A confusão entre as camadas custa caro (uma cena real)
SEO, AEO, GEO e ASO não são sinônimos nem etapas de um mesmo funil: são quatro camadas empilhadas de visibilidade, com mecanismos, métricas e trabalho diferentes. Tratar as quatro como uma só é o erro mais caro que vejo em marketing hoje — você otimiza a camada errada e desaparece das respostas geradas por IA mesmo ranqueando bem no Google.
Semana passada, em uma reunião de diagnóstico, a analista mais nova de um time de software abriu a planilha e disse, orgulhosa: "Subimos para a posição 2 no Google em todas as palavras-chave do funil." Pedi para ela abrir o ChatGPT e o Gemini ao lado e perguntar, em linguagem natural, "qual a melhor ferramenta para o problema X no Brasil". A marca dela não apareceu em nenhuma das duas respostas. O concorrente que estava em sexto no Google estava citado nas três IAs. A sala ficou em silêncio.
Esse silêncio é o sintoma do problema. A analista tinha otimizado a camada de baixo — rankings — e estava cega para as três acima. As camadas não se substituem, elas se empilham. Este glossário existe para você nunca mais confundir as quatro: organizado pela pirâmide de visibilidade, com definição, data de surgimento e o que muda no seu trabalho em cada nível. Mais de trinta termos adicionais estão definidos em tabelas de referência rápida, organizados por camada. Para um panorama mais executivo, há também o glossário executivo de GEO/AEO/ASO/B2A.
A pirâmide de visibilidade em quatro camadas
A visibilidade digital se organiza em quatro camadas empilhadas. Na base, o SEO dos anos 2000; no topo, o ASO/B2A de 2026. Cada camada nasceu quando a interface dominante de descoberta mudou: do link azul para o snippet, do snippet para a resposta generativa, da resposta generativa para o agente que age sem humano no meio. A tabela abaixo é o mapa que eu desenho no quadro branco em toda primeira reunião.
| Camada | Sigla | Surgiu | Interface dominante | O que você otimiza |
|---|---|---|---|---|
| 1 (base) | SEO | Anos 2000 | Página de resultados (10 links) | Cliques em rankings orgânicos |
| 2 | AEO | ~2020 | Snippet, voz, resposta direta | Extração da resposta (answer capsules) |
| 3 | GEO | 2024 | Resposta generativa (ChatGPT, AI Mode) | Citação em respostas via RAG |
| 4 (topo) | ASO / B2A | 2026 | Agente autônomo que compara e transaciona | Legibilidade de máquina e consistência de dados |
Repare na palavra "empilham". Você não pode pular camadas. Uma página que não é indexável (falha de SEO) nunca vira fonte de RAG (GEO), por mais bem escrita que seja. Foi isso que o Google reafirmou no Google I/O 2026: não há schema mágico nem requisito técnico extra para aparecer no AI Mode — a elegibilidade continua sendo página indexável, elegível a snippet e com conteúdo original e útil. Em outras palavras: o SEO virou pré-requisito, não diferencial. Aprofundo essa virada em depois do I/O 2026: o SEO virou pré-requisito.
Camada 1 — SEO: cliques em rankings
SEO — Search Engine Optimization — é o conjunto de práticas para melhorar a visibilidade de páginas em mecanismos de busca baseados em índice e ranking. Três pilares: relevância do conteúdo para a consulta, autoridade do domínio (links, engajamento) e experiência técnica (performance, dados estruturados, mobile). Surgiu no início dos anos 2000, com a consolidação do Google como buscador dominante. Em 2026, o SEO desceu de degrau: deixou de ser o objetivo final e virou a fundação obrigatória que sustenta as três camadas acima.
O que muda no seu trabalho hoje. O dado mais incômodo de 2026: a sobreposição entre estar no top-10 do ranking e ser citado pela IA caiu de 76% em 2025 para 38% (análise ALM Corp sobre 173 mil URLs, 2026). Ranquear bem já não garante ser citado. O SEO ainda é necessário para indexabilidade e elegibilidade — sem ele, a página nem entra no pool de fontes do modelo — mas não é suficiente.
