SEO Programático · Capítulo 13 de 21 · 43 min
Separar o que funciona em IA do que é fumaça
Critérios documentados para cobrar visibilidade em respostas de IA e recusar promessa sem fonte, do llms.txt ao ranking garantido.
Este capítulo faz parte do curso gratuito SEO Programático. Para marcar como concluído e salvar o progresso, abra este capítulo na página do curso.
Verba de GEO gasta sem método vira corte de orçamento na primeira queda que era só ruído estatístico. O cliente abre a reunião com a pergunta mais simples do mundo: a nossa marca aparece no ChatGPT? Você abre o ChatGPT, digita a pergunta, a marca não aparece. Digita de novo, aparece. Fecha e repete no dia seguinte, aparece em outra posição, com outra fonte citada. Nesse ponto existem dois caminhos. O primeiro é vender um painel de share of voice com uma medição por prompt e uma seta verde. O segundo é dizer ao cliente o que a sua medição consegue e o que não consegue sustentar.
O segundo caminho protege o orçamento e a credibilidade de quem apresenta. No Radar de Preço de Combustível, ele se materializa em três peças: um robots.txt configurado pela matriz de função com justificativa por agente, o Bing Webmaster Tools AI Performance ativado, e um protocolo de medição escrito com conjunto de prompts fixo, cinco execuções por prompt e critério declarado de mudança mínima detectável.
O número mais vendido do mercado é o aumento de até 40% em visibilidade do paper fundacional de GEO (Aggarwal et al., KDD 2024, arXiv 2311.09735). A survey crítica de 15/07/2026 (Martinez, arXiv 2607.14035) rastreou a origem: é o aumento da métrica pawc de 19,3 para 27,2 na tática de Quotation Addition, cerca de 41% em termos relativos, medido sobre cinco documentos que já estavam colocados no contexto.
O experimento mede influência dentro de um contexto fixo. Nada no paper prova que a tática faz um documento entrar no contexto. A formulação honesta, que você pode dizer ao cliente sem se contradizer depois: táticas de GEO demonstram influência dentro do contexto, e entrar no contexto é um problema separado e não resolvido.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
Quem pensa em ranking otimiza o estágio errado. Um motor generativo é um pipeline estocástico e parcialmente observável: a busca pode nem ser ativada, o retrieval seleciona candidatos contra uma consulta que o usuário nunca escreveu, o reranking decide a posição no contexto, e só depois vem citação, proeminência, absorção do fato e fidelidade. Otimizar "a página" sem dizer qual estágio você está atacando produz relatório bonito e resultado nulo.
A survey revisou 45 estudos entre novembro de 2023 e julho de 2026 e separou o que se reproduz do que não se reproduz. Essa separação é o ativo mais valioso do módulo, porque é ela que define o que você pode prometer.
NÍVEL | ACHADO | O QUE VOCÊ PODE DIZER ---------------------- | ------------------------------------------------------------- | --------------------------------------- Reprodutível | documento já no contexto altera causalmente rank, citação, uso | vale otimizar o trecho, não a promessa Reprodutível | relevância query-documento e posição no contexto decidem | trabalhe a grounding query, não o prompt Reprodutível | engines diferem muito entre si e variam no tempo | proibido "otimizar para IA" no singular Moderadamente | evidência extraível (estatística, definição) facilita o uso | dado com unidade e fonte ajuda NÃO reprodutível | efeito causal sobre descoberta orgânica | nenhuma técnica sustenta a promessa NÃO reprodutível | efeito sobre tráfego e conversão | existe um quase-experimento, só isso NÃO reprodutível | heurísticas genéricas: 3 casos positivos em 54 no C-SEO Bench | e os ganhos erodem sob competição
