A mesma pergunta, cinco respostas, cinco listas de marcas
ChatGPT, Gemini, Perplexity e Claude não são sinônimos de "a IA". Cada motor tem índice distinto, lógica de recuperação distinta e viés de fonte distinto. Tratar os cinco como uma coisa só é o erro mais caro do Head de SEO em 2026: você pode ser citado em três motores e invisível nos outros dois com exatamente a mesma página.
Fiz um teste banal com a equipe há duas semanas. Peguei uma única pergunta comercial do nicho de um cliente e rodei nos cinco motores que importam hoje: ChatGPT com busca, Gemini dentro do AI Mode, Perplexity, Claude com navegação e o AI Overview do Google. Cinco respostas. Cinco conjuntos de fontes diferentes. A marca do cliente apareceu em três deles, ficou de fora de um, e em outro apareceu citada por uma thread de Reddit que ninguém da empresa sabia que existia.
A tese é contraintuitiva para quem vem de SEO clássico: a maior parte da otimização para IA é compartilhada — conteúdo profundo, estrutura clara, autoridade verificável —, mas a margem que decide se você é citado em cada motor está nos detalhes do retrieval de cada um. Quem entende como cada engine recupera e cita ganha essa margem. Quem não entende terceiriza a decisão para o algoritmo de quem entendeu.
Este artigo segue a ordem que uso internamente: primeiro o mecanismo comum (RAG e query fan-out), depois motor por motor com evidência, depois uma tabela comparativa direta, e no fim um plano de ação por engine. Os números e o comportamento de cada motor vêm de research vivo realizado em maio de 2026, com as fontes linkadas no corpo.
RAG: o mecanismo comum que decide se você entra na resposta
RAG (Retrieval-Augmented Generation) é a arquitetura comum a todos os cinco motores: antes de gerar a resposta, o modelo dispara uma busca, recupera documentos relevantes e sintetiza condicionado a esse material. Isso cria dois portões de eliminação — estar no índice certo e ser o trecho escolhido entre os candidatos recuperados. Quem não passa nos dois portões não é citado, independente da qualidade global do site.
O primeiro portão é o índice. Se o ChatGPT busca no índice do Bing e a sua página não está bem indexada no Bing, você nem entra no sorteio. A maioria das marcas brasileiras perde aqui sem saber, porque negligencia o Bing Webmaster Tools.
O segundo portão é a seleção do trecho. Dado que você foi recuperado, o seu trecho precisa ser bom o bastante para ser escolhido entre os candidatos. SEO clássico cuidava razoavelmente bem desse portão (relevância, qualidade). O problema é que a maioria parou por aí e ignorou o primeiro.
RAG explica por que conteúdo "passável" deixou de bastar. O modelo não precisa de dez páginas medianas dizendo a mesma coisa. Ele precisa de uma passagem que responda à sub-pergunta exata, com dado verificável, fácil de extrair. É por isso que tabelas, FAQs, listas e dados marcados com schema funcionam: reduzem o custo de extração. O guia de GEO da Product Hackers, baseado em 145 consultas reais de moda e e-commerce, é explícito ao recomendar dados próprios marcados como fonte primária, porque os LLMs priorizam fontes primárias estruturadas (Product Hackers, guia GEO 2026).
Query fan-out: por que a IA decompõe a sua pergunta em dez perguntas
Query fan-out é o comportamento pelo qual os motores modernos decompõem a sua pergunta em várias sub-consultas, buscam cada uma separadamente e depois sintetizam. A consequência direta é que uma página que responde só à pergunta central perde para a página que cobre o leque inteiro de sub-perguntas adjacentes. Cobertura de subtópicos deixou de ser luxo e virou condição de recuperação.
O query fan-out funciona assim na prática: pergunte "qual o melhor ERP para varejo de moda no Brasil" e o motor pode gerar, internamente, sub-buscas para "ERP varejo moda Brasil", "comparativo ERP varejo", "integração fiscal e-commerce moda" e "reviews ERP lojistas". Cada sub-busca traz candidatos diferentes. A página que aparece em todas essas sub-buscas domina a resposta final.
No SEO clássico você mirava uma keyword principal por página. Com fan-out, a estratégia muda: você otimiza para o cluster semântico inteiro que aquela pergunta abre, não para a frase literal.
