AEO e GEO para AI Overviews, ChatGPT, Claude, Gemini e Perplexity

• Os resultados de busca estão deixando de ser uma lista de links para se tornar páginas-fonte que a IA lê no lugar do usuário, e AI Overviews, ChatGPT, Claude, Perplexity e Gemini passam a consultar páginas da web em tempo real
• AEO (Answer Engine Optimization) é o trabalho de fazer com que sua página seja a fonte citada quando um mecanismo de respostas fornece a resposta diretamente; GEO (Generative Engine Optimization) é o trabalho de aparecer dentro da resposta escrita por uma IA generativa
• No próprio guia de otimização para IA, o Google define os dois conceitos como variações do SEO tradicional e afirma explicitamente que os mesmos sistemas de ranking e qualidade determinam tanto a busca comum quanto o AI Overview
• O pré-requisito para aparecer em recursos de IA é ter elegibilidade para snippets na busca comum, e resolver problemas de bloqueio de rastreamento, renderização e indexação vem antes da otimização de conteúdo
• As páginas citadas são aquelas que trazem números concretos, experiência própria e detalhes exclusivos que o modelo não conseguiria escrever apenas com dados de treinamento; AEO/GEO não é uma disciplina separada de SEO, mas uma continuação do mesmo trabalho

---

Definição e posicionamento de AEO e GEO

• Diferentemente de dois anos atrás, o Google abre resultados com AI Overviews; ChatGPT e Claude puxam resultados da web em tempo real para as respostas; a Perplexity construiu o produto inteiro nesse modelo; e o Gemini está acessível com um toque em todas as superfícies do Google
• A página já não é mais o destino, mas a fonte que o modelo lê no lugar do usuário
• AEO (Answer Engine Optimization): o trabalho de se tornar a fonte usada quando um mecanismo de respostas entrega diretamente a resposta, em vez de uma lista de links
• GEO (Generative Engine Optimization): o trabalho de aparecer dentro da resposta que a IA generativa escreve do zero ao consultar a página
• O guia de otimização para IA do Google afirma que “otimizar para busca generativa com IA é otimizar para a experiência de busca e, portanto, continua sendo SEO”
  • Os sistemas de ranking e qualidade que definem a lista de links azuis são os mesmos que definem a exposição no AI Overview
  • Melhorar um lado também melhora o outro
• Cada superfície de IA usa um índice da web diferente, mas a maioria desses índices é um subproduto do mesmo trabalho de rastreamento, renderização e qualidade

Elegibilidade vem antes de tudo

• Para que uma página apareça em recursos de IA, ela precisa antes ter elegibilidade para aparecer como snippet na busca comum
  • A URL precisa estar indexada
  • O rastreamento precisa estar permitido em robots.txt
  • O snippet precisa estar permitido (sem nosnippet nem max-snippet:0)
  • O conteúdo precisa carregar sem depender de JavaScript pesado
• Na inspeção de URL do Google Search Console, é preciso verificar o HTML renderizado com “Test live URL”
  • Se o corpo do texto estiver ausente no HTML renderizado, isso deve ser corrigido antes de qualquer outro trabalho
  • Renderização no servidor e geração estática são as abordagens mais seguras
• O teste com curl no terminal pode servir como checagem rápida de 30 segundos, mas um 200 OK com UA falsificado não prova acesso real do crawler
  • Operadores de bots bloqueiam falsificação de UA
  • A verificação confiável deve ser feita por faixas de IP publicadas ou por registro reverse-DNS
  • Google, OpenAI, Anthropic e Perplexity publicam faixas de IP em suas documentações de bot

Diferença entre crawlers de treinamento e crawlers de busca

• GPTBot, ClaudeBot: são crawlers de treinamento, e bloqueá-los não afeta a visibilidade em busca
• Google-Extended: controla treinamento de IA + grounding no Gemini Apps e no Vertex AI Grounding, sem impacto no ranking da busca Google nem na elegibilidade para AI Overview
• Indexadores de busca que determinam exposição dentro de respostas de IA:
  • Googlebot, Bingbot, OAI-SearchBot, Claude-SearchBot, PerplexityBot
• Muitos sites bloqueiam um deles por engano e reduzem sua visibilidade
• É possível configurar o robots.txt para permitir visibilidade em busca por IA e, ao mesmo tempo, bloquear bots de treinamento
• A tag meta robots é um mecanismo de controle por página, não por site
• O opt-out de Google-Extended só pode ser feito com token no robots.txt; isso não está documentado via meta tag
• Todas as camadas funcionam como portões, e todos os portões precisam estar abertos para que qualquer otimização posterior faça sentido

O conteúdo citado é o que o modelo não consegue escrever só com dados de treinamento

• A busca generativa recompensa a especificidade
  • Informações genéricas podem ser resumidas pelo modelo sem citação
  • As páginas citadas são as que trazem algo que o modelo não consegue sintetizar sozinho
• O guia do Google enfatiza criar conteúdo “único, valioso e centrado nas pessoas”, evitando conteúdo comoditizado que diz a mesma coisa que todas as outras páginas
• O guia de helpful content mostra como demonstrar experiência direta, expertise real e perspectiva própria
• Comparação de exemplo com um artigo de migração para Next.js 16
  • Versão commodity: o modelo consegue gerar só com dados de treinamento → não é citada
  • Versão distintiva: inclui o número de 47 páginas quebradas, uma armadilha específica na assinatura de função e uma estimativa de 3 horas
  • Um único detalhe desse tipo já pode transformar a página de “resumo de dados de treinamento” em “referência citada”

