A mesa vazia da terça agora se decide na calçada
Em 2026, o cliente de passagem pergunta a uma IA se vale mais a pena o seu restaurante ou o da esquina antes de entrar. Quem não aparece nessa resposta perde a mesa ociosa sem nem saber que disputou.
Terça, oito e meia da noite, seis mesas vazias, o garçom dobrando guardanapos. Do lado de fora, um casal para na calçada, olha o cardápio na porta e um deles pega o celular para perguntar se ali vale mais a pena ou o japonês da outra rua. Trinta segundos depois, os dois viram e vão embora. O dono viu tudo pela vitrine, e não entendeu que acabara de perder uma disputa que nem sabia estar acontecendo.
O núcleo fiel de fregueses mantém o restaurante vivo nos fins de semana. Quem enche a mesa ociosa da terça é o desconhecido de passagem: o turista, o casal em primeiro encontro, o executivo hospedado a trezentos metros. Essa margem, que sempre foi decidida no impulso, hoje passa por uma consulta rápida à IA. Escrevo como Founder da Brasil GEO, e a boa notícia é que dá para entrar nessa recomendação com trabalho de casa bem feito, sem depender de sorte.
Suas 4,8 estrelas contam menos do que você imagina
A tese que costuma surpreender o dono de restaurante é esta: a nota alta no Google ajuda, mas não decide a citação na IA, porque o modelo trabalha com contexto, não com um número de estrelas isolado. Ele quer saber que tipo de comida você serve, para qual ocasião, com qual faixa de preço, se atende bem quem chega de fora e o que as pessoas dizem sobre a experiência. Muito restaurante excelente nunca deu esse contexto à máquina, e por isso some da resposta mesmo com avaliação impecável.
A objeção mais comum é que o movimento vem do bairro, do freguês fiel, do boca a boca, e portanto a IA não muda nada. Concordo que o núcleo fiel não depende da IA. O ponto é outro: a IA é quem preenche as mesas vazias com o cliente que você não conhece, aquele que decide na hora e nunca ouviu falar da casa. Deixar essa margem na mão do algoritmo, sem dar a ele informação, é abrir mão de faturamento que estava ao alcance.
Vale comparar com o que já mostrei sobre negócios de serviço em GEO local: como a IA recomenda negócios na sua cidade. A lógica é a mesma, com um detalhe que favorece o restaurante: a decisão é rápida, de baixo risco e alta frequência, então a IA é consultada o tempo todo, muitas vezes na porta do estabelecimento.
O que os dados de 2026 mostram sobre onde jantar
Quase nove em cada dez buscas locais já trazem uma resposta de IA no topo, e a maioria dos clientes decide sem clicar em site nenhum. A recomendação chega pronta, com base em Maps, reviews e conteúdo em vídeo.
Um estudo brasileiro com 500 buscas reais em cinco setores encontrou que 86,8% das buscas exibiram AI Overview, chegando a 90,2% quando ponderadas por volume (SEONextbr, 2026). O mesmo estudo mostra que o YouTube foi citado como fonte em 65,4% das buscas e o Instagram em 37%, o que coloca vídeo e redes sociais como insumos centrais para a resposta da IA. Turismo apareceu com 82% de AI Overview e varejo com 88%, faixas em que a decisão sobre onde comer costuma cair.
O efeito no clique é o que muda o jogo. Segundo levantamento noticiado pelo Estado de Minas, apenas 8% dos usuários clicam em links tradicionais quando há resumo de IA, contra 15% quando não há, e só 1% clica nos links citados dentro do próprio resumo (Estado de Minas, 2026). Some a isso os 68,01% de buscas sem clique apurados pela SparkToro (FHSan, junho de 2026) e o quadro fica claro: a IA entrega a recomendação e o cliente age sobre ela, sem visitar o site do restaurante. Você precisa estar dentro da resposta, porque fora dela quase ninguém chega.
