O artigo que era citado e, de repente, parou
Semana passada, com a equipe, abri o painel de monitoramento de citações e bati o olho num artigo que tinha sido nosso cavalo de batalha. Por meses ele aparecia em respostas do Perplexity e do ChatGPT quando alguém perguntava sobre o tema. Naquela manhã, silêncio. A página continuava ranqueando no Google, continuava recebendo cliques, continuava bonita. Mas a IA tinha simplesmente deixado de recitá-lo. Não houve queda de ranking orgânico para me alertar. A perda foi invisível pelos canais tradicionais e total pelo canal que mais cresce.
Quando fui ver o que tinha acontecido, a explicação era constrangedora de tão simples: o artigo trazia números de 2024, falava de um produto que já tinha mudado de nome e não era tocado havia quatorze meses. O dateModified dele apontava para um passado distante. Para um leitor humano de passagem, tudo bem. Para um sistema que reabastece o snapshot dele constantemente e prefere a fonte mais recente quando duas dizem a mesma coisa, aquele texto tinha virado um fóssil. E fóssil não entra em resposta de IA.
Minha tese aqui é contraintuitiva para quem vem do SEO clássico: publicar é a parte fácil; o ativo de verdade é a manutenção. No mundo da citação por IA, frescor não é um detalhe de higiene — é um vetor de re-citação. Você não conquista a citação uma vez e relaxa. Você a renova, ou a perde. Este artigo é o que eu uso para decidir, página por página, o que manter vivo. São 9 sinais de frescor, com uma tabela de "sinal → como fazer → por que a IA valoriza" e uma cadência de manutenção no fim.
Por que a IA reabastece o snapshot e o que isso faz com você
Vale entender o mecanismo antes de listar as táticas. A resposta que a IA te entrega não sai de um conhecimento estático "tatuado" no modelo. Boa parte vem de uma camada de recuperação em tempo de execução: o sistema decompõe a sua pergunta, dispara várias buscas, recupera passagens de fontes vivas e sintetiza. Eu explico esse fluxo em detalhe em RAG e query fan-out: como a IA monta a resposta que cita você. O ponto que importa para frescor é simples: esse índice de recuperação é reabastecido o tempo todo, e ele tem preferência declarada por recência em temas que mudam.
Os números que sustentam isso são consistentes. O Perplexity opera com algo que a comunidade de GEO chama de half-life de citação na casa de 13 semanas — ou seja, a probabilidade de uma fonte continuar sendo puxada cai pela metade em cerca de um trimestre se nada a renova. A Semrush (2026) mostra a distribuição etária dos conteúdos que a IA realmente cita: conteúdo com menos de 1 ano responde por 65% dos hits de IA, e conteúdo com menos de 3 anos por 89%. Traduzindo: passou de três anos sem toque, você está disputando os 11% que sobram. E a ConvertMate (2026) estimou que conteúdo atualizado nos últimos 30 dias recebe 3,2× mais citações do que conteúdo parado. Trato esse 3,2× como estimativa de fornecedor, não como lei da física — mas a direção bate com tudo que vejo no campo.
Há ainda um sinal técnico que mudou de peso depois do Google I/O 2026: o dateModified honesto voltou a ser um critério útil de confiança. Não como bala de prata de schema — sobre isso sou cético e explico em como a IA decide qual marca citar — mas como um carimbo que, quando bate com o conteúdo real da página, ajuda a máquina a confiar que você é a versão atual da verdade. O contrário também vale: dateModified de hoje numa página que não mudou nada é exatamente o tipo de sinal que os sistemas aprenderam a descontar.
A regra honesta: frescor cosmético não engana mais
Antes de te dar a lista, preciso cravar a regra que separa quem ganha de quem se queima: frescor cosmético é detectável e não funciona. Trocar a data, mexer numa vírgula, regerar o mesmo parágrafo com outras palavras — nada disso entrega ganho de informação, e os modelos comparam versões. Quando o conteúdo da página não mudou de forma substantiva mas a data diz que mudou, você não está enganando o sistema; está treinando o sistema a desconfiar de você.
O que move o ponteiro é ganho real de informação a cada atualização: um dado novo, uma seção que reflete uma mudança de produto, um número velho corrigido, uma fonte mais recente. Frescor e originalidade são o mesmo combate visto de dois ângulos — recomendo ler em paralelo Information Gain: 12 formas de ser original o bastante para a IA citar. Os 9 sinais abaixo só valem se cada um carregar conteúdo verdadeiro por trás. Se você só conseguir levar um deles a sério, leve o sinal nº 2.
