GEO Intent Mapping · Capítulo 3 de 23 · 15 min
Como saber se o que estão te vendendo é verdade
Cinco níveis de evidência que classificam qualquer afirmação de fornecedor em cinco minutos, e as quatro linhas de escopo que a fonte primária já derrubou.
Este capítulo faz parte do curso gratuito GEO Intent Mapping.
A decisão em jogo: aprovar, reduzir ou reprovar uma proposta de visibilidade em IA pelo desenho do estudo que a sustenta, sem que a reputação de quem apresenta entre na conta.
Ao final deste módulo você consegue classificar uma afirmação de fornecedor em cinco níveis de evidência, sabe quais quatro linhas de escopo a documentação primária já derrubou e leva pronto o e-mail que devolve a proposta antes de qualquer assinatura.
Uma cena de sexta-feira
A proposta tem catorze páginas, três estudos citados no rodapé e um número grande na capa. O time gostou. O jurídico não encontrou o que objetar. Você tem quarenta minutos antes da reunião e nenhuma forma óbvia de saber se aquele número descreve o seu problema ou descreve um teste de laboratório em que a página da sua empresa já estava dentro da resposta antes de o experimento começar.
Nenhum comitê de crédito trabalha assim. Balanço auditado pesa de um jeito, projeção feita pelo próprio tomador pesa de outro, e ninguém precisa explicar a diferença duas vezes na sala. A conversa sobre IA chegou até aqui sem a régua equivalente. Ela existe, está publicada e cabe numa tabela de cinco linhas.
Glossário rápido
Ensaio de campo randomizado
Estudo em que as pessoas são sorteadas entre grupos e o comportamento delas fica registrado pelo navegador. O sorteio é o que autoriza dizer que a mudança causou o efeito, no lugar de dizer que os dois andaram juntos.
Grupo de controle
O grupo que fica sem a intervenção, para servir de comparação. Sem ele, o crescimento natural do mercado no período se confunde com o resultado do que você fez.
Pré-registro
Depositar publicamente o desenho do estudo e o plano de análise antes de coletar qualquer dado. Fecha a porta para escolher a análise depois de ver o resultado.
Juiz de LLM
Avaliação em que outro modelo de linguagem dá a nota às respostas, no lugar de uma pessoa ou de um registro de comportamento real. Barato, rápido e no degrau mais baixo da régua.
Três camadas, antes de qualquer número
Toda afirmação que circula neste mercado pertence a uma de três camadas. A camada pesa mais que o número. A primeira é a documentação oficial: o fornecedor descrevendo o próprio produto, um paper com identificador público, um ato regulatório. A segunda é a evidência observacional, que reúne o estudo de terceiro com metodologia declarada e sem grupo de controle, um desenho capaz de mostrar que duas coisas andaram juntas no mesmo período sem autorizar ninguém a dizer qual delas empurrou a outra. A terceira é a inferência operacional, a leitura construída sobre as duas anteriores por quem está apresentando.
Este curso carimba cada número com essa distinção. Onde você vê o selo de confiança alta, existe documentação primária por trás. Onde vê o selo de verificação, existe medição de terceiro que ainda não foi confirmada na fonte. Onde não vê selo nenhum, o que está escrito é leitura de quem assina, e quem assina responde por ela.
Um detalhe contraria a intuição de quase todo executivo e vale ser dito logo. Documentação oficial de fornecedor é ótima para saber o que um produto faz, quais robôs existem e o que a política proíbe. A suficiência acaba quando a afirmação trata do efeito daquele produto no negócio de terceiros, porque nesse caso quem publica é parte interessada.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
A régua de cinco níveis
Em 15/07/2026, uma revisão sistemática percorreu 45 estudos de visibilidade em IA publicados entre novembro de 2023 e julho de 2026 e organizou o campo numa hierarquia de cinco níveis, de A a E. Cada nível descreve um jeito de fazer o estudo e diz, em uma linha, o que aquele jeito autoriza você a afirmar em voz alta diante do conselho.
