GEO Universal Framework · Capítulo 20 de 29 · 26 min
Ler um case sem cair no conto: a rubrica dos cinco portões
Você sai aplicando cinco portões a qualquer case de SEO ou GEO que chegue por LinkedIn, proposta ou imprensa, separando o que prova do que só repete, e sabendo qual método exigir do fornecedor antes de assinar.
Este capítulo faz parte do curso gratuito GEO Universal Framework. Para marcar como concluído e salvar o progresso, abra este capítulo na página do curso.
Nenhum case de GEO ou de SEO entra em proposta ou em decisão de orçamento sem passar por cinco portões: data, fonte primária, mecanismo, interesse de quem publicou e coincidência com a estratégia que você vai adotar. Essa rubrica, a grade de critérios com que se dá nota a um case, serve a quem recebe o print do LinkedIn ou a proposta da agência e precisa decidir em minutos. Você sai com a rubrica pronta, dois cases desmontados como treino e o padrão de método a exigir de um fornecedor em setembro de 2026.
Para quem decide: a decisão é aceitar ou recusar um case como prova antes de assinar contrato ou aprovar verba. Errar custa o contrato inteiro: o "5,7 vezes" de um case de tráfego vindo do ChatGPT virou 1,82 vez quando se descontou o crescimento da própria plataforma, e ainda pode ser acaso. Pergunta para o fornecedor: qual foi o grupo de controle, o período e o número de execuções por trás desse resultado?
Ao final você consegue: (1) Aplicar os cinco portões a qualquer case e emitir um veredito em minutos, com o portão que reprovou nomeado. (2) Recusar um case cujo mecanismo é diferente do que você vai comprar, mesmo quando os números são verdadeiros. (3) Comparar o método de um fornecedor com o padrão do experimento com grupo de controle e exigir o que falta. (4) Escrever na proposta o que existe de evidência publicada, o que não existe e o que será medido no próprio site.
Verificação rápida
Pré-teste, antes de ler o módulo. Dois cases circulam como prova de que GEO funciona: uma rede hospitalar que triplicou o tráfego e uma marca de mobiliário que triplicou os rankings de palavras-chave. Supondo os números verdadeiros, esses cases sustentam uma proposta de GEO baseada em concentração editorial?
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
Rubrica dos cinco portões, aplicável a qualquer case que chegar até você
Portão 1, data
0/2Portão 2, fonte primária
0/2Portão 3, mecanismo
0/3Portão 4, quem publicou
0/2Portão 5, mesmo mecanismo da minha proposta
0/3O portão 5 é o que quase ninguém aplica, e é o que mais importa. Um case pode passar nos quatro primeiros, ser verdadeiro, datado, primário e reproduzível, e ainda assim não sustentar a sua proposta, porque o mecanismo dele é outro. Usar um case de escala de conteúdo para vender concentração editorial é erro de lógica, e um cliente atento percebe.
Os dois cases mais citados no mercado brasileiro de GEO em 2026 reprovam exatamente nesse portão. Eles estavam neste curso até a revisão de julho, e ficam agora como material de treino: a tabela abaixo aplica os cinco portões a cada um.
Por que os dois cases mais citados reprovam?
| Portão | Case A: rede hospitalar (MedPark) | Case B: mobiliário (Hawthorn) |
|---|---|---|
| Como circula | Triplicou o tráfego criando milhares de páginas em tailandês e inglês, chegando a 250 mil visitas orgânicas por mês | Triplicou os rankings de palavras-chave (326 mil) ao adicionar 51 mil páginas |
| 1. Data | Reprova: nenhuma versão traz o período; sem ele não se sabe nem se o case é anterior aos AI Overviews | Reprova pelo mesmo motivo |
| 2. Fonte primária | Reprova: posts que remetem a outros posts, sem publicação da empresa nem auditoria independente | Reprova pelo mesmo motivo |
| 3. Mecanismo | Passa, e o mecanismo é claro: milhares de páginas em dois idiomas, escala | Passa: o mecanismo está na própria frase, 51 mil páginas |
| 4. Quem publicou | Material de agência: evidência interessada | Material de agência: evidência interessada |
| 5. Mesmo mecanismo da proposta | Reprova: escala é o oposto da concentração que a proposta recomenda | Reprova, de forma ainda mais explícita |
| Veredito | Descarte como evidência; aproveite como treino | Descarte como evidência; aproveite como treino |
Leve os dois de propósito para a reunião, desmonte-os na frente do cliente e explique por que a sua estratégia é outra. Antecipar a objeção com a análise pronta vale mais que qualquer case que você citaria.