Os 9 sinais de frescor que fazem a IA recitar sua marca
Esta é a lista que eu rodo contra cada página do acervo. Não é checklist de publicação; é checklist de manutenção. Cada sinal vem com o "como fazer" e o "porquê" logo abaixo, e a tabela da próxima seção resume tudo para consulta rápida.
- dateModified honesto e visível. A data exibida ao leitor e a data no schema
Articleprecisam casar com a última mudança real. Coloque a data visível perto do título e no rodapé. Por quê: dá à máquina um carimbo de recência confiável — desde que seja verdadeiro. - Atualização substantiva, não cosmética. Toda revisão precisa adicionar ou corrigir informação: dado novo, seção nova, número certo. Por quê: os modelos comparam versões e premiam ganho de informação, não troca de data.
- Novos dados e o ano no título e no corpo. Suba o número mais recente e o ano vigente onde o leitor e a IA olham primeiro (título, primeiro parágrafo, headings). Por quê: a consulta de quem busca frequentemente carrega o ano; bater com isso aumenta a chance de extração.
- News sitemap quando fizer sentido. Para conteúdo realmente datado (lançamentos, coberturas, releases), use o canal de notícias além do sitemap normal. Por quê: acelera a descoberta da versão nova antes que a antiga cristalize na resposta.
- Revisão trimestral dos spokes, mensal do pillar. Páginas-âncora (pillar) em cadência mensal; páginas de apoio (spoke) em cadência trimestral. Por quê: casa com o half-life de ~13 semanas — você renova antes da metade da força evaporar.
- Remover ou atualizar números velhos. Varra estatísticas, valores, versões e datas defasadas e troque pelos atuais (ou retire). Por quê: um número errado de anos atrás é o gatilho mais comum para a IA preferir o concorrente que está certo hoje.
- Registrar a data de verificação dos fatos. Marque, no corpo ou em nota, quando cada bloco de fatos foi conferido pela última vez. Por quê: sinaliza diligência editorial e ajuda a sua própria operação a saber o que já venceu.
- Refletir mudanças recentes de produto e de algoritmo. Quando o produto muda de nome, o preço muda ou um core update vira a mesa, a página precisa refletir isso rápido. Por quê: contradição entre a sua página e a realidade corrente derruba sua confiabilidade no motor.
- Sinalizar a atualização ao usuário e à máquina. Use um bloco "Atualizado em DD/MM" visível, changelog curto no fim e o
dateModifiedno schema, tudo coerente. Por quê: humano e máquina leem sinais diferentes; alinhar os dois multiplica a credibilidade da atualização.
Repare que três sinais (5, 7 e 9) são de processo, não de página. É proposital: frescor sustentável vem de cadência, não de heroísmo pontual. Eu trato a auditoria desse acervo como rotina e descrevo o método de medição em como audito visibilidade em IA com um master prompt em 6 LLMs.
Tabela: sinal → como fazer → por que a IA valoriza
Esta é a tabela que deixo fixada para o time de content ops. É o formato que eu mais vejo a IA extrair limpo numa resposta — então ela serve a dois donos: organiza a operação e é citável.
| Sinal de frescor | Como fazer (acionável) | Por que a IA valoriza |
|---|---|---|
| 1. dateModified honesto e visível | Data visível perto do título e no rodapé; dateModified no schema casando com a mudança real | Carimbo de recência confiável; casamento data×conteúdo reduz desconto por suspeita |
| 2. Atualização substantiva | Cada revisão adiciona/corrige fato; nunca só trocar data | Modelos comparam versões e premiam ganho de informação, não cosmética |
| 3. Novos dados e ano no topo | Número e ano vigentes no título, 1º parágrafo e headings | Bate com a query datada do usuário e facilita extração |
| 4. News sitemap quando aplicável | Canal de notícias para conteúdo datado, além do sitemap normal | Acelera descoberta da versão nova antes que a antiga cristalize |
| 5. Cadência: spoke trimestral, pillar mensal | Calendário fixo de revisão por tipo de página | Renova antes do half-life de ~13 semanas drenar a força da citação |
| 6. Remover/atualizar números velhos | Varredura de estatísticas, preços, versões e datas defasadas | Número errado antigo faz a IA preferir o concorrente certo hoje |
| 7. Registrar data de verificação | Nota de "fatos conferidos em DD/MM" por bloco | Sinaliza diligência editorial e mapeia o que já venceu |
| 8. Refletir produto/algoritmo recente | Atualizar nome, preço e contexto após mudança real | Evita contradição com a realidade, que derruba confiabilidade |
| 9. Sinalizar a atualização | Bloco "Atualizado em", changelog curto e schema coerentes | Alinha sinais para humano e máquina, multiplicando a credibilidade |
Note que nenhuma linha promete citação garantida. Frescor é condição necessária para continuar elegível, não suficiente para vencer sozinho — autoridade, originalidade e consenso multifonte continuam pesando. Mas, entre dois conteúdos igualmente bons, o mais fresco quase sempre fica.
