GEO técnico: como preparar seu site para ser lido, entendido e citado pelas IAs

Este guia é para quem executa: time de SEO técnico, desenvolvimento e quem cuida da infraestrutura de conteúdo. A estratégia de GEO (o que escrever, para quais perguntas e por quê) está em outros dois textos nossos. Aqui o assunto é a camada de baixo: o que precisa estar certo no site para que um assistente de IA consiga acessar, recuperar, interpretar e confiar no seu conteúdo a ponto de citá-lo.

A ordem importa. Nenhuma quantidade de conteúdo bom compensa um crawler bloqueado, um HTML que só monta no cliente ou um parágrafo que perde o sentido quando recortado. Essas falhas não aparecem em relatório de posição; elas aparecem como ausência nas respostas.

Camada 1: acesso. Os assistentes conseguem entrar?

Antes de qualquer otimização, confirme que os rastreadores de IA não estão bloqueados. Cada empresa por trás dos assistentes opera seus próprios agentes, com nomes próprios e separados do Googlebot, e cada um precisa de permissão explícita no robots.txt. Alguns provedores mantêm mais de um agente com finalidades diferentes (um para treinamento, outro para a busca em tempo real que alimenta as respostas), e é comum liberar um e barrar o outro sem perceber.

Como essa lista muda com frequência, o procedimento que se sustenta ao longo do tempo não é decorar nomes: é auditar periodicamente o próprio arquivo, comparando o que está bloqueado com a documentação oficial de cada provedor de IA que você quer atingir. Coloque essa checagem na rotina trimestral, junto com as demais auditorias técnicas.

Bloquear esses agentes é uma decisão legítima em alguns modelos de negócio, mas precisa ser consciente, não herdada de um robots.txt copiado anos atrás. Vale checar também no nível de CDN e WAF: é comum o robots.txt liberar e a regra de bot management barrar, o que produz o mesmo resultado prático sem deixar rastro no arquivo.

Dois pontos técnicos que costumam passar despercebidos:

• Renderização. Vários rastreadores de IA leem o HTML retornado e não executam JavaScript com a mesma tolerância do Googlebot. Conteúdo que só existe depois da hidratação pode simplesmente não existir para eles. Teste com curl e compare com o que o navegador mostra.
• Paywalls, modais e cookie banners. Se o conteúdo principal só aparece depois de uma interação, ele não é recuperável. Entregue o texto no HTML inicial sempre que a estratégia comercial permitir.

Camada 2: extraibilidade. O conteúdo sobrevive ao recorte?

Um assistente não lê a página inteira. Sistemas de RAG (Retrieval-Augmented Generation) fatiam o conteúdo em blocos de aproximadamente 100 palavras, transformam cada bloco em vetor e recuperam apenas os mais próximos da pergunta do usuário. A resposta é escrita a partir desses fragmentos, sem o resto da página.

Isso muda a unidade de otimização: não é a URL, é o bloco. Um teste prático para auditar qualquer página importante é recortar cada parágrafo, ler isolado e perguntar se ele ainda responde algo sozinho. Se não responde, ele não vai ser recuperado.

O que corrigir na prática:

• Resposta direta logo após o subtítulo. Um parágrafo de 40 a 60 palavras que responde a pergunta do H2 antes de qualquer contexto. O detalhe vem depois.
• Sujeito nomeado por extenso. Dentro de um bloco isolado, “ele”, “essa solução” e “a ferramenta” perdem referência. Repita o nome do produto ou do conceito, mesmo que soe redundante na leitura corrida.
• Hierarquia de headings limpa. H2 e H3 descritivos, sem pular níveis, porque o recorte em blocos costuma seguir a estrutura de cabeçalhos. Cabeçalhos no formato da pergunta real do usuário funcionam melhor que rótulos como “Benefícios”.
• Tabelas para dados comparativos, listas numeradas para processos. São formatos que sobrevivem bem à extração e são facilmente reaproveitados pelo modelo.
• Corte a definição óbvia de abertura. Um bloco que só define o termo do título não responde a pergunta nenhuma e desperdiça o começo da página, que é justamente onde a recuperação tende a ser mais forte.
• Um dado concreto por afirmação relevante. Modelos priorizam fontes com números e evidência verificável. “Reduz o tempo de análise” é ignorável; “reduziu o tempo de análise em 40% em 90 dias” é citável.

