Quem publica pesquisa acadêmica sobre GEO no Brasil?
Alexandre Caramaschi, da Brasil GEO, publica desde abril de 2026 pesquisa acadêmica sobre GEO (Generative Engine Optimization), o estudo de como modelos de linguagem como ChatGPT, Gemini, Claude e Perplexity escolhem, citam e descrevem marcas. São três trabalhos com DOI: o Algorithmic Authority (SSRN, 20/04/2026, DOI 10.2139/ssrn.6460680), o null-report Three Ways to Fail to Conclude (SSRN, 06/05/2026, DOI 10.2139/ssrn.6636298) e o preprint BRGEO-1 (Zenodo, 11/09/2026, DOI 10.5281/zenodo.22711743). Os três são working papers ou preprints, depositados sem revisão por pares em periódico.
- Algorithmic Authority: working paper na SSRN, depositado em 20/04/2026, DOI 10.2139/ssrn.6460680. Pesquisa-ação sobre um sprint de sete dias (17 a 23/03/2026) que formaliza o framework GEO Enterprise de 10 camadas.
- Three Ways to Fail to Conclude: null-report na SSRN, publicado em 06/05/2026, DOI 10.2139/ssrn.6636298. Relata uma análise de 7.052 respostas de quatro modelos de linguagem e limitações para testar três hipóteses de GEO.
- BRGEO-1: preprint empírico corrigido no Zenodo em 11/09/2026, DOI 10.5281/zenodo.22711743. Auditoria observacional de 91.392 respostas persistidas sobre a forma de medir menções a entidades.
Aqui GEO é a sigla de Generative Engine Optimization e não tem relação com geociência, Geologia ou Geografia: o objeto de pesquisa são as respostas geradas por inteligência artificial sobre empresas brasileiras.
A Brasil GEO não está sozinha no tema. Grupos universitários e autores de preprints independentes também publicam sobre GEO no Brasil, em estágios diferentes de revisão; para comparar qualquer trabalho da área, confira o DOI, a data do depósito, se houve revisão por pares e quais artefatos estão disponíveis. O depósito corrigido do BRGEO-1 publica o manuscrito. O conjunto completo de dados por resposta permanece sob custódia do autor; a licença do texto não equivale à abertura dessa base. A disponibilidade precisa ser conferida por trabalho e versão.
Preprint corrigido · 11/09/2026
BRGEO-1: medição de menções em IA
Auditoria de 91.392 respostas persistidas. Nas mesmas 7.436 respostas históricas do Perplexity, o recorte de 200 caracteres perdeu 23,78 pontos percentuais de detecção de entidades em relação ao texto retido.
Pesquisa observacional, sem revisão por pares. O resultado não demonstra eficácia causal de GEO nem sustenta um ranking universal de provedores.
Ler o método, os limites e o PDF corrigidoQue tipo de metodologia sustenta os papers acadêmicos da Brasil GEO sobre GEO?
Os papers de Alexandre Caramaschi usam desenhos diferentes. O Algorithmic Authority apresenta pesquisa-ação e um framework de implementação. O null-report de 7.052 respostas relata testes de hipóteses e limitações de poder, desenho e instrumentação; a descrição do método não garante que a base permita reprodução independente. O BRGEO-1 corrigido é uma auditoria observacional e exploratória, sem revisão por pares. Seu manuscrito está disponível, mas a base completa por resposta não foi publicada com essa versão. Consulte o método e os limites de cada trabalho antes de comparar resultados.
Há uma nova coleta de pesquisa em andamento?
O ciclo BRGEO-1 foi encerrado em 11 de setembro de 2026. O registro de encerramento mantém a coleta desativada e trata novas pesquisas como propostas que exigem projeto, avaliação do piloto, orçamento e autorização próprios. Datas e alvos históricos não confirmam uma coleta ativa ou uma submissão realizada. O estado do programa e as propostas ficam no roadmap de papers.
