Também chamado de: Answer Engine Optimization
Answer Engine Optimization: otimização para mecanismos de resposta direta como AI Overviews e Perplexity.
AEO (Answer Engine Optimization) é a disciplina de estruturar conteúdo para virar a resposta extraída por mecanismos de resposta direta — AI Overviews do Google, blocos de Featured Snippet, Perplexity Quick Answer. É um subconjunto técnico do GEO focado em respostas extraíveis: parágrafos curtos de 40-60 palavras, listas e tabelas. Quem domina AEO captura atenção no zero-clique sem precisar do clique.
Analogia: Se SEO era estar no cardápio, AEO é ser o prato que o garçom recomenda quando alguém pergunta 'o que é bom aqui?'.
Também chamado de: agent-friendly, prontidão para agentes, agent-ready
Preparo do site para crawlers e agentes de IA: HTML semântico, estabilidade visual, robots e sitemap com allowlist explícita.
Agent Readiness é o pacote de requisitos técnicos que torna um site legível e operável por agentes autônomos de IA: HTML semântico no SSR (não SPA-only), CLS baixo para estabilidade visual durante leitura de DOM, árvore de acessibilidade clara, robots.txt com allowlist explícita de AI crawlers, sitemap-index granular, llms.txt opcional como insurance e dados comerciais em texto puro estruturado. O web.dev formalizou o conceito em 2026 ao orientar como tornar sites agent-friendly, com foco em DOM, screenshot e accessibility tree.
Analogia: É deixar a loja com placas grandes, corredores largos e etiquetas legíveis para que o robô-comprador entre, encontre e saia sem precisar perguntar ao vendedor humano.
Também chamado de: comércio agêntico, agentic shopping
Modelo de comércio em que agentes de IA pesquisam, comparam e compram produtos de forma autônoma no lugar do cliente.
Agentic Commerce é o cenário em que o comprador delega a um agente de IA a decisão de pesquisa, comparação e compra. O agente avalia fornecedores com base em dados estruturados, reputação algorítmica e disponibilidade em tempo real. Marcas invisíveis para máquinas ficam fora da shortlist antes de qualquer humano ver a oferta.
Analogia: É o cliente que manda o assistente pessoal comprar o presente. Se sua loja não tem etiqueta de preço legível, o assistente passa direto.
Também chamado de: agente de IA, agente autônomo, autonomous agent
Sistema de IA capaz de planejar, executar ferramentas externas e iterar até completar uma tarefa, sem supervisão passo a passo.
AI Agent (agente de IA) é um LLM acoplado a ferramentas (busca, código, APIs, navegador, memória) e a um loop de planejamento que decide sozinho quais passos executar para cumprir um objetivo dado. Em vez de responder uma pergunta isolada, o agente faz pesquisas, compara fornecedores, preenche formulários, agenda reuniões. É a base do B2A e do Agentic Commerce.
Analogia: É a diferença entre um consultor que responde dúvidas pontuais e um assistente que recebe a meta e volta com a tarefa concluída.
Também chamado de: AI bot, GPTBot, ClaudeBot, crawler de IA
Bot de empresa de IA (GPTBot, ClaudeBot, PerplexityBot, Google-Extended) que rastreia seu site para treinar ou alimentar respostas.
AI crawler é a categoria de bots operados por empresas de IA generativa: GPTBot (OpenAI), ClaudeBot (Anthropic), PerplexityBot, Google-Extended (Google), Applebot-Extended, CCBot (Common Crawl). Diferem dos crawlers tradicionais de busca porque podem alimentar tanto treinamento de modelo quanto sistemas RAG em tempo real. Configurar robots.txt, llms.txt e ai-policy.txt explicitamente para esses bots é higiene básica em 2026.
Analogia: São os jornalistas de IA que passam no seu site para apurar a matéria: se o porteiro não deixa entrar, sua marca não vira fonte.
Também chamado de: Google AI Mode, modo IA, AI mode search
Superfície de busca generativa do Google que substituiu a barra de busca tradicional em 2026 e ultrapassou 1 bilhão de MAU.
AI Mode é a evolução do AI Overview no Google em 2026: ao invés de uma caixinha generativa no topo dos resultados orgânicos, a busca inteira vira uma experiência conversacional com follow-ups, comparações e síntese de fontes. No Google I/O 2026 a empresa confirmou que o AI Mode ultrapassou 1 bilhão de usuários ativos mensais globais, que as consultas dobram a cada trimestre e que a query média tem três vezes o tamanho de uma busca tradicional. Foi a primeira mudança na barra de busca em 25 anos.
Analogia: É a diferença entre entrar numa loja e olhar a prateleira (SERP) ou perguntar para o vendedor especialista que já traz o produto certo na mão (AI Mode).
Também chamado de: AI Overviews, SGE
A resposta em caixinha azul/colorida que o Google mostra gerada por IA, acima dos links.
AI Overview é o recurso do Google Search que mostra uma resposta gerada por IA antes dos resultados tradicionais. Quando sua resposta aparece ali, você pode perder o clique (o usuário lê e vai embora) — mas ganhar autoridade. É uma das principais causas do fenômeno zero-clique.
Analogia: É como o garçom responder 'tem massa com molho de tomate, quer pedir?' antes de você ler o cardápio todo.
Também chamado de: AI hallucination, hallucination
Quando a IA inventa uma informação com confiança — e às vezes cita sua marca errado.
