Curso de GEO gratuito: Do SEO ao Generative Engine Optimization

A evolução do SEO até 2026 com fatos datados, os três pilares que sobreviveram e a matriz de crawlers que separa treino, busca e ação do usuário.

68,01% das buscas nos EUA terminaram sem clique entre janeiro e abril de 2026 (SparkToro), e ser citado dentro do AI Overview vale 120% mais cliques por impressão (Seer). A conclusão operacional mudou de lado.

Definição operacional de GEO à luz do guia oficial do Google, a faixa de prevalência de AI Overviews entre 15,69% e 48% conforme o tracker, e por que 1 bilhão de usuários no AI Mode convive com 0,34% das buscas.

A matriz de crawlers de três funções (treino, busca, ação do usuário), por que bloquear GPTBot não tira o site das respostas de busca, o desmentido oficial do Google sobre llms.txt e o risco operacional do bloqueio padrão da Cloudflare a partir de 15/09/2026.

O que a documentação oficial realmente diz sobre sameAs e Organization, por que 'entity confidence score' não existe em nenhuma fonte do Google, e como aplicar checagem de proveniência antes de comprar qualquer tese de entidade.

O fim dos FAQ rich results em 07/05/2026, os tipos aposentados e desaposentados, a galeria vigente de 15/06/2026 e a declaração oficial de que não existe marcação especial para IA generativa.

Por que verticais inteiros dependem de busca local, como o Google Business Profile funciona como fonte de entidade, consistência de NAP como caso concreto do que o curso ensina em abstrato, o lugar do schema LocalBusiness na galeria vigente e o que estruturalmente não dá para medir em busca local com IA.

Como hreflang de fato funciona e onde ele quebra, a diferença entre traduzir e localizar, e a pergunta que o curso ainda não tinha respondido: uma marca citada em português e em inglês é a mesma entidade para o modelo. Inclui declaração explícita de onde não existe evidência publicada, porque aqui existe muito pouca.

Clusters de tópico e pillar pages como tradução estrutural da concentração que a Etapa 4 defende, diagnóstico de canibalização com Search Console, o que muda quando o alvo é citação em resposta gerada em vez de posição em lista de links, e o critério para decidir entre fundir e diferenciar.

Por que E-E-A-T não é fator de ranqueamento, o que o Google realmente escreve sobre conteúdo gerado por IA (scaled content abuse, não autoria por máquina), as políticas novas de 2026 e como ler as correlações de fornecedor sem comprar a conclusão junto.

Prompt injection nas duas direções (o seu conteúdo atacando o agente alheio e o conteúdo alheio atacando o agente que você opera), higiene de conteúdo gerado por usuário quando a página vira fonte de citação, e a camada de LGPD que o curso pratica sem nomear: base legal, consentimento em analytics e IP em log de servidor.

A decisão que o curso vinha apresentando por um lado só. Quem ganha o quê em cada postura, como funciona o pay-per-crawl da Cloudflare e o bloqueio padrão de 15/09/2026, por que crawl-to-refer é um argumento econômico com ressalva da própria fonte, e por que para a maioria dos sites a escolha entre cobrar e bloquear simplesmente não existe.

Acessibilidade por log de servidor, visibilidade por amostragem repetida e consequência por GA4 e CRM. O que o canal nativo AI Assistant do GA4 e os relatórios generativos do Search Console realmente entregam, e por que para a maioria dos sites do mundo ainda não existe medição nativa de tráfego de IA.

O ciclo operacional de quatro fases com gate de saída em cada uma, os KPIs separados por camada de medição, e o critério para alocar esforço pelo gargalo diagnosticado em vez de por percentual fixo de orçamento.

O princípio de roteamento entre modelos que sobrevive à troca de geração: classificar a tarefa por tolerância a erro, custo de verificação e valor do acerto, e só então escolher o executor. Inclui política declarativa, escalonamento em cascata, circuit breaker e o critério para não orquestrar.

Como separar case com mecanismo verificável de case de escala vendido como GEO, aplicando a rubrica a dois exemplos reais que circulam no mercado. Inclui o que existe de evidência publicada com fonte primária e a declaração honesta de onde não existe case confiável.

O que mudou de fato no mercado (Adobe e Semrush, Profound, ferramentas de visibilidade), por que quase todo estudo público de GEO vem de quem vende a solução, e como montar um pitch defensável sem nenhum número que você não consiga sustentar sob questionamento.

Auditar páginas contra 16 pilares binários, calcular o G ponderado, aplicar o gate (G maior ou igual a 0,70 e 12 pilares acionados) e provar cada enriquecimento por Twin Branch antes de aprovar.

Garantir que os crawlers certos entrem, que o conteúdo exista sem depender de JavaScript de terceiros, que os Core Web Vitals fiquem dentro do limiar oficial e que o markup implementado ainda tenha função em 2026.

Escrever trechos que um modelo consegue extrair sem reescrever, medir densidade de entidade e razão quote por estatística, e verificar o resultado com um banco de prompts congelado e amostragem repetida.

Decidir onde concentrar esforço de presença fora do próprio site, lendo evidência de correlação com o conflito de interesse declarado e separando o que é mecanismo do que é tamanho de marca.

Separar as quatro camadas do protocolo agêntico (MCP, A2A, UCP, AP2), declarar elegibilidade em dados estruturados que já existem e decidir o que implementar hoje contra o que apenas monitorar.

Medir visibilidade em IA como distribuição e não como valor único, separar as três camadas de evidência e decidir manter ou reverter cada enriquecimento com um gate numérico defensável.

Sequenciar as seis etapas anteriores em três sprints com dependências explícitas, adaptar a ordem ao seu vertical e definir de antemão o que faz o plano parar.