O Princípio 3 deste curso manda otimizar o cluster prioritário, o grupo de páginas e de buscas que sustenta a receita, e deixar a cauda longa (as buscas raras, de poucas visitas cada) para depois. Os dois cases fizeram o oposto: pulverizaram em escala e colheram cauda longa.
Quem os apresenta como prova de que GEO funciona pede ao cliente que aceite como evidência a estratégia que vai recomendar evitar três slides depois. Ou o case está certo e a recomendação está errada, ou a recomendação está certa e o case não serve de prova; as duas coisas não ficam de pé juntas.
Mesmo com os números verdadeiros, 51 mil páginas capturando cauda longa é SEO clássico de escala, executado em vertical e em momento de algoritmo que não são os do seu cliente. Chamar isso de GEO muda o rótulo comercial e não muda o que foi feito.
O erro simétrico, comum em times céticos, é concluir que escala nunca funciona. Ela funciona com catálogo real e demanda real por item, capacidade de manter as páginas atualizadas e nenhum risco de cair na política de abuso de conteúdo em escala do Google. Essa política pune escala sem valor agregado e deixa a autoria por máquina fora do critério. O que os dois cases não sustentam é a ponte que o mercado faz a partir deles: produzir muito seria o caminho para ser citado por sistemas generativos. Essa ponte não está demonstrada em lugar nenhum. Sustentar as duas ideias ao mesmo tempo, escala válida em certos contextos e escala sem valor como evidência de GEO, é o que separa análise de torcida.
Sem voltar ao texto, pegue um case de GEO que você já viu circular (LinkedIn, newsletter, apresentação de fornecedor) e submeta-o aos cinco portões, escrevendo o veredito de cada um. Depois responda à pergunta que fecha o exercício: se esse case reprovar no portão 5 em relação à estratégia que você recomenda hoje, o que você muda, o case que cita ou a estratégia que recomenda? Escreva a resposta antes de seguir, porque ela revela se a sua estratégia está ancorada em evidência ou em hábito.
O que resta de evidência depois da rubrica cabe em poucos itens, e reconhecer o tamanho da lista é parte do trabalho, porque é o que separa quem cita evidência de quem cita repetição. Os itens abaixo passam nos portões 1 e 2; onde quem publicou vende ferramenta, o rótulo de interesse do portão 4 vai colado ao número.
Primeiro item: razão entre páginas rastreadas e visitas devolvidas (crawl-to-refer), julho de 2025
38.066:1
Anthropic
Páginas rastreadas para cada visita referida ao site
1.091:1
OpenAI
Mesma métrica, mesmo período
195:1
Perplexity
Mesma métrica, mesmo período
5:1
Base de comparação do estudo
Fonte: Cloudflare, medição de julho de 2025 divulgada em 29/08/2025
Um item ficou fora da lista de propósito, e o motivo é a lição do portão 1. A tabela de correlações da Ahrefs entre menções no YouTube e citação no ChatGPT circula em apresentações sem data de publicação localizável, e o instrumento que mediu a citação é o produto que a Ahrefs vende. O portão 4 obriga a rotular; o portão 1 reprova antes disso. Um dado sem data não entra nem com o rótulo, por mais interessante que a correlação pareça.
Quem vende a régua costuma publicar a medida, e declarar o conflito custa uma frase. Três conflitos precisam ir junto com qualquer estudo de fornecedor: quem publicou vende a solução que o estudo valida; o instrumento que mediu a variável é produto de quem publicou; as métricas que aparecem no topo da lista são as que a casa comercializa. Nada disso invalida o dado, e tudo isso muda o peso que ele carrega numa discussão de orçamento.
Segundo item: taxa de clique orgânica por situação da página no AI Overview
3,3%
Sem AI Overview na busca
33.500 cliques por milhão de impressões
2,1%
Página citada dentro do AI Overview
20.743 cliques por milhão de impressões
0,9%
Página presente, mas não citada
9.445 cliques por milhão de impressões
+120%
Ganho de cliques por impressão ao ser citado
Comparado a estar na página fora da citação
Fonte: Seer Interactive, 53 marcas, 5,47 milhões de consultas e 2,43 bilhões de impressões nos Estados Unidos, janeiro de 2025 a fevereiro de 2026, publicado em 24/04/2026
Terceiro e quarto itens, fora dos estudos de fornecedor, e o dia em que um vendor abriu o método
- Agosto de 2025Concluído
Cloudflare acusa a Perplexity de crawlers furtivos
A Perplexity foi removida da lista de bots verificados e contestou publicamente. Apresente as duas versões e sinalize que a Cloudflare vende controle de bots, então é parte interessada.
