Ser recuperado e citado nas respostas geradas por IA

Por que essa falta de novidade técnica é a informação mais cara do módulo

Se a recuperação sai do ranking central, então tudo que se vende como atalho paralelo compete com uma frase da documentação oficial. Você não precisa de fornecedor para verificar isso, precisa de dez minutos e do endereço da página.

Isso não significa que nada mudou. Mudou o que acontece depois da recuperação, e é aí que a decisão de conteúdo se desloca. A escala também mudou, e ela justifica a atenção do conselho: o Google declarou no I/O de 19 de maio de 2026 que o AI Mode passou de 1 bilhão de usuários ativos mensais em um ano, com consultas cerca de três vezes mais longas que a consulta tradicional. Consulta mais longa significa pergunta mais específica, e pergunta mais específica é exatamente o que a sua página precisa responder em um trecho isolado.

Registre a natureza do dado: número do próprio Google, divulgado por quem se beneficia da adesão, sem auditoria externa. Serve para dimensionar o fenômeno. Não serve como prova de retorno.

O mecanismo que muda o desenho da página, agora com nome oficial

[DOCUMENTADO] O guia do Google descreve query fan-out como um conjunto de consultas concorrentes e relacionadas, geradas pelo modelo para pedir mais informação e buscar resultados adicionais. A consulta do usuário não vai inteira até o índice. Ela é decomposta, cada sub-consulta recupera trechos específicos, e a resposta é montada a partir desse conjunto de trechos vindos de páginas diferentes. A cada novo turno da conversa a decomposição é refeita, usando o turno anterior como filtro de escopo.

A consequência é estrutural e editorial ao mesmo tempo. A página continua sendo a unidade de publicação, descoberta e indexação, e a recuperação em nível de trecho passa a decidir o que entra na resposta. Em vez de presumir que o artigo inteiro será avaliado como bloco, garanta que cada seção responda com clareza a uma subpergunta, preserve o contexto e mantenha a evidência ao lado da afirmação.

A tese deste módulo, declarada como inferência antes de ser usada

[INFERÊNCIA] Nenhuma plataforma de IA documentou usar E-E-A-T para escolher o que citar. Nem o Google, nem a OpenAI, nem a Microsoft, nem a Anthropic. E o próprio Google afirma que E-E-A-T não é, em si, fator de ranqueamento, e que os avaliadores humanos não controlam como as páginas ranqueiam, com o dado deles não entrando diretamente no algoritmo.

A ponte que o mercado desenha entre E-E-A-T e citação por IA é inferência, e vender inferência como mecanismo é o centro do problema deste mercado. A cadeia defensável existe, tem quatro elos, e cada elo perde força. Diga a cadeia inteira, com os elos à vista, sempre que precisar justificar o investimento. Quem só diz a conclusão está vendendo, não explicando.

As três decisões estruturais que decorrem do fan-out

A primeira é colocar a resposta direta à pergunta principal no começo do documento, antes do contexto, da história e da justificativa. A evidência sobre posição da citação dentro da página é observacional e será qualificada em seguida, mas a decisão é barata e não tem contraindicação: um texto que responde antes de explicar também serve melhor o leitor humano que chegou com pressa.

A segunda é escrever cada seção como unidade que faz sentido fora da página. Se o quarto subtítulo do seu artigo depende de três parágrafos anteriores para significar alguma coisa, ele não sobrevive ao recorte. Na prática isso quer dizer repetir o sujeito em vez de usar pronome, nomear o objeto de novo em vez de escrever "ele", e recolocar a condição em vez de escrever "nesse caso".

A terceira é privilegiar elementos extraíveis: definição fechada, fato numérico com fonte ao lado, comparação em duas colunas, passo a passo numerado. Esses formatos são recortáveis por construção, e prosa contínua bem escrita não é.

Um estudo grande de abril de 2026 chega à mesma lista por caminho independente, e faz uma distinção que ainda não entrou no vocabulário do mercado. De um lado está a citação selecionada, que é a plataforma escolher citar um endereço. De outro está a citação absorvida, que é o conteúdo daquela página influenciar de fato o texto da resposta. As duas não coincidem, e a segunda é a que tem valor. O trabalho controlou 602 prompts e analisou mais de 21 mil citações válidas em três plataformas: as páginas com maior influência sobre a resposta tendem a ser mais longas, bem organizadas, semanticamente relevantes para a consulta e ricas nesses elementos extraíveis.

O arquivo que o mercado vende e a Busca ignora

[DOCUMENTADO] O guia oficial do Google lista, na seção de desmonte de mitos, o que ignorar para a Busca: arquivos llms.txt e outras marcações "especiais", chunking de conteúdo, reescrever conteúdo só para sistemas de IA, buscar menções inautênticas e supervalorizar dados estruturados. A nota acrescentada em 15 de junho de 2026 diz que manter o arquivo não prejudica nem ajuda a visibilidade, porque a Busca simplesmente o ignora.

