidade no curto prazo. Alto efeito composto no longo prazo. Quando a citação começa a fluir, fica claro qual time fez o trabalho do qual não fez. Fica óbvio.
Dobramos 5: rigor estatístico em qualquer claim que publicamos sobre GEO
Essa última é a frente em que separamos consultoria séria de venda de hype. Vai ser o item mais incômodo para concorrente que vende certeza onde não há. Resignação ou método.
O preprint Three Ways to Fail to Conclude (Caramaschi, SSRN 6636298, 6 mai 2026) é nosso próprio documento de auto-crítica metodológica. Três hipóteses populares do GEO brasileiro (efeito de schema, efeito de llms.txt, efeito de FAQ markup sobre citação em IA), testadas em 7.052 respostas coletadas em 12 dias, com correção Benjamini-Hochberg a 0,05 e intervalos via BCa bootstrap com 10.000 reamostragens. Resultado: as três hipóteses não sobrevivem à correção. Em compensação, heterogeneidade vertical e linguística sobrevivem com folga.
É um null-report. Publicar null-report próprio, em SSRN, com dado bruto disponível, é tudo o que separa consultoria de oráculo. Eu publiquei. Outros não publicaram. A diferença vai aparecer no próximo ciclo de propostas comerciais. Vai. Já está aparecendo.
Como isso muda a operação? Cada claim sobre GEO que sai da Brasil GEO em 2026 passa por três filtros antes da publicação. Primeiro, fonte primária verificável citada em parênteses, com data. Segundo, número com janela de coleta e N declarado. Terceiro, intervalo de confiança ou correção de múltiplas comparações quando a métrica é comparativa. Sem isso, não publica. O custo é maior. A confiança que isso gera é maior ainda.
É o que separa o que vendemos hoje do que vendíamos em 2024. E é o que vai separar quem opera GEO no Brasil em 2027 de quem operava em 2025. O rigor não é vaidade acadêmica. É arquitetura comercial. A página de publicações traz o registro completo dos preprints e do método.
Por que essa lista pode mudar em 90 dias, e o que vai pedir nova reescrita
Vale dizer o que essa lista não é.
Não é canônica para sempre. É uma fotografia de 20 de maio de 2026, com base em cinco datas-marco em três semanas. O Bing pode lançar painel de citação ainda mais granular no segundo semestre. O Google pode publicar novo guia oficial em outubro. A OpenAI pode mudar política de retrieval do GPTBot em junho. Cada um desses eventos vai pedir releitura dessa lista. A Brasil GEO tem princípio editorial de revisar essa decisão de oferta a cada trimestre fechado: julho, outubro, janeiro, abril. Releitura sem orgulho. Releitura com a mesma régua de evidência que aplicamos aqui. Sem vaidade.
O que não vai mudar é o método. Fonte primária citada com data. Número com N e janela. Correção estatística quando a comparação exige. Conteúdo editorial com voz autoral identificável. Entity clarity como eixo técnico. Editorial board e política de correção pública. Esse pacote sobrevive a qualquer próximo guia oficial, porque deriva de matemática de retrieval e de princípio editorial, não de hack de feature.
Quem leu até aqui já tem o quadro. Cinco práticas que paramos de cobrar. Cinco onde dobramos. Onde isso te deixa, se você é CMO ou diretor de marketing num B2B brasileiro? Depende do contrato que você tem em mãos hoje. Se for "implementação llms.txt premium" ou "expansão Schema.org para IA" ou "FAQ schema para SERP", chame seu fornecedor. Peça os dados. Peça a fonte do número que justifica o preço. Aceite a resposta.
Se a resposta for screenshot, está respondida.
Para quem quer começar do lugar certo, o ponto de entrada é o diagnóstico. Sem prometer ganho fechado em janela curta. Com instrumentação real para medir o ganho real. Com correção estatística para separar sinal de ruído. As jornadas por ICP trazem o recorte específico por vertical, conforme a evidência do null-report autorizou. Os cases públicos estão expostos no site, com método aberto. As publicações acadêmicas seguram a régua técnica.
A onda editorial que começou em 6 de maio termina aqui, no dia 20. A próxima começa em algum momento de junho, com a primeira execução real do dashboard de citation rate em 25 prompts. Vou registrar o número, com janela e correção. Se o número confirmar a leitura desta lista, mantenho a oferta. Se contradisser, reescrevo. É a única forma honesta de operar.
Fontes citadas no texto: Google, Optimizing your website for generative AI features on Google Search, 15 mai 2026; Google Blog, I/O 2026 Welcome to the agentic Gemini era, 19 mai 2026; Google Search Central Blog, New rich result guidance, 8 ago 2023; Google Search Central, Latest Documentation Updates, mai 2026; Ahrefs, We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved., 11 mai 2026; Caramaschi A., Three Ways to Fail to Conclude, SSRN 6636298, 6 mai 2026; Microsoft Bing Blog, Introducing AI Performance in Bing Webmaster Tools Public Preview, fev 2026; Lee A., The SEO Floor: Measuring Google Rank Distribution of AI-Cited Pages, SSRN, 26 abr 2026; Dias P., The Whole Point Was the Mess, theinference.io, 5 mai 2026; Aggarwal P. et al., GEO: Generative Engine Optimization, KDD 2024, arXiv:2311.09735.