A citação literal da survey, para você guardar antes de assinar qualquer proposta: *"no reviewed technique shows a stable, longitudinal, cross-platform causal effect on organic discoverability or downstream behavior"*. E o alerta contraintuitivo que evita estrago em página que já funciona: rewrites focados em citação podem degradar a performance de retrieval. Otimizar para ser citado e otimizar para ser recuperado são objetivos que podem brigar entre si. Se você reescrever as páginas do Radar em blocos curtos e citáveis e a página parar de ser recuperada, você piorou o estágio 3 para ganhar no estágio 5, e o estágio 5 nunca acontece sem o 3.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
O erro de configuração mais caro que existe hoje mora aqui, e ele é cometido justamente por quem quis se proteger. As três funções têm consequências opostas:
- Treino:
GPTBot(OpenAI),ClaudeBot(Anthropic),Google-Extended(opt-out de treino e grounding no Google),CCBot. Bloquear aqui não desfaz o treino que já aconteceu. - Índice de busca:
OAI-SearchBot,Claude-SearchBot,PerplexityBot,Googlebot. A documentação da OpenAI é explícita: *"Sites that are opted out of OAI-SearchBot will not be shown in ChatGPT search answers"*. Bloquear aqui é escolher sair das respostas com citação. - Acionado pelo usuário:
ChatGPT-User,Claude-User,Perplexity-User. A OpenAI documenta que *"Because these actions are initiated by a user, robots.txt rules may not apply."*
A Anthropic documenta os três agentes e aceita User-agent, Disallow e Crawl-delay (página oficial de crawlers, atualizada em 07/04/2026). A Perplexity publica as faixas de IP em perplexitybot.json e perplexity-user.json, o que permite verificação por IP reverso quando alguém falsifica o user-agent.
# robots.txt do Radar de Preço de Combustível
# Intenção declarada: "não me treine, mas me cite".
# O mecanismo (três funções distintas) é consenso documentado.
# A escolha abaixo é editorial e precisa ser aprovada pelo dono do site.
# --- treino: negado ---
User-agent: GPTBot
Disallow: /
User-agent: ClaudeBot
Disallow: /
User-agent: Google-Extended
Disallow: /
User-agent: CCBot
Disallow: /
# --- índice de busca: permitido (é daqui que vem a citação) ---
User-agent: OAI-SearchBot
Allow: /
User-agent: Claude-SearchBot
Allow: /
User-agent: PerplexityBot
Allow: /
# --- acionado pelo usuário: permitido (e pode ignorar estas regras por design) ---
User-agent: ChatGPT-User
Allow: /
User-agent: Claude-User
Allow: /
User-agent: Perplexity-User
Allow: /
# --- buscador tradicional ---
User-agent: Googlebot
Allow: /
Disallow: /api/
# --- padrão para o resto ---
User-agent: *
Allow: /
Disallow: /api/
Crawl-delay: 2
Sitemap: https://radar-combustivel.example.br/sitemap-index.xmlTrês limites precisam estar escritos no relatório, porque o cliente vai achar que comprou um bloqueio:
-- É pedido, não controle. O cumprimento é voluntário e não impede acesso tecnicamente.
-- Agentes acionados pelo usuário podem ignorá-lo legitimamente, e a própria OpenAI documenta isso.
-- Alguns operadores desrespeitam. A Cloudflare registrou crawlers de IA operando enquanto frequentemente ignoram diretivas de robots.txt (post de 28/08/2025 sobre tráfego de crawler por propósito e indústria).
Defesa real, quando o requisito é impedir mesmo, exige bloqueio em nível de rede ou WAF com verificação por faixa de IP publicada. Vender robots.txt como proteção é o mesmo erro de vender uma placa de "não entre" como fechadura.
Dito isso, o vocabulário melhorou. A Content Signals Policy, anunciada pela Cloudflare em 24/09/2025, é a primeira vez que se separa indexar de usar como insumo de resposta. O vocabulário tem três sinais declarados no próprio robots.txt:
-- search: índice tradicional com hyperlinks e trechos curtos, excluindo resumos gerados por IA.
-- ai-input: uso em tempo real dentro de respostas generativas.
-- ai-train: treino e fine-tuning.
