O artigo que era citado e, de repente, parou
No mundo da citação por IA, publicar é a parte fácil; o ativo de verdade é a manutenção. Frescor não é um detalhe de higiene — é um vetor de re-citação. Um artigo parado por catorze meses, com números de 2024 e dateModified distante, vira fóssil para a IA mesmo que continue ranqueando no Google. Você não conquista a citação uma vez e relaxa: você a renova, ou a perde.
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-la. Não houve queda de ranking orgânico para me alertar. A perda foi invisível pelos canais tradicionais e total pelo canal que mais cresce.
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 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.
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
Os motores de IA reabastecem o índice de recuperação o tempo todo e têm preferência declarada por recência em temas que mudam. A resposta que a IA 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 pergunta, dispara várias buscas, recupera passagens de fontes vivas e sintetiza. Esse fluxo é explicado em detalhe em RAG e query fan-out: como a IA monta a resposta que cita você.
Os números que sustentam a importância do frescor são consistentes. O Perplexity opera com um half-life de citação na casa de 13 semanas: a probabilidade de uma fonte continuar sendo puxada cai pela metade em cerca de um trimestre se nada a renova. A Semrush (2026) mostra que 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.
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 observo 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
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. Os modelos comparam versões. Quando o conteúdo 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
Os 9 sinais que seguem são um checklist de manutenção, não de publicação. Eles cobrem desde o dateModified honesto e visível até a cadência de revisão por tipo de página. Cada sinal carrega "como fazer" e "por que a IA valoriza", e a tabela da seção seguinte 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
Frescor é alavanca de re-citação: preserva e renova um sinal que já existe, mas não cria citação do nada. Se uma página nunca apareceu em resposta de IA, atualizar a data não resolve. O problema, nesses casos, é anterior — estrutura extraível, answer capsules e autoridade — e frescor entra apenas depois que a elegibilidade básica estiver resolvida.
O diagnóstico que faço é em duas perguntas. Primeira: esta página já apareceu em alguma resposta de IA nos últimos meses? Se sim, frescor é a prioridade número um para não perdê-la. Se nunca apareceu, o trabalho vem antes: estrutura extraível, answer capsules, autoridade. Para a parte de extração, vale ver answer capsules: o checklist dos 120-150 caracteres. Quando o problema é estrutural — a página ranqueia no Google e some no ChatGPT —, a causa raiz é diferente, e eu destrincho isso em por que seu conteúdo ranqueia no Google e some no ChatGPT.
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). A cadência de revisão deve ser calibrada por essa volatilidade.
O frescor pesa diferente em cada motor
O Perplexity é o motor mais sensível a frescor; ChatGPT e Gemini equilibram recência com autoridade e consenso. Nem todo motor de IA trata recência igual, e entender essa diferença economiza esforço. O Perplexity é, por design, um motor de busca-resposta com forte viés de recência — 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. O comportamento de citação dos quatro está comparado em ChatGPT, Gemini, Perplexity e Claude: quem cita o quê em 2026.
Na prática, isso significa priorizar pelo canal onde a visibilidade vive. Se a visibilidade está no Perplexity, frescor sobe ao topo da lista — cadência mensal nos pillars que você quer defender. Se está mais no Gemini e no Google AI Mode, frescor continua importando, mas deve ser equilibrado com os sinais de experiência e E-E-A-T que o último core update elevou, tema tratado 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
Sem calendário fixo, frescor vira intenção — e intenção não cita ninguém. A cadência abaixo é o que a equipe da Brasil GEO mantém: pillars revisados mensalmente, spokes trimestralmente e um gatilho contínuo para eventos relevantes. 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.