Quem começa a estudar visibilidade em respostas de IA encontra uma sopa de siglas: GEO, AEO, LLMO, AIO, RAG, fan-out. Cada fornecedor usa uma delas de um jeito, e a mesma palavra muda de sentido de um artigo para outro.
Esse ruído custa caro. Equipes bloqueiam o robô errado, medem a métrica errada ou criam arquivos que o buscador diz não usar. Este glossário fixa cada termo em uma definição curta, explica por que ele importa e indica uma ação concreta.
As definições seguem documentação oficial: AI features and your website e o guia do Google sobre otimização para IA generativa, do Google, além das páginas de crawlers da OpenAI, do Perplexity e da Anthropic. Onde há opinião, ela vem marcada como recomendação da Analytikos.
Como ler este glossário
A ordem é alfabética, em quatro blocos. Cada verbete tem três partes: definição, por que importa e ação. Para a visão geral do tema, comece por fontes que cada IA consulta e depois volte aqui para consultar termos isolados.
Uma observação de partida, que o Google deixa explícita: AEO (Answer Engine Optimization) e GEO (Generative Engine Optimization) não são disciplinas reconhecidas por ele como separadas de SEO. A orientação oficial é que otimizar para busca generativa continua sendo otimizar a experiência de busca. Isso muda o peso de vários verbetes abaixo.
Glossário de A a D
Agentic commerce (comércio agêntico)
Definição: compra em que um agente de IA pesquisa, compara e, em alguns fluxos, conclui o pedido em nome do usuário. Por que importa: o agente lê dados de produto, não a vitrine. Preço, estoque e atributos incompletos tiram o item da comparação. Ação: auditar o catálogo como se um software fosse o comprador. Veja o guia de comércio agêntico.
AI Mode
Definição: modo de busca do Google voltado a perguntas que exigem exploração, raciocínio e comparação, com resposta ampla e links de apoio. Por que importa: segundo o Google, não há requisito adicional para aparecer nele: a página precisa estar indexada e elegível a snippet. Ação: conferir indexação e snippet das páginas-chave. Sobre o comportamento do modo, leia perguntas de acompanhamento no AI Mode.
AIO (AI Overviews)
Definição: resumos gerados por IA no topo da busca do Google, com links para aprofundar. Só aparecem quando o sistema entende que agregam valor. Por que importa: reduzem o clique em consultas simples e valorizam a fonte citada. O Google informa que o tráfego entra no relatório de desempenho do Search Console, tipo de pesquisa Web. Ação: segmentar no Search Console as consultas informativas e acompanhar cliques e impressões ao longo das semanas.
AEO (Answer Engine Optimization)
Definição: rótulo de mercado para tornar conteúdo elegível a respostas diretas de buscadores e assistentes. Por que importa: o termo é comum em propostas comerciais, mas o Google o trata como SEO. Confundir rótulo com técnica leva a comprar serviço sem escopo claro. Ação: pedir ao fornecedor a lista de entregas técnicas por trás do rótulo e comparar com as diretrizes oficiais.
Alucinação
Definição: resposta fluente e errada gerada por um modelo de linguagem. O Google lembra que modelos generativos não recuperam fatos, e sim preveem a sequência provável de palavras. Por que importa: uma IA pode atribuir à sua marca um preço, um serviço ou uma política que não existem. Ação: consultar as perguntas sobre a marca nas IAs a cada mês, registrar erros e corrigir a fonte (site, perfis, Wikidata) que alimenta a resposta.
Atribuição
Definição: regra que associa uma conversão a um ou mais pontos de contato. Por que importa: visitas vindas de IA podem aparecer como direto ou orgânico, o que subestima o canal. Ação: criar no GA4 um agrupamento de canais para domínios de assistentes e comparar a taxa de conversão com a do orgânico clássico. Detalhes em como provar o valor do GEO.
Chunking
Definição: divisão de um texto em trechos menores para indexação e recuperação por sistemas de busca vetorial. Por que importa: é uma etapa interna de sistemas de RAG. O Google afirma que não exige que você fragmente o conteúdo, e que seus sistemas entendem páginas com vários tópicos. Ação: escrever seções com um assunto cada, subtítulos claros e resposta direta no início. Isso é boa edição, não otimização exclusiva para IA.
Citação x menção
Definição: citação é a fonte linkada na resposta. Menção é o nome da marca no texto, sem link. Por que importa: citação gera clique potencial e prova de origem. Menção constrói lembrança, mas não leva tráfego. Ação: registrar as duas separadamente nos relatórios. O relatório do Bing, por exemplo, conta citações como fontes exibidas, e não posição na resposta.
Dados estruturados (schema)
Definição: marcação em formato padronizado que descreve o conteúdo da página para máquinas. Por que importa: o Google afirma que dados estruturados não são exigidos para