Guia técnico: como otimizar seu site e conteúdo para ser citado por IA

93% dos brasileiros conectados já usaram IA generativa e 32,3% reduziram buscas no Google. Otimização técnica para busca por IA não é mais preparação para o futuro – é correção de uma lacuna que já existe. O problema é que a maioria dos guias disponíveis em português explica o que é GEO (Generative Engine Optimization), mas não mostra o que mudar no código, no conteúdo e nas configurações do servidor. Este guia faz isso.

Aqui você vai encontrar as três camadas de otimização técnica, na ordem de implementação, com exemplos de código reais e dados que justificam cada mudança. Sem teoria que você já conhece. Apenas o que implementar.

Por que isso importa agora (e por que SEO tradicional não é suficiente)

O Brasil já mudou sua relação com a busca

93% dos brasileiros conectados já usaram IA generativa – ChatGPT, Gemini, Copilot. Não como experiência pontual: 49,7% usam diariamente e 86,4% ao menos semanalmente. Segundo pesquisa Conversion/ESPM, 32,3% reduziram as buscas no Google após adotar IA – e 52% obtêm respostas direto dos resumos de IA sem clicar em nenhum link.

O EY Research de outubro de 2025 confirma que o Brasil supera a média global em todos os indicadores de adoção de IA generativa. 62% dos brasileiros confiam em IA generativa, contra 43,3% de preferência por buscas tradicionais globalmente.

Isso não é tendência emergente. É o estado atual do mercado.

Ranquear no Google não garante aparecer nas respostas de IA

Há um dado que muda a lógica do SEO tradicional: apenas 12% das citações do ChatGPT correspondem a URLs da primeira página do Google, segundo o Profound study. O Google e o ChatGPT recorrem a fontes diferentes. Estar em #1 no Google não coloca você automaticamente nas respostas do ChatGPT.

A boa notícia é que 86% das citações de IA vêm de fontes que marcas podem gerenciar ou influenciar diretamente, segundo a Yext em análise de 6,8 milhões de citações de 1,6 milhão de respostas de IA (Gemini, OpenAI, Perplexity). AI search não é uma caixa preta incontrolável. As técnicas deste guia atuam exatamente nessas fontes gerenciáveis.

Para entender melhor como cada LLM decide o que citar antes de implementar, leia o artigo sobre como LLMs decidem o que citar.

Camada 1: Conteúdo citável – o que muda na escrita

A primeira camada não requer alterações técnicas no servidor ou código. É sobre como você estrutura o texto. E tem o maior impacto individual.

Blocos de resposta direta: o formato que IA prefere extrair

Blocos de resposta direta são parágrafos estruturados para que um sistema de IA consiga extraí-los e citá-los autonomamente, sem depender do contexto anterior. O estudo Semrush AI Citation Study mediu que clareza e sumarização resultam em +32,83% de citações – maior fator positivo de todos os 13 parâmetros analisados.

O GEO paper (Aggarwal et al., Cornell/Columbia/Princeton, KDD 2024) quantificou o efeito em 10 domínios distintos e 500 queries: tom autoritativo aumenta visibilidade em +34,57% e estatísticas com citações de fontes: +30-40%.

A estrutura de um bloco de resposta direta é simples:

• Primeira frase: responde diretamente a pergunta implícita do H3
• Segunda frase: dado quantitativo com fonte hiperlinkada
• Terceira frase: contexto ou implicação prática

Como escrever:

“FAQPage schema está em apenas 10,5% das páginas citadas por IA. Isso significa que há uma lacuna imediata: a maioria dos concorrentes não tem este schema, e implementá-lo coloca você à frente em um critério que a IA usa para decidir o que citar.”

Como não escrever:

“O schema FAQPage pode ser uma excelente estratégia para otimizar seu conteúdo de acordo com as boas práticas que são fundamentais para garantir que sua marca tenha visibilidade.”

A segunda versão não é citável. Não tem dado, não tem resposta direta e o leitor precisaria ler o parágrafo anterior para entender o contexto.

A hierarquia semântica que IA usa para navegar o conteúdo

IAs não leem artigos linearmente como humanos. Elas identificam chunks – unidades de texto que podem ser extraídas e citadas isoladamente. H2 e H3 são os delimitadores desses chunks.