Uma ressalva de honestidade: o estudo não isola restaurantes em um recorte próprio; eles entram sobretudo em turismo e varejo. Não há, até julho de 2026, percentual público exclusivo de buscas por restaurante com AI Overview no Brasil. Uso os agregados como direção sólida, sem inventar um número setorial que não existe.
Como a IA monta a recomendação de restaurante
Por dentro, a IA cruza várias fontes antes de sugerir onde comer. O Google Business Profile e o Maps entram como espinha dorsal, com categoria, horário, faixa de preço e fotos. Os reviews entram como prova social e como texto que a máquina lê para extrair contexto. Vídeos e posts em redes reforçam ou contradizem essa imagem. E o consenso local, quando várias fontes dizem a mesma coisa sobre a sua casa, é o que dá confiança ao modelo para citá-la.
| O que a IA lê com atenção | O que a IA ignora ou desvaloriza |
|---|---|
| Categoria correta e faixa de preço no Google Business Profile | Cardápio publicado apenas como imagem, sem texto |
| Reviews recentes com descrição da experiência | Nota de estrelas isolada, sem contexto ao redor |
| Fotos e vídeos reais dos pratos e do ambiente | Site bonito, porém sem informação estruturada |
| Consenso entre Maps, redes e conteúdo de terceiros | Informação divergente entre plataformas |
Repare que quase tudo que a IA valoriza é informação que você controla e hoje talvez negligencie. A busca por voz e imagem ganhou peso, com mais de uma em cada seis consultas usando esses formatos, o que torna a foto real do prato e a descrição falada relevantes. Explorei esse ponto em GEO multimodal: ser citado quando a busca usa voz e imagem, e ele importa muito para quem vende experiência sensorial como um restaurante.
O passo a passo para entrar no cardápio da IA
Comece pelo Google Business Profile completo, torne o cardápio legível como texto, cultive reviews recentes e construa consenso em várias fontes. Nessa ordem, cada passo prepara o próximo.
Este é o roteiro que eu seguiria com um restaurante de porte médio, na sequência que rende mais:
- Preencha o Google Business Profile por inteiro. Categoria exata, horário real, faixa de preço, atributos como opção vegetariana ou pet friendly, e endereço consistente. É a espinha dorsal da recomendação local por IA.
- Publique o cardápio como texto de verdade. Cardápio em imagem é invisível para a máquina. Nomes de pratos, ingredientes e preços em texto dão à IA o contexto que ela extrai para responder onde comer determinado prato.
- Descreva a ocasião e a especialidade. Deixe claro o que faz a casa existir: comida nordestina de raiz, melhor hambúrguer artesanal do bairro, brunch de domingo. A IA cita por contexto, e contexto é o que você escreve.
- Cultive reviews recentes e responda a eles. Avaliações novas, com descrição da experiência, valem mais do que muitas estrelas antigas. Responder mostra atividade e alimenta o texto que a máquina lê.
- Invista em foto e vídeo reais. Pratos, ambiente e movimento. Vídeo é fonte citada em quase dois terços das buscas, então um perfil ativo em vídeo curto rende visibilidade.
- Facilite a reserva e a informação de horário. Link de reserva claro e horário atualizado reduzem o atrito entre a recomendação e a mesa ocupada.
- Construa consenso multi-fonte. Presença coerente em Maps, redes, guias gastronômicos e menções de terceiros faz a IA confiar e citar. Informação que só existe no seu site pesa pouco.
Nenhum desses passos exige orçamento grande. Exige consistência e a disciplina de dar à máquina a informação que hoje só está na cabeça do dono. O restaurante que faz esse dever de casa passa a aparecer para o desconhecido de passagem, que era exatamente quem faltava para encher a terça.