O fan-out é especialmente agressivo nos modos de pesquisa profunda. O Deep Research do ChatGPT e o Pro Search do Perplexity quebram a pergunta em sub-tarefas, buscam múltiplas fontes para cada uma e montam um relatório. O Gemini dentro do AI Mode dispara consultas adicionais conforme o usuário itera. Eu detalho a mecânica de recuperação e a tática de chunking no artigo dedicado a como a IA decide qual marca citar, que é o complemento natural deste comparativo.
ChatGPT e SearchGPT: índice Bing, autoridade estruturada, citação discreta
O ChatGPT usa historicamente o índice do Bing como backend de busca web, complementado por crawling próprio. Isso significa que ignorar o Bing Webmaster Tools equivale a abrir mão de metade do mapa de citação: você não otimiza para o buscador Bing como destino de usuários, mas para o índice que alimenta um dos maiores motores de resposta do mundo.
O ChatGPT roda RAG multi-fonte e, no Deep Research, quebra a pergunta em sub-tarefas e sintetiza um relatório completo. Não há anúncio público de migração do backend para o índice Google. APIs específicas complementam em alguns domínios, mas o Bing continua sendo a âncora documentada da busca web geral.
A citação no ChatGPT é discreta: nem sempre mostra fonte para tudo, tende a exibir links quando a busca é explicitamente acionada, e o formato é uma lista de "Sources" no fim, com citações inline numeradas ocasionais. Em consultas comerciais, estudos de GEO de 2026 observam que o ChatGPT menciona entre 2 e 4 marcas por resposta, sem necessariamente exibir a URL de cada uma.
O viés de fonte do ChatGPT é autoridade estruturada: conteúdo com tabelas, FAQs, schema e respostas diretas é mais fácil de extrair e sintetizar, e ele recompensa isso. Fontes primárias com dados próprios e domínios de autoridade global pesam mais. O Reddit existe na base (há acordo de licenciamento desde 2024), mas a interface não destaca o domínio como o Google faz — na prática, o Reddit é menos decisivo para o ChatGPT do que para o Gemini. Para o passo a passo específico de virar resposta padrão quando pesquisam sua marca, veja como aparecer no ChatGPT quando pesquisam sua marca.
Perplexity: citação obrigatória, frescor e ~94% de precisão
O Perplexity é o melhor laboratório de GEO disponível porque toda resposta vem obrigatoriamente com citação numerada, ligada e visível — e o Pro Search faz query fan-out supervisionado e explícito. Se você roda as suas queries-alvo no Perplexity e não é citado, o problema é o seu conteúdo, não a interface. Nenhum outro motor dá esse diagnóstico com tanta clareza. Para transformar esse teste pontual em rotina estruturada, veja como auditar a presença da sua marca em LLMs.
O Perplexity processa cerca de 780 milhões de consultas por mês em 2026. Seu Pro Search faz pipeline multi-etapas: quebra a query em sub-consultas, busca várias fontes por sub-query e sintetiza. É query fan-out supervisionado, escancarado na interface — o que torna o comportamento do motor legível e auditável.
O formato de citação é o mais transparente do mercado: todas as respostas têm fonte, quase sempre numeradas inline com bloco de links abaixo. Segundo análise da How Do I Use AI de abril de 2026, o Perplexity apresenta cerca de 94% de precisão de citação em amostragem — alta correspondência entre o que o texto afirma e o que a fonte de fato diz (How Do I Use AI, abril de 2026). Em consultas comerciais, o Perplexity exibe de 3 a 6 marcas com fontes, mais que ChatGPT e Claude.
O viés do Perplexity é por frescor e verificabilidade: valoriza conteúdo recente, datas completas visíveis na página, números e estudos por afirmação. Como sempre exibe o link, ele dá mais visibilidade a Reddit e Wikipedia do que ChatGPT ou Claude — simplesmente porque mostra o domínio, e esses domínios costumam ser citados nele.
Gemini, AI Mode e AI Overviews: índice Google e o peso do consenso social
Gemini, AI Mode e AI Overviews rodam sobre o índice do Google Search. Isso significa que estar bem rankeado no orgânico é pré-condição para aparecer no bloco generativo — e que otimizar só o site não basta: o Google pesa fortemente consenso social (Reddit, reviews, YouTube) para selecionar quem é citado.