O Semrush AI Citation Study mediu +22,91% em citações para conteúdo com estrutura de seções clara e +25,45% para formato Q&A. Não são decorações – são sinais estruturais que a IA usa para identificar onde estão as respostas.

Kevin Indig (Growth Memo) documentou que páginas com título tendo 50% ou mais de overlap com a query têm 20,1% de taxa de citação contra 9,3% para menos de 10% de overlap. Alinhamento de título gera 2,2x mais citações só por isso.

A regra prática: cada H3 deve funcionar como uma unidade autônoma. Se você extrair apenas o H3 e seu parágrafo, a informação deve fazer sentido sem o contexto anterior. Se precisar de um “como vimos acima” ou “conforme mencionado” para explicar, o H3 não está autocontido.

Tom, densidade de dados e o que definitivamente não funciona

Dois dados do GEO paper e do Semrush study definem o que evitar:

• Tom promocional: -26,19% em citações (maior impacto negativo de todos os fatores analisados)
• Keyword stuffing: -10% de visibilidade em motores de IA

IA trata linguagem de assessoria de imprensa como sinal negativo de confiabilidade. “Solução inovadora que transforma a experiência do usuário” não é citável. “Páginas com schema Person são citadas 7x mais do que a média” é.

O Otterly AI analisou 1 milhão de citações e encontrou que conteúdo citado por IA é 25,7% mais recente do que conteúdo citado no Google orgânico. Freshness importa mais para IA do que para Google.

O que funciona: densidade de dados por parágrafo, linguagem objetiva, exemplos específicos com números, atualização regular de artigos com datas e dados novos.

O que não funciona: adjetivos sem evidência, linguagem de vendas, repetição de keyword sem contexto adicional, conteúdo desatualizado sem indicação de quando foi atualizado pela última vez.

Camada 2: Schema markup para LLMs

Schema markup é a forma de comunicar para sistemas de IA, em linguagem estruturada, quem você é, o que você publica e quais partes do seu conteúdo são perguntas, respostas, steps de tutorial ou dados de autoria. É a diferença entre a IA ter que inferir esses dados lendo o texto e tê-los declarados explicitamente.

Para entender melhor a relação entre SEO técnico e GEO antes de implementar schema, veja SEO e GEO: como se complementam.

Quais schemas aparecem nos sites citados por IA (dados de 5.499 sites)

O Spotlight study de dezembro de 2025 analisou 5.499 websites citados por modelos de IA. O resultado inverte a expectativa de quem prioriza Article schema:

Person (364 ocorrências) aparece 7x mais que Article (49). A IA prioriza saber quem escreveu o conteúdo antes de saber que tipo de conteúdo é. Isso faz sentido: autoria é um proxy de confiabilidade.

Nota importante sobre o estudo: é correlacional, não causal. Sites de qualidade tendem a ter mais schema e mais citações por razões independentes. Mas a correlação é forte o suficiente para justificar implementação.

A Stackmatix quantificou: schema markup correto = 2,5x mais chance de aparecer em AI answers, e sites com Tier 1 schema completo têm até +40% de citações. O Semrush Technical SEO Study encontrou que a acurácia do GPT-5 melhora de 16% para 54% com schema adequado implementado.

FAQPage está em apenas 10,5% das páginas citadas por IA, contra 71% que têm algum tipo de schema. É a maior lacuna de oportunidade no conjunto de dados.

FAQPage e HowTo em JSON-LD: implementação funcional

FAQPage é o schema que declara perguntas e respostas em um formato que a IA pode extrair diretamente para responder queries. Coloque no <head> ou logo antes do </body>:

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Qual a diferença entre GPTBot e ChatGPT-User no robots.txt?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "GPTBot é o bot de treinamento da OpenAI - ingere conteúdo para atualizar os pesos do modelo. ChatGPT-User é o bot de retrieval - acessa conteúdo em tempo real para responder queries. Bloquear GPTBot protege seu conteúdo de alimentar treinamentos futuros. Bloquear ChatGPT-User remove seu site das citações do ChatGPT."
      }
    },
    {
      "@type": "Question",
      "name": "Schema markup garante que meu site vai aparecer nas respostas de IA?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Não garante, mas aumenta significativamente a probabilidade. Sites com schema correto têm 2,5x mais chance de aparecer em AI answers (Stackmatix). É correlação observacional, não causalidade determinística - outros fatores como qualidade do conteúdo e autoridade do domínio também influenciam."
      }
    }
  ]
}