Quando o recurso é ativado, o padrão da Cloudflare é search=yes e ai-train=no, e mais de 3,8 milhões de domínios já operam com o robots.txt gerenciado. A sintaxe entra como cabeçalho do grupo:
User-agent: *
Content-Signal: search=yes, ai-train=no
Allow: /
Continua sendo declaração voluntária. O que mudou é que agora existe vocabulário para dizer a coisa certa. Material que não cobre isso está quase um ano atrasado.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
O llms.txt merece decisão, não implementação. A adoção subiu de 1,04% para 5,61% no top 10.000 entre julho de 2025 e junho de 2026 (levantamento de Casey Burridge com HTTP Archive). O consumo conta outra história: a análise de logs de 137.000 domínios feita pela Ahrefs em maio de 2026 encontrou 97% dos arquivos com zero requisições no mês, e entre as requisições existentes, ferramentas de auditoria de SEO respondem por 21,7%, bots não identificados por 14,9% e crawlers gerais por 13,1%, contra 1,1% de bots de retrieval de IA e 0,80% de ClaudeBot. O arquivo é lido majoritariamente por ferramentas de SEO checando se ele existe, o que é um ciclo de autovalidação da indústria.
A posição dos fornecedores fecha o caso. O Google diz que não usa, e a documentação foi atualizada em 15/06/2026 para afirmar explicitamente que llms.txt não é necessário para visibilidade ou ranking, com John Mueller comparando o arquivo à meta tag keywords. OpenAI e Anthropic não mencionam o arquivo em suas documentações oficiais de crawler. Alegações de que Anthropic ou Perplexity confirmaram suporte não têm primário e não devem ser repetidas.
A ironia diagnóstica revela o caso de uso legítimo: ChatGPT, Claude.ai, Gemini e os sites principais da OpenAI não têm llms.txt, enquanto as documentações técnicas de Anthropic, xAI, Perplexity, Mistral e Cohere têm. O arquivo é formato de entrega de documentação técnica a assistentes de código que buscam docs em tempo real e economizam tokens indo à página certa.
Veredito para o Radar: se o produto é uma API ou ferramenta de dev, faz sentido. Se é uma marca querendo ser citada em resposta de consumidor, o custo-benefício é próximo de zero. O Radar publica preço de combustível por município para leitor humano, então o arquivo fica de fora e a decisão vai registrada no runbook com a data e a fonte. Some a isso o mythbusting oficial do Google no guia de otimização generativa: não é preciso criar arquivos legíveis por máquina, não é preciso fatiar o conteúdo em pedaços pequenos e não é preciso escrever de forma especial para IA generativa.
Se a figura ultrapassar a área visível, deslize para os lados. Pelo teclado, foque a figura e use as setas.
Medir presença em motor generativo é estatística aplicada, e é aqui que o mercado inteiro erra. Cinco fontes de variância, todas documentadas:
- Não determinismo do modelo. A causa dominante é variância de batch, não aleatoriedade amostral. Aritmética de ponto flutuante em GPU paralela não é associativa, então o mesmo prompt em batch de 1 e em batch de 32 gera logits diferentes. Quando dois tokens candidatos têm probabilidade próxima, o desempate vira, e um flip inicial cascateia em resposta estruturalmente diferente.
- Ativação de retrieval. Em 57,8% das repetições o ChatGPT não ativou busca web, ou seja, respondeu de conhecimento paramétrico. O AI Overview ativa em 13,7% das queries no geral e em 64,7% quando formuladas como pergunta.
- Fonte entre execuções. Jaccard diário no nível de fonte entre 0,34 e 0,42 em quatro engines ao longo de 45 dias, e de 9% a 28% das decisões mudando em execuções repetidas mesmo com temperatura zero.
- Entre engines. Jaccard cross-superfície abaixo de 0,2 entre Google, AI Overviews e Gemini, e 26% de sobreposição entre Bing Chat e Perplexity. Média entre engines destrói informação.
- Sentimento. O enquadramento vira cerca de 6,7 vezes mais frequentemente do que a própria menção, o que torna painel de sentimento essencialmente ruído.
Existe uma sexta fonte de variação, e ela não depende de você: a decisão da plataforma. Em agosto de 2026 o Reddit quase sumiu das citações do ChatGPT. A Promptwatch mediu a participação caindo de 3,83% (18/07 a 07/08) para 0,52% (14 a 17/08), e a OtterlyAI registrou queda de 73,4% em 16 marcas. Nos produtos de IA do Google, a queda do Reddit foi gradual, e a OpenAI não publicou explicação.