Camada 3: dados estruturados

Schema não faz a IA citar você, mas ajuda a máquina a classificar o tipo de conteúdo antes de interpretar o texto e reduz ambiguidade sobre entidades. Os tipos que mais rendem:

O campo sameAs no Organization e no Person costuma ser o mais negligenciado e é dos mais úteis: é ele que amarra a marca (ou o autor) aos perfis externos, ajudando o modelo a entender que o site, o LinkedIn, o perfil no diretório do setor e as menções na imprensa se referem à mesma entidade.

Camada 4: entidade de marca e autoria

Modelos de linguagem tratam marcas, pessoas e produtos como entidades e tentam reduzir alucinação preferindo entidades bem definidas e consistentes. O trabalho técnico aqui é de desambiguação.

• Consistência de dados entre fontes. Nome da empresa, razão social, categoria, endereço e descrição precisam estar iguais no site, nos diretórios do setor, nas plataformas de review e nos perfis sociais. Divergência entre fontes é o que mais atrapalha a confiança do modelo na entidade, e é um problema de dados, não de redação.
• Autoria verificável. Página de autor própria, com credenciais reais, marcada com Person, sameAs e vinculada por author no Article. Assinatura genérica (“Equipe de conteúdo”) não constrói entidade.
• Página pilar e conteúdo de aprofundamento. Uma página central sobre o tema principal, com artigos derivados cobrindo subtemas, sinaliza domínio consistente sobre um assunto. Isso continua valendo, com uma ressalva: cluster de conteúdo sem autoridade externa correspondente é sinal fraco, pelo motivo da camada 5.
• Coocorrência. Aparecer em contextos onde outras marcas reconhecidas da categoria aparecem ajuda o modelo a posicionar sua marca dentro do setor. Isso se conquista com presença editorial real (comparativos, listas, cobertura de imprensa), não com menção artificial no próprio site.

Camada 5: o limite do trabalho on-site

Aqui está a razão pela qual um site tecnicamente perfeito ainda pode não ser citado: um modelo de linguagem não escolhe “a melhor página”, ele sintetiza o consenso a partir de tudo o que recupera sobre o tema. Se a marca aparece de forma consistente em fontes independentes (reviews de plataformas do setor, fóruns, imprensa especializada, vídeo, perfis de liderança), a repetição vira sinal de confiança. Se ela só aparece no próprio domínio, é uma afirmação isolada.

Para quem trabalha na parte técnica, isso tem duas implicações práticas:

1. Metade dos sinais que decidem a citação está fora do seu controle de deploy. Vale dimensionar expectativa com a liderança antes de prometer resultado só com trabalho on-site.
2. Consistência de dados de entidade entre fontes externas é trabalho técnico, e normalmente ninguém é dono dele. Auditar como a marca está descrita em cada diretório e plataforma de review é uma tarefa concreta que costuma ficar órfã entre marketing e SEO.

Camada 6: links internos

Uma referência prática e testada é mirar cerca de oito links internos por página relevante, enviados e recebidos, inseridos no corpo do texto e não em menus ou rodapés. Esse patamar tende a otimizar a taxa de rastreamento, distribuir autoridade de forma mais uniforme e acelerar a descoberta de páginas novas.

Vale lembrar do contexto que justifica o esforço: segundo dados do Ahrefs, 96,55% das páginas na internet não recebem nenhuma visita orgânica do Google. Boa parte disso é problema de descoberta e de arquitetura interna, não de qualidade de texto.

Camada 7: instrumentação. O que medir depois do deploy

Trabalho técnico sem medição vira fé. E medir visibilidade em IA não é a mesma coisa que medir posição, por três motivos que mudam a instrumentação:

1. Menção e citação são métricas diferentes. A marca aparecer no corpo da resposta (o modelo incorporou a marca à recomendação) e o domínio aparecer na lista de fontes (o conteúdo virou matéria-prima, sem a marca ser nomeada) são resultados distintos, com causas distintas. Somar os dois num “score de visibilidade” único apaga justamente o diagnóstico: se você tem muita citação e pouca menção, o problema é de autoridade de marca, não de conteúdo indexável.
2. Não existe posição, existe comparação com o concorrente. Aparecer em 30% das respostas não significa nada isolado. Significa uma coisa se o concorrente aparece em 10% e outra bem diferente se ele aparece em 70%.
3. A saída do sistema é não determinística. O mesmo prompt gera respostas diferentes a cada execução. Comparar uma rodada única com outra rodada única é comparar ruído com ruído. A medição precisa repetir cada pergunta várias vezes e aplicar um teste de significância antes de tratar qualquer variação como resultado de um deploy.