HowTo é usado em tutoriais e guias de implementação. Cada step é um chunk citável independente:

{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "Como implementar schema markup para aparecer em citações de IA",
  "description": "Processo de implementação dos schemas Person, Organization e FAQPage em JSON-LD para maximizar visibilidade em motores de IA.",
  "step": [
    {
      "@type": "HowToStep",
      "name": "Implementar Person schema",
      "text": "Adicione JSON-LD com @type Person no <head> de todas as páginas do blog. Inclua os campos name, jobTitle, url e sameAs com links para LinkedIn e outras fontes de autoridade do autor."
    },
    {
      "@type": "HowToStep",
      "name": "Implementar Organization schema",
      "text": "Adicione JSON-LD com @type Organization no <head> da homepage e das páginas principais. Inclua name, url, description e sameAs com links para perfis verificados da empresa."
    },
    {
      "@type": "HowToStep",
      "name": "Adicionar FAQPage nos posts com perguntas frequentes",
      "text": "Identifique quais H3 do artigo são perguntas implícitas. Crie o JSON-LD FAQPage com mainEntity para cada par pergunta-resposta. Coloque antes do </body>."
    }
  ]
}

Em WordPress, use um plugin de SEO que suporte JSON-LD (Yoast SEO, RankMath) ou adicione via wp_head hook para schemas globais.

Person e Organization: os schemas mais subestimados

O dado do Spotlight study é difícil de ignorar: Person schema em 364 blogs citados por IA, Article schema em 49. A maioria dos SEOs implementa Article e ignora Person. Os dados sugerem a prioridade inversa.

Person conecta o autor do conteúdo às suas publicações externas via campo sameAs. Para a IA, isso é o equivalente de apresentar credenciais antes de citar. Sinais de EEAT (Experiência, Expertise, Autoridade, Confiabilidade) representam +30,64% em citações no Semrush study – Person schema é a implementação técnica desse sinal.

{
  "@context": "https://schema.org",
  "@type": "Person",
  "name": "Nome do Autor",
  "jobTitle": "SEO Specialist",
  "url": "https://tropk.ai/autor/nome",
  "sameAs": [
    "https://www.linkedin.com/in/nome-autor",
    "https://twitter.com/nome_autor"
  ],
  "knowsAbout": [
    "GEO - Generative Engine Optimization",
    "SEO técnico",
    "Otimização para IA",
    "Dados estruturados"
  ],
  "worksFor": {
    "@type": "Organization",
    "name": "Tropk.ai",
    "url": "https://tropk.ai"
  }
}

Organization declara a identidade do publisher. A IA usa isso para avaliar a autoridade da fonte antes de decidir se cita:

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Tropk.ai",
  "url": "https://tropk.ai",
  "description": "Plataforma brasileira de inteligência para visibilidade de marcas em motores de busca por IA",
  "sameAs": [
    "https://www.linkedin.com/company/tropk-ai"
  ]
}

Implemente Person e Organization em todas as páginas do site, não só nos posts individuais. São os schemas com maior frequência nos dados do Spotlight e os que sinalizam confiabilidade de fonte para o sistema de IA.

Speakable schema: sinalizar seções prioritárias para IA

Speakable foi criado originalmente para assistentes de voz, mas em 2026 funciona como indicador de qual parte do artigo a IA deve priorizar na extração. Você usa CSS selectors para marcar as seções mais citáveis:

{
  "@context": "https://schema.org",
  "@type": "Article",
  "name": "Guia técnico de otimização para busca por IA",
  "speakable": {
    "@type": "SpeakableSpecification",
    "cssSelector": [
      ".article-summary",
      ".key-findings",
      "h2",
      "h3"
    ]
  },
  "url": "https://tropk.ai/blog/guia-tecnico-otimizacao-ia"
}

Use Speakable para marcar: a introdução, as tabelas de dados, o FAQ e os H2/H3 com os dados mais fortes. Ainda não há dados quantitativos de impacto específico desse schema em citações – implemente como sinal de prioridade, não como garantia de resultado.