A lição para quem aprova verba é dupla. Recomendação de presença em IA precisa ser feita por plataforma, nunca "para as IAs" no singular. E uma mudança brusca numa única engine, na mesma semana para todo o mercado, descreve a engine, não a sua página: registre o evento no diário do projeto antes de discutir causa.
// scripts/sov.mjs · Node 20+, sem dependência externa.
// Agrega execuções repetidas de um conjunto FIXO de prompts e devolve
// share of voice com intervalo, mais o veredito de mudança declarável.
// uso: node scripts/sov.mjs
/** Converte "1011" em [true, false, true, true]. */
const linha = (s) => [...s].map((c) => c === "1");
/**
* @param {boolean[][]} execucoes execucoes[i][j] = marca citada no prompt j, execução i
*/
function shareOfVoice(execucoes) {
const porExecucao = execucoes.map(
(l) => (100 * l.filter(Boolean).length) / l.length,
);
const soma = porExecucao.reduce((a, b) => a + b, 0);
return {
n: porExecucao.length,
media: soma / porExecucao.length,
minimo: Math.min(...porExecucao),
maximo: Math.max(...porExecucao),
};
}
/** Mudança mínima detectável adotada como padrão, em pontos percentuais. */
const MDD_PP = 10;
function veredito(antes, depois) {
if (antes.n < 5 || depois.n < 5) {
return "INVALIDO: menos de 5 execucoes por prompt em pelo menos uma medicao.";
}
const delta = Math.abs(depois.media - antes.media);
const sobrepoe =
antes.minimo <= depois.maximo && depois.minimo <= antes.maximo;
if (delta < MDD_PP || sobrepoe) {
return `SEM MUDANCA DECLARAVEL: delta de ${delta.toFixed(1)} p.p., intervalos ${sobrepoe ? "sobrepostos" : "disjuntos"}.`;
}
return `MUDANCA DECLARAVEL: delta de ${delta.toFixed(1)} p.p. com intervalos disjuntos.`;
}
// 10 prompts fixos sobre preço de combustível por município, 5 execuções cada.
const junho = shareOfVoice([
linha("1010010100"),
linha("1110010100"),
linha("1010011000"),
linha("1111010110"),
linha("1010010110"),
]);
const julho = shareOfVoice([
linha("1110010110"),
linha("1010011100"),
linha("1111011110"),
linha("1110010100"),
linha("1111011010"),
]);
console.log("junho:", junho);
console.log("julho:", julho);
console.log(veredito(junho, julho));
// Saída:
// junho: { n: 5, media: 50, minimo: 40, maximo: 70 }
// julho: { n: 5, media: 62, minimo: 50, maximo: 80 }
// SEM MUDANCA DECLARAVEL: delta de 12.0 p.p., intervalos sobrepostos.ITEM | DECISÃO DECLARADA | POR QUÊ ------------------------- | ---------------------------------------------------- | ---------------------------------------- Conjunto de prompts | 10 prompts fixos, versionados no repositório | trocar o conjunto muda a métrica sozinho Execuções por prompt | 5, mínimo, sempre | n=1 mede ruído, não desempenho Relato | média mais intervalo (mínimo e máximo observados) | média solta esconde a dispersão Mudança mínima detectável | 10 pontos percentuais E intervalos disjuntos | flip decisional vai de 9% a 28% Engines | reportadas separadas, nunca agregadas | Jaccard cross-superfície abaixo de 0,2 Sentimento | fora do painel | vira ~6,7x mais que a menção Cadência | quinzenal, sempre no mesmo dia da semana | o dado da ANP muda toda sexta-feira Fonte de primeira parte | Bing AI Performance e relatório de IA do Search Console | são os únicos dados que não vêm de amostragem
Ative o AI Performance do Bing Webmaster Tools (preview público desde 10/02/2026) no Radar antes de contratar qualquer ferramenta paga. É a única fonte de primeira parte que conta citações: total de citações, média de páginas citadas, amostra de grounding queries e atividade por URL, ampliado em junho de 2026 com intents, tópicos, citation share e comparação.
