GEO Universal Framework · Capítulo 25 de 29 · 28 min
Etapa 3: escrever o trecho citável e provar que a IA citou
Você sai sabendo escrever o trecho que a IA consegue citar sem reescrever, cobrar a medição que separa resultado de sorte e recusar o relatório de uma rodada só.
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.
O trecho que a inteligência artificial cita é o que ela consegue recortar sem reescrever: 40 a 80 palavras abaixo de um título em forma de pergunta, com entidade, número, fonte e data dentro do bloco. Serve para quem vai escrever e para quem vai cobrar: você sai sabendo pedir esse bloco, medir se ele foi citado e separar resultado de variação aleatória. Você ganha a anatomia do bloco, o teste de remoção de contexto, oito prompts prontos e a regra que diz quando parar de medir.
Para quem decide: a decisão desta etapa é aprovar conteúdo pela prova de citação medida, em vez da promessa de que "a IA vai citar". Errar custa duas vezes: reescrever texto só para agradar o motor já é detectável e rebaixável, e um relatório de rodada única mostra só 62% a 77% das marcas que cinco rodadas mostram. Pergunta para a equipe: quantas execuções sustentam a taxa de menção do relatório, em qual modelo e com qual controle negativo?
Ao final você consegue: (1) Escrever, ou cobrar, blocos de resposta de 40 a 80 palavras que passam no teste de remoção de contexto. (2) Calcular a densidade de entidade (quantos nomes próprios verificáveis há por cem palavras) de um texto e decidir o que reescrever. (3) Aprovar um banco de prompts (o conjunto fixo de perguntas usado para medir a marca nas respostas de IA), com controle negativo e modelo declarado. (4) Recusar variação de uma rodada só e exigir a taxa de menção com o número de execuções e o intervalo de confiança (a faixa em que a taxa real provavelmente está).
Verificação rápida
A sua página apareceu citada em 3 de 10 execuções de um mesmo prompt. Na semana seguinte, sem uma linha alterada no site, apareceu em 6 de 10. O que essa diferença autoriza afirmar?
Glossário rápido
Bloco de resposta
Trecho de 40 a 80 palavras posicionado imediatamente após um heading, que responde à pergunta do heading sem depender de nada acima ou abaixo.
Entidade nomeada
Substantivo próprio com existência própria e verificável (organização, pessoa com ORCID, paper com identificador, norma, lugar). "Schema.org" é entidade; "estrutura de dados" não é.
Densidade de entidade
Quantidade de entidades nomeadas por cem palavras. Meta prática deste curso: uma a cada 100 palavras, com 30% delas linkadas na primeira menção.
Quote citável
Fala com quatro atributos obrigatórios, que são quem disse, cargo, organização e data. Faltando um dos quatro, é frase solta.
Taxa de menção
Proporção de execuções de um prompt em que a marca aparece, sempre acompanhada do número de execuções, do modelo e do intervalo.
Controle negativo
Uma marca irrelevante para o tema, incluída de propósito no conjunto medido para expor conjunto de prompts mal calibrado.
Regra de parada
Critério que diz quando a coleta pode parar: quando o ranking dos domínios citados estabiliza e a diferença entre eles supera a incerteza da medição (arXiv 2607.10341).
A evidência de 2026 diz o que pesa na escolha do trecho citado, e a ordem importa para onde você gasta hora de redação. No maior experimento publicado, 252 mil tentativas em seis modelos (Vishwakarma, Kumar e Jamidar, da Sprinklr, arXiv 2605.25517, 25/05/2026), relevância ao tema e posição da fonte dentro do contexto foram os maiores preditores de ser citado primeiro.
Preço explícito e data recente ajudaram de forma consistente; edições só de formatação renderam pouco. Posição, ali, é a ordem em que a fonte entra no contexto do modelo; a posição no Google fica fora do experimento.
Estrutura ainda conta, como um fator entre vários. Yu, Yang, Ding e Sato (arXiv 2603.29979, 31/03/2026) organizaram o texto em três níveis, arquitetura do documento, divisão em blocos e destaque visual, e mediram 17,3% mais citação e 18,5% mais qualidade percebida em seis motores generativos. O nível do meio é o chunk (o pedaço de texto que o motor recorta e guarda separado do resto da página), e é ele que este módulo ensina a escrever.