Alucinação é o nome técnico para quando um LLM gera informação falsa com aparência de verdade. Pode citar sua marca em contexto errado, atribuir produtos que você não tem ou confundir sua identidade com a de outra empresa. GEO reduz alucinação sobre sua marca ao fornecer dados canônicos estruturados.
Também chamado de: Agentic Search Optimization, otimizacao para agentes, otimização para agentes
Agentic Search Optimization: camada acima de GEO que prepara a marca para agentes de IA que executam ações, não só recomendam.
ASO (Agentic Search Optimization) é a disciplina, consolidada em 2026, de preparar marca, site e dados para serem consumidos por agentes autônomos de IA que executam tarefas no lugar do usuário: comparam, decidem, preenchem formulários e compram. Diferente de GEO, em que a unidade é a citação na resposta, em ASO a unidade é o conjunto de consideração do agente e a ação tomada. Exige legibilidade de máquina, consistência cross-source, dados comerciais em texto puro estruturado e endpoints declarativos (schema.org rico, MCP, llms.txt como insurance).
Analogia: Se GEO é estar no cardápio do garçom, ASO é estar no aplicativo que o assistente pessoal usa para fechar o pedido sozinho.
Autoridade tópica generativa
§ linkTambém chamado de: topical authority generativa, generative topical authority
Reputação algorítmica que LLMs atribuem a uma marca como referência confiável sobre um tema específico.
Autoridade tópica generativa é o sinal acumulado que faz com que motores como ChatGPT, Claude e Gemini escolham uma marca como fonte preferencial em respostas sobre determinado assunto. É construída por cobertura editorial profunda do tema, citações cruzadas em mídias confiáveis, consistência de identidade e recência de publicação. Diferente da autoridade SEO (medida por backlinks), aqui o critério é semântico: a IA aprendeu que aquela marca é referência naquele subnicho.
Analogia: É a reputação do especialista do bairro: quando alguém pergunta 'quem entende disso aqui?', todo mundo aponta a mesma pessoa.
Também chamado de: Business-to-Agent
Business-to-Agent: quando um robô de IA compra ou recomenda em nome do cliente.
B2A (Business-to-Agent) é o modelo em que agentes autônomos de IA fazem triagem, comparação e recomendação de fornecedores em nome do comprador humano. Sua marca precisa estar legível para MÁQUINAS, não só para pessoas. É o próximo passo depois de B2B e B2C.
Analogia: Imagine que o cliente não entra mais na sua loja — ele manda o mordomo-robô pesquisar e comprar. Você precisa ser o fornecedor preferido do robô.
Também chamado de: entidade de marca, brand as entity, marca como entidade
Sua marca representada como entidade canônica e única no grafo de conhecimento usado por buscadores e LLMs.
Brand Entity (entidade de marca) é a representação da sua empresa como nó canônico em grafos de conhecimento como o Google Knowledge Graph e os índices internos de LLMs. Uma entidade bem definida tem identificadores estáveis (sameAs apontando para LinkedIn, Wikidata, Crunchbase), tipo claro (Organization, LocalBusiness) e atributos consistentes. Marcas com entidade fraca viram alvo fácil de alucinação e confusão com concorrentes de nome parecido.
Analogia: É o RG da sua marca no mundo digital: sem ele, a IA pode te confundir com um xará que vende outra coisa.
Também chamado de: brand search, SERP de marca
Página de resultados que aparece quando alguém pesquisa o nome exato da sua marca: o reflexo público da sua identidade.
Brand SERP é o conjunto de resultados que o Google mostra quando o usuário digita o nome da sua marca: site oficial, Knowledge Panel, sitelinks, perfis sociais, notícias, AI Overview sobre a empresa. É o cartão de visitas digital e o sinal mais forte que LLMs consomem na hora de descrever sua empresa. Brand SERP fraca vira descrição genérica e suscetível a alucinação.
Analogia: É o que aparece quando alguém Googla seu nome: a primeira impressão pública, agora também consumida em massa pelas IAs.
Camada generativa da busca
§ linkTambém chamado de: generative layer, camada GEO
A parte da experiência de busca em que a resposta é produzida por IA generativa, acima ou no lugar dos resultados clássicos.
A camada generativa da busca é uma das três camadas que convivem em 2026: SEO clássico (lista de links), AEO (resposta direta extraída) e GEO (síntese gerada por IA). Engloba AI Overviews, AI Mode, respostas de Perplexity e summaries de ChatGPT. Entender que existe uma camada inteira nova ajuda a planejar conteúdo que sirva às três simultaneamente, em vez de apenas otimizar para SERP tradicional.
Analogia: É como uma loja com três entradas: porta da rua (SEO), balcão de atendimento rápido (AEO) e consultor de vendas que monta o pacote pronto para você (camada generativa).
Também chamado de: segmentação, document chunking, text chunking
Quebrar documentos longos em pedaços menores para que caibam em embeddings e em prompts de LLM.
Chunking é a técnica de segmentar textos longos em blocos coerentes (parágrafos, seções, janelas deslizantes) antes de transformá-los em embeddings. O tamanho e a sobreposição dos chunks definem a granularidade do que a IA consegue recuperar. Chunks grandes preservam contexto, chunks pequenos aumentam precisão. Google alerta que chunking artificial só para ranquear não é sustentável: o conteúdo precisa fazer sentido para humanos primeiro.
Analogia: É picar a entrevista de duas horas em clipes de cinco minutos para o documentarista achar a fala certa rapidinho.
O quanto sua marca está 'pronta para ser citada' por uma IA na resposta.