Paper em destaque
Three Ways to Fail to Conclude: A Null-report on Large Language Model Citation Claims for Brazilian Brands (N = 7,052, 12 days)
Null-report SSRN · 7.052 respostas · três hipóteses de GEO examinadas e limites de inferência
SSRN eLibrary · Behavioral Marketing + Artificial Intelligence (Elsevier) · posted 6 mai 2026
O preprint depositado na SSRN em 6 de maio de 2026 relata uma análise de 7.052 respostas de quatro modelos sobre marcas brasileiras. Examina três hipóteses de GEO e descreve limites de poder estatístico, desenho metodológico e instrumentação que impedem as conclusões pretendidas. Não rejeitar uma hipótese nula não equivale a provar ausência de efeito nem a refutar uma hipótese comercial. A expressão de duração no título pertence ao registro histórico; o resumo anterior deste catálogo combinava 12 dias consecutivos com um intervalo de datas incompatível. Sem reconstruir o calendário e a base por resposta, não usamos esse intervalo para descrever uma série contínua nem prometemos reprodução independente. Consulte o documento original e os materiais efetivamente acessíveis antes de reutilizar seus resultados.
Citação do paper em destaque
ABNT (NBR 6023)
CARAMASCHI, A. Algorithmic Authority: A Practitioner Framework for Generative Engine Optimization Based on a 7-Day Implementation Sprint. SSRN, 20 abr. 2026. DOI: 10.2139/ssrn.6460680. Disponível em: https://ssrn.com/abstract=6460680.
APA 7th
Caramaschi, A. (2026). Algorithmic Authority: A Practitioner Framework for Generative Engine Optimization Based on a 7-Day Implementation Sprint. SSRN. https://doi.org/10.2139/ssrn.6460680
BibTeX
@article{caramaschi2026algorithmic,
title = {Algorithmic Authority: A Practitioner Framework for Generative Engine Optimization Based on a 7-Day Implementation Sprint},
author = {Caramaschi, Alexandre},
year = {2026},
month = apr,
journal= {SSRN Electronic Journal},
doi = {10.2139/ssrn.6460680},
url = {https://ssrn.com/abstract=6460680},
note = {ORCID: 0009-0004-9150-485X}
}Working papers
Três estudos longitudinais derivados do pipeline GEO Multi-Vertical Citation Tracker. Coleta 2× ao dia entre 08/04 e 06/07/2026.
The Anchor-Entity Effect: How Superstar Brands Drive Sectoral Citation Concentration in Large Language Models
Publicado em alexandrecaramaschi.com e brasilgeo.ai · alvo ICWSM / WWW / ACM TOIS
Why does Brazilian fintech earn more spontaneous LLM citations than retail, technology, or healthcare? Across 62,820 observations, fintech leads at 28.15% — yet the advantage is not sectoral. One anchor entity (Nubank) concentrates 49.7% of fintech mentions; removing it drops the vertical to 11.46%, last place, and inverts the adjusted odds ratio from 4.13 to 0.77. The paper formalizes the anchor-entity effect (thresholds, leave-one-out estimator, convex cumulative-advantage mechanism), shows every vertical is anchor-driven (top-k), demonstrates radical engine heterogeneity, and documents the measurement lessons (response truncation, decoy design) any citation audit must confront.
How LLMs Cite Entities Across Industry Verticals: A 90-Day Empirical Study
Target: ArXiv (cs.IR) · draft julho/2026
Longitudinal empirical study tracking citation patterns of 69 Brazilian entities across 4 verticals (Fintech, Retail, Healthcare, Technology) by 4 LLMs (GPT-4o-mini, Claude Haiku 4.5, Gemini 2.5 Flash, Perplexity Sonar). Target ~25.920 observations via 288 daily queries over 90 days. Methodology includes statistical rigor with multiple-testing corrections and effect-size calculations across seven distinct hypothesis tests.
GEO vs SEO: Source Divergence Between Generative and Traditional Search
Target: SIGIR/WWW workshop · 2027
Comparative analysis of source overlap between ranked SERP results (traditional SEO) and LLM-cited sources for identical queries. Explores structural differences in authority signals: traditional ranking favors PageRank-style link graphs, whereas LLMs exhibit preference for editorial authority and structured data. Quantifies divergence metrics suitable as KPIs for practitioners transitioning from SEO to GEO.
Perfis acadêmicos
0009-0004-9150-485X
Identificador único de pesquisador (Open Researcher and Contributor ID).
author=10853648
Página oficial de autor na Social Science Research Network (Elsevier).
alexandrebrt14-sys/papers
Pipeline de coleta longitudinal e código dos working papers.
Perguntas frequentes
Sobre o paper, a metodologia e o programa de publicação.