Cardápio legível por máquina
Insisto neste ponto porque é o erro mais comum e mais caro. A maioria dos restaurantes publica o cardápio como uma foto ou um PDF sem texto, bonito para o humano e opaco para a IA. O modelo não lê o que está dentro da imagem, então não sabe que você serve moqueca, risoto de funghi ou café coado de origem. Quando o cliente pergunta onde comer moqueca na região, você fica fora da resposta por um detalhe técnico, não por qualidade.
A correção é simples. Publique os itens em texto, com nome do prato, uma breve descrição e o preço, e considere marcar com schema Menu e Restaurant para deixar esses campos explícitos. Trato do desenho técnico em como estruturar Schema.org para IA generativa, e o mesmo raciocínio se aplica ao cardápio. Uma ressalva honesta: o schema ajuda na organização e na desambiguação, sem ser garantia de citação, já que a evidência de 2026 sobre efeito direto de JSON-LD é modesta. O texto legível, esse sim, é inegociável.
Pense no cardápio como a ficha de produto do seu restaurante. Assim como o comércio digital descobriu que o agente de IA precisa ler a ficha para recomendar, o food service precisa que o prato exista em texto para entrar na resposta. É o mesmo princípio de legibilidade de máquina, aplicado ao que você serve.
Reviews e consenso local multi-fonte
Reviews são a matéria-prima favorita da IA para descrever um restaurante, porque trazem contexto em linguagem natural: o atendimento, a porção, o tempo de espera, o ambiente. Quantidade e frescor importam mais do que a média perfeita. Um fluxo constante de avaliações recentes, com texto de verdade, alimenta o modelo com o vocabulário que ele reutiliza na resposta. Peça avaliação com naturalidade, responda com educação e trate a base de reviews como um ativo vivo.
O consenso local é o segundo pilar. Quando o Google Maps, o Instagram, um guia gastronômico e uma matéria local dizem coisas coerentes sobre a sua casa, a IA ganha confiança para citá-la. Contradição entre fontes, ao contrário, aciona o freio do modelo. Essa é a lógica que descrevo em por que a maior parte das citações de IA vem da mídia conquistada: o que os outros dizem de você pesa mais do que o que você diz de si mesmo.
Para o restaurante que também vive de turista, esse consenso se conecta com a jornada de viagem. O visitante que monta o roteiro conversando com a IA recebe sugestões de onde comer no destino, e o restaurante citado nessa fase captura demanda antes de o turista chegar. Detalho essa ponte no material sobre GEO para hotelaria e turismo, e vale a leitura para quem fica em rota turística.
Por onde eu começaria
Se eu fosse dono de um restaurante hoje, começaria pela porta de entrada mais barata: abriria o Google Business Profile e o completaria de verdade, com categoria, faixa de preço, atributos, horário e fotos reais. Na mesma semana, transformaria o cardápio em texto legível, com preço e descrição. Só essas duas coisas já colocam a casa dentro do jogo, porque resolvem os dois erros que mais tiram restaurantes bons da resposta da IA.
Depois, montaria uma rotina simples de pedir e responder reviews, e de publicar vídeo curto do prato e do ambiente. E rodaria, uma vez por mês, as perguntas que um cliente de passagem faria, como onde comer determinado prato no bairro, para ver se apareço e quem aparece no meu lugar. Esse teste custa dez minutos e diz mais do que qualquer palpite. A mesma disciplina de decidir antes de sair de casa vale para outros negócios locais, como mostro em o FAQ para imobiliárias e corretores, prova de que a triagem por IA já é regra no consumo local.
O fecho é direto. A recomendação de onde comer migrou para a IA, e ela decide com base em contexto, reviews e consenso, não em sorte. O restaurante que der à máquina a informação certa vai ser sugerido ao desconhecido que para na calçada. O que não der vai continuar assistindo, pela vitrine, o casal virar as costas e ir para a esquina.
Alexandre Caramaschi é Chief Strategy Officer da Nuvini (Nasdaq: NVNI). As opiniões deste texto são emitidas na condição de Founder da Brasil GEO e não representam posição da Nuvini.