Para entender a transição em profundidade, leia SEO vs GEO: a evolução da visibilidade algorítmica e a transição do SEO para o GEO.
Camada 2 — AEO: extração de respostas
AEO — Answer Engine Optimization — é otimizar o conteúdo para que ele seja extraído diretamente como resposta: em featured snippets, respostas de voz, sumários e answer capsules de 120 a 150 caracteres. O foco sai da página inteira e vai para o trecho que responde à pergunta de forma autossuficiente. Surgiu por volta de 2020, com a maturação dos featured snippets e dos assistentes de voz, e ganhou força com os answer engines de IA.
O que muda no seu trabalho hoje. No AEO, você escreve para ser comprimido. Isso significa headings em forma de pergunta (a IA extrai melhor de H2 e H3 interrogativos), uma cápsula de resposta direta logo após o título e intenção de resposta declarada antes de qualquer contexto. O número que prova o ponto: páginas com answer capsule representam 72,4% das citadas no ChatGPT (Search Engine Land, 2026).
AEO é a camada que mais gente confunde com SEO e com GEO ao mesmo tempo. Para clareza prática, leia o FAQ de AEO para quem confunde com SEO e GEO e o guia sobre como escrever os 120-150 caracteres que a IA extrai.
Camada 3 — GEO: citação em respostas generativas
GEO — Generative Engine Optimization — é aumentar a probabilidade de a sua marca ser referenciada de forma favorável dentro de respostas geradas por IA: ChatGPT, Gemini, Perplexity, Copilot, Claude. Diferente do AEO, que quer ser extraído como resposta única, o GEO quer ser incorporado e citado na síntese que o modelo monta a partir de várias fontes — via RAG, entidades, narrativa e consistência de marca. Surgiu em 2024, com a difusão dos answer engines generativos e da pesquisa acadêmica que cunhou o termo.
O que muda no seu trabalho hoje. No GEO, você para de pensar em "minha página" e passa a pensar em "minha entidade" — e nas fontes que o modelo recupera para citá-la. As técnicas com lift comprovado vêm do estudo de Princeton e Georgia Tech (Aggarwal et al., KDD 2024): citar fontes dá +115% de visibilidade, estatísticas +41% e citação de especialista +28%.
Para a base conceitual, comece por o que é GEO: definição canônica para 2026. Para entender o motor por dentro, leia como ChatGPT, Gemini, Perplexity e Claude citam em 2026. Se a dor específica é "ranqueio no Google mas sumo no ChatGPT", leia por que isso acontece.
Camada 4 — ASO/B2A: otimização para agentes
ASO/B2A é a camada que otimiza para agentes autônomos de IA que comparam e transacionam sem humano no meio. ASO, aqui, significa "Agent Search/Source Optimization" — ser lido, comparado e escolhido por máquinas. B2A é o modelo de relacionamento resultante: Business-to-Agent. O foco é legibilidade de máquina: dados estruturados ricos, endpoints declarativos, consistência absoluta entre todas as fontes da marca. Surgiu em 2026, com a maturação dos protocolos de agentes (MCP, NLWeb, A2A, AP2) e a projeção de que 90% das compras B2B serão intermediadas por agentes até 2028, movimentando US$ 15 trilhões (Gartner, 2026).
O que muda no seu trabalho hoje. Você começa a tratar o agente como cliente. Não basta convencer o humano e a IA que responde — o agente que executa a compra precisa conseguir ler seu catálogo, comparar e decidir autonomamente. O profissional de marketing passa a trabalhar junto com dados e engenharia. É uma camada ainda incipiente, mas quem a ignora hoje chega atrasado.
Para a teoria, veja Business-to-Agent: quando a IA compra no lugar do cliente. Para a parte técnica, B2A na prática: protocolos MCP, NLWeb, A2A e AP2.