O que não funciona também tem número. Ross, Koopman, van der Vegt e Zuccon (arXiv 2608.13956, 14/08/2026) mostraram que duplicar ou parafrasear o mesmo documento não melhora a resposta do modelo, enquanto documentos diversos, o mesmo fato em gêneros diferentes, melhoram a correção da resposta em 17% a 47%. Clonar o parágrafo bom em cinco páginas não rende; publicar o mesmo fato como parágrafo, tabela com data, caso e pergunta respondida rende.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
O bloco de resposta tem uma estrutura de três movimentos que aguenta ser recortada. Primeiro movimento: definição direta do conceito do heading, nomeando a entidade-âncora, sem pronome que aponte para fora do bloco. Segundo movimento: um dado verificável com fonte e data dentro do próprio bloco, porque um número cuja fonte está três parágrafos acima vira número órfão quando extraído. Terceiro movimento: aplicabilidade prática ou o limite da afirmação.
Chame esse bloco de cápsula: 40 a 80 palavras, uma entidade nomeada, um número com fonte e a data dentro dele. O Google diz por escrito, no guia de 15/05/2026, que não exige quebrar o conteúdo em pedaços pequenos para a IA entender; a cápsula é técnica de clareza para o leitor e para o recuperador, sem promessa de citação. O piso de 40 palavras é para caber numa resposta; o teto de 80 é para não virar dois assuntos.
Teste de remoção de contexto: recorte o bloco, cole num documento vazio e leia o que sobrou
Bloco que falha ao ser recortado
Coluna a evitar
- Abre com "como vimos" ou "isso", pronomes que apontam para um parágrafo que não viajou junto.
- Traz "a maioria das buscas" sem número, sem instituição e sem data.
- Projeta o futuro sem autor, quando já existe medição publicada do período.
- Fecha com intensificador do tipo "muda tudo", que não é verificável nem recortável.
- Resultado na resposta gerada: a página é lida como contexto e sintetizada com outras palavras, e a atribuição se dilui.
Bloco que passa e vira citação literal
Coluna recomendada
- Abre nomeando a entidade-âncora, sem depender de nada acima nem abaixo.
- Traz o número com a organização que o publicou e a data da publicação dentro do próprio bloco.
- Preserva a ressalva metodológica da fonte, que é o que faz um revisor aceitar o trecho.
- Fecha com a implicação prática em linguagem literal, do tipo "a mesma consulta rende menos sessão".
- Resultado na resposta gerada: o trecho está disponível para citação entre aspas sem trabalho de reescrita.
O bloco está pronto para publicar?
Autonomia do trecho
0/3Procedência dentro do bloco
0/4Forma e densidade
0/4EXEMPLO TRABALHADO -- reescrita de um bloco de resposta
HEADING ORIGINAL: "Introducao"
BLOCO ORIGINAL (falha no teste de remocao de contexto):
"Como vimos, isso vem mudando muito rapido. A maioria das buscas ja termina
sem clique e a tendência deve se acentuar em 2026, o que muda tudo para
quem depende de trafego organico."
DIAGNOSTICO, item por item:
- "Como vimos" e "isso": dependem do paragrafo anterior. Fora de contexto,
o bloco nao se sustenta.
- "A maioria das buscas": afirmacao quantitativa sem numero e sem fonte.
Um modelo não consegue atribuir isso a você com segurança.
- "a tendência deve se acentuar": projeção sem autor. Em setembro de 2026 já
existe medicao publicada, entao projetar aqui e escolher o material pior.
- "muda tudo": intensificador sem conteudo verificavel.
HEADING REESCRITO: "Quantas buscas terminam sem clique em 2026?"
BLOCO REESCRITO (62 palavras, passa no teste):
"Segundo a SparkToro, em estudo publicado em 09/06/2026, 68,01% das buscas
no Google nos Estados Unidos terminaram sem clique entre janeiro e abril de
2026, contra 60,45% em 2024. O proprio estudo informa que o painel exclui o
aplicativo mobile do Google, o que sugere que o numero real seja maior.
