ARTIGO BLOG
Pesquisadores de Princeton e do IIT Delhi testaram quase 10 mil perguntas reais, espalhadas por nove áreas de conhecimento diferentes, para descobrir, com dado e não com opinião, o que faz um texto ser escolhido por uma inteligência artificial na hora de montar uma resposta. O resultado saiu num estudo chamado “GEO: Generative Engine Optimization”, de Aggarwal e outros pesquisadores, aceito numa das conferências mais respeitadas de ciência da computação do mundo, a KDD 2024.
Até esse estudo, boa parte do que se falava sobre “aparecer no ChatGPT” era relato de quem testava no próprio site e reportava o que parecia funcionar. Aqui você entende o que o estudo realmente mediu, quais técnicas comprovaram efeito e o que fazer no seu negócio essa semana para aplicar o que já foi testado com metodologia científica.
O que está acontecendo
O estudo de Princeton criou um benchmark chamado GEO-bench, um teste padronizado com quase 10 mil consultas reais distribuídas em nove bases de dados de domínios diferentes, para medir o efeito de várias técnicas de otimização de texto na chance de esse texto ser citado por sistemas de inteligência artificial generativa, como ChatGPT, Perplexity e Google AI Overviews.
O achado central: aplicar as técnicas certas aumentou a visibilidade de um texto nas respostas de IA em até 40%, dependendo da técnica e do domínio testado. As três técnicas que mais funcionaram, de forma consistente, foram adicionar estatísticas ao texto, citar as fontes dos dados usados e incluir citações diretas de especialistas ou de quem vivenciou o assunto (Aggarwal et al., 2024).
Por que isso muda a conversa sobre GEO
GEO (Generative Engine Optimization, ou otimização para mecanismos generativos de busca) é a prática de escrever e estruturar conteúdo de um jeito que os modelos de inteligência artificial consigam encontrar, entender e citar esse conteúdo quando alguém faz uma pergunta relacionada. Antes desse estudo, a maior parte do conteúdo sobre o tema era baseado em observação e tentativa. Agora existe uma pesquisa com metodologia replicável mostrando o tamanho real de cada técnica.
Um ponto que o estudo também mediu: a eficácia de cada técnica varia de acordo com a área de conhecimento. O que funciona melhor para um texto sobre finanças não é exatamente o que funciona melhor para um texto sobre saúde. Isso confirma que não existe uma fórmula única de GEO, existe um conjunto de técnicas que precisa ser calibrado conforme o tipo de negócio e o tipo de pergunta que o público faz.
Por que isso importa para negócios locais
Para o dono de padaria, clínica, salão de beleza, escritório de contabilidade ou pet shop, a notícia direta é esta: o conteúdo que seu negócio publica hoje, seja no site, no Google Meu Negócio ou nas redes sociais, provavelmente não usa nenhuma das três técnicas comprovadas pelo estudo. A maioria dos textos institucionais de pequenos negócios descreve o serviço de forma genérica, sem estatística, sem fonte e sem citação direta de cliente.
Imagine um escritório de contabilidade que publica um texto sobre abertura de MEI. A versão que só diz “abrir MEI é rápido e simples” perde para a versão que cita, com fonte, o prazo médio de abertura segundo um órgão oficial, e acrescenta a frase real de um cliente que abriu o próprio MEI pelo escritório, contando o que mudou na rotina dele depois disso. A segunda versão usa estatística com fonte e citação direta, exatamente as duas técnicas que o estudo de Princeton mostrou funcionar melhor.
Essa mudança de padrão favorece justamente quem tem menos recursos para produzir grande volume de conteúdo. Um negócio local não precisa publicar todos os dias. Precisa publicar poucos textos bem estruturados, com dado real e citação real, para competir de igual para igual com concorrentes maiores que publicam muito, mas de forma genérica.
Isso também muda a forma de avaliar quem ensina GEO. Boa parte do conteúdo sobre o assunto nas redes sociais é baseado em opinião pessoal de quem testou o próprio perfil. Um estudo com metodologia científica, revisado por pares e aceito numa conferência de peso como a KDD, é um padrão de prova diferente. Vale a pena verificar se o método que você está seguindo se apoia em pesquisa como essa ou só em relato individual.
