Etapa 1: o diagnóstico em 16 pilares e o portão de entrada

O diagnóstico de 16 pilares responde a uma pergunta só: esta página cumpre as condições para ser citada por um motor de IA, e quais delas ela não cumpre? Ele entrega três coisas verificáveis antes de qualquer reescrita: uma nota G com data, uma fila de correção ordenada por bloqueio, peso e custo, e a confirmação de que os robôs de citação recebem a página. A trilha é opcional para quem só decide, e o que o diagnóstico cobra da equipe cabe nesta página.

O GEO-16 é síntese deste curso: a lista de 16 pilares, os pesos e o gate foram montados aqui, e nenhum paper publica esse checklist. O que a literatura fornece é a direção. O paper de Mahe Chen, Xiaoxuan Wang, Kaiwen Chen e Nick Koudas (arXiv 2509.08919, 10/09/2025) compara busca com IA e busca tradicional em experimentos por vertical, idioma e paráfrase.

A conclusão é um viés acentuado dos motores generativos a favor de mídia conquistada, as fontes de terceiros com autoridade, frente ao conteúdo próprio da marca e ao conteúdo social. Os autores fecham com quatro recomendações, entre elas engenheirar o conteúdo para que a máquina consiga varrer e justificar. São quatro recomendações, e não 16 pilares: quem apresentar o GEO-16 como achado do paper atribui a ele algo que ele não contém. A leitura correta da grade é por coluna.

Grupo A, os quatro bloqueadores. São condições em que a ausência não degrada a nota: ela invalida a publicação. Um dateModified ausente faz a página parecer indefinidamente velha para qualquer leitor automático que use data como sinal de recência. Um JSON-LD quebrado, a ficha de dados estruturados que o site entrega ao robô, equivale a JSON-LD ausente para a maioria dos leitores. Um canonical errado, a etiqueta que diz qual URL é a oficial, joga a autoridade em outro endereço. Custam minutos para corrigir e meses de invisibilidade quando ignorados.

O quarto bloqueador do grupo, metadata, entra por outro caminho e precisa da distinção escrita. Title e description decidem se quem viu o resultado clica, e ajudam a máquina a saber de qual entidade a página fala. Eles não decidem em que posição a página aparece. Quem apresenta reescrita de metadados como projeto de ranqueamento vende o efeito errado do trabalho certo.

Grupo B, estrutura extraível. O objetivo é que um trecho de 40 a 80 palavras responda sozinho à pergunta do heading acima dele, sem depender do parágrafo anterior nem do próximo. Headings formulados como rótulo genérico ("Introdução", "Considerações") desperdiçam a única âncora que o extrator tem para casar pergunta com resposta. O pilar 11 pede JSON-LD completo, com author, datePublished, dateModified, inLanguage e keywords, além do Article mínimo que a maioria dos CMS gera por padrão.

Grupo C, autoridade e densidade. Uma entidade nomeada é substantivo próprio com existência própria e verificável: uma organização, uma pessoa com ORCID, um paper com identificador arXiv, uma norma, um lugar. "Schema.org" é entidade, o vocabulário padrão de dados estruturados; "estrutura de dados" não é. A meta de uma entidade nomeada a cada 100 palavras, com pelo menos 30% delas linkadas na primeira menção, é heurística operacional derivada da prática, sem mecânica confirmada pelo Google.

Grupo D, acesso e leitura. É o grupo que mais mudou desde a versão anterior deste checklist, por dois motivos independentes.

O pilar 9 era "FAQPage JSON-LD com 3 a 7 pares". Os resultados enriquecidos de FAQ deixaram de aparecer na busca do Google em 07/05/2026, conforme a entrada de changelog de 08/05, e a documentação foi removida em 15/06/2026. O vocabulário FAQPage continua válido e o markup não é penalizado; o que morreu foi a aparência na página de resultados. Como o pilar existia para capturar espaço visual, ele perdeu a razão original.

O que sobrevive, e continua útil para extração, são pares de pergunta e resposta legíveis no HTML, com a pergunta em heading e a resposta autocontida logo abaixo. Por isso o pilar foi reescrito como qa_visivel. Manter o JSON-LD FAQPage é opcional e barato; contar com ele para resultado enriquecido é erro de calendário.