Para operacoes que dependem de trafego organico, a implicacao e de
planejamento: a mesma consulta rende menos sessão do que rendia."
RACIOCINIO DAS ESCOLHAS:
1. Troquei o heading generico por pergunta porque o heading e a unica ancora
que o extrator tem para casar consulta com trecho.
2. Coloquei fonte E data DENTRO do bloco, não em nota de rodapé, porque o
bloco viaja sozinho quando e extraido.
3. Mantive a ressalva metodologica da propria fonte (exclusao do app mobile).
Isso custa uma linha e e o que separa um bloco citavel de um bloco que
um revisor derruba.
4. NÃO escrevi "projeção de 80 a 85% para 2026". Estamos em setembro de 2026
e existe medição. Projeção vencida no lugar de dado medido e o erro que
mais envelhece conteudo.
5. Fechei com implicacao pratica em vez de intensificador. "Muda tudo" nao
e citavel; "a mesma consulta rende menos sessão" e.Sobre quotes e estatísticas, o instrumento acadêmico que mede influência de fonte é o CC-GSEO-Bench, de Qiyuan Chen e colegas, submetido em 06/09/2025 e revisado em 26/12/2025 (arXiv:2509.05607). Ele reúne mais de 1.000 artigos-fonte e mais de 5.000 pares consulta-artigo numa estrutura de um para muitos, que avalia o artigo inteiro em vez da consulta isolada.
O benchmark separa influência em três dimensões, Exposure, Faithful Credit e Causal Impact, e acrescenta duas de qualidade de conteúdo, Readability and Structure e Trustworthiness and Safety. Os sinais de cada consulta são agregados no conjunto de consultas do artigo para resumir força, cobertura e estabilidade da influência.
Duas ressalvas de escopo antes de você transportar isso para a sua rotina. As consultas do benchmark vêm de bancos públicos de perguntas e respostas mais uma augmentação sintética limitada; tráfego real de site comercial não entra. E o desenho retém apenas as consultas cuja fonte pareada reaparece numa etapa de recuperação subsequente, o que é uma condição de laboratório que a sua página não tem garantida.
O que o benchmark entrega ao praticante é o vocabulário de medição, com a separação entre ser exposto, ser creditado com fidelidade e causar impacto na resposta.
A heurística operacional que este curso adota é conservadora, e ela é calibragem de praticante, não valor prescrito pelo benchmark: no máximo uma estatística a cada 200 palavras e razão de pelo menos duas quotes para cada estatística em conteúdo orientativo. O dado continua entrando; o que muda é o empacotamento. Cada número vem dentro de uma atribuição, com quem disse, cargo, organização e data, porque a atribuição é o que sobrevive à extração.
Para densidade de entidade, a meta prática é uma entidade nomeada a cada 100 palavras, com pelo menos 30% delas linkadas na primeira menção para Wikidata, arXiv, DOI ou site oficial. Método de auditoria em cinco minutos: recorte mil palavras do seu texto, liste os substantivos próprios verificáveis e conte. Menos de dez, o texto está genérico e vai ser lido como contexto em vez de fonte.
O motor aprendeu a se defender, e isso muda o que vale a pena escrever. Três detectores publicados entre agosto e setembro de 2026 tratam a reescrita feita só para agradar o motor como padrão identificável. O GEO-Flag (Junjie Chu e colegas, arXiv 2608.16824, versão de 20/08/2026) reconhece página otimizada para IA com F1 de 0,944, a nota que combina acerto e cobertura do detector, de 0 a 1. Ele estima que 8,90% das páginas recuperadas têm esse padrão, 16,36% entre as editadas em 2026. O treino do detector separa polir a prosa, que não é o problema, de plantar evidência, que é. O Counter-GEO-Bench (Zheng, Zhao e Yang, arXiv 2609.02316, 02/09/2026) mediu que os filtros de segurança de prateleira deixam passar GEO distorcivo como "conteúdo informativo fluente", reduzindo o ataque em no máximo 5,7%, e que um detector leve corta 47,6% quase sem perda de utilidade. O GEO Defender (Haozhang Li e colegas, arXiv 2609.02964, 02/09/2026) derrubou a taxa de sucesso de sete ataques de reescrita de 50,32% para 6,20% sem retreinar o modelo, mantendo 94,12% do uso de evidência legítima. O rebaixamento aconteceu mesmo quando o texto reescrito continuava factualmente correto. A estratégia que sobrevive aos três é a que este módulo ensina: evidência checável dentro do bloco, com fonte que o próprio motor consegue abrir, e o mesmo fato em formas diversas. Nenhum desses detectores foi confirmado em produção num motor comercial; escrever assim é decisão de risco, e o risco de escrever do outro jeito cresce a cada paper publicado.