É esse tipo de medição que a VisiMention automatiza: um conjunto fixo de prompts é enviado para ChatGPT, Gemini, Claude e Perplexity, repetido por prompt para suavizar a aleatoriedade, e cada resposta é avaliada em sete métricas separadas (taxa de menção, taxa de recomendação, taxa de escolha principal, citação do próprio domínio como fonte, sentimento negativo, share of voice e share de recomendações contra os concorrentes rastreados). Cada resposta traz também as fontes citadas e os resultados de busca que o modelo consultou, o que permite ver quais domínios estão alimentando as respostas da sua categoria, e uma variação só vira alerta quando passa no teste de significância. Para o time técnico, é a diferença entre “acho que o schema ajudou” e uma comparação antes/depois defensável.

Checklist de auditoria técnica de GEO

• robots.txt libera os agentes de cada provedor de IA que você quer atingir (conferidos na documentação oficial deles, não de memória), e o CDN/WAF não bloqueia o que o robots.txt permite.
• O conteúdo principal existe no HTML inicial, sem depender de JavaScript ou de interação do usuário.
• Cada seção começa com uma resposta direta de 40 a 60 palavras.
• Cada parágrafo faz sentido lido isoladamente, com o sujeito nomeado por extenso.
• Hierarquia de headings limpa, com cabeçalhos no formato das perguntas reais.
• Article, FAQPage, Organization e Person implementados e validados, com sameAs preenchido.
• Dados da entidade (nome, categoria, descrição) consistentes entre site, diretórios e plataformas de review.
• Cerca de oito links internos in-content por página relevante, enviados e recebidos.
• Linha de base de visibilidade em IA registrada antes do próximo ciclo de mudanças.

Perguntas frequentes — FAQ

Bloquear os rastreadores de IA prejudica a visibilidade da marca?

Sim, na via que você controla. Bloquear esses agentes impede que o conteúdo do site seja recuperado em tempo real pelos assistentes, o que reduz a chance de citação do próprio domínio. A marca ainda pode ser mencionada com base em fontes de terceiros que falam dela, mas você perde a via em que tem controle direto sobre o texto citado.

Schema markup faz a IA citar meu conteúdo?

Não diretamente. Dados estruturados ajudam a máquina a classificar o tipo de conteúdo e a desambiguar entidades, o que reduz erro de interpretação. A citação depende sobretudo de o conteúdo responder bem à pergunta e de a marca ter sinais de confiança dentro e fora do domínio.

Qual o tamanho ideal de parágrafo para ser recuperado por uma IA?

Sistemas de RAG costumam trabalhar com blocos de aproximadamente 100 palavras. O critério mais útil não é contar palavras, e sim verificar se o parágrafo responde algo completo quando lido fora do contexto da página.

Como saber se uma mudança técnica melhorou a visibilidade em IA?

Registrando uma linha de base antes da mudança, com um conjunto fixo de prompts rodado várias vezes em cada assistente, e repetindo a medição depois. Como as respostas variam a cada execução, só faz sentido tratar como efeito real uma variação grande o bastante para não ser explicada pela aleatoriedade.

Comece pela linha de base

O erro mais caro em GEO técnico é fazer uma bateria de correções (schema, headings, links internos, liberação de crawlers) sem ter registrado como a marca aparecia antes. Sem esse ponto de partida por prompt, por assistente e por concorrente, não há como separar o efeito do seu trabalho da variação natural das respostas.

A VisiMention entrega essa linha de base num único relatório, com as sete métricas por assistente, as fontes que sustentam cada resposta e uma lista de oportunidades priorizada por impacto. Rode antes do próximo sprint de correções e você terá com o que comparar depois.