O conceito que muda a sua cabeça é grounding query, definida pela Microsoft como as frases-chave que a IA usou ao recuperar o conteúdo referenciado nas respostas. Isso é o que a camada de retrieval enviou, não o que o usuário digitou. Você não otimiza para o prompt do usuário: otimiza para a query de grounding derivada dele. O query fan-out do Google (decompor a consulta em variantes e sintetizar) é o mesmo modelo mental, com a ressalva de que a evidência ali é de patente (US11663201B2) e não de documentação de produto, então trate como modelo mental e não como fato operacional.
No Google, o equivalente de primeira parte chegou mais tarde e mais magro: o relatório de desempenho em IA generativa do Search Console, liberado para todos os sites em 31/08/2026, mostra impressões em AI Overviews e AI Mode, sem cliques e sem consultas. Como transformá-lo em painel semanal por grupo de páginas está em [Medir o acervo dentro das respostas de IA](#medir-acervo-nas-respostas-de-ia).
Um dado da Ahrefs de 02/03/2026, sobre 863.000 palavras-chave e 4 milhões de URLs, reposiciona toda a estratégia programática: apenas 38% das páginas citadas em AI Overviews apareciam no top 10 orgânico da mesma consulta, com 31,2% vindo das posições 11 a 100 e 31,0% de além da posição 100. O estudo da mesma casa em julho de 2025 encontrava 76% no top 10, e o fan-out é apontado como parte da explicação. A implicação para o Radar é direta: a página de Campinas não precisa rankear no top 10 de "preço da gasolina", precisa ser a melhor resposta de uma subconsulta específica. Isso justifica granularidade apenas quando cada página responde a uma subconsulta com dado que as outras não têm, o que é exatamente o gate de [Separar acervo de fachada antes de aprovar a verba](#gate-do-dado-proprio).
Sobre CTR, apresente ao cliente como controvérsia aberta, porque as métricas em disputa são diferentes. A Pew mediu clique em resultado tradicional em 8% das visitas com resumo de IA contra 15% sem, e clique dentro do resumo em 1% (dados de março de 2025). A Ahrefs mediu -58,0% de CTR na posição 1 comparando dezembro de 2023 com dezembro de 2025. O Google, em agosto de 2025, afirmou pela voz de Liz Reid que o volume total de cliques orgânicos permanece relativamente estável e que a qualidade média do clique subiu, sem publicar os dados. E o dado que quase ninguém cita: o CTR caiu também nas consultas sem AI Overview, de 0,076 para 0,039. Atribuir tudo aos resumos é erro de leitura.
A avaliação da PwC publicada em 07/05/2026 (arXiv 2605.06635) mediu acurácia factual de citação entre 39% e 77% nos modelos de fronteira e entre 24% e 51% nos open-source. O achado que assusta: quando a profundidade de busca vai de 2 para 150 tool calls, a acurácia factual cai cerca de 42% enquanto as métricas de superfície (link funciona, tópico é relevante) permanecem estáveis. Traduzindo para o Radar: o motor pode citar a sua página de Campinas e atribuir a ela um preço que você nunca publicou. Isso abre uma segunda frente de monitoramento, de fidelidade e não apenas de presença, e é a única métrica desta aula que tem consequência jurídica de verdade quando o dado é preço.
Antes de aprovar o próximo relatório de visibilidade em IA, faça quatro perguntas a quem o assina. Quantas execuções por prompt sustentam cada número, e qual é o intervalo? Qual robô foi bloqueado no robots.txt, e em qual das três funções ele está? Qual estágio do pipeline a tática vendida ataca, e com que evidência fora de um contexto fixo? Se a proposta inclui llms.txt, o produto é documentação técnica para assistentes de código ou site de consumidor? Resposta vaga em qualquer uma delas devolve o relatório para refazer.
O guia abaixo serve ao CMO que precisa separar investimento com mecanismo de promessa sem fonte antes de renovar contrato com agência ou ferramenta. Ele destrava a decisão de quanto gastar em GEO e com que régua cobrar o resultado.
Guia de implementação: montar a medição honesta de presença em IA
Seis passos, e nenhum deles exige ferramenta paga para começar.
Passo 1: Classifique cada robô de IA pela função
Treino, índice de busca e acionado pelo usuário recebem decisões separadas, aprovadas pelo dono do site.