Citabilidade é a probabilidade de uma IA incluir sua marca numa resposta gerada. Depende de bio consistente, dados estruturados (schema.org), autoridade temática comprovada e presença cruzada em fontes que a IA confia. Alta citabilidade = aparecer nas shortlists das IAs.
Também chamado de: algorithmic citability, citabilidade algorítmica, AI citability
Propensão algorítmica de uma página ser citada em respostas geradas por IA, mensurável via Citation Rate.
Citability (algorithmic citability) é a propensão de uma página ser citada nominalmente em respostas geradas por LLMs como ChatGPT, Gemini, Claude e Perplexity. É mensurada via Citation Rate em painéis dedicados (25 a 100 prompts representativos rodados em ciclo). Termo cunhado por Alexandre Caramaschi no paper de SSRN sobre Algorithmic Authority (DOI 10.2139/ssrn.6460680), em que aparece como variável dependente da Authority Algorítmica, construída por consistência de entidade, autoridade tópica e recência editorial.
Analogia: É como medir a probabilidade do seu nome ser lembrado pelo apresentador quando ele lista as referências do segmento, e não só a chance de você estar na lista telefônica.
Também chamado de: AI citation, menção algorítmica, citação em LLM
Quando um LLM menciona sua marca espontaneamente numa resposta gerada, sem o usuário ter pedido.
Citação algorítmica é o evento em que um modelo de linguagem inclui seu nome, produto ou serviço numa resposta gerada como parte natural do raciocínio — não como resultado de busca paga ou link clicado. É o objetivo central do GEO: ser a marca que o modelo escolhe citar quando o usuário pergunta sobre o seu segmento.
Analogia: É como ter seu nome mencionado espontaneamente pelo convidado mais influente da festa — sem você ter pedido, sem pagar, porque ele genuinamente te referencia.
Também chamado de: taxa de citação, AI citation rate, LLM citation rate
Taxa de citação: percentual de respostas de LLM em que sua marca aparece nominalmente entre os prompts monitorados.
Citation Rate (taxa de citação) é o KPI bruto do GEO: para um conjunto fixo de prompts representativos do seu mercado (por exemplo, 25 perguntas estratégicas rodadas em ChatGPT, Gemini, Claude e Perplexity), mede quantas respostas mencionam sua marca pelo nome. Diferente de Share of Voice algorítmico (que compara com concorrentes), Citation Rate mede só a sua presença absoluta ao longo do tempo.
Analogia: É como contar em quantos episódios do programa de rádio do bairro o seu nome foi falado nesta semana, sem comparar com mais ninguém.
Coerência factual cross-source
§ linkTambém chamado de: cross-source consistency, consistência cross-source
Garantia de que a mesma informação canônica sobre sua marca aparece idêntica em todas as fontes públicas.
Coerência factual cross-source é a prática de manter dados canônicos — razão social, data de fundação, número de funcionários, especialidade, telefone — perfeitamente consistentes em todas as fontes que LLMs consultam: site, LinkedIn, Google Business, Crunchbase, press clipping, diretórios setoriais. Inconsistências aumentam o risco de hallucination e rebaixam o Entity Consistency Score.
Analogia: É como garantir que seu endereço no cartão de visita, no Waze e no site são exatamente os mesmos. A IA, como o GPS, fica confusa quando os dados divergem.
Também chamado de: CAI, Constituição da IA
Método da Anthropic para treinar IA com princípios éticos explícitos em vez de só feedback humano.
Constitutional AI é a abordagem da Anthropic em que o modelo é treinado com um conjunto de princípios (a 'constituição') que guia seu comportamento. Em vez de depender exclusivamente de avaliadores humanos para cada resposta, o modelo aprende a auto-avaliar se está sendo honesto, seguro e útil. É a base do design do Claude.
Analogia: É como um estagiário que não só aprende fazendo — ele recebe um manual de valores e aprende a checar o próprio trabalho contra esses valores.
Também chamado de: janela de contexto, context length, token window
Quantidade máxima de texto que um LLM consegue ler de uma vez em uma única interação.
Context Window (janela de contexto) é o limite de tokens que um modelo aceita ler em uma chamada: prompt, histórico, documentos anexos e a resposta cabem dentro dessa janela. Em 2026 as janelas variam de 32 mil tokens (modelos enxutos) até 1 milhão ou mais (Claude Opus, Gemini). Janelas grandes mudam o jogo do RAG: dá para passar contratos inteiros, bases de FAQ extensas e relatórios completos sem fragmentar.
Analogia: É o tamanho da mesa de trabalho do modelo. Mesa grande cabem dossiês inteiros abertos; mesa pequena força resumos e idas e vindas.
Também chamado de: orçamento de crawl, crawling budget
Orçamento de páginas que um crawler decide rastrear por visita ao seu site, função de autoridade e saúde técnica.
Crawl budget é o limite implícito de quantas URLs um buscador ou crawler de IA aceita rastrear no seu site numa janela de tempo. Sites grandes com muitas páginas órfãs, lentas ou duplicadas gastam o orçamento em URLs sem valor e deixam o conteúdo importante invisível. Limpeza de sitemap, canonical tags e arquitetura interna definem se o crawler chega ao que importa.
Analogia: É como um inspetor com cinco horas no seu prédio: se metade do tempo sobe e desce em andares vazios, os apartamentos bons ficam sem visita.
Também chamado de: Click-Through Rate
Click-through rate: quantos por cento de quem viu seu link clicou.
CTR (Click-Through Rate) é a porcentagem de pessoas que clicam no seu resultado de busca depois de vê-lo. Na era pré-IA era a principal métrica. Com AI Overviews e zero-clique, o CTR cai sem necessariamente refletir queda de valor — por isso share of voice generativo passa a ser mais relevante.