Uma estrutura técnica limpa ajuda tanto crawlers quanto modelos

• Uso de HTML semântico é essencial
  • Use níveis reais de heading com hierarquia significativa
  • Coloque perto do topo a resposta ao tema principal da página
  • Não esconda o conteúdo abaixo de uma abertura longa
• A versão melhorada oferece uma estrutura clara com article, h1, section, h2
  • Para crawlers, isso fornece estrutura; para modelos, fronteiras limpas entre heading, lede e corpo
• Core Web Vitals entram no ranking, e o ranking volta a influenciar diretamente a elegibilidade para recursos de IA
  • As métricas vistas pelo algoritmo de ranking são os 28 dias de dados de campo de usuários reais do Chrome (CrUX), não o resultado local do Lighthouse
  • Com web-vitals em JavaScript, é possível alinhar testes locais com os dados vistos pelos sistemas do Google

Os “truques de otimização” que o guia rejeita

• Adicionar um arquivo llms.txt não é sinal de ranking e não é usado pelos recursos de IA do Google
• Fragmentar o conteúdo em pequenos chunks ou transformar todos os headings em perguntas é desnecessário (os modelos leem o contexto da página inteira)
• Dados estruturados são úteis quando dão suporte a rich results documentados, mas não são obrigatórios para aparecer em recursos de IA
• Invista esse tempo em qualidade real de conteúdo e renderização

Visuals, schema e dados de comércio formam pipelines estruturados

• AI Overviews puxa diretamente imagens e vídeos de alta qualidade
  • Capturas de tela reais, diagramas reais e vídeos curtos de walkthrough são mais úteis do que imagens de stock
  • Valem os fundamentos clássicos de SEO de imagens: texto alt descritivo, nomes de arquivo significativos e legendas úteis
• Exemplo de comparação de texto alternativo (artigo sobre performance em Next.js)
  • O motivo de a segunda versão ser puxada para o carrossel de imagens do AI Overview é que ela descreve bem o suficiente para o modelo entender o que a imagem comprova
• Vale a pena adicionar dados estruturados quando eles dão suporte a rich results específicos
  • Schema de Recipe, Product, FAQ, Event e Article têm efeitos documentados na busca comum
  • Eles alimentam a mesma camada de entendimento usada pelos recursos de IA
  • Antes de publicar, verifique campos obrigatórios ausentes e erros com o Rich Results Test

Superfícies-chave para negócios locais e comércio

• Google Business Profile: um perfil verificado fornece horário de funcionamento, localização, serviços e avaliações para respostas locais com IA
• Merchant Center: o feed é fonte de informações de produtos para AI Overviews
• O guia de otimização para IA indica esses dois como entradas principais para resultados de negócios e comércio

A experiência para agentes é a próxima superfície

• Estamos entrando na era em que agentes autônomos navegam no lugar do usuário
  • Claude with computer use, ChatGPT Operator, assistant da Perplexity
• O guia de otimização para IA do Google recomenda considerar como agentes interpretam DOM, controles e conteúdo
• Sites com marcação confusa, controles ocultos ou informações essenciais renderizadas apenas como imagem são difíceis para agentes
• O trabalho de acessibilidade para leitores de tela cobre em grande parte essa mesma área
• Exemplo de antes/depois em controles interativos de uma página de reservas
  • A versão melhorada comunica três coisas ao agente: que é um botão de envio, que a ação é “Confirm booking” e que o ícone é decorativo
  • Se o agente não consegue identificar o botão para confirmar a reserva, ele desiste e vai para outro site
• O mesmo princípio vale para campos de formulário: o agente lê name, id, aria-label e elementos <label> ao redor
• Mudar para type="datetime-local" é uma alteração pequena, mas fornece a navegadores e agentes um seletor nativo de data/hora e tratamento estruturado do valor
  • O agente não precisa adivinhar o formato

Meça o que é mensurável e não persiga o que não é

• O Search Console continua sendo a fonte de verdade para dados do lado do Google
  • Tráfego de AI Overviews e AI Mode é integrado ao relatório padrão de Web performance
  • Os indicadores a observar são impressions e clicks
• O Bing Webmaster Tools oferece a ferramenta equivalente para Bing e Copilot
• Uma inferência que pode ser feita com cautela: filtrar Performance por consultas com inícios conversacionais como how, what, why, is, can
  • Esses tipos de consultas long-tail costumam acionar AI Overviews
  • Mudanças perceptíveis em clicks em relação a impressions nessas consultas podem ser compatíveis com a hipótese de que a página esteja sendo resumida em uma resposta de IA em vez de receber visita
  • Ainda assim, isso deve ser usado como hipótese, não como prova (mudanças de layout, variações de ranking, mudança no mix de consultas e sazonalidade também podem gerar padrão parecido)
• Como testar diretamente se há citação pelo modelo
  • Abra cada superfície e insira perguntas às quais o conteúdo deveria responder
  • Se o domínio aparecer na lista de fontes inline ou nas citações da resposta, ele está sendo recuperado na busca
  • Repita isso a cada poucas semanas para temas importantes do negócio nas principais superfícies
  • Acompanhe a quantidade de eventos de citação como se fossem backlinks

Conclusão: AEO e GEO não são uma disciplina separada de SEO

• O trabalho acima cobre tudo o que o guia de otimização para IA do Google recomenda e tudo o que outras superfícies de busca com IA recompensam
• AEO e GEO não são um campo separado do SEO, mas o mesmo trabalho com atenção mais apurada à originalidade do conteúdo, à renderização e aos pipelines estruturados que alimentam todas as superfícies de IA