Deu certo quando: O robots.txt tem um comentário por grupo dizendo a intenção e quem aprovou.
Erro comum: Bloquear OAI-SearchBot querendo evitar treino e sair das respostas com citação.
Passo 2: Ative as duas fontes de primeira parte
AI Performance no Bing Webmaster Tools e relatório de IA generativa no Search Console, na mesma semana.
Deu certo quando: Os dois relatórios mostram dados do site e entram no painel mensal.
Erro comum: Contratar ferramenta de monitoramento antes de olhar o que é gratuito.
Passo 3: Escreva o protocolo de medição por prompt
Dez prompts fixos e versionados, cinco execuções cada, mudança mínima de 10 pontos com intervalos disjuntos.
Deu certo quando: O protocolo está datado e aprovado antes da primeira coleta.
Erro comum: Trocar prompts entre medições e chamar a diferença de resultado.
Passo 4: Reporte cada engine separada e mantenha o diário de eventos
Mudanças de plataforma, como a queda do Reddit no ChatGPT em agosto de 2026, entram no diário com data.
Deu certo quando: Toda variação brusca do painel tem evento de plataforma verificado ou é tratada como ruído.
Erro comum: Somar engines numa média única de visibilidade.
Passo 5: Confira a fidelidade das citações
Uma amostra mensal de respostas que citam o site é conferida contra o dado publicado.
Deu certo quando: Cada citação da amostra tem o número conferido e o erro registrado.
Erro comum: Medir só presença e ignorar citação com dado errado.
Passo 6: Registre no runbook a decisão sobre llms.txt
Documentação técnica para assistentes de código justifica o arquivo; site de consumidor não.
Deu certo quando: A decisão tem data, fonte e responsável.
Erro comum: Publicar o arquivo porque o concorrente publicou.
No fim você tem: Um painel de presença em IA com intervalo, separado por engine, ancorado em fontes de primeira parte e defensável diante do conselho.
Quem faz, quanto custa, como conferir
| Etapa | Quem faz | Prazo e esforço | Como conferir |
|---|---|---|---|
| Classificar robôs por função | Analista de SEO, com aprovação do CMO | Meio dia; sem custo de licença | robots.txt comentado por função e aprovado por escrito |
| Ativar fontes de primeira parte | Analista de SEO | Duas horas; ferramentas gratuitas | Bing AI Performance e relatório de IA do Search Console com dados do site |
| Protocolo por prompt | Analista de SEO com apoio de dados | Um dia para escrever; meio dia por coleta quinzenal | Protocolo datado no repositório antes da primeira coleta |
| Engines separadas e diário | Analista de SEO | Uma hora por semana | Nenhuma média entre engines no painel; diário com eventos datados |
| Fidelidade das citações | Analista de conteúdo, com o dono do dado | Meio dia por mês | Amostra mensal conferida e erros registrados |
| Decisão sobre llms.txt | CMO | Uma hora | Registro no runbook com data e fonte |
Guia prático: glossário de infoproduto para busca e respostas de IA. Escola on-line, curso e mentoria costumam ter um vocabulário próprio, e o glossário é o acervo programático mais barato que existe: uma página por termo, gerada do material das aulas. Ele funciona quando cada termo tem definição curta no topo, exemplo do próprio curso e ligação para a aula que aprofunda.
A página do Google sobre recursos de IA diz que não há arquivo, marcação ou schema especial para aparecer em AI Overviews ou no Modo IA. A marcação DefinedTerm descreve o termo para quem lê dados estruturados, mas não substitui a definição no texto.
Caso 4: glossário de infoproduto gerado do material das aulas
Seis passos para a equipe de conteúdo de uma escola on-line. O registro é a lista de termos que já aparecem nas aulas, com o trecho em que cada um é explicado.
Passo 1: Extraia os termos das transcrições e apostilas
Fique com os termos que o aluno pergunta no suporte ou na comunidade, não com toda palavra técnica.
Deu certo quando: Cada termo tem pelo menos uma aula que o explica e uma dúvida real de aluno.
Erro comum: Gerar mil termos de uma lista da internet, sem aula própria por trás.