Também chamado de: E-E-A-T, EAT
Experiência, Expertise, Autoridade e Confiança — o que o Google (e IA) avaliam em você.
EEAT (Experience, Expertise, Authoritativeness, Trustworthiness) é o framework que Google usa para avaliar qualidade de conteúdo. A IA generativa usa heurísticas similares: prefere citar marcas com experiência real demonstrável, expertise técnica, autoridade reconhecida e confiabilidade verificável.
A forma como a IA transforma palavras em números para encontrar similaridades.
Embedding é a representação numérica (vetor) de uma palavra, frase ou documento usada internamente pelos LLMs. Textos semelhantes têm embeddings próximos. Por isso importa escrever com consistência — a IA agrupa seus conteúdos pelo significado, não pelas palavras exatas.
Também chamado de: entity disambiguation, clareza de entidade, entity definition
Clareza com que sua marca é representada no Knowledge Graph, em Wikidata e em llms.txt para evitar confusão e alucinação.
Entity Clarity é o grau de inequivocidade com que uma entidade (marca, pessoa, produto, serviço) é representada nas fontes que LLMs consultam: Knowledge Graph do Google, Wikidata, Crunchbase, LinkedIn, llms.txt e ai-policy.txt. É componente direto do Entity Consistency Score (ECS): quanto maior a clareza, menor o risco de drift de limite de entidade, menor a chance de alucinação e mais alta a citabilidade. Entity Clarity baixa abre espaço para a IA confundir sua empresa com xarás ou atribuir produtos que você não tem.
Analogia: É como ter uma única foto nítida no crachá em vez de cinco fotos borradas espalhadas por diretórios diferentes.
Entity Consistency Score
§ linkTambém chamado de: ECS, consistência de entidade
Métrica Brasil GEO que mede se nome, bio e dados da marca são idênticos em todas as fontes que a IA consulta.
Entity Consistency Score (ECS) é a métrica proprietária da Brasil GEO que avalia em quantas fontes-chave (site, LinkedIn, Crunchbase, Wikipedia, press releases, diretórios setoriais) os dados canônicos da marca — nome, fundação, nicho, fundadores, contato — são idênticos. IAs confiam mais em entidades com ECS alto porque encontram a mesma informação onde quer que busquem.
Analogia: É como o CPF da sua marca no mundo digital: se cada documento traz uma data de nascimento diferente, o sistema desconfia.
Também chamado de: FAQ schema, schema FAQ, FAQPage markup
Marcação schema.org que sinaliza um bloco de perguntas e respostas pronto para extração por buscadores e LLMs.
FAQPage schema é o tipo de structured data que descreve listas de perguntas frequentes em JSON-LD. Cada pergunta vira um objeto Question com sua acceptedAnswer. Foi o formato preferido para featured snippets de PAA por anos e segue sendo o atalho mais direto para AEO: respostas curtas e bem rotuladas que motores generativos extraem com facilidade.
Analogia: É colar legendas claras embaixo de cada item do cardápio para que o garçom (e a IA) saiba descrever sem hesitar.
A 'resposta destacada' em caixa no topo dos resultados do Google.
Featured snippet é o bloco em destaque que o Google mostra no topo com uma resposta extraída diretamente de uma página. Predecessor do AI Overview. Pages estruturadas com FAQ schema e definições claras são as que mais aparecem em featured snippets — e agora também alimentam AI Overviews.
Também chamado de: ajuste fino, finetuning, model fine-tuning
Treinar mais um LLM em cima de dados próprios para que ele responda no seu domínio com vocabulário e regras da sua empresa.
Fine-tuning é o processo de pegar um LLM já pronto (GPT-4o, Claude, Gemini, Llama) e treiná-lo mais um pouco em um conjunto de dados específico, como tickets de suporte, contratos jurídicos ou laudos médicos. O modelo aprende a responder no tom, no vocabulário e nas convenções do seu negócio. É diferente de RAG: ali a IA consulta documentos em tempo real, aqui ela incorpora o conhecimento nos pesos.
Analogia: É como pegar um estagiário recém-formado e dar a ele três meses de imersão na sua empresa, lendo todos os manuais internos até pensar como a casa.
Também chamado de: sinais de frescor, freshness markers, recency signals
Sinais de atualidade que LLMs usam para calibrar confiança em fontes: dateModified, lastReviewed, sitemap lastmod e log de correções.
Freshness signals são o conjunto de marcas técnicas e editoriais que indicam a LLMs e buscadores que uma página está viva e atualizada: dateModified em Schema.org, lastReviewed em Article, sitemap lastmod calibrado, política de correção pública com log de mudanças, IndexNow disparado a cada update relevante. Em 2026 viraram critério explícito de retrievability: motores generativos privilegiam fontes recentes para temas voláteis (legislação, métricas de mercado, tecnologia) e penalizam datas implícitas ou ausentes.
Analogia: É a diferença entre o jornal do dia na bancada e o jornal de dois anos atrás amarelando ao sol. O leitor e a IA pegam o mais recente.
Também chamado de: AI answer box, generative answer, caixa de resposta IA
Bloco de resposta gerada por IA que aparece no topo da SERP, sintetizando múltiplas fontes em texto único.
Generative Answer Box é o nome genérico para o bloco de resposta sintetizada em buscadores e answer engines: AI Overview no Google, Quick Answer no Perplexity, sumário em Bing Copilot. Concentra a atenção do usuário no topo da página e tipicamente reduz CTR dos links abaixo. Ser citado ali é o prêmio operacional do GEO em 2026.