Os termos, organizados por camada (tabelas de referência)
Mais de trinta termos do vocabulário de visibilidade em IA, cada um definido em uma ou duas linhas com "por que importa", agrupados pela camada onde cada conceito opera. Use as tabelas como referência rápida: consulte pelo problema que você quer resolver, não em ordem linear.
Disciplinas e siglas-guarda-chuva
| Termo | Definição em 1 linha | Por que importa |
|---|---|---|
| SEO | Otimização para mecanismos de busca por ranking de páginas. | É a fundação: sem indexação, nada acima funciona. |
| AEO | Otimização para ser extraído como resposta direta (snippet, voz, cápsula). | Define se você vira a resposta ou só mais um link. |
| GEO | Otimização para ser citado em respostas generativas via RAG. | É onde a marca ganha ou perde presença nas IAs. |
| ASO | Aqui: otimização para agentes de IA lerem e escolherem você (não só App Store). | Prepara a marca para o comércio agêntico. |
| B2A | Business-to-Agent: relacionar-se com o algoritmo que decide pelo humano. | O agente vira o novo "cliente" a convencer. |
| GAIO | Generative AI Optimization: guarda-chuva de toda presença mediada por IA generativa. | Inclui também os copilotos internos da própria empresa. |
| LLMO | Large Language Model Optimization: influenciar o comportamento do LLM sobre a sua entidade. | Foca no relacionamento com o modelo, não com a página. |
Como a máquina monta a resposta (camadas 2-3)
| Termo | Definição em 1 linha | Por que importa |
|---|---|---|
| RAG | Retrieval-Augmented Generation: o modelo busca documentos externos e gera a resposta com base neles. | É o portão por onde o seu conteúdo entra na resposta. |
| Query fan-out | Decompor uma pergunta em 12-15 sub-buscas (Deep Search emite centenas). | Você precisa cobrir as sub-perguntas, não só a principal. |
| Answer capsule | Bloco de 120-150 caracteres que responde a pergunta de forma autossuficiente. | 72,4% das páginas citadas no ChatGPT têm uma. |
| AI Overviews | Sumário gerado por IA no topo da busca do Google (~48% das queries). | Rouba o clique antes do primeiro link orgânico. |
| AI Mode | Modo conversacional do Google, com query 3× maior que a busca tradicional. | Muda o tipo de pergunta para o qual você otimiza. |
| Zero-click | Busca que termina sem clique para fora (58,5% nos EUA, Semrush 2025). | O valor migra da visita para a menção. |
| Compression fidelity | Preservar a tese ao ser comprimido em cápsula pela IA. | Conteúdo que distorce ao encolher perde a citação. |
Termos de autoridade, entidade e medição (tabelas)
Autoridade, entidade e métricas de visibilidade em IA são os termos que separam quem mede de quem chuta. Sem eles, o diagnóstico de visibilidade é qualitativo — e qualitativo não muda budgets nem prioridades. Se você só memorizar uma seção deste glossário, que seja esta.