Como funciona o teste que comprovou essas técnicas
Para confiar no resultado, ajuda entender, em termos simples, como o teste foi feito.
O que é o GEO-bench?
GEO-bench é o nome do teste padronizado criado pelos pesquisadores para medir o efeito de diferentes técnicas de escrita na chance de um texto ser citado por uma inteligência artificial. Os pesquisadores usaram quase 10 mil perguntas reais, de nove áreas de conhecimento diferentes, e testaram várias versões de resposta para cada pergunta, cada uma aplicando uma técnica diferente.
Como os pesquisadores mediram o que funciona?
Eles compararam a taxa de citação de cada versão do texto (quantas vezes aquela versão foi usada pela inteligência artificial na resposta final) contra uma versão de controle sem nenhuma técnica aplicada. A diferença entre as duas taxas é o ganho de visibilidade atribuído àquela técnica específica.
Por que estatística com fonte funciona melhor que estatística solta?
Porque a inteligência artificial trata a atribuição como sinal de confiabilidade. Um número sem origem clara é tratado como afirmação não verificada. O mesmo número, atribuído a uma fonte identificável, é tratado como fato verificável, e fatos verificáveis têm mais chance de aparecer numa resposta que a IA considera confiável.
O que fazer agora
Revisar o conteúdo já publicado em busca de números sem fonte
Percorrer o site, o Google Meu Negócio e as redes do negócio e identificar qualquer número (percentual, prazo, quantidade) que apareça sem indicar de onde veio. Adicionar a fonte real onde for possível, ou remover o número quando não houver fonte confiável.
Coletar citações reais de clientes com contexto específico
Em vez de pedir “deixa uma avaliação”, pedir ao cliente para contar, com as próprias palavras, o que mudou depois do serviço. Uma frase real, com nome e contexto, vale mais para GEO do que dez elogios genéricos.
Reescrever um texto institucional trocando afirmação genérica por dado com fonte
Escolher a página “sobre nós” ou uma descrição de serviço e substituir pelo menos uma frase genérica por um dado real, atribuído a uma fonte confiável do próprio setor.
Aplicar as técnicas de forma calibrada ao seu tipo de negócio
Como o estudo mostrou que a eficácia varia por área, testar qual das três técnicas (estatística com fonte, citação de fonte, citação direta de pessoa) gera mais engajamento no seu nicho específico, e priorizar essa técnica nos próximos textos.
Perguntas frequentes
O estudo GEO-bench foi feito por quem?
Foi conduzido por pesquisadores da Universidade Princeton e do IIT Delhi (Instituto Indiano de Tecnologia de Delhi), publicado como artigo científico em 2023 e aceito na conferência KDD 2024, uma das mais respeitadas do mundo em ciência de dados.
Quais técnicas de GEO realmente funcionam, segundo a pesquisa?
As três técnicas com maior efeito comprovado foram adicionar estatísticas com fonte, citar as fontes dos dados usados no texto e incluir citações diretas de especialistas ou de pessoas que vivenciaram o assunto tratado.
Essas técnicas funcionam igual para qualquer tipo de negócio?
Não. O próprio estudo mostrou que a eficácia de cada técnica varia conforme a área de conhecimento. Um negócio precisa testar qual técnica gera mais resultado no próprio nicho, em vez de aplicar a mesma fórmula para qualquer tipo de conteúdo.
O que fica desse estudo
Antes dessa pesquisa, otimizar conteúdo para inteligência artificial era, na maior parte das vezes, tentativa e erro. Agora existe uma base científica, testada em quase 10 mil consultas reais, mostrando que estatística com fonte, citação de fonte e citação direta aumentam de forma mensurável a chance de um texto ser escolhido como resposta. Para negócios locais, isso significa que a régua não é mais volume de conteúdo, é precisão de conteúdo. Quem aplicar essas três técnicas, mesmo em poucos textos, tem uma vantagem comprovada sobre quem continua publicando afirmação genérica sem dado nem fonte.
Fonte: GEO: Generative Engine Optimization. Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan e Deshpande. Princeton University e IIT Delhi, aceito no KDD 2024. arXiv 2311.09735 (https://arxiv.org/abs/2311.09735).
Artigo atualizado em: 28 de julho de 2026