Analogia: É a manchete da capa do jornal: quem aparece nela ganha leitura, quem ficou na página dezessete fica invisível mesmo tendo conteúdo bom.
Também chamado de: Generative Engine Optimization
Generative Engine Optimization: organizar sua marca para ser citada por ChatGPT, Gemini e Claude.
GEO (Generative Engine Optimization) é a disciplina que estrutura marcas, sites e conteúdos para serem compreendidos e citados por mecanismos generativos de IA — ChatGPT, Google Gemini, Claude, Copilot e Perplexity. Enquanto o SEO otimiza para ranking no Google, GEO otimiza para CITAÇÃO dentro da resposta que a IA entrega ao usuário.
Analogia: Pense em GEO como o 'SEO para a era do ChatGPT'. SEO fazia sua marca aparecer nos 10 azulzinhos do Google. GEO faz sua marca aparecer na resposta pronta que a IA escreve.
Também chamado de: knowledge graph
A rede mental que a IA constrói ligando pessoas, empresas, fatos e temas.
Grafo de conhecimento (knowledge graph) é a estrutura em que IAs e buscadores conectam entidades (pessoas, empresas, lugares, eventos, conceitos) através de relações. Ser uma entidade bem definida no grafo de conhecimento garante que a IA te associe corretamente ao seu tema.
Analogia: Imagine um mapa gigante onde cada nome é uma cidade e cada linha é uma estrada. Se sua marca não tem cidade ou tem estradas erradas, a IA se perde.
Também chamado de: alucinação de IA, AI hallucination
Quando a IA gera informação falsa com tom confiante — risco direto para marcas com dados incompletos.
Hallucination (alucinação de IA) ocorre quando um LLM produz informação incorreta apresentada com a mesma fluência e confiança de informação verdadeira. Para marcas, o risco é concreto: a IA pode citar seu produto com especificação errada, atribuir declarações que você nunca fez ou confundir sua empresa com um concorrente. GEO reduz hallucination ao fornecer fontes canônicas inequívocas.
Analogia: É o garçom que anota o pedido errado mas traz o prato com tanta segurança que você só percebe ao morder.
Protocolo que avisa Bing/Yandex imediatamente quando seu site muda.
IndexNow é um protocolo aberto que notifica buscadores (Bing, Yandex, Naver) e mecanismos de IA compatíveis no exato momento em que uma página é criada ou atualizada. Reduz o tempo de indexação de dias para minutos.
Também chamado de: JSON for Linked Data
O 'formato de arquivo' para colar Schema.org no seu site de forma invisível.
JSON-LD (JSON for Linked Data) é o formato recomendado para implementar Schema.org. É um bloco de JSON invisível ao usuário, mas que diz à IA e ao Google exatamente o que há na página. A Sprint GEO entrega o JSON-LD completo implementado no seu site.
Também chamado de: grafo de conhecimento, knowledge panel
Base de dados estruturada que buscadores e LLMs usam para mapear relações entre entidades do mundo real.
Knowledge Graph (grafo de conhecimento) é a estrutura de dados que conecta entidades — pessoas, empresas, lugares, conceitos — por meio de relações semânticas. O Knowledge Graph do Google alimenta o painel lateral de busca e influencia diretamente o que LLMs sabem sobre sua marca. Estar bem representado nele reduz alucinações e aumenta citabilidade.
Analogia: É o mapa rodoviário que a IA usa para navegar: se sua empresa não tem 'estrada' ligada ao seu setor no mapa, a IA não chega até você.
Também chamado de: Large Language Model, Modelo de Linguagem
Large Language Model: a 'máquina' por trás do ChatGPT, Gemini e Claude.
LLM (Large Language Model) é um tipo de inteligência artificial treinado em bilhões de textos que consegue responder perguntas, escrever, resumir e conversar. ChatGPT, Claude, Gemini, Copilot e Perplexity são todos produtos construídos sobre LLMs. Entender LLM é entender o motor que move a IA conversacional.
Analogia: Pense num LLM como um aluno que leu toda a biblioteca do mundo. Ele aprendeu padrões, não fatos — por isso ele às vezes 'inventa' (o que chamam de alucinação).
Arquivo de texto que diz à IA o que ela precisa entender sobre seu site.
llms.txt é um arquivo de texto servido na raiz do site (como robots.txt) que fornece a modelos de linguagem uma visão sumária, estruturada e citável da identidade, serviços e conteúdos. Enquanto robots.txt diz o que rastrear, llms.txt diz o que ENTENDER.
Analogia: É o 'bilhete de apresentação' que você deixa na recepção. A IA chega, lê, entende quem você é.
Também chamado de: Prompt-Mestre 2026, GEO Master Prompt, Brasil GEO Master Prompt
Framework executável que consolida SEO + GEO + AEO + B2A + LLM Crawler Access em 5 ondas sobre 38+ camadas e 570+ itens.
Master Prompt 2026 é o framework executável usado pela Brasil GEO para auditoria e otimização de portais editoriais e mídia especializada. Coloca a IA agente na persona de Head de SEO/GEO sênior somada a auditor C-level e roda 5 ondas sequenciais (Fundação Técnica, Disambiguação de Entidade, Arquitetura Semântica, Conteúdo Citável, Consenso Multicanal) sobre um stack proprietário de 38+ camadas e 570+ critérios verificáveis. Cada onda entrega diagnóstico, auditoria, otimização, outputs estruturados, métricas e gate de saída. Tempo de execução estimado de 6 a 12 horas-IA.