A escala justifica a atenção: o blog oficial do Google confirmou no I/O 2026 que os AI Overviews já passam de 2,5 bilhões de usuários ativos mensais (blog oficial do Google, I/O 2026). A cobertura do mesmo evento reporta o AI Mode em torno de 1 bilhão de MAU, com consulta média até três vezes mais longa que a busca tradicional — número plausível e sustentado em cobertura secundária, não como dado primário fechado.
O retrieval do Gemini é condicionado pelo ranking clássico: o índice do Google seleciona os documentos candidatos, e só então o Gemini comprime e sintetiza. O modelo não escolhe a fonte sozinho. O AI Mode adiciona uma camada de RAG recorrente, disparando novas consultas conforme o usuário refina a conversa.
O viés de fonte do Google é o que mais o separa dos demais: peso enorme para consenso social. O AI Overview confia em verificação cruzada via threads de Reddit, reviews (Google Reviews, Trustpilot) e principalmente YouTube, por ser do próprio Google. Em queries comerciais, o Google destaca marcas com muitos reviews e presença multicanal forte.
O formato de citação são cards clicáveis com favicon sob a resposta, tipicamente 3 a 5 links, com poucas citações inline. Detalho quanto cada canal vale em termos de share of voice no artigo sobre share of voice em IA e como medir visibilidade.
Claude: conservador, técnico e faminto por profundidade real
O Claude é o motor mais conservador dos cinco — e isso é uma vantagem estratégica para quem produz conteúdo técnico denso. O Claude valoriza profundidade real acima de tudo: cita documentação oficial, papers, issues do GitHub e fontes expert, e ignora sites recém-criados ou conteúdo de marketing raso. Se o Claude cita a sua página, ela tem substância.
Quando a navegação está ativa, o Claude segue RAG como os outros, buscando via backends parceiros (historicamente Bing e outros). O comportamento de seleção e citação é mais cauteloso e técnico que o do ChatGPT. Em queries de marca, estudos de GEO mostram o Claude mencionando 2 a 4 marcas, com foco em densidade informativa e cautela explícita na recomendação.
O viés de fonte do Claude é por profundidade real: textos densos, técnicos e informativos, conteúdo com rigor e dados verificáveis, documentação oficial, RFCs, issues do GitHub, papers e blogs de desenvolvedores.
O formato de citação é uma lista de fontes no fim, com menções textuais do tipo "segundo a documentação oficial…" — menos granular e menos numerada que o Perplexity. Se o seu ICP é técnico, investir em documentação séria, especificações e casos detalhados é a alavanca de maior retorno neste motor.
Tabela comparativa: índice, citação, viés e como aparecer
Consolidei o que importa numa única tabela. Use-a como mapa de decisão: a coluna "Como aparecer" é onde você aloca esforço por motor. Os comportamentos vêm do research vivo de maio de 2026, com as fontes já linkadas nas seções acima.
| Motor | Índice / retrieval | Formato de citação | Viés de fonte | Como aparecer |
|---|---|---|---|---|
| ChatGPT / SearchGPT | Índice Bing + crawling próprio + conectores; RAG multi-fonte, fan-out no Deep Research | Lista de "Sources" no fim; inline numerado ocasional; 2 a 4 marcas | Autoridade estruturada (tabelas, FAQs, schema), fontes primárias, domínios de autoridade global | Indexar bem no Bing; marcar dados próprios; estruturar respostas diretas e tabeladas |
| Perplexity | Bing + meta-search + crawling próprio; RAG explícito, Pro Search com fan-out supervisionado | Citação em 100% das respostas, inline numerada + bloco de links; ~94% de precisão; 3 a 6 marcas | Frescor e verificabilidade; números e estudos; dá link visível a Reddit e Wikipedia | Datar e atualizar páginas; dado verificável por afirmação; ser citável trecho a trecho |
| Gemini / AI Mode / AI Overviews | Índice do Google Search; RAG sobre ranking clássico; consultas recorrentes no AI Mode | Cards com favicon sob a resposta, 3 a 5 links; poucas inline | Consenso social: Reddit, reviews, YouTube (do Google); marcas multicanal com reviews | Rankear no orgânico; YouTube e reviews reais; presença em UGC sem astroturfing |
| Claude | Backends parceiros (Bing e outros); RAG conservador, foco técnico | Lista de fontes no fim, menções textuais; menos numerada; 2 a 4 marcas | Profundidade real; docs oficiais, papers, GitHub, fontes expert; cauteloso com sites novos | Documentação densa; dado primário; rigor técnico; credenciais verificáveis |
| Google clássico (referência) | Índice do Google Search; ranking tradicional | Cerca de 10 links por página, usuário escolhe | E-E-A-T, autoridade temática, sinais clássicos | SEO clássico: continua sendo a base para ser elegível nos demais |
A leitura de cabeceira da tabela é esta: o índice Bing alimenta ChatGPT, Perplexity e provavelmente Claude; o índice Google alimenta os AI Overviews e o AI Mode. Negligenciar qualquer um dos dois índices é abrir mão de um lado inteiro do mapa de citação.