Autoridade, entidade e elegibilidade (camadas 3-4)
| Termo | Definição em 1 linha | Por que importa |
|---|---|---|
| E-E-A-T | Experience, Expertise, Authority, Trust — os sinais de qualidade do Google. | "Experience" virou diferenciador após o Core Update de março/2026. |
| Information Gain | Quanto de original/proprietário o conteúdo acrescenta (patente Google US10776471B2). | Conteúdo que só repete o consenso não ganha citação. |
| Knowledge graph | Grafo de entidades e relações que o sistema usa para entender o mundo. | Define se a IA sabe quem você é antes de te citar. |
| Entity boundary drift | Inconsistência semântica entre site, redes e listagens da mesma marca. | Similaridade abaixo de 0,75 faz a IA descartar o sinal. |
| Consensus engine | Tendência da IA a validar fatos corroborados por várias fontes. | Estar em Wikipedia + Reddit + G2 multiplica a citação cruzada. |
| Source eligibility | Critérios que tornam uma fonte apta a ser citada (indexável, original, confiável). | Sem elegibilidade você nem entra no pool de candidatos. |
| Citation persistence | Quanto tempo a citação da sua marca permanece estável. | Entidade consistente (cosseno >0,9) persiste ~68% em 90 dias vs ~18% com drift. |
| Freshness / half-life | Frescor do conteúdo e a meia-vida da relevância (Perplexity ~13 semanas). | Conteúdo com menos de 1 ano é 65% dos hits de IA. |
Métricas de visibilidade em IA
| Termo | Definição em 1 linha | Por que importa |
|---|---|---|
| Share of model | Fração do espaço de respostas do modelo ocupada pela sua marca em um domínio de prompts. | É o "share of voice" da era da IA: posição relativa ao concorrente. |
| Mention rate | Proporção de respostas em que sua marca é mencionada, em qualquer posição. | Mede se você ao menos "entrou na conversa" do modelo. |
| Citation rate | Frequência com que o modelo cita o seu domínio/fonte explicitamente. | Indica que o seu conteúdo é tratado como autoridade, não só lembrado. |
Infraestrutura para máquinas (camada 4)
| Termo | Definição em 1 linha | Por que importa |
|---|---|---|
| Schema / JSON-LD | Dados estruturados que descrevem entidades para a máquina. | Ajuda na desambiguação e no grafo, mas não é bala de prata de citação. |
| llms.txt | Markdown na raiz do site com sumário e links prioritários para IAs. | Higiene útil; o ROI direto ainda é marginal hoje. |
| MCP | Model Context Protocol: padrão para o agente consumir suas ferramentas e dados. | Porta de entrada para o relacionamento B2A. |
| NLWeb | Padrão (Microsoft) para tornar o site conversável por agentes. | Transforma o conteúdo em interface para máquina. |
Um aviso de operador sobre o schema: o estudo da Ahrefs sobre 1.885 páginas (Ahrefs, 2026) achou impacto estatisticamente insignificante do JSON-LD em citações de IA, enquanto a Wellows (2026) reporta que FAQPage gera 3,2× mais citação. A evidência diverge. Eu uso schema para higiene semântica e desambiguação de entidade — não como atalho mágico de citação. Detalho isso em no glossário executivo e na minha leitura do fim da guerra SEO versus GEO.
Como usar este glossário na prática
O mapa de quatro camadas só tem valor se virar rotina de diagnóstico. A analista da abertura não precisava de mais uma planilha de ranking — precisava de quatro métricas distintas, uma por camada. Veja como transformar este glossário em prática de trabalho.
- Diagnostique por camada, não no agregado. Para cada termo do funil, meça as quatro dimensões separadas: posição no Google (SEO), presença em snippet ou voz (AEO), mention rate e citation rate nas IAs (GEO), legibilidade de máquina do catálogo (B2A). O número agregado esconde onde está o buraco.
- Conserte de baixo para cima. Garanta indexabilidade e elegibilidade primeiro. Sem a base de SEO, otimizar GEO é jogar dinheiro fora — a página nem entra no pool de fontes do modelo.
- Atribua o termo certo à dor certa. "Sumi do ChatGPT" é GEO. "Minha cápsula não aparece" é AEO. "O agente não lê meu produto" é B2A. Nomear a camada certa economiza meses de trabalho na direção errada.
- Meça em ciclos, não em pontos isolados. Mention rate e citation rate variam porque o modelo é estocástico. Rode em lote, com várias amostras, e acompanhe a tendência ao longo do tempo.
Nunca aceite a frase "estamos bem em visibilidade" sem perguntar "em qual das quatro camadas?" É a pergunta que separa o time que aparece nas respostas da IA em 2027 do time que continua comemorando rankings que não convertem em citação. Próximo passo: pegue suas dez consultas mais importantes, abra ChatGPT, Gemini e Perplexity, e meça as quatro camadas para cada uma. Para PMEs sem time de SEO, montei um caminho mínimo em GEO para PMEs: o mínimo viável.