O que a pesquisa controlada mostra
O estudo de referência da área é de 2024, conduzido por Princeton, Georgia Tech, Allen Institute for AI e IIT Delhi, apresentado na ACM SIGKDD (arXiv:2311.09735). Ele testou modificações de conteúdo e mediu o efeito sobre a probabilidade de citação em respostas geradas.
Os três fatores de maior efeito:
Citação de especialista com credencial identificada: cerca de +41% de probabilidade de citação
Estatística com fonte nomeada: cerca de +31%
Referência inline a fonte autoritativa externa: cerca de +28%
E um resultado na direção oposta, que vale mais que os três: repetição de palavra-chave reduziu a taxa de citação em 8,3%. A tática que dominou quinze anos de SEO tem efeito negativo neste canal.
O padrão por trás dos três primeiros é coerente. Uma página que cita fonte verificável é tratada como fonte verificável. É o mesmo mecanismo que faz a Wikipédia — cuja regra editorial exige fonte para cada afirmação — aparecer em quase metade das respostas do ChatGPT, segundo uma análise da Profound sobre 680 milhões de citações.
Um efeito colateral observado no estudo merece registro: o ganho foi maior justamente para páginas em posição mais baixa no resultado tradicional. Quem já domina a primeira posição tem menos a capturar.
O pré-requisito que nenhuma tática substitui
Um levantamento crítico de 2026, que reuniu a literatura acadêmica da área, chegou a uma conclusão que reorganiza a prioridade de qualquer plano: em 252 mil execuções sobre seis modelos e dezoito fatores testados, relevância e posição foram os determinantes primários da primeira citação.
A tradução operacional é dura: uma página perfeitamente formulada, mas ausente do conjunto recuperado, não é citada. Nenhuma otimização de corpo de texto compensa não estar lá. O mesmo levantamento registra que otimizar apenas o corpo do conteúdo, sem trabalhar recuperação, chegou a reduzir presença nos resultados intermediários.
Isso encerra o debate "SEO ou GEO". A recuperação é a porta; a formulação decide quem passa por ela.
O formato que é extraído com mais frequência
Sistemas de resposta não leem documentos inteiros — extraem trechos. Isso torna o formato uma variável técnica, não estética.
Análises independentes de padrões de citação convergem em dois pontos: conteúdo comparativo ("X ou Y", "alternativas a Z", "melhor opção para tal porte") responde por perto de um terço das citações observadas, e conteúdo em blocos discretos e autocontidos — listas, tabelas, definições — é extraído com muito mais facilidade que prosa corrida.
Daí a prática mais eficiente e menos glamourosa que conhecemos: uma resposta direta de 40 a 60 palavras logo após cada subtítulo, antes do desenvolvimento. É o trecho que o sistema consegue recortar sem contexto adicional. Custa nada e é o que mais aparece nos logs.
Duas táticas que a evidência não sustenta
llms.txt. A adoção cresceu rápido — cerca de 10% de quase 300 mil domínios analisados em 2026. O uso, não: uma medição de maio de 2026 encontrou 97% dos arquivos llms.txt sem uma única requisição. OpenAI, Anthropic e Google orientam explicitamente o uso do robots.txt. O arquivo é estático, custa quase nada e não faz mal. Só não faz o trabalho que estão vendendo.
Bloqueio indiscriminado de crawler de IA. Aqui o dado é mais interessante do que a recomendação. A Cloudflare publica a razão entre páginas rastreadas e visitas devolvidas por operador, e os números variam absurdamente entre recortes — para o crawler da Anthropic, relatórios de 2026 apontam de 4.580:1 a mais de 20.000:1 conforme a janela e a metodologia; o Google opera perto de 5:1. A própria Cloudflare registra que a maioria do rastreio de IA em maio de 2026 tinha finalidade de treino, não de busca.
A assimetria é real. A conclusão prática, para empresa B2B, é oposta à do publisher: quem vive de audiência perde ao ser rastreado sem retorno; quem vive de ser considerado numa decisão de compra perde ao ficar de fora do índice. Bloquear é decisão de modelo de negócio, não de higiene técnica — e a maior parte das indústrias e operações B2B bloqueia por cópia de recomendação feita para jornal.
Onde os estudos discordam — e por que isso importa
Um ponto de honestidade metodológica que raramente aparece nos guias do setor: as fontes divergem sobre a origem das citações.
Um levantamento aponta que a grande maioria vem de fontes controladas pela própria marca — site institucional e listagens. Outro, do mesmo ano, atribui a maior parte a fontes de terceiros: mídia ganha, comunidades, sites de avaliação. As duas afirmações circulam como fato estabelecido.
Provavelmente ambas estão certas dentro do próprio recorte — categorias diferentes, plataformas diferentes, tipos de consulta diferentes. O que isso significa para quem decide orçamento é simples e desconfortável: nenhum benchmark de mercado substitui a medição na sua categoria. Rodar as perguntas do seu comprador e registrar de onde vem cada citação leva algumas horas e vale mais que qualquer número deste artigo.
A lista, em ordem de prioridade
Estar no conjunto recuperado. Indexação, desempenho, arquitetura, autoridade. Pré-requisito, não etapa paralela.
Estrutura extraível. Resposta direta no início de cada bloco, dados em tabela, definição explícita, título que corresponde à pergunta real.
Dado com fonte e data, e especialista nomeado. Os dois fatores de maior efeito medido. Também os que exigem trabalho editorial de verdade.
Conteúdo comparativo. É o formato que o usuário pede e o sistema recorta. Também o mais exposto: comparativo enviesado é identificado rápido, por leitor e por máquina.
Consistência de entidade fora do site. Nome, descrição, localização e área de atuação idênticos em toda menção pública. Fonte isolada é fonte fraca.
Medição com linha de base fixa. Conjunto congelado de perguntas, cadência mensal, registro de quem foi citado e como. Sem isso, tudo acima é achismo bem escrito.
Fontes
Aggarwal et al., GEO: Generative Engine Optimization, ACM SIGKDD 2024 (arXiv:2311.09735) — Princeton, Georgia Tech, Allen Institute for AI, IIT Delhi
Levantamento crítico sobre otimização de visibilidade em motores generativos, 2026 (252 mil execuções, seis modelos, dezoito fatores)
Profound, análise de 680 milhões de citações de LLM
Medições de adoção e uso de llms.txt, 2026
Cloudflare Radar, dados de rastreio e razão crawl-to-refer, 2026