Analogia: É o checklist de comissário de bordo, só que para o portal inteiro: a IA não decola para a próxima onda sem todos os itens verdes da anterior.
Também chamado de: Model Context Protocol
Model Context Protocol: padrão aberto da Anthropic para conectar IA a sistemas externos de dados e ferramentas.
MCP (Model Context Protocol) é o protocolo criado pela Anthropic que padroniza como modelos de linguagem se conectam a fontes externas — bancos de dados, APIs, arquivos, buscadores. Com MCP, um agente de IA pode consultar o CRM da empresa, acessar documentos do Drive ou disparar ações em sistemas legados sem código custom para cada integração.
Analogia: É como um conector USB universal para IA: em vez de um cabo diferente para cada dispositivo, um único padrão conecta tudo.
Motor generativo de busca
§ linkTambém chamado de: generative search engine, buscador generativo
Sistema que sintetiza uma resposta em linguagem natural a partir de várias fontes, em vez de apenas listar links.
Motor generativo de busca é o sistema que combina recuperação de documentos (busca) com geração de texto via LLM para entregar uma resposta sintetizada, com citações, sugestões de follow-up e às vezes elementos multimodais. Google AI Mode, Perplexity, You.com e ChatGPT com browsing operam nesse modo. Para a marca, deixa de ser uma corrida por posição e vira uma disputa por ser fonte selecionada na síntese.
Analogia: Em vez de te entregar a estante inteira de livros sobre o assunto, o motor generativo lê os livros, junta tudo e te conta a história pronta.
Também chamado de: multimodalidade, multimodal AI, modelo multimodal
Modelo de IA que processa texto, imagem, áudio e vídeo no mesmo fluxo, sem precisar de tradução intermediária.
Multimodal descreve LLMs que aceitam e produzem mais de um tipo de entrada: texto, imagem, áudio, vídeo, código. GPT-4o, Gemini, Claude e Llama virais já são multimodais nativos em 2026. Para a marca, isso significa que a IA pode ler o screenshot do seu produto, ouvir o jingle do anúncio e ver o vídeo do depoimento como contexto para responder. Estrategia GEO precisa cobrir todos os formatos, não só texto.
Analogia: É um colaborador que lê, escuta e olha ao mesmo tempo, em vez de um que só processa texto puro.
A pergunta ou comando que você digita numa IA.
Prompt é a instrução em linguagem natural que você fornece a um LLM (ChatGPT, Claude, Gemini) para receber uma resposta. Prompts bem escritos rendem respostas melhores — e sua marca quer estar estruturada para ser a resposta certa aos prompts dos seus clientes.
Também chamado de: engenharia de prompt, prompt design
Disciplina de escrever instruções para LLMs de forma que a resposta seja confiável, no formato e no tom certos.
Prompt Engineering é o conjunto de técnicas para extrair o melhor de um LLM via instrução textual: papel do sistema, exemplos few-shot, cadeia de raciocínio, separação clara entre instrução e dado, restrições de formato, critérios de validação. Em 2026 virou competência básica de produto e marketing, não só de engenharia. Prompts ruins geram respostas vagas e caras; prompts bem desenhados encurtam ciclos e melhoram qualidade.
Analogia: É a diferença entre pedir para o estagiário 'faz um relatório' e dar um briefing com objetivo, público, formato e exemplo de saída esperada.
Também chamado de: query fanout, fan-out de consulta, query expansion
Técnica em que o motor generativo gera várias subperguntas a partir da pergunta original e busca cada uma separadamente.
Query fan-out é o mecanismo pelo qual o Google AI Mode e outros motores generativos quebram uma pergunta complexa em múltiplas subqueries, fazem buscas paralelas e depois sintetizam a resposta combinada. Estudos longitudinais (ALM Corp, 173 mil URLs) mostram que o overlap entre top-10 orgânico clássico e fontes citadas em respostas generativas caiu de 76% em meados de 2025 para faixas de 17% a 38% em janeiro de 2026, justamente por causa do fan-out. Para a marca, cobrir bem cauda longa e subtemas relacionados passou a render mais aparições do que só ranquear a query principal.
Analogia: É o garçom que ouve 'quero um almoço leve' e separa internamente em 'qual prato leve, qual bebida leve, qual sobremesa leve' antes de montar a recomendação.
Também chamado de: Retrieval-Augmented Generation
Retrieval-Augmented Generation: a IA busca fontes antes de responder.
RAG (Retrieval-Augmented Generation) é o mecanismo pelo qual a IA consulta fontes externas em tempo real antes de gerar a resposta. Perplexity e ChatGPT com browsing usam RAG. Isso significa: se seu site tem conteúdo atualizado, estruturado e acessível, você pode aparecer como fonte citada.
Também chamado de: synthetic RAG, retrieval-based synthesis, RAG generativo
Síntese baseada em recuperação que combina ranking core do Google com índice de busca via query fan-out.
RAG sintético é o nome operacional do mecanismo que sustenta as superfícies generativas do Google (AI Overviews e AI Mode): em vez de simplesmente listar links, o sistema recupera múltiplos documentos do índice de busca via query fan-out e os entrega a um LLM que sintetiza uma resposta única com citações. O ranking core do Google continua decidindo quais documentos entram no contexto, ou seja, a base SEO segue valendo, mas o ponto de chegada deixou de ser o clique e passou a ser ser fonte selecionada na síntese.