Camada 3: Configuração técnica para crawlers de IA

Esta é a camada mais ignorada pelos guias disponíveis em português. Configuração errada de robots.txt pode, silenciosamente, remover seu site das citações de IA – sem nenhum erro visível, sem alerta. O problema existe há anos na maioria dos sites.

robots.txt: a distinção entre treinamento e retrieval que a maioria não conhece

Existem dois tipos de bots de IA com comportamentos opostos:

• Bots de treinamento: ingerem conteúdo permanentemente para atualizar os pesos do modelo de IA. Bloquear esses bots protege seu conteúdo de alimentar modelos futuros.
• Bots de retrieval: acessam conteúdo em tempo real quando um usuário faz uma query. Bloquear esses bots remove seu site das citações em tempo real.

A maioria dos SEOs bloqueia todos os bots desconhecidos por precaução. O resultado é sair das citações do ChatGPT e do Perplexity sem perceber.

Configuração recomendada para publishers que querem visibilidade em AI search:

# Bots de TREINAMENTO - proteger conteúdo proprietário
User-agent: GPTBot
Disallow: /conteudo-premium/
Disallow: /relatorios/

User-agent: ClaudeBot
Disallow: /conteudo-premium/

User-agent: Google-Extended
Disallow: /conteudo-premium/

# Bots de RETRIEVAL - permitir para aparecer nas respostas de IA
User-agent: ChatGPT-User
Allow: /

User-agent: PerplexityBot
Allow: /

# Sitemap (obrigatório - nunca omitir)
Sitemap: https://seusite.com/sitemap.xml

Para conteúdo público de blog, permitir inclusive os bots de treinamento aumenta a chance de seu conteúdo aparecer nas respostas futuras dos modelos. Bloquear treinamento faz sentido apenas para dados proprietários que você não quer no domínio público dos modelos de IA.

Fontes técnicas: genrank.io e aicarma.com.

llms.txt: o arquivo que dá contexto ao LLM sobre seu site

Jeremy Howard (Answer.AI) propôs o padrão llms.txt em setembro de 2024. É um arquivo Markdown na raiz do domínio que funciona como uma apresentação do site para modelos de linguagem. Não define permissões (isso é o robots.txt) – define contexto: quem você é, o que publica e quais páginas são mais relevantes para o modelo entender o site.

A diferença prática: quando um sistema de IA que suporta o padrão acessa seu domínio, lê o llms.txt antes de indexar o conteúdo. É o equivalente de uma introdução antes da conversa começar.

Estrutura obrigatória do padrão (blockquote de resumo + seções H2 com links):

Tropk.ai é uma plataforma brasileira de inteligência para visibilidade de marcas
em motores de busca por IA. Monitora e analisa citações em ChatGPT, Perplexity
e Google AI Overviews para o mercado brasileiro.

Este site é referência em GEO (Generative Engine Optimization), AEO (Answer Engine
Optimization) e monitoramento de visibilidade em IA. Todo conteúdo é produzido em
português brasileiro com dados do mercado local.

## Blog

- [O que é GEO](https://blog.tropk.ai/o-que-e-geo-generative-engine-optimization/): guia completo de Generative Engine Optimization
- [Guia técnico de otimização para IA](https://blog.tropk.ai/guia-tecnico-otimizacao-site-conteudo-citado-ia/): implementação prática de schema, robots.txt e estrutura de conteúdo
- [Como LLMs decidem o que citar](https://blog.tropk.ai/generative-engine-optimization-como-llms-decidem-o-que-citar/): análise dos critérios de citação por engine

## Sobre a Tropk.ai

- [Homepage](https://tropk.ai): plataforma e serviços de monitoramento de visibilidade em IA

Coloque o arquivo em https://seudominio.com/llms.txt. O GitHub oficial do padrão está em https://github.com/answerdotai/llms-txt. Para entender melhor o que é AEO (Answer Engine Optimization) e como llms.txt se encaixa nessa estratégia, veja o artigo específico.