A régua mede uma coisa só: a distância que a conclusão pode viajar. Julgar a qualidade do trabalho é outra tarefa, e ela continua com você. A unidade classificada é a afirmação isolada, de modo que um mesmo paper pode ter uma frase de nível A e outra de nível E, e é dessa brecha que sai o único truque a vigiar nessa conversa, a transferência silenciosa de prestígio de um número estreito para uma promessa larga.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
Os cinco níveis, e o que cada um autoriza dizer
| Nível | Como o estudo foi feito | O que autoriza afirmar | Exemplo em julho de 2026 |
|---|---|---|---|
| A | Pessoas sorteadas entre grupos, com o navegador registrando o que cada uma fez | Que a mudança causou o efeito, naquele cenário | O experimento de 1.065 participantes que mediu 38% menos cliques orgânicos |
| B | Perguntas repetidas em assistentes de verdade, em várias datas e com várias redações | Como a visibilidade se distribui lá fora, sem atribuir causa | Medições mensais de quais domínios cada plataforma cita |
| C | Sistema comercial de verdade, com as páginas ou arquivos entregues por quem testa | O que acontece depois que a sua página já entrou na conversa | Testes de leitura de preço em cinco assistentes, com produto fictício |
| D | Caminho de ponta a ponta reconstruído em laboratório, da busca até o texto final | Em qual etapa do caminho o efeito acontece | Ambiente montado sobre 171.003 páginas reais da web |
| E | Conjunto fixo de documentos escolhido pelo pesquisador, ou outro modelo dando a nota | Que existe um mecanismo plausível, e só isso | O ganho de até 40% do artigo que fundou a disciplina |
A régua classifica cada afirmação isolada, e o estudo inteiro fica fora dessa conta. A mesma revisão conclui que nenhuma técnica revisada demonstrou efeito causal estável, longitudinal e multiplataforma sobre descoberta orgânica: conteúdo que já foi recuperado pode ter a citação alterada, e a etapa anterior a essa continua sem prova.
Fonte: Olivier Martinez, Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023-2026), arXiv:2607.14035, submetido em 15/07/2026, Tabela 7 do Apêndice A.
Cinco minutos, três perguntas
Copie a frase do slide com o número e a unidade que aparecem lá. Depois faça três perguntas, nessa ordem. A primeira: no momento da medição, a nossa página já estava dentro do material entregue ao modelo? Se estava, o número descreve o que acontece depois de sermos encontrados, e não diz nada sobre a chance de sermos encontrados. A segunda: o que exatamente foi contado, palavra dentro de um texto gerado, presença numa lista, clique registrado ou receita reconhecida? A terceira: quantas execuções, em quantas datas, com quantas redações diferentes e em qual idioma?
Com as três respostas, a afirmação cai sozinha em um dos cinco níveis. Sem elas, ela entra na sua apresentação interna com o rótulo de hipótese e não sustenta meta de contrato nem meta de time.