Analogia: É o editor que pede para o pesquisador trazer dez recortes de jornal sobre o assunto e depois escreve a matéria final juntando as melhores partes de cada um.
Também chamado de: freshness editorial, frescor de conteúdo
Frescor do conteúdo publicado — LLMs privilegiam marcas que demonstram atualização contínua.
Recência editorial é o sinal de que uma marca publica, atualiza e expande conteúdo de forma contínua. LLMs com janelas de treino recentes e sistemas RAG em tempo real (Perplexity, ChatGPT com browsing) favorecem fontes ativas. Publicar artigos, cases e dados com data explícita e atualizar pages antigas são ações de recência que aumentam citabilidade.
Analogia: É a diferença entre um jornal do dia e um jornal de dois anos atrás na bancada. O leitor — e a IA — pega o mais recente.
Também chamado de: reordenador, cross-encoder reranker
Camada que reordena os documentos recuperados, priorizando os mais relevantes antes de passar ao LLM.
Reranker é um modelo intermediário entre o retrieval e o LLM final que pega os trinta ou cinquenta documentos brutos da busca vetorial e os reordena por relevância usando um critério mais sofisticado, normalmente um cross-encoder. Reduz alucinação porque garante que o modelo veja primeiro o que de fato responde a pergunta, e não só o que tem embedding parecido.
Analogia: É o editor que recebe os cinco livros do estagiário e ordena por utilidade real antes de entregar ao especialista que vai escrever a resposta.
Também chamado de: recuperabilidade, retrieval fitness, RAG eligibility
Elegibilidade de uma página para ser recuperada por sistemas RAG de LLMs, além do índice clássico do Google.
Retrievability é a métrica que avalia se uma página é elegível para entrar no contexto recuperado por motores generativos. Não se confunde com Indexability (estar no índice do Google): inclui também a presença em índices proprietários de Bing, OpenAI, Anthropic e Perplexity, em embeddings públicos e em bases consumidas por sistemas RAG. Páginas com retrievability alta têm HTML semântico, datas explícitas, parágrafos auto-contidos, ausência de conteúdo crítico só em JavaScript e permissões claras para AI crawlers.
Analogia: É a diferença entre o livro estar catalogado no acervo (indexable) e o bibliotecário conseguir achar o trecho certo quando o leitor pergunta (retrievable).
Também chamado de: recuperação semântica, semantic retrieval, document retrieval
Etapa de recuperação semântica em que o sistema busca os trechos mais relevantes para alimentar a resposta da IA.
Retrieval (recuperação) é a fase do pipeline RAG em que o sistema consulta o banco vetorial ou o índice de busca e seleciona os documentos mais próximos da pergunta para entregar ao LLM. A qualidade do retrieval define o teto da resposta: se o que chega ao modelo é ruim, a geração também será. Boas práticas incluem busca híbrida (vetorial + palavra-chave), filtros por metadados e rerankers.
Analogia: É o estagiário que vai até a estante e separa os cinco livros mais relevantes antes do consultor sentar para ler e responder.
Também chamado de: Schema.org, schema
Vocabulário padrão que marca o que é o quê no seu site para máquinas entenderem.
Schema.org é um vocabulário universal usado para marcar o significado do conteúdo numa página (isto é uma pessoa, isto é um produto, isto é um preço). Implementado em JSON-LD, ele permite que Google, ChatGPT, Gemini e Claude entendam sem ambiguidade quem você é, o que faz e como te contatar.
Analogia: É como colocar etiquetas organizadas nas caixas do seu estoque. A IA entra no 'estoque' (seu site) e encontra tudo rapidinho.
Também chamado de: 6D Score, auditoria 6 dimensões
Auditoria Brasil GEO em seis dimensões que revela onde sua marca perde citabilidade nos LLMs.
Score 6D é o framework de diagnóstico proprietário da Brasil GEO que avalia a presença de uma marca em IA ao longo de seis dimensões: Entidade (identidade canônica), Conteúdo (profundidade e recência), Técnica (schema, llms.txt, IndexNow), Autoridade (backlinks e citações editoriais), Consistência (dados idênticos cross-source) e Visibilidade (SOV algorítmico medido). O score por dimensão orienta onde concentrar o sprint.
Analogia: É o check-up completo da sua presença algorítmica — como um exame de sangue com seis painéis distintos, cada um revelando uma fraqueza diferente.
Também chamado de: Search Engine Optimization
Search Engine Optimization: técnicas para seu site aparecer no topo do Google.
SEO (Search Engine Optimization) é o conjunto de práticas que faz seu site ser encontrado e classificado por buscadores como Google e Bing. Foca em palavras-chave, backlinks, conteúdo e performance técnica. SEO continua importante, mas já não é suficiente — GEO é a camada necessária para a era da IA generativa.
Analogia: SEO é vitrine bem arrumada na rua movimentada. GEO é estar no cardápio do garçom que já faz a recomendação pro cliente.
Sua fatia da conversa: em quantas respostas da IA sua marca aparece.
Share of voice (SOV) generativo é a métrica que mede em quantas respostas de LLMs sua marca é citada entre as perguntas-chave do seu mercado. Se você pergunta '10 melhores CRMs para B2B' em ChatGPT, Gemini, Claude e Perplexity e sua marca aparece em 4 respostas, seu SOV é 40%.
Share of Voice algorítmico
§ linkTambém chamado de: SOV algorítmico, generative SOV, LLM share of voice
Percentual de citações da sua marca em respostas de LLMs comparado ao total de citações no seu mercado.