[OBSERVACIONAL] A Ahrefs analisou, em 15 de junho de 2026, 137 mil domínios do seu próprio Web Analytics. Cerca de 28% publicam llms.txt, o que dá aproximadamente 38 mil arquivos válidos, e 97% desses arquivos receberam zero requisição em maio de 2026. O limite de método vai junto: a base são clientes da Ahrefs, mais técnicos que a média da web, portanto não é amostra probabilística. O dado é da Ahrefs, e a atribuição a outra empresa que circula no mercado está errada.

O contra-exemplo que desmonta a versão preguiçosa da tese

[OBSERVACIONAL] A Similarweb mediu cerca de 600 mil eventos de citação nos Estados Unidos, entre janeiro e fevereiro de 2026, no ChatGPT em modo navegação e no Google AI Mode. Os domínios mais citados pelo ChatGPT foram a Wikipedia, com 13,15%, e o Reddit, com 11,97%, somando mais de um quarto de todas as citações. Wall Street Journal, New York Times e Bloomberg ficam fora do top 20, e o único veículo de imprensa que aparece é a Reuters, em sétimo, com 2,27%.

Uma enciclopédia colaborativa e um fórum aberto na frente de jornais com autoridade institucional máxima. Isso não derruba E-E-A-T como disciplina editorial. Derruba a ideia de que o modelo esteja aplicando E-E-A-T na hora de escolher a citação. A explicação mais simples é acesso: essas fontes são rastreáveis, sem paywall, densas em cobertura de cauda longa e fáceis de recuperar. Antes de atribuir uma ausência de citação à falta de autoridade, verifique se o seu conteúdo é alcançável.

O melhor dado disponível sobre o que o resumo de IA faz com o seu clique

Saharsh Agarwal, da Indian School of Business, e Ananya Sen, da Carnegie Mellon, conduziram o primeiro experimento de campo randomizado sobre AI Overviews. Foram 1.065 usuários americanos de Chrome desktop recrutados no Prolific, com coleta entre 7 de janeiro e 10 de fevereiro de 2026 e pré-registro na AEA RCT Registry. É desenho randomizado, com grupo de comparação, que é o que separa este trabalho da maior parte do que circula sobre o assunto.

Duas ressalvas precisam viajar coladas ao número, sempre. É working paper no SSRN, sem revisão por pares. E os números que a maior parte do mercado repete, de 38% e de zero-clique subindo de 54% para 72%, são da versão de abril, superada pela revisão de 17 de junho de 2026. Publicar o número velho em julho é publicar um dado que o próprio autor já corrigiu.

Por que separar essas três métricas decide orçamento

[OBSERVACIONAL] Análise de mercado sobre milhares de domínios e centenas de prompts identificou que boa parte das citações em respostas de IA são fantasmas. O domínio recebe o link, aparece na lista de fontes ao lado da resposta, e o nome da marca não é escrito em nenhum ponto do texto que o usuário efetivamente lê. Em um dos motores analisados, a taxa de citação é altíssima e a taxa de menção nominal fica uma ordem de grandeza abaixo.

Se o objetivo é tráfego, citação com link é a métrica correta, e o gargalo é a taxa de clique de dentro da resposta. Se o objetivo é marca, a métrica correta é menção nominal, e ela responde a um trabalho diferente, mais próximo de relações públicas e de presença em fonte que o modelo trata como referência do que de otimização de página. Aprovar verba sem essa separação é aprovar verba para um resultado que ninguém definiu.

Guia prático: ler o relatório de IA generativa e decidir sobre o controle de inclusão. Duas mudanças de 31/08/2026 tiram este assunto do campo da hipótese. O relatório de desempenho em IA generativa, que estava em teste, foi liberado para todos os sites. O controle que inclui ou exclui o site de AI Overviews, AI Mode e dos recursos generativos do Discover também. Em 24/09/2026 os dois relatórios de desempenho ganharam o filtro de busca multimodal, que separa buscas feitas com imagem, como Lens e Circle to Search.

Exercício prático, em três tarefas com dono e prazo

Primeira: abra o robots.txt do seu site e verifique se existe bloqueio a Google-Extended. Se existir, pergunte a quem decidiu qual era o objetivo. Se a resposta for sair dos AI Overviews, o bloqueio não cumpriu o objetivo e a decisão precisa ser retomada com a documentação na mesa.

Segunda: escolha as cinco páginas mais importantes do site e verifique, em cada uma, se a resposta direta à pergunta principal aparece dentro dos primeiros 30% do texto. Meça por contagem de caracteres, não por impressão. Onde não aparecer, reescreva a abertura sem cortar o resto do material.

Terceira tarefa, e a que sustenta todo o resto

Monte um conjunto fixo de vinte prompts do seu mercado, escritos como o seu cliente escreveria, e registre hoje, prompt a prompt, se a marca aparece como link, como nome dentro do texto da resposta, como os dois, ou como nenhum. Guarde o conjunto congelado: trocá-lo depois invalida a série.

Esse registro é a linha de base de "Escolher três indicadores defensáveis e recusar os outros". Sem ele, qualquer melhora observada nos próximos meses será anedota, porque você não vai conseguir separar o efeito do seu trabalho do efeito de uma mudança que o motor fez sozinho.