- 29/08/2025Concluído
Publicação do crawl-to-refer
A métrica mais usada do setor para acusar sistemas de IA de extrativos vem com a ressalva de superestimação escrita pela própria fonte.
- 10/03/2026Concluído
Liminar contra o navegador Comet, da Perplexity
A juíza Maxine Chesney, do Distrito Norte da Califórnia, bloqueou o acesso a contas Amazon protegidas por senha, sob o Computer Fraud and Abuse Act. Primeiro precedente relevante sobre navegação agêntica autenticada, e importa para quem opera comércio.
- 24/04/2026Concluído
Seer Interactive publica o efeito de taxa de clique
Único item da lista produzido por quem não vende ferramenta de visibilidade em IA.
- 11/05/2026Agora
Ahrefs publica o experimento com grupo de controle
Primeiro estudo de vendor com método aberto e resultado publicado mesmo quando nulo. Vira o padrão de método que a seção seguinte descreve.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
Não existe, até setembro de 2026, case público auditável no formato que o mercado mais deseja: uma empresa nomeada, um conjunto declarado de práticas de GEO, medição com metodologia publicada antes e depois, grupo de controle e receita atribuída. O que existe são relatos sem denominador, estudos de fornecedor com o próprio produto como instrumento e cases de vendor sobre si mesmos, sem controle.
A razão é estrutural. Medir efeito de GEO exige estabilizar um sistema não determinístico ao longo de meses, com conjunto de prompts congelado, controle de concorrentes e isolamento de mudanças simultâneas de algoritmo. Quem tem capacidade técnica para fazer isso costuma ser um fornecedor, e o resultado vira peça de marketing e reprova no portão 4.
A exceção que define o padrão é o experimento da Ahrefs de 11/05/2026 sobre dados estruturados, a ficha em formato padronizado que o site entrega ao robô. Foram 1.885 páginas que receberam o JSON-LD contra 4.000 páginas de controle, lidas por diferença em diferenças: compara-se a variação do grupo tratado com a variação do grupo de controle no mesmo período.
Resultado: citações em AI Overviews caíram 4,6%, com significância; AI Mode subiu 2,4% e ChatGPT 2,2%, indistinguíveis de zero. O limite declarado é que as páginas já tinham 100 citações ou mais antes do teste. Um vendor publicou um resultado nulo e um negativo sobre a própria recomendação, e é isso que torna o método o padrão.
Quais desses quatro resultados têm método?
| Resultado como circula | Quem publicou e quando | Controle e método | Veredito na rubrica |
|---|---|---|---|
| Dados estruturados e citação: AI Overviews caem 4,6%; AI Mode e ChatGPT sem efeito distinguível de zero | Ahrefs, 11/05/2026 | 1.885 páginas tratadas contra 4.000 de controle; diferença em diferenças | Passa em 1, 2 e 3; rótulo de interesse no 4. É o padrão de método a exigir |
| Share of voice em IA (a fatia das respostas em que a marca aparece) de 13% para 32% em dois meses | Semrush Enterprise, case sobre si mesma, sem data | Sem grupo de controle, sem número de execuções | Reprova em 1 e em 4. Treino, nunca benchmark |
| 82% de share de referências em AI Overviews e 353 mil cliques em 16 meses | Conversion, case Icatu Seguros, 2026 | Sem método aberto, sem controle | Reprova em 2 e em 3. Treino, nunca benchmark |
| Tráfego vindo do ChatGPT cresceu 5,7 vezes depois da otimização | Watanabe e Nakayashiki, arXiv 2606.04362, 03/06/2026 | Páginas não tratadas do mesmo domínio cresceram 3,5 vezes; o modelo de série temporal estima 1,82 vez, com intervalo de confiança de 1,31 a 2,54; teste placebo com p = 0,16 | Passa em 1, 2, 3 e 4. O número que vale é 1,82, e ainda pode ser acaso |
Um case que passa nos quatro primeiros portões ainda precisa do quinto: o mecanismo dele tem de ser o que você vai comprar. O estudo da Ahrefs, por exemplo, só se aplica a páginas que já eram citadas.