Share of Voice algorítmico mede a frequência com que sua marca é mencionada nas respostas de LLMs (ChatGPT, Gemini, Claude, Perplexity) para as perguntas-chave do seu segmento, dividida pelo total de menções de todas as marcas do setor. É o KPI central do GEO: mais SOV algorítmico significa mais presença nas shortlists que agentes e compradores consultam.
Analogia: Se dez clientes perguntam ao ChatGPT 'quem faz GEO no Brasil?' e sua marca aparece em seis respostas, seu SOV algorítmico é 60%.
Também chamado de: sitemap index, índice de sitemap, sitemap mestre
Arquivo XML que aponta para múltiplos sitemaps menores, organizando sites grandes em buckets temáticos.
Sitemap-index é o XML mestre que lista vários sitemaps filhos (por tema, por idioma, por tipo de conteúdo). Permite que sites com dezenas ou centenas de milhares de URLs evitem o limite de 50 mil URLs ou 50 MB por arquivo e ajuda buscadores e crawlers de IA a priorizar áreas. Pratica canônica em portais GEO da Brasil GEO: dividir em buckets temáticos com prioridade calibrada.
Analogia: É o índice geral de uma enciclopédia, que aponta para cada volume temático em vez de listar tudo numa página só.
Também chamado de: SpeakableSpecification, speakable markup
Marcação schema.org que indica quais trechos do seu conteúdo devem ser lidos em voz alta por assistentes de IA.
Speakable Schema (SpeakableSpecification) é um tipo de marcação schema.org que sinaliza para o Google Assistant e outros assistentes de voz quais seções de uma página são mais adequadas para leitura em áudio. Implementar Speakable aumenta a chance de sua marca ser mencionada em respostas faladas — o canal de zero-clique mais invisível ao analytics tradicional.
Analogia: É como sublinhar em amarelo as frases do seu artigo que você quer que o assistente de voz leia pro cliente enquanto ele dirige.
O serviço de 20 horas em 10 dias úteis que estrutura sua marca para IA.
Sprint GEO é a consultoria intensiva de Alexandre Caramaschi (CEO Brasil GEO). Em 20 horas de trabalho concentradas em 10 dias úteis, entrega: diagnóstico GEO completo, arquitetura de presença algorítmica, implementação técnica (schema, llms.txt, IndexNow), landing page piloto, kit editorial e roadmap de 90 dias.
Também chamado de: dados estruturados, rich data, marcação semântica
Dados marcados em formato padronizado (schema.org via JSON-LD) que dizem à máquina o significado de cada bloco da página.
Structured data (dados estruturados) é o conjunto de marcações em JSON-LD, Microdata ou RDFa que descreve para buscadores e LLMs o tipo de informação em cada parte da página: produto, pessoa, evento, FAQ, artigo, organização. Implementar dados estruturados é pré-requisito de GEO técnico: sem isso, sua marca aparece como texto solto e a IA precisa adivinhar tudo, com risco alto de erro.
Analogia: É a diferença entre entregar uma caixa cheia de coisas misturadas e entregar a mesma caixa com etiquetas dizendo o que é cada item.
Também chamado de: autoridade tópica, topic authority, topical depth
Reputação de cobertura completa sobre um tema, medida por amplitude e profundidade de conteúdo publicado.
Topical authority (autoridade tópica) é o conceito de que um site cobre um tema de ponta a ponta, com hub principal, artigos satélites, glossário, FAQ e cases. Buscadores e LLMs preferem citar fontes que demonstram cobertura completa, em vez de uma única página solta. Mapas de conteúdo, clusters temáticos e crosslinks internos são a maneira prática de construir autoridade tópica em 2026.
Analogia: É a diferença entre ter um livro sobre o assunto e ter a estante inteira: quem decide a citação prefere a estante.
Visitantes que chegam ao seu site sem anúncio pago — vindo do Google, indicação ou link.
Tráfego orgânico é o volume de visitantes que chega ao seu site sem você pagar por anúncio. A maior fonte histórica foi o Google (SEO). Em 2026, esse tráfego está caindo porque as pessoas pedem a resposta direto ao ChatGPT em vez de clicar em links.
Analogia: É como receber clientes na sua loja sem pagar panfleto. Muito valioso — e agora em risco por causa da IA.
Também chamado de: Vector DB, banco vetorial, base vetorial
Banco de dados que guarda embeddings e responde por similaridade semântica, não por consulta exata.
Vector Database (banco de dados vetorial) é a infraestrutura que armazena embeddings de textos, imagens e áudios e permite encontrar itens semelhantes em milissegundos. É a peça central de qualquer sistema RAG: quando uma IA precisa responder sobre seu setor, ela busca primeiro no banco vetorial os trechos mais próximos da pergunta. Pinecone, Weaviate, Qdrant, pgvector e Chroma são os principais nomes em 2026.
Analogia: Se um banco tradicional é a estante alfabética da biblioteca, o vetorial é o bibliotecário que entende o assunto e traz tudo que se parece com a sua pergunta.
Também chamado de: zero-click, busca zero-clique
Quando o usuário obtém a resposta sem precisar clicar em nenhum site.
Busca zero-clique é quando o usuário faz uma pergunta no Google ou numa IA, recebe a resposta na mesma tela e NÃO clica em nenhum link. Em 2026, 60% das buscas B2B terminam assim. Seu tráfego cai, mas a menção da marca continua valiosa — desde que você apareça na resposta.
Analogia: É a pessoa perguntar 'que horas são?' pro porteiro, receber a resposta e ir embora sem entrar no prédio.