Sem voltar ao exemplo: pegue o primeiro parágrafo abaixo de qualquer heading de um texto seu, recorte e cole isolado. Escreva quais dos quatro defeitos do exemplo trabalhado ele tem (dependência de contexto, quantificação sem fonte, projeção sem autor, intensificador vazio). Depois reescreva o heading como pergunta e o bloco em 40 a 80 palavras, com fonte e data dentro do bloco.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
O banco de prompts abaixo existe porque conteúdo citável sem verificação é fé. Oito prompts prontos para copiar, cobrindo três funções distintas: diagnóstico de citação, comparação com concorrente e teste de menção de marca. Antes de usá-los, três regras que valem para todos.
Regra 1, congele. Escolher o prompt depois de ver o resultado é viés de seleção, e destrói qualquer comparação futura. Salve o conjunto em arquivo versionado com data, e se ele mudar, diga que mudou no relatório, porque a série temporal quebra ali.
Regra 2, repita até convergir. A amostragem repetida (rodar a mesma pergunta várias vezes e olhar o conjunto de respostas, em vez de uma só) existe porque modelos variam entre execuções mesmo em configuração dita determinística. Berk Atil e colegas mediram, em cinco modelos, oito tarefas e dez execuções, variação de acurácia de até 15% (arXiv:2408.04667, 06/08/2024).
Quantas vezes repetir deixou de ser número fixo. Ronald Sielinski (arXiv 2607.10341, versão de 26/08/2026) propõe parar quando o ranking dos domínios citados estabiliza e a diferença entre eles supera a incerteza. Em 30 combinações de plataforma e tema, em Gemini, SearchGPT e Perplexity, ele mostrou que nenhum orçamento fixo se justifica em todos os contextos.
Na prática desta etapa: dez execuções por prompt e por plataforma são o piso de segurança para leitura direcional, trinta continuam a referência para um intervalo de 95%, e a regra de parada diz quando a coleta pode terminar. O relatório declara quantas execuções ela exigiu, por plataforma.
Regra 3, declare o instrumento e o modelo. Coleta por API não reproduz o que o usuário vê: o produto de consumo aplica localização, memória, personalização e busca web que a API não aplica. Uma chamada de API sem busca ativada devolve apenas a memória do modelo, e pode retornar zero citações num prompt em que o usuário real vê cinco.
O modelo por trás da resposta também muda dentro de um ciclo de relatório. O AI Mode do Google trocou de Flash três vezes em seis semanas, com o 3.7 em agosto e o 3.8 em 02/09/2026. No dia seguinte o 3.8 respondeu sem links até o Google corrigir em 04/09 (Search Engine Roundtable, 02, 03 e 04/09/2026), e a OpenAI lançou o GPT-6 Astra em 03/09/2026, em fases. Série de citação sem o campo modelo não se compara com a do mês anterior.
Registre sempre no mesmo formato, porque a comparabilidade vale mais que a sofisticação do registro. Uma linha por execução, em CSV versionado, com os campos: data_hora, prompt_id, plataforma, modelo, busca_web, localidade, sessao_limpa, marca_presente, posicao, dominios_citados, observacao.
O relatório correto tem esta forma, em cenário ilustrativo: taxa de menção 18% (intervalo de 95%: 11% a 26%, n igual a 30 execuções). Ao lado vem o instrumento: ChatGPT com busca web, modelo exibido na interface anotado por execução, pt-BR, Brasil, 31 de agosto a 6 de setembro de 2026. O relatório incorreto tem esta: estamos em 18%. Chamar isso de preciosismo estatístico ignora o que está em jogo: o primeiro número sobrevive à primeira pergunta de um diretor cético, e o segundo evapora.