Passo 2: Escreva a definição em até duas frases no topo
A definição responde à pergunta "o que é" antes de qualquer contexto, com o exemplo vindo do curso.
Deu certo quando: Lida sozinha, a primeira frase já serve como resposta completa.
Erro comum: Abrir com história ou propaganda do curso e empurrar a definição para o fim.
Passo 3: Acrescente o que só a escola tem
Exemplo resolvido da aula, erro comum dos alunos e a ligação para o módulo que aprofunda.
Deu certo quando: Duas páginas de termo sorteadas não podem ser fundidas sem perda.
Erro comum: Definição reescrita por IA a partir de outros glossários, sem nada do curso.
Passo 4: Marque cada termo com DefinedTerm e o glossário com DefinedTermSet
name e description saem do mesmo campo da definição visível; inDefinedTermSet aponta para a página do glossário.
Deu certo quando: A marcação passa no validador do schema.org sem erro.
Erro comum: Esperar resultado avançado do Google, que não existe para esse tipo.
Passo 5: Não crie página para cada variação de pergunta
"O que é", "para que serve" e "como funciona" do mesmo termo cabem numa página só.
Deu certo quando: Existe uma página por termo, com as variações respondidas em seções.
Erro comum: Três páginas quase iguais por termo, o padrão de conteúdo em escala que o Google pune.
Passo 6: Meça presença em IA pelo grupo do glossário
Use o painel por grupo de páginas do capítulo "Medir o acervo dentro das respostas de IA".
Deu certo quando: O grupo do glossário aparece com citações e com cliques para as aulas ligadas.
Erro comum: Medir só o tráfego do glossário e ignorar a inscrição no curso, que é a etapa que paga o projeto.
No fim você tem: Um glossário que nasce das aulas, responde no topo e leva o leitor para a etapa seguinte do funil.
Coordenadora de conteúdo de uma escola on-line de finanças pessoais com 6 cursos
Infoproduto e educação on-line
Dor
O blog tinha 40 artigos longos e nenhuma página que respondesse em uma frase ao que é um termo como "marcação a mercado", dúvida frequente no suporte.
Solução
A equipe tirou 180 termos das transcrições, escreveu definição de duas frases com exemplo da aula, ligou cada termo ao módulo correspondente e marcou o glossário com DefinedTerm.
Resultado
Em 90 dias, o glossário respondia por um terço das visitas orgânicas e era a origem mais frequente de quem abria a página de inscrição a partir da busca.
Custo apurado: Três semanas de uma redatora, com revisão do professor de cada curso.
Cenário construído para fins didáticos. Números não correspondem a cliente específico.
Peça hoje a quem opera o acervo o robots.txt atual e confira, grupo a grupo, se algum robô de índice de busca está bloqueado. Em 15 dias, exija o protocolo de medição aprovado e a primeira coleta com cinco execuções por prompt e intervalo declarado; sem isso, nenhum número de visibilidade entra na apresentação ao conselho.
Perguntas frequentes deste capítulo
Se táticas de GEO não provam efeito sobre descoberta orgânica, por que fazer alguma coisa?
Cinco execuções por prompt multiplicam o custo da medição. Como justifico isso ao cliente?
O Bing tem pouca participação de mercado. Vale mesmo ativar o AI Performance?
Se eu bloquear GPTBot e ClaudeBot, meu conteúdo some do treino dos modelos?
Devo reescrever as páginas do Radar em blocos curtos para facilitar a citação?
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
Explore os conceitos e compare abordagens em outros cursos. As conexões indicam assuntos relacionados; a sequência de estudo continua no índice do curso.
Conceitos deste capítulo
O mesmo assunto em outros cursos
- GEO Universal FrameworkAbra o site ao robô certo sem depender de JavaScriptExaminar conexões de Abra o site ao robô certo sem depender de JavaScript
- Gestão de Projetos GEODecidir quais robôs podem acessar o siteExaminar conexões de Decidir quais robôs podem acessar o site
- GEO Intent MappingO que mandar escreverExaminar conexões de O que mandar escrever
- Analytics de busca para decisão executivaDecidir o que fazer diante da busca generativaExaminar conexões de Decidir o que fazer diante da busca generativa