Sitemap XML: configuração para maximizar indexação por AI crawlers

O Otterly AI encontrou que conteúdo citado por IA é 25,7% mais recente que conteúdo citado no Google orgânico. Frescor não é apenas um fator de ranking – é um critério de seleção de citação.

O campo <lastmod> em ISO 8601 é o sinal de frescor mais direto para crawlers de IA. Nunca omita. Exemplo de entrada de sitemap para artigo pilar:

<url>
  <loc>https://tropk.ai/blog/guia-tecnico-otimizacao-site-conteudo-citado-ia/</loc>
  <lastmod>2026-04-07</lastmod>
  <changefreq>monthly</changefreq>
  <priority>1.0</priority>
</url>

Configuração de prioridade:
– 1.0 para pillar pages (artigos de referência permanente)
– 0.8 para cluster articles (artigos do cluster editorial)
– 0.5 para páginas de apoio e categorias

Submita o sitemap no Google Search Console e, especialmente, no Bing Webmaster Tools. O ChatGPT usa o Bing como fonte de retrieval em tempo real – submeter no Bing é o caminho direto para o índice que alimenta as citações do ChatGPT.

Diferenças por plataforma: o que funciona em cada motor de IA

Otimizar para “IA” como bloco único é a estratégia errada. Google AI Mode, Google AI Overviews, Gemini, ChatGPT e Perplexity têm padrões de citação completamente diferentes. O que funciona em um pode não funcionar em outro.

Google AI Mode e AI Overviews: comportamentos diferentes dentro do mesmo ecossistema

O Almcorp/Tinuiti Q1 2026, em análise de 680 milhões de citações, encontrou que o Google AI Mode cita +143% mais domínios únicos do que os AI Overviews em janeiro de 2026. São dois produtos do mesmo Google com comportamentos opostos.

A divergência nas fontes sociais é ainda mais dramática: Reddit representa 44% das citações sociais nos AI Overviews, mas apenas 5% no Google Gemini. E o Gemini usa Medium (28%) e YouTube (29%) como fontes sociais predominantes – categorias que os AI Overviews praticamente ignoram.

Implicação prática: “estratégia para o Google IA” precisa especificar qual produto. Uma estratégia para AI Overviews (volátil, muita variação de domínio) é diferente de uma estratégia para Google AI Mode (mais amplo, mais diversificado) e diferente de uma para Gemini (mais conservador em fontes).

ChatGPT e Perplexity: padrões de citação diferentes

O Kevin Indig (Growth Memo) documentou que páginas no #1 do Google são citadas 3,5x mais pelo ChatGPT do que páginas fora do top 20. 55,8% de todas as páginas citadas pelo ChatGPT estavam no top 20 para ao menos uma query. O ranking tradicional ainda importa como base para citações em IA.

Mas há um dado que inverte a lógica de rastreamento: 32,9% das páginas citadas aparecem apenas em fan-out queries – queries secundárias que a IA constrói a partir da query original do usuário, não na query que você está rastreando. Marcas que monitoram apenas as keywords primárias perdem quase um terço da superfície total de citação.

Para queries sobre SEO especificamente, o Almcorp/Tinuiti encontrou que YouTube (39,1%) e Google.com (39%) empatam como fontes mais citadas. Isso sugere que presença em vídeo e em listagens do próprio Google complementa a estratégia de blog para esse tema.

Por onde começar: priorização por impacto

O GEO paper (KDD 2024) encontrou que a combinação de técnicas gera +40,54% de visibilidade média. Para sites no 5º lugar da SERP, o ganho sobe para +115,1%. Quem não está em #1 tem mais a ganhar do que quem já está.

55,8% das páginas citadas por IA estão no top 20 para alguma query – ranking orgânico ainda importa como base. E 86% das citações vêm de fontes gerenciáveis. Isso define a ordem de prioridade:

Conteúdo vem antes de schema porque é a mudança com maior impacto e menor esforço técnico. Schema markup amplifica um conteúdo já bem estruturado – implementado sobre conteúdo ruim, o impacto é mínimo.

Para acompanhar se essas mudanças estão gerando citações reais, veja como medir visibilidade da marca em IAs.