Para separar movimento de ruído com trinta execuções, o bootstrap resolve: reamostre as suas próprias execuções com reposição mil vezes e olhe os percentis 2,5 e 97,5, o que dá a faixa em que a taxa real provavelmente está. Se o intervalo deste mês se sobrepõe ao do mês passado, a leitura honesta é "sem mudança detectável".
O contra-exemplo mais comum, e o mais caro em reunião: sair da sexta posição para a quarta entre os domínios citados costuma ser estatisticamente vazio. Ronald Sielinski amostrou Perplexity Search, SearchGPT e Gemini por nove dias, com coletas a cada dez minutos ("Quantifying Uncertainty in AI Visibility: A Statistical Framework for Generative Search Measurement", arXiv:2603.08924, versão 3 de 26/08/2026). Os rankings de citação se mostraram instáveis em todo o conjunto de domínios frequentemente citados, inclusive fora do topo. Intervalos por bootstrap revelaram que muitas diferenças aparentes caem dentro do ruído da medição, e a distribuição de citações segue lei de potência, com poucos domínios concentrando quase todas as citações. A conclusão do autor é direta: métricas de execução única produzem um retrato enganosamente preciso. Setembro acrescentou o tamanho do que a rodada única esconde. Dmitrij Żatuchin (arXiv 2609.05059, 04/09/2026) rodou 50 perguntas em seis motores por 15 rodadas e mediu que uma única rodada mostra só 62% a 77% das marcas que cinco rodadas revelam. Os motores sem busca web ainda acrescentavam marcas novas na rodada 15, e o único com busca web saturou por volta da décima. Um rastreador com lista fixa de concorrentes reproduziu curvas planas nas mesmas respostas: a lista fechada fabrica estabilidade que não existe. A fronteira desta etapa inteira, dita com clareza: o conteúdo citável melhora a probabilidade de extração sem garanti-la em uma execução específica. Quem apresenta a variação de uma única rodada como resultado de trabalho editorial vai, mais cedo ou mais tarde, apresentar uma queda igualmente aleatória como fracasso, e perder o orçamento por causa de ruído.
O que reescrever primeiro quando o tempo é curto?
| Sintoma observado nos prompts | Causa provável | Onde agir | Custo |
|---|---|---|---|
| Marca ausente em P1 e presente em P5 | O modelo conhece a marca e não a associa ao tema | Etapa 4, presença em domínios de referência | Alto |
| Página citada mas parafraseada em P8 | Bloco de resposta não autocontido | Reescrever blocos com fonte e data dentro | Baixo |
| Atributo errado em P5 ou P6 | Inconsistência de entidade entre perfis | Padronizar nome e descrição-âncora, revisar sameAs | Baixo |
| Concorrente inesperado dominando P4 | Conjunto de concorrentes mal mapeado | Refazer o mapeamento antes de qualquer produção | Médio |
| Controle negativo com taxa parecida com a sua | Conjunto de prompts mal calibrado | Reescrever o conjunto e descartar a rodada | Médio |
| Mesmo parágrafo clonado em várias páginas, nenhuma citada | Redundância sem diversidade de forma | Publicar o fato como tabela com data, caso e pergunta respondida | Baixo |
| Página citada num mês e ausente no seguinte, sem mudança no site | Ruído de medição ou reescrita para agradar o motor detectada | Conferir o intervalo antes de agir; trocar adjetivo e estatística decorativa por fonte abrível | Médio |
A coluna de causa provável é hipótese diagnóstica, ainda sem conclusão. Confirme rodando o prompt indicado até a regra de parada, no mínimo mais dez vezes, antes de abrir a tarefa de correção.
Rode o banco inteiro uma vez antes de escrever qualquer conteúdo novo, e guarde o resultado como linha de base com data e modelo. É a única forma de responder, três meses depois, à pergunta que sempre chega: o que mudou desde que começamos? Sem linha de base, toda melhoria é anedota e toda piora é culpa de alguém.
