O Perplexity cita entre três a seis fontes por resposta, dependendo da consulta. O modo de navegação do ChatGPT raramente apresenta mais do que cinco. Os investigadores que cunharam o termo "Generative Engine Optimization" — um artigo de 2023 de Princeton, Georgia Tech e Allen AI — descobriram que páginas com estatísticas citáveis e citações diretas registaram ganhos de visibilidade até 40% nas respostas geradas por IA, enquanto o excesso de palavras-chave, aquilo que costumava mover uma classificação no Google, praticamente não teve efeito. Estes três números são muito citados em artigos sobre GEO. O quarto não é, e é o que devia realmente mudar a forma como se escreve uma página: quando se rastreia de que parte de um documento um modelo retirou a sua resposta, é esmagadoramente o primeiro terço. Não o parágrafo melhor escrito. Não a secção com mais detalhe. O topo.
Porque "abrangente" deixou de ser o trunfo
Durante quinze anos, o conselho de SEO foi alguma variante de "escreva o recurso definitivo". Cubra todos os ângulos, atinja as 2.500 palavras, supere a concorrência em profundidade, e os sistemas de classificação do Google acabariam por reparar que tinha construído a resposta mais completa da internet. Esse instinto não se aplica à forma como um motor generativo escolhe as fontes, e perceber porquê exige perceber o que acontece de facto por trás dos bastidores quando alguém faz uma pergunta ao ChatGPT ou ao Perplexity em vez de a escrever numa caixa de pesquisa.
Um motor de pesquisa classifica documentos inteiros. Um motor generativo não lê documentos inteiros no momento da inferência — recupera fragmentos. A sua página é dividida em janelas sobrepostas, tipicamente na ordem dos 300–500 tokens, cada uma transformada num embedding e avaliada por semelhança em relação à consulta do utilizador. O sistema recolhe os melhores fragmentos entre todas as páginas candidatas, insere-os no contexto do modelo junto com a pergunta, e pede-lhe para sintetizar uma resposta. O seu guia de 2.500 palavras já não compete como uma única unidade. Compete fragmento a fragmento, e a maioria dos pipelines de recuperação só extrai um ou dois fragmentos por fonte antes de passar à citação seguinte.
Eis a parte que me surpreendeu quando comecei a prestar atenção a quais páginas eram de facto citadas nas consultas que estava a acompanhar: o fragmento inicial ganha desproporcionadamente mais vezes, mesmo quando uma secção posterior responde à consulta com mais precisão. Parte disso é relevância genuína — os bons redatores colocam a resposta perto do topo de qualquer forma. Mas grande parte é estrutural. Títulos, H1s e meta descrições ganham peso extra em muitos sistemas de recuperação, e esse peso reflete-se no parágrafo que fica logo por baixo deles. Uma página que esconde a sua verdadeira afirmação sob seis parágrafos de introdução está a entregar o seu melhor material a um limite de fragmento que não controla.
Como isto se traduz numa comparação real
| Fator | Peso no SEO clássico | Peso no GEO |
|---|---|---|
| Número total de palavras | Correlacionado com classificações durante anos | Praticamente irrelevante para lá do primeiro fragmento |
| Densidade de palavras-chave | Sinal moderado, historicamente | Praticamente nulo — os embeddings correspondem a significado, não a sobreposição literal de texto |
| Posição da resposta na página | Fator menor de UX | Dominante — determina que fragmento é recuperado |
| Estatísticas citáveis / citações diretas | Interessante para backlinks | Até +40% de visibilidade segundo o estudo de Princeton/GT |
| Número de backlinks | Sinal de classificação primário | Indireto no máximo — ainda importa para a prioridade de rastreio, não para a pontuação de recuperação |
A parte que as pessoas trocam
O erro comum que vejo quando os criadores tentam "fazer GEO" é tratá-lo como um problema de palavras-chave com um novo vocabulário — vão à procura das frases que as pessoas escrevem no ChatGPT e tentam encaixá-las num título. Isso não é irrelevante, mas está a otimizar para o lado da consulta numa correspondência quando a alavanca está quase toda do lado do documento. A ação que de facto se reflete no número de citações é responder à pergunta nas primeiras 150–200 palavras, em frases declarativas simples, antes de chegar às nuances, às ressalvas ou à história de como se qualifica para responder.
Reescrevi uma das nossas próprias páginas de apoio apenas para mover a resposta para acima da dobra — mesmo conteúdo, mesmo número de palavras, apenas reordenado — e começou a aparecer nas respostas do Perplexity para uma consulta onde nunca tinha aparecido em três meses. Nada mais mudou. É um ponto pequeno e isolado, não um estudo, mas é o tipo de coisa que faz parar de escrever introduções.
O efeito secundário que vale a pena conhecer: como a unidade de recuperação é um fragmento, não uma página, uma página longa não é penalizada pela profundidade — só não recebe crédito por ela na própria citação, mesmo que essa profundidade seja o motivo pelo qual uma pessoa clica depois. Isso significa que o velho hábito de encher o início com enfeites de SEO ("Neste guia abrangente, vamos explorar...") está de facto a custar-lhe o único lugar que importa, enquanto a substância real mais abaixo está a fazer trabalho não remunerado pela taxa de cliques e tempo de permanência, mas nunca chega à janela de contexto do modelo.
O que mudar de facto
Três coisas, por ordem de impacto nas páginas que tenho vindo a observar: coloque a resposta direta à pergunta implícita no primeiro parágrafo, não no terceiro. Use um número real ou uma fonte identificada nesse mesmo parágrafo, se tiver um — o número de 40% não é um acaso, os modelos parecem dar mais peso a afirmações concretas do que a declarações genéricas ao escolher o que citar. E estruture os títulos como se cada um pudesse ser a única frase recuperada, porque, para uma parte significativa do tráfego de respostas de IA, será mesmo.
Nada disto substitui escrever algo que valha a pena ler do início ao fim. Significa apenas que as primeiras 200 palavras deixaram de ser espaço de introdução — são o argumento inteiro, dirigido a uma audiência de um único modelo a decidir se vale a pena citá-lo.
