O que se sabe sobre por que a IA cita uma fonte e deixa outra de fora
Em 25 de maio de 2026, Rahul Vishwakarma, Shushant Kumar e Ratnesh Jamidar publicaram um experimento controlado sobre a escolha de citação em motores de resposta: 252 mil comparações pareadas, em seis modelos de linguagem, em que duas fontes recuperadas para a mesma pergunta diferiam em exatamente um de 18 fatores de conteúdo, com marcas anonimizadas e ordem contrabalanceada para separar efeito de conteúdo de viés de posição. Relevância tópica e posição na lista de fontes foram os dois maiores preditores de quem recebia a primeira citação; preço explícito e data recente ajudaram de forma consistente; completude e sinais de confiança tiveram ganhos menores; edições só de formatação quase não mudaram o resultado ("What Gets Cited: Competitive GEO in AI Answer Engines", arXiv 2605.25517).
Esse é o chão de evidência deste artigo. Os cinco critérios de elegibilidade que uso nos diagnósticos, descritos abaixo, são hipótese de trabalho: registram o que observo com regularidade nas marcas que não aparecem e o que mudou depois das correções, sem grupo de controle. Popularidade offline, backlinks e volume de tráfego não estão entre os preditores medidos, e marcas conhecidas fora da internet seguem ausentes de muitas respostas. A leitura mais prudente é que o motor cita o que recuperou e conseguiu ligar à pergunta, e que a recuperação depende de o conteúdo existir, ser legível e responder ao que foi perguntado.
Os 5 critérios de elegibilidade algorítmica
Cinco critérios organizam o diagnóstico. Todos são verificáveis e corrigíveis; nenhum garante citação, e a ordem reflete a frequência com que cada falha aparece nos diagnósticos da Brasil GEO.
1. Clareza de entidade: A marca tem uma identidade bem definida e consistente entre múltiplas fontes? Nome, descrição, área de atuação e proposta de valor precisam ser claros e sem ambiguidade.
2. Consistência cross-source: As informações sobre a marca são iguais no site, no LinkedIn, no Crunchbase, na Wikidata e em outras fontes que a IA consulta? Inconsistências geram dúvida e reduzem citabilidade.
3. Profundidade de contexto: A marca tem conteúdo suficiente e substantivo sobre os temas em que pretende ser citada? Conteúdo superficial não gera citação — a IA precisa de material com profundidade para sintetizar.
4. Formato processável: A informação está em HTML legível, com texto visível e FAQ que responde perguntas reais? Dados estruturados ajudam a desambiguar a entidade, sem efeito medido sobre citação; o llms.txt é opcional.
5. Autoridade atribuível: A marca está associada a pessoas, publicações ou instituições com expertise verificável? Citação é atribuição de autoridade — a IA precisa de âncoras de confiança para citar.
A falha mais comum no segundo critério é a marca que o Google e o Gemini acabam lendo como duas empresas distintas. Disseco esse caso em Marca como entidade única: como evitar que o Google e o Gemini confundam ou fragmentem a identidade da sua empresa, no blog da Brasil GEO.
Como diagnosticar sua elegibilidade algorítmica
Qualquer empresa pode iniciar o diagnóstico de elegibilidade com quatro testes simples, sem ferramentas pagas.
Teste 1 — Pergunte à IA sobre sua categoria: Abra ChatGPT, Gemini e Claude e pergunte sobre o tema em que sua marca deveria ser citada. Se a marca não aparece nas respostas, ela é inelegível naquele contexto.
Teste 2 — Pergunte diretamente sobre sua marca: Pergunte à IA quem é a sua empresa e compare a resposta com o que você gostaria que fosse dito. A distância entre as duas é o gap de posicionamento algorítmico.
Teste 3 — Verifique consistência entre plataformas: Compare o que aparece sobre sua marca no Google, no LinkedIn, na Wikidata e em diretórios do seu setor. Se há inconsistências, a IA herda essa confusão.
Teste 4 — Audite o Schema: Use o Rich Results Test do Google para verificar se o site tem dados estruturados corretos e completos.
O diagnóstico gratuito de 30 minutos da Brasil GEO executa todos esses testes ao vivo e entrega um mapa de gaps com recomendações prioritárias.
De invisível a citável: o caminho da visibilidade algorítmica
A transição de invisibilidade para citabilidade segue um caminho de quatro fases, com impacto cumulativo. A fundação técnica vem primeiro; o conteúdo e a distribuição vêm depois.
Fase 1 — Fundação (semanas 1-2): Implementar dados estruturados e llms.txt, corrigir inconsistências de entidade em fontes externas, criar perfis em plataformas autoritativas como Wikidata e Crunchbase.
Fase 2 — Conteúdo (semanas 3-6): Publicar conteúdo substantivo e citável sobre os temas-chave. Não conteúdo de blog genérico — conteúdo que responde perguntas que compradores realmente fazem à IA.
Fase 3 — Distribuição (semanas 7-12): Ampliar a presença em fontes que a IA indexa: publicações em portais do setor, colunas em veículos relevantes, participação em podcasts e eventos que geram transcrições indexáveis.
Fase 4 — Monitoramento contínuo: Acompanhar como a IA cita a marca e ajustar a estratégia com base em mudanças nos modelos e no comportamento competitivo.
As semanas acima descrevem esforço de implementação. Prazo para a citação aparecer não se promete; ele se mede, com amostra fixa de prompts, superfície e modelo registrados e regra de parada definida antes da rodada. O registro longitudinal da Brasil GEO, o BRGEO-1, com 91.392 respostas em 56 datas, mostra por que a disciplina importa: nas mesmas 7.436 respostas históricas do Perplexity, a detecção de entidades foi de 51,95% lendo só os primeiros 200 caracteres e de 75,73% lendo todo o texto retido, 23,78 pontos percentuais de diferença sem nenhuma mudança no modelo.