Você pode implementar todas as mudanças deste guia. Mas como saber se estão funcionando? A Tropk.ai monitora citações de marcas em ChatGPT, Perplexity e Google AI. Veja como funciona.

FAQ

Qual a diferença entre GPTBot e ChatGPT-User no robots.txt?

GPTBot é o bot de treinamento da OpenAI: ingere conteúdo para atualizar permanentemente os pesos do modelo. ChatGPT-User é o bot de retrieval: acessa conteúdo em tempo real quando um usuário faz uma query no ChatGPT. Bloquear GPTBot protege seu conteúdo de alimentar treinamentos futuros de modelos. Bloquear ChatGPT-User remove seu site das citações em tempo real do ChatGPT. São funções opostas e devem ser tratadas separadamente no robots.txt.

Como implementar FAQPage schema no WordPress?

Use o plugin Yoast SEO (Premium) ou RankMath, que geram JSON-LD automaticamente a partir do bloco de FAQ do editor de blocos. Alternativa: adicione o JSON-LD manualmente via widget de HTML personalizado na área <head> ou use um plugin de inserção de código como Header Footer Code Manager. O código JSON-LD do FAQPage está disponível neste artigo – copie, adapte as perguntas e cole.

O que é llms.txt e onde colocar no site?

llms.txt é um arquivo Markdown proposto por Jeremy Howard (Answer.AI) que fornece contexto curado para modelos de linguagem sobre o que é seu site e quais páginas são mais relevantes. Coloque na raiz do domínio: https://seusite.com/llms.txt. Difere do robots.txt: robots.txt define permissões de acesso; llms.txt define o contexto e o guia de prioridade para o LLM. Os dois coexistem e se complementam.

Schema markup garante que meu site vai aparecer nas respostas de IA?

Não garante – é correlação, não causalidade determinística. O Spotlight study de 5.499 sites é observacional: sites de qualidade tendem a ter mais schema e mais citações por razões independentes. Mas a Stackmatix quantificou 2,5x mais chance de aparecer em AI answers com schema correto. É suficiente para justificar a implementação – sem garantia de resultado.

Preciso desativar o robots.txt para aparecer no ChatGPT?

Não. Você precisa garantir que o bot ChatGPT-User (retrieval em tempo real) esteja permitido no robots.txt. Se sua regra atual usa User-agent: * com Disallow: / ou bloqueia todos os bots desconhecidos, o ChatGPT-User está bloqueado. A solução é adicionar explicitamente User-agent: ChatGPT-User com Allow: / antes das regras genéricas. O robots.txt existente permanece para todos os outros bots.

Quanto tempo leva para mudanças de schema surtirem efeito em citações de IA?

Schema é processado no próximo crawl do bot relevante – tipicamente dias a semanas para o conteúdo ser reindexado. O impacto em citações de IA aparece em 4 a 8 semanas, mas varia por plataforma e frequência de atualização do modelo. Mudanças de conteúdo (hierarquia de headings, blocos de resposta direta) têm efeito mais rápido porque o crawler lê e processa imediatamente, sem depender de reindexação de metadados estruturados.

É melhor melhorar o ranking no Google ou implementar schema para visibilidade em IA?

Os dois contribuem por razões diferentes. 55,8% das páginas citadas por IA estão no top 20 do Google para alguma query – ranking orgânico ainda importa como base. Mas apenas 12% das citações do ChatGPT vêm do top 10 do Google, e schema markup aumenta 2,5x a chance de AI answers. A estratégia mais eficiente é manter ranking orgânico como fundação e implementar schema para amplificar a citabilidade onde o ranking não chega.

O que é fan-out query e por que importa para minha estratégia?

Fan-out query é uma query secundária que a IA constrói a partir da query original do usuário para buscar informações complementares. Kevin Indig documentou que 32,9% de todas as páginas citadas por IA aparecem apenas nessas queries secundárias – não na query principal. Marcas que rastreiam apenas keywords primárias estão perdendo quase um terço da superfície de citação. Artigos técnicos específicos como este têm alta chance de citação em fan-out queries mesmo com volume zero nas ferramentas tradicionais.