Agora o uso mais rentável da régua. Quatro linhas de escopo aparecem em quase toda proposta que circula no Brasil, e as quatro já foram desmontadas por fonte primária publicada entre fevereiro e julho de 2026. Nenhuma delas nasceu de má fé: cada uma partiu de uma leitura plausível em 2024 e 2025, e a medição de 2026 desfez a leitura. O que custa dinheiro hoje é manter a linha no contrato depois que a fonte primária virou pública e gratuita, porque isso transforma um erro de leitura compreensível numa escolha que a controladoria vai cobrar de alguém no fechamento do ano.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
Quatro linhas de escopo que a fonte primária derruba
| O que a proposta cobra | O que ela promete | A fonte que derruba | O que fazer com a linha |
|---|---|---|---|
| Implantação e manutenção de llms.txt | Fazer a IA ler e entender o site por um arquivo próprio | Google Search Central, 10/07/2026: a Busca ignora o arquivo, e mantê-lo não ajuda nem prejudica. Ahrefs, 15/06/2026: em 137.210 domínios, 97% dos arquivos publicados receberam zero requisição em maio de 2026 | Cortar do orçamento de IA. Se existir uso de documentação para agente de programação, ele se justifica sozinho e paga a própria conta |
| Marcação de dados estruturados como alavanca de citação | Marcar o site com schema para passar a ser citado nas respostas | Ahrefs, 11/05/2026, estudo com grupo de controle, 1.885 páginas tratadas contra 4.000 de controle: alta de 2,4% no AI Mode, alta de 2,2% no ChatGPT e queda de 4,6% nas AI Overviews, esta com chance de acaso perto de 1 em 2.500 | Manter no orçamento de SEO, pela elegibilidade a resultados enriquecidos e pela consistência de entidade. Sair da promessa de citação |
| Reescrita do acervo de conteúdo para IA | Adaptar os textos existentes ao jeito que a IA lê | Ambiente que reproduz o caminho completo da pergunta à citação sobre 171.003 páginas reais: reescrever apenas o corpo do texto derrubou a presença entre os vinte primeiros candidatos em 9% e a citação final em 6%. Os campos estruturais, no mesmo teste, subiram 22% na recuperação | Cortar a reescrita de corpo. Levar o dinheiro para título, descrição e hierarquia de subtítulos das páginas que já aparecem |
| IndexNow para acelerar a aparição em IA | Avisar os motores mais rápido e ser citado antes do concorrente | O Google avaliou o protocolo desde 2021 e nunca o implementou; mantém sitemaps e inspeção de URL. Bing, Yandex, Naver e Seznam adotam | Manter apenas se a meta declarada incluir Bing e Copilot. Não conta como alavanca na superfície de maior alcance no Brasil |
A queda de 4,6% foi medida em páginas que já tinham mais de cem citações antes do tratamento, e os próprios autores registram que ela continua sem explicação. A leitura defensável é a de que adicionar marcação a uma página já muito citada não compra visibilidade adicional. Concluir que schema prejudica a marca extrapola o que o estudo mediu.
Fonte: Google Search Central, guia de otimização para IA generativa, https://developers.google.com/search/docs/fundamentals/ai-optimization-guide (15/05/2026, atualizado em 10/07/2026); Ahrefs, estudo de logs de llms.txt, https://ahrefs.com/blog/llmstxt-study/ (15/06/2026); Ahrefs, estudo pareado de dados estruturados, https://ahrefs.com/blog/schema-ai-citations/ (11/05/2026); SAGEO Arena, arXiv:2602.12187, com data exata de submissão pendente de conferência humana.
Verificação rápida
A proposta na sua mesa cita o número mais famoso do mercado: um ganho de até 40% de visibilidade em IA. Lendo o artigo original, você descobre o desenho: o pesquisador entregou ao modelo um conjunto fixo de cinco documentos, com a fonte medida já presente entre eles, e contou quantas palavras da resposta vinham daquela fonte, número que subiu de 19,3 para 27,2. Nenhum clique, visita ou compra foi observado. Em que nível da régua essa afirmação cai?
Artefato: o e-mail que você manda antes de assinar
Preencha os quatro campos e envie o texto por escrito ao fornecedor, antes da reunião de fechamento. O formato tira a conversa da apresentação e a leva para o desenho do estudo, que é o único terreno em que a discussão termina. Campo em branco aparece marcado no texto montado.