Monte o seu conjunto mínimo viável: adapte P1, P3, P5 e P7 para a sua marca, salve em arquivo com a data de congelamento e rode cada um dez vezes na mesma plataforma, com o instrumento e o modelo declarados por escrito. Depois responda, com o dado na mão: qual é a sua taxa de menção em P1, quantas execuções sustentam esse número e a sua marca se distingue do controle negativo de P7? Se a resposta à última pergunta for não, escreva o que você faria antes de reportar qualquer coisa.
Tarefa: escolha uma página sua que já tenha tráfego e execute o ciclo completo em quatro passos. Primeiro, rode P8 dez vezes com a pergunta exata que é o heading principal dessa página e classifique cada execução nas quatro categorias (citação literal, paráfrase, terceiro, ausência). Segundo, reescreva o bloco abaixo desse heading em 40 a 80 palavras, com fonte e data dentro do bloco, aplicando o teste de remoção de contexto. Terceiro, publique e aguarde o rastreamento, confirmando pelo log que um agente de busca e citação passou pela URL. Quarto, rode P8 mais dez vezes, no mesmo modelo, e compare as duas distribuições. Critério de sucesso: você tem, em arquivo versionado, vinte execuções registradas com instrumento e modelo declarados, duas proporções com o número de execuções ao lado e uma conclusão escrita em uma das três formas possíveis. Melhorou acima do ruído, piorou acima do ruído, ou sem mudança detectável. A terceira conclusão é resultado legítimo e provavelmente será a mais frequente com n igual a dez, o que ensina, com o seu próprio dado, por que a coleta segue até a regra de parada quando alguém pede um intervalo de confiança.
Faça agora (15 min)
Quinze minutos com a página mais importante do site e um chat aberto; o resultado é uma prova de citação feita com o seu próprio dado.
Passo 1: Recorte o primeiro parágrafo abaixo do título principal e cole num documento vazio
Leia em voz alta: se faltar nome, número, fonte ou data, o bloco não viaja sozinho quando a IA o recorta.
Deu certo quando: O parágrafo se entende sem a página em volta.
Erro comum: Testar a introdução: o bloco que interessa fica abaixo da pergunta que o cliente faz.
Passo 2: Peça a versão em cápsula: 40 a 80 palavras, entidade nomeada, número com fonte e data dentro
Quem escreve entrega no mesmo dia; você confere contando as palavras e procurando a data dentro do bloco.
Erro comum: Aceitar "segundo estudos" ou número sem data dentro do bloco.
Passo 3: Pergunte ao ChatGPT com busca ligada a pergunta exata do título e peça citação literal com URL
Repita cinco vezes em sessão limpa; anote o modelo exibido, a data e o que saiu: citação literal, paráfrase, terceiro ou ausência.
Deu certo quando: Cinco linhas anotadas com modelo e data.
Erro comum: Uma execução só: cinco já mostram se a resposta varia.
Passo 4: Exija do relatório de visibilidade três campos: número de execuções, modelo e controle negativo
Se faltar um dos três, o número não se compara com o do mês seguinte; devolva o relatório com o pedido escrito.
Passo 5: Marque a repetição para daqui a uma semana
Depois que a cápsula for publicada e um robô de citação passar pela URL, repita o passo 3 e compare as duas contagens.
Deu certo quando: Duas contagens com o mesmo modelo, lado a lado.
No fim você tem: o diagnóstico da página mais importante, a cápsula pedida com critério de pronto, cinco execuções anotadas com modelo e data como linha de base e os três campos que todo relatório de visibilidade precisa trazer.
Resumo em três linhas: O motor cita o trecho que consegue recortar: 40 a 80 palavras abaixo de uma pergunta, com entidade, número, fonte e data dentro; relevância ao tema pesa mais que formatação, e reescrever só para agradar o motor já é detectável. Medir é repetir até convergir, com o modelo declarado e um controle negativo; uma rodada só mostra 62% a 77% das marcas, e o intervalo é o que separa resultado de ruído. Na segunda-feira, recorte o primeiro parágrafo da página mais importante, peça a cápsula e rode a pergunta cinco vezes com o modelo anotado.