Dois papers de 2026 dão a régua para ler qualquer resultado desse tipo. O survey de Olivier Martinez (arXiv 2607.14035, 15/07/2026) revisou 45 estudos publicados entre novembro de 2023 e julho de 2026 e concluiu que nenhuma técnica de GEO mostrou efeito causal estável, ao longo do tempo e entre plataformas, sobre o site ser encontrado. O que as técnicas mudam é a citação de quem já foi encontrado.
O segundo separa ser citado de ser usado. O framework de Zhang Kai, He Xinyue e Yao Jingang (arXiv 2604.25707, 28/04/2026), sobre 602 prompts e 21.143 citações, mostra que o ChatGPT cita menos páginas e aproveita mais cada uma, enquanto Perplexity e Google citam mais e diluem. Um case que mostra citação sem mostrar uso, ou uso em uma plataforma só, está contando metade da história.
O intervalo de confiança da tabela acima é a faixa dentro da qual o valor real provavelmente está. Ele distingue os dois papers e o experimento da Ahrefs de todo o resto: eles publicam a faixa, e o case de vendor publica o ponto.
A mesma régua vale para o número mais reciclado do setor. Em 04/09/2026 a Semrush voltou à imprensa com "o visitante vindo de IA vale 4,4 vezes mais", número do estudo dela de junho de 2025 sobre um nicho de marketing digital, sem país nem método de conversão declarados.
As medições primárias abertas dão outra ordem de grandeza. A Visibility Labs mediu +31%: o tráfego do ChatGPT converteu a 1,81% contra 1,39% do orgânico não marcado, em 94 lojas ao longo de 2025. Na Similarweb o resultado foi 1,4 vez, 7% contra 5% em sites transacionais no desktop dos Estados Unidos em setembro de 2025. No varejo dos Estados Unidos, a Adobe Digital Insights chegou a +54% em maio de 2026.
"IA converte quatro a cinco vezes" descreve um nicho, um ano e um vendor, e por isso está vetado como constante em qualquer proposta. Se o número aparecer, a pergunta é a mesma da rubrica: de que vertical, de que período, de que país e sobre que denominador.
O que a IA já faz com a marca, medido em 2026: duas medições de mercado, não cases
| O que foi medido | Número | Quem, quando e como |
|---|---|---|
| Usuários de IA que já desistiram de uma compra por informação de chatbot | 57,5% | Semrush, 2.338 adultos dos Estados Unidos, julho de 2026, publicado em 07/09/2026 |
| Consumidores que já compraram por recomendação explícita de chatbot | 41% | Semrush, mesma pesquisa; margem de erro de mais ou menos 2 pontos |
| Respostas sobre preço em que a página própria da empresa foi a primeira fonte | 12% | Profound, 7.600 respostas sobre empresas da Cloud 100, seis motores, 29/07 a 10/08/2026, publicado em 03/09/2026 |
| Fontes citadas antes da página própria em consultas sobre preço | Vendr 18,7%; Reddit 18,6%; G2 15,9% | Profound, mesmo estudo; 57 das 77 páginas públicas de preço classificadas como prontas para IA pelo critério do vendor |
Os dois estudos passam nos portões 1 e 2 e carregam o rótulo do portão 4, porque os dois vendem medição. Eles dimensionam o risco de a IA falar da sua empresa sem você; não prometem ganho, e por isso entram na proposta como contexto, nunca como resultado esperado.
Dizer ao cliente que não existe case público auditável parece fraqueza e tem o efeito oposto. A frase que sustenta uma proposta é curta: não existe case público auditável que garanta esse resultado, e por isso a medição vai ser feita no seu próprio site. Linha de base tirada antes de começar, páginas de controle que não recebem a mudança, protocolo escrito no contrato.
Quem promete o case que não existe está apostando que o cliente não vai checar. O cenário abaixo, com uma rede de clínicas, mostra a jogada na sala de reunião.
Faltam quinze minutos para o fim da reunião e a proposta está sobre a mesa. O diretor abre o celular, gira a tela para você e mostra um print de LinkedIn: uma rede hospitalar triplicou o tráfego com GEO, uma marca de mobiliário triplicou os rankings de palavras-chave. Ele pergunta, sem hostilidade, por que a sua proposta não promete nada parecido. O sócio dele está na sala e ainda não falou nada.