O pilar 16 era "/llms.txt e /readme_ai.json na raiz", e llms.txt é o arquivo de texto que alguns sites publicam para "orientar" modelos de IA. O guia de otimização para IA do Google, publicado em 15/05/2026 e atualizado em 10/07/2026, declara que não é preciso criar arquivos legíveis por máquina, arquivos de texto para IA, marcação ou Markdown novos para aparecer na busca. O changelog de 15/06/2026 é mais direto: o llms.txt não é necessário, nem ajuda nem prejudica. John Mueller o comparou à meta tag keywords.

O lugar que ele ocupava na grade foi entregue a crawler_access. É a única coisa desse grupo que se verifica em log de servidor, o livro de visitas do site que registra cada robô que entrou, e a única que produz defeito de verdade. Um 403 servido ao robô de citação custa a citação em silêncio, e nenhum outro relatório mostra isso.

Setembro de 2026 deu ao diagnóstico uma entrada que ele não tinha. Desde 31/08/2026 o relatório de desempenho em IA generativa do Search Console, a ferramenta gratuita em que o Google mostra como o site aparece na busca, está disponível para todos os sites do mundo. Ele exibe impressões em AI Overviews e AI Mode por página, país, dispositivo e data, e não mostra cliques. Entra no diagnóstico como leitura de partida: a página que você audita já aparece em resposta gerada ou não?

A combinação das duas leituras decide a fila. Página com G alto e zero impressões em IA tem problema de demanda ou de acesso, e a auditoria técnica não resolve. Página com impressões e G baixo está sendo citada apesar do site, e é a que mais rende corrigir. O kickoff registra também a decisão sobre o controle "Search generative AI" do Search Console, que exclui o site de AI Overviews e AI Mode em um a dois dias: diagnosticar uma página excluída mede nada.

Uma advertência de calendário completa a entrada. Não houve core update em agosto nem em setembro de 2026 até 07/09; o único evento foi o spam update de 18 a 21/08. Queda de impressões atribuída a "core update de agosto" é diagnóstico errado por construção.

A fila de correção revela o que a nota sozinha esconde. Os pilares 4 e 11 não são independentes: um JSON-LD que não parseia derruba os dois. Auditorias que tratam os 16 itens como variáveis isoladas produzem planos de ação em que quatro tarefas separadas eram, na verdade, uma vírgula. Antes de montar cronograma, procure dependências.

A ordem importa tanto quanto a dependência. Corrigir media_alt primeiro é tentador porque é fácil e mexe no contador; move G em 0,02 e não muda nada material. A ordem certa é por bloqueio, depois por peso, depois por custo.

O Twin Branch resolve o vício mais comum da auditoria de GEO, que é aprovar mudanças porque elas parecem certas. Cada enriquecimento adiciona superfície de manutenção: mais JSON-LD para quebrar em migração, mais markup para desatualizar, mais linhas para revisar. Se o ganho medido é menor que 0,05, você comprou dívida técnica com a moeda da boa intenção.

O nome vem do protocolo de avaliação em ramo gêmeo do MAGEO, de Beining Wu e coautores (arXiv 2604.19516, 21/04/2026), criado para atribuir causa a cada edição de conteúdo. O método vale para Schema.org, blocos de resposta, links internos e qualquer outro enriquecimento estrutural. Medir é a parte fácil; a disciplina difícil está em isolar uma alteração por rodada.

Em agosto de 2026 o diagnóstico ganhou um pilar que não pontua: o de risco. O GEO-Flag (arXiv 2608.16824, versão 2 de 20/08/2026) treinou um detector de páginas reescritas para agradar o motor, separando essa intervenção do polimento comum por IA. O acerto chegou a F1 de 0,944, numa medida em que 1 é perfeito. Aplicado a 10.095 páginas recuperadas por motores de resposta, o detector estimou 8,90% com esse padrão, e 16,36% entre as páginas modificadas em 2026.

A consequência para a auditoria: texto reescrito só para ser citado passa a ser detectável e, por consequência, rebaixável. O pilar de risco marca a página que tem cara de otimização e a devolve para a revisão editorial, mesmo com G alto. Ele não entra na conta do G porque a sua função é barrar, e não pontuar.

O paper de Zhihua Tian, Yuhan Chen, Yao Tang, Jian Liu e Ruoxi Jia (arXiv 2603.09296, 10/03/2026) fecha a ordem das etapas. Diagnosticar por que a página não é citada e corrigir 5% do conteúdo rendeu 40% a mais de citação em termos relativos, contra 25% dos métodos de base com o mesmo orçamento de edição. Os autores registram ainda que a otimização genérica pode prejudicar conteúdo de nicho. Diagnosticar antes de reescrever vale, pelo mesmo esforço, a diferença entre 40% e 25%.