A confusão entre as camadas custa caro (uma cena real)
Semana passada, em uma reunião de diagnóstico com o time de marketing de uma empresa de software, a analista mais nova 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 erro mais caro que vejo entrando na área hoje: tratar visibilidade em IA como se fosse uma coisa só. Não é. São quatro camadas diferentes, com mecanismos diferentes, métricas diferentes e trabalho diferente. Otimizar para uma e achar que cobriu as outras é como reforçar o telhado de uma casa cujo alicerce já rachou. A analista tinha otimizado a camada de baixo (rankings) e estava cega para as três de cima.
Minha tese, depois de ver isso acontecer em dezenas de empresas, é contraintuitiva para quem vem do SEO clássico: as camadas não se substituem, elas se empilham — e a maioria dos times está medindo a camada errada. Este glossário existe para você nunca mais confundir as quatro. Ele é didático de propósito: organizado pela pirâmide de visibilidade, com definição, data de surgimento e o que muda no seu trabalho em cada nível, e depois mais de trinta termos definidos em uma ou duas linhas, em tabelas, organizados por camada. Se você está entrando agora na visibilidade em IA, leia da abertura ao fim uma vez e depois deixe as tabelas como referência de bolso. Para um panorama mais executivo e menos didático, há também o glossário executivo de GEO/AEO/ASO/B2A.
A pirâmide de visibilidade em quatro camadas
A forma mais honesta de organizar tudo que surgiu desde os anos 2000 é como uma pirâmide. Na base, a camada mais antiga e mais conhecida; no topo, a mais nova e a menos compreendida. Cada camada nasceu quando a interface dominante de descoberta de informação mudou: do link azul para o snippet, do snippet para a resposta gerada, da resposta gerada para o agente que age sozinho. 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
Definição. 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).
Quando surgiu. Início dos anos 2000, com a consolidação do Google como buscador dominante.
O que muda no seu trabalho hoje. O SEO não morreu — ele desceu de degrau. Deixou de ser o objetivo final e virou a fundação que sustenta tudo acima. A prova está no 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% em 2026 (análise ALM Corp sobre 173 mil URLs, 2026). Ou seja: ranquear bem já não garante ser citado. Você ainda precisa do SEO para ser indexável e elegível, mas precisa das três camadas acima para aparecer na resposta. Quem quer entender a transição em profundidade deve ler SEO vs GEO: a evolução da visibilidade algorítmica e a transição do SEO para o GEO.
Camada 2 — AEO: extração de respostas
Definição. 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 a pergunta de forma autossuficiente.
Quando surgiu. Por volta de 2020, com a maturação dos featured snippets e dos assistentes de voz; ganhou força com os answer engines de IA.
O que muda no seu trabalho hoje. Você passa a escrever para ser comprimido. Headings em forma de pergunta (a IA extrai melhor de H2 e H3 interrogativos), uma cápsula de resposta direta logo após o título, intenção de resposta clara. 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 — por isso escrevi um FAQ de AEO para quem confunde com SEO e GEO e um guia prático sobre como escrever os 120-150 caracteres que a IA extrai.
Camada 3 — GEO: citação em respostas generativas
Definição. 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.
Quando surgiu. 2024, com a difusão dos answer engines generativos e da pesquisa acadêmica que cunhou o termo.
O que muda no seu trabalho hoje. Você deixa de pensar em "minha página" e passa a pensar em "minha entidade" e nas fontes que o modelo recupera para te citar. 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%. É a camada central do trabalho que faço na Brasil GEO. Para a base conceitual, comece por o que é GEO: definição canônica para 2026; para entender o motor por dentro, como ChatGPT, Gemini, Perplexity e Claude citam em 2026; e se a dor é "ranqueio no Google mas sumo no ChatGPT", leia por que isso acontece.
Camada 4 — ASO/B2A: otimização para agentes
Definição. No topo da pirâmide está a camada que otimiza para agentes autônomos de IA que comparam e transacionam sem humano no meio. Uso ASO aqui no sentido de "Agent Search/Source Optimization" — a otimização para ser lido, comparado e escolhido por máquinas — que se materializa no modelo de relacionamento B2A (Business-to-Agent). O foco é legibilidade de máquina: dados estruturados ricos, endpoints declarativos, consistência absoluta entre todas as suas fontes.
Quando surgiu. 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 algo como 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 — você precisa que o agente que executa a compra consiga ler seu catálogo, comparar e decidir. Aqui o profissional de marketing passa a trabalhar colado com dados e engenharia. É uma camada ainda incipiente, mas quem ignora hoje vai chegar 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)
Agora a parte que você vai consultar de volta. Mais de trinta termos, cada um em uma ou duas linhas, com "por que importa", agrupados pela camada onde mais doem. Comece pelas siglas que descrevem cada disciplina e seus primos.
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)
Estes são os termos que separam quem mede de quem chuta. Se você só vai gravar uma seção, grave 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
Voltando à analista da abertura: o que ela precisava não era de mais uma planilha de ranking, era do mapa de quatro camadas. Veja como eu transformo este glossário em rotina de trabalho, em quatro passos.
- Diagnostique por camada, não no agregado. Para cada termo do funil, meça as quatro coisas separadas: posição no Google (SEO), presença em snippet/voz (AEO), mention rate e citation rate nas IAs (GEO), e legibilidade de máquina do seu catálogo (B2A). O agregado esconde o buraco.
- Conserte de baixo para cima. Garanta indexabilidade e elegibilidade primeiro. Sem a base, otimizar GEO é jogar dinheiro fora — a página nem entra no pool de fontes.
- Atribua o termo certo à dor certa. "Sumi do ChatGPT" é GEO, não SEO. "Minha cápsula não aparece" é AEO. "O agente não lê meu produto" é B2A. Nomear a camada certa economiza meses.
- Remeça em ciclos. Mention rate e citation rate variam (o modelo é estocástico). Rode em lote, com várias amostras, e acompanhe a tendência, não o ponto isolado.
Minha decisão pessoal, depois de muito erro: nunca aceito a frase "estamos bem em visibilidade" sem perguntar "em qual das quatro camadas?". É a pergunta que separa o time que vai aparecer nas respostas da IA em 2027 do time que vai continuar comemorando rankings que já não convertem em citação. Seu próximo passo é simples: pegue suas dez consultas mais importantes, abra ChatGPT, Gemini e Perplexity, e meça as quatro camadas para cada uma. O mapa estará na sua frente. Para PMEs sem time de SEO, montei um caminho mínimo em GEO para PMEs: o mínimo viável.