Documento montado
Assunto: perguntas de método antes da aprovação Para: [FORNECEDOR E QUEM RESPONDE TECNICAMENTE PELA PROPOSTA] Afirmação em avaliação: [A AFIRMAÇÃO EXATA QUE ESTAMOS AVALIANDO] Promessa comercial associada: [A PROMESSA COMERCIAL LIGADA A ESSA AFIRMAÇÃO] Valor e prazo: [VALOR E PRAZO EM DISCUSSÃO] 1. Qual é o desenho do estudo que sustenta essa afirmação? Pessoas sorteadas entre grupos com registro de navegação, assistente comercial ao vivo com repetições e redações diferentes, sistema comercial com arquivos entregues por quem testa, caminho de ponta a ponta reconstruído em laboratório ou conjunto fixo de documentos? 2. No momento da medição, a nossa página já estava dentro do material entregue ao modelo? Se estava, o número descreve o que acontece depois de sermos encontrados, e não a chance de sermos encontrados. 3. O que exatamente foi contado? Palavra dentro de um texto gerado, presença numa lista, clique registrado ou receita reconhecida. Peço a métrica com o nome que o estudo usa, no lugar do nome comercial. 4. Quantas execuções, em quantas datas, com quantas redações da mesma pergunta e em qual idioma? Peço a variação observada, além da média. 5. Quem publicou, quando e qual é o interesse de quem publicou no resultado? Peço o identificador do trabalho ou a URL da documentação de origem. Critério de resposta Sem as cinco respostas, a afirmação entra na nossa apresentação interna rotulada como hipótese e não sustenta meta de contrato nem meta de time. Com as cinco, ela entra com o nível de evidência escrito ao lado, e o tamanho do escopo é dimensionado por esse nível.
O que você digitar fica salvo neste navegador. Nada é enviado para servidor algum.
Você classifica uma afirmação de fornecedor nos cinco níveis com três perguntas, sabe em que ponto a documentação oficial para de sustentar a conversa, conhece as quatro linhas de escopo que a fonte primária derruba e tem o e-mail de método pronto para enviar antes da assinatura.
Seu caderno neste capítulo
Abrir o caderno completoSelecione um trecho do capítulo para destacar ou anotar. Nos vídeos e áudios, use Anotar este momento. No teclado, selecione com Shift e as setas e use Alt+Shift+D para destacar ou Alt+Shift+N para anotar.
Salvo neste navegador. Entre na sua conta para levar o caderno a outros aparelhos.
Entre na sua conta para compartilhar o que aprendeu e convidar alguém para estudar com você.
Conexões deste capítulo
Veja o que estudar antes e para onde seguir depois, explore os conceitos e compare abordagens em outros cursos. Sugestões marcadas como “sugerido pelo grafo” vêm dos assuntos em comum, não do índice do curso.
Estude antes
- Descubra como a IA escolhe quem citarsugerido pelo grafoApresenta os conceitos “Visibilidade em IA”, “llms.txt” e “LLM”, usados em “Como saber se o que estão te vendendo é verdade”.
- Diagnostique em que etapa a busca perde a sua páginasugerido pelo grafoApresenta os conceitos “Dados estruturados”, “AI Mode” e “AI Overview”, usados em “Como saber se o que estão te vendendo é verdade”.
- CursoGlossário Completo de SEO e GEO 2026sugerido pelo grafo12 capítulos de “GEO Intent Mapping” usam conceitos apresentados em “Glossário Completo de SEO e GEO 2026”.
Conceitos deste capítulo
O mesmo assunto em outros cursos
- SEO ProgramáticoConferir o número da agência antes de citá-loExaminar conexões de Conferir o número da agência antes de citá-lo
- Autoridade Temática e SEO de EntidadesO que prometer à diretoria sobre aparecer na IAExaminar conexões de O que prometer à diretoria sobre aparecer na IA
- E-E-A-T e Qualidade de ConteúdoAs quatro perguntas que decidem se uma página merece confiançaExaminar conexões de As quatro perguntas que decidem se uma página merece confiança
- GEO e Knowledge GraphOnde estudiosos, empresas e colunistas discordam, e como decidir no meio da divergênciaExaminar conexões de Onde estudiosos, empresas e colunistas discordam, e como decidir no meio da divergência
Leve uma ideia para a prática
Escolha uma atividade no painel e volte a este curso quando quiser.
Atividades e evolução ficam reunidas no painel da sua conta.