O que você faz nos próximos dois minutos?
Heurística de praticante para reunião comercial: monte um dossiê de dois cases desmontados e leve-o de propósito. Quando o cliente trouxer o print do LinkedIn, você já tem a análise pronta, com os cinco portões aplicados, e transforma a objeção em demonstração de competência. Preparar isso custa uma hora por trimestre. É a hora de melhor retorno em consultoria de busca, porque converte o momento de maior exposição da reunião no momento em que a diferença técnica entre você e o concorrente fica visível.
Escreva o parágrafo que vai na sua próxima proposta comercial explicando por que ela não contém promessa de resultado ancorada em case de terceiro. Ele precisa dizer o que existe de evidência publicada, com fonte e data, o que não existe, e o que você vai medir no site do próprio cliente, com que controle, para produzir a evidência que falta. Restrição: no máximo oito linhas, e nenhuma delas pode soar como desculpa. Se você conseguir escrever isso e ler em voz alta sem desconforto, o módulo cumpriu o objetivo.
Nas próximas 48 horas, aplique a rubrica a três cases que estão hoje em uso na sua empresa: no site, no deck comercial ou na apresentação padrão. Registre o veredito de cada portão para cada um. Critério de sucesso: uma lista do que sai do deck, do que fica com rótulo de evidência interessada e do que fica como referência de mecanismo. Se pelo menos um case sair, o exercício se pagou, porque você eliminou uma promessa que a sua operação não sabe reproduzir. Se nenhum sair, releia o portão 5 comparando cada case com a estratégia que você de fato recomenda.
Faça agora (15 min)
Cinco movimentos que a pessoa que decide executa sozinha, com o último case que chegou por e-mail, LinkedIn ou proposta.
Passo 1: Procure a data e o período de coleta no case
Mês e ano de início e de fim. Se não houver, escreva "reprova no portão 1" e siga, porque os outros portões viram treino.
Deu certo quando: Você sabe se o resultado é anterior ou posterior aos AI Overviews.
Erro comum: Aceitar a data do post como data do resultado.
Passo 2: Abra a fonte original em cinco minutos
Publicação da própria empresa ou auditoria independente. Post que cita post não conta. Se em cinco minutos não achar, reprova no portão 2.
Deu certo quando: Você tem a URL da fonte primária ou a anotação de que ela não existe.
Erro comum: Confundir a matéria da imprensa com a publicação da empresa.
Passo 3: Nomeie a alavanca em uma frase e pergunte pelo controle
Escala de páginas, links, correção técnica, mídia conquistada ou dados estruturados. Depois mande ao fornecedor a pergunta: qual foi o grupo de controle e quantas execuções?
Deu certo quando: Uma frase com a alavanca e uma pergunta enviada por escrito.
Erro comum: Aceitar "otimizamos para IA" como descrição de mecanismo.
Passo 4: Anote quem publicou e o que essa pessoa vende
Se quem publicou vende a solução ou a ferramenta que mediu, o case fica com rótulo de interesse. O rótulo vai na mesma frase em que o número aparecer.
Deu certo quando: O case tem o rótulo escrito ou a nota de que não precisa.
Erro comum: Descartar o dado em vez de rotulá-lo.
Passo 5: Compare o mecanismo com a estratégia que você vai comprar
Se o case funcionou por escala e a proposta na sua mesa recomenda concentração, o case não prova a proposta. Decida qual dos dois muda.
Deu certo quando: Um veredito escrito: prova, treino ou descarte.
Erro comum: Manter o case no deck "porque o número é bonito".
No fim você tem: um veredito por portão para o último case que recebeu, uma pergunta de método enviada ao fornecedor e a frase de proposta que substitui a promessa pelo protocolo de medição no próprio site.
Resumo em três linhas: Um case só vale como prova se passar nos cinco portões, e o quinto, coincidência de mecanismo com a estratégia que você vai comprar, é o que quase todo mundo pula. Até setembro de 2026 não existe case público auditável de GEO com grupo de controle e receita atribuída; o padrão de método a exigir é o experimento da Ahrefs de 11/05/2026. Na segunda-feira, aplique a rubrica ao último case que chegou, mande ao fornecedor a pergunta sobre controle e execuções e troque a promessa da proposta pela medição no próprio site.