O Core Update de 2026 elevou o piso para todos os motores
O March 2026 Core Update elevou o piso de qualidade para todos os motores ao re-ponderar o sinal de Information Gain — quanto a página adiciona conhecimento genuinamente novo em relação ao que já ranqueia para a mesma consulta. Conteúdo que apenas reorganiza o existente perde no orgânico e, por consequência, fica fora dos blocos generativos. Originalidade verificável virou piso, não diferencial.
O Core Update foi confirmado no Search Status Dashboard com início em 27 de março e fim em 8 de abril de 2026 (Evertune, March 2026 Core Update). Houve ainda o update de maio, com rollout a partir de 21 de maio.
A razão de o Core Update importar para citação em IA é direta: o índice do Google alimenta os AI Overviews e o AI Mode, e os sinais de qualidade que sobem você no orgânico são os mesmos que tornam uma página candidata no bloco generativo. Conteúdo com dado próprio, experiência de campo e ângulo inédito ganha nos dois canais. Quem perde no orgânico perde também na IA gerada pelo Google.
Plano de ação por motor: onde alocar esforço esta semana
Comparativo sem plano é entretenimento. Aqui está o que eu faria, na ordem, se assumisse hoje o GEO de uma marca com recurso limitado. Não é para fazer tudo de uma vez. É para priorizar por motor.
- Base comum (faça primeiro, vale para os cinco): dado primário próprio em cada página relevante, marcado como fonte primária; estrutura extraível (FAQs, tabelas, listas, respostas diretas); cobertura do leque de sub-perguntas para vencer o fan-out; autoria identificável com credenciais. Isso é o que o Information Gain do Core Update exige e o que todo motor recompensa.
- Para ChatGPT: trate o Bing como cidadão de primeira classe. Verifique indexação no Bing Webmaster Tools. Priorize autoridade estruturada e respostas diretas que reduzem o custo de extração.
- Para Perplexity: date e atualize cada página com data visível; coloque um dado verificável por afirmação importante; teste suas páginas-alvo no Pro Search e veja se você é citado trecho a trecho. É o seu termômetro mais honesto.
- Para Gemini e AI Overviews: não basta o site. Trabalhe consenso social: vídeo no YouTube cobrindo o tópico, reviews reais (Google Reviews, Trustpilot), presença legítima em UGC. Astroturfing aqui é risco, não atalho; trate UGC como reputação ganha, não comprada.
- Para Claude: se o seu público é técnico, invista em documentação densa, especificações, casos detalhados e presença em GitHub. Claude ignora vitrine e cita substância.
Uma advertência honesta sobre medição: não existem números públicos, globais e auditáveis de "share of model" ou "AI traffic share" por domínio em 2025-2026. Qualquer fornecedor que vende isso como fato está vendendo estimativa proprietária. O que funciona é montar o seu próprio painel: rodar um conjunto de queries do nicho nos cinco motores, registrar se você é citado, calcular mention rate e share of voice internos. Eu sistematizo essa medição no playbook do CMO B2B SaaS para citação em LLM e respondo as dúvidas recorrentes no FAQ sobre como as IAs citam marcas em 2026.
O próximo passo é trivial e ninguém faz: pegue as suas dez queries de compra mais importantes, rode hoje nos cinco motores, e anote onde você aparece e onde aparece o concorrente. Em uma hora você terá um diagnóstico mais útil que qualquer relatório de agência. A partir dele, este plano de ação deixa de ser teoria.