Antes de citar o seu site, a IA precisa encontrá-lo, recuperá-lo e decidir que ele ajuda na resposta. Entender esse caminho explica por que alguns sites aparecem sempre e outros nunca.
Índice do artigo
- Duas formas de a IA “saber” algo
- RAG: a busca antes da resposta
- Query fan-out: uma pergunta vira várias buscas
- Cada plataforma tem seu caminho
- As 4 etapas até a citação
- O que isso significa para o seu conteúdo
- Perguntas frequentes
Duas formas de a IA “saber” algo
- Conhecimento do treinamento: o que o modelo aprendeu com dados usados no treino. É amplo, mas tem data de corte e não gera link para a fonte.
- Recuperação em tempo real: quando o sistema busca páginas na web (ou num índice) no momento da pergunta e usa esse conteúdo para responder, geralmente com citação.
As citações que geram visibilidade e tráfego vêm quase sempre da segunda forma.
Em uma frase: para ser citado, o seu conteúdo precisa ser recuperado no momento da pergunta, e não apenas ter feito parte do treinamento do modelo.
RAG: a busca antes da resposta
RAG (retrieval-augmented generation) é a técnica em que o sistema primeiro recupera documentos relevantes e depois gera a resposta com base neles. O Google explica que, nos seus recursos de IA, a recuperação usa os próprios sistemas centrais de ranqueamento para buscar páginas relevantes e atuais do índice, e depois o modelo analisa as informações dessas páginas para montar uma resposta com links.
Em outras palavras: nos AI Overviews e no AI Mode, quem não é bem avaliado pela busca tradicional dificilmente é recuperado.
Query fan-out: uma pergunta vira várias buscas
O fan-out é quando o modelo desdobra a pergunta original em várias consultas relacionadas para cobrir melhor o tema. Uma pergunta complexa como “qual ferramenta de teste A/B usar num e-commerce pequeno” pode gerar buscas sobre preço, tráfego mínimo, teste client-side x server-side e alternativas gratuitas.
Consequências:
- o seu conteúdo pode ser citado por uma sub-pergunta que o usuário nem digitou;
- cobrir bem os subtemas de um assunto aumenta as chances de recuperação;
- as sub-consultas não aparecem em ferramentas de palavras-chave nem no Search Console.
Cuidado: o Google alerta que criar uma página para cada variação possível de pergunta, com o objetivo de manipular resultados, pode violar a política contra abuso de conteúdo em escala. O caminho é cobertura útil do tema, não multiplicação de páginas.
Cada plataforma tem seu caminho
- Google (AI Overviews e AI Mode): usa o índice e o Googlebot da Busca. Para aparecer, a página precisa estar indexada e elegível a snippet. O token Google-Extended controla o uso do conteúdo para treino e grounding dos modelos Gemini, mas não afeta a Busca.
- ChatGPT: usa robôs próprios da OpenAI. O OAI-SearchBot é associado à indexação para a busca do ChatGPT, enquanto o GPTBot é associado à coleta para treinamento. Há também agentes que acessam páginas a pedido do usuário.
- Perplexity: usa o PerplexityBot para indexação e recuperação.
- Claude: a Anthropic também separa robôs de treinamento, de busca e de acesso a pedido do usuário.
Os nomes e funções dos robôs mudam com o tempo. Consulte sempre a documentação oficial de cada empresa antes de configurar o robots.txt (veja SEO técnico para IA).
As 4 etapas até a citação
- Acesso: o robô da plataforma consegue rastrear a página (robots.txt, CDN, firewall e servidor permitem).
- Indexação e entendimento: o conteúdo é lido corretamente (texto acessível, JavaScript renderizável, sem bloqueios).
- Recuperação: a página é considerada relevante para a pergunta ou para alguma sub-consulta do fan-out.
- Seleção para a síntese: entre as páginas recuperadas, o modelo usa as que trazem informação mais útil, clara e confiável para aquela resposta.
A maior parte dos problemas está nas etapas 1 a 3. A etapa 4 é onde o estudo original de GEO encontrou efeito de citar fontes, trazer estatísticas e incluir citações de especialistas.
O que isso significa para o seu conteúdo
- SEO continua sendo a porta de entrada. Sem acesso, indexação e relevância, não existe citação.
- Cubra o tema, não só a palavra-chave. Pense nas perguntas relacionadas que alguém faria em seguida.
- Seja a fonte primária. Dados próprios, pesquisas, casos e experiência direta são mais citáveis que resumos de outros sites.
- Facilite a extração. Definições claras, respostas diretas no início das seções e estrutura organizada ajudam a síntese (veja Como escrever conteúdo que a IA usa como fonte).
- Não bloqueie por engano. Muitos sites bloqueiam robôs de busca de IA sem saber, por regras antigas de robots.txt ou proteção de CDN.
Perguntas frequentes
Como o ChatGPT escolhe os sites que cita?
Quando busca na web, ele recupera páginas por meio de robôs e índices e usa as mais relevantes e úteis para montar a resposta, com links para as fontes.
O que é RAG?
Retrieval-augmented generation: a técnica de recuperar documentos relevantes antes de gerar a resposta, para torná-la mais precisa e atual.
O que é query fan-out?
O desdobramento de uma pergunta em várias consultas relacionadas feitas pelo modelo para coletar mais informação.
Por que meu site não aparece no AI Overview?
As causas mais comuns são falta de indexação, página não elegível a snippet, baixa relevância para a consulta ou conteúdo genérico sem diferencial.
Bloquear o GPTBot tira meu site do ChatGPT?
O GPTBot é associado ao treinamento. A presença na busca do ChatGPT está ligada a outro robô, o OAI-SearchBot. Verifique a documentação atual da OpenAI.
Estar no treinamento do modelo garante citação?
Não. Citações com link vêm principalmente da recuperação em tempo real.