Frescor não conserta um acervo que nunca foi citado
Preciso ser honesto sobre o limite do método. Se a sua página nunca foi citada por IA, atualizar a data não vai criar citação do nada. Frescor é uma alavanca de re-citação: ele preserva e renova um sinal que já existe. Quando o problema é estrutural — você ranqueia no Google e some no ChatGPT —, a causa raiz costuma ser outra, e eu destrincho isso em por que seu conteúdo ranqueia no Google e some no ChatGPT.
O diagnóstico que eu faço é em duas perguntas. Primeira: esta página já apareceu em alguma resposta de IA nos últimos meses? Se sim, frescor é a sua prioridade número um para não perdê-la. Se nunca apareceu, o trabalho é anterior — estrutura extraível, answer capsules, autoridade — e frescor entra depois. Para a parte de extração, vale ver answer capsules: o checklist dos 120-150 caracteres. Não adianta refrescar o que a máquina nunca conseguiu morder.
Segunda pergunta: o tema é volátil ou estável? Frescor importa muito mais em temas que mudam (preços, ferramentas, números de mercado, mudanças de algoritmo) do que em temas atemporais (uma definição, um conceito histórico). Eu calibro a cadência por essa volatilidade — o que me leva direto à última seção.
O frescor pesa diferente em cada motor
Uma sutileza que economiza esforço: nem todo motor de IA trata recência igual. O Perplexity é o mais sensível a frescor — ele é, por design, um motor de busca-resposta com forte viés de recência, e é onde o half-life de ~13 semanas mais se faz sentir. ChatGPT com navegação e o Gemini no AI Mode também recuperam ao vivo, mas misturam recuperação fresca com conhecimento mais estável; ali, autoridade e consenso pesam relativamente mais do que a data crua. Eu comparo o comportamento de citação dos quatro em ChatGPT, Gemini, Perplexity e Claude: quem cita o quê em 2026.
Na prática, isso significa priorizar. Se a sua visibilidade vive no Perplexity, frescor sobe ao topo da lista de tarefas — cadência mensal nos pillars que você quer defender. Se vive mais no Gemini e no Google AI Mode, frescor continua importando, mas você equilibra com os sinais de experiência e E-E-A-T que o último core update elevou, tema que tratei em o dossiê do core update de maio de 2026. O erro é gastar energia uniforme: refrescar tudo com a mesma intensidade desperdiça o recurso mais escasso de qualquer operação de conteúdo, que é o tempo do editor.
A cadência de manutenção que eu rodo
Fecho com o que faz a coisa girar sem heroísmo: uma cadência fixa. Sem calendário, frescor vira intenção, e intenção não cita ninguém. Esta é a rotina que mantenho com a equipe na Brasil GEO, e ela é deliberadamente simples para sobreviver a meses corridos.
- Mensal — os pillars que você defende. Toda página-âncora que já é citada (ou que você quer que seja) recebe revisão substantiva por mês: número novo, seção atualizada, fato reverificado,
dateModifiedhonesto. É a cadência que casa com o half-life curto. - Trimestral — varredura de spokes. A cada trimestre, passe o pente fino nas páginas de apoio: números velhos, links quebrados, produto que mudou de nome, estatística que envelheceu. Trimestral porque é a metade do half-life — você chega antes da queda.
- Contínuo — gatilho por evento. Quando acontece um core update, um lançamento de produto ou um dado de mercado novo relevante, eu não espero o calendário: as páginas tocadas por aquele evento entram na fila imediata.
- Mensal — auditoria de citação. Uma vez por mês rodo o painel para ver o que ganhou e o que perdeu citação, e essa lista define as prioridades do mês seguinte. O dado decide, não o palpite.
O próximo passo, se você cuida de um acervo e ainda não faz isso, é concreto e cabe esta semana: liste as suas 10 páginas mais valiosas, marque quais já são citadas por IA e coloque-as na cadência mensal. Só isso já muda o jogo, porque protege o ativo que você levou meses para construir. Frescor não é uma campanha — é a manutenção que mantém a IA recitando a sua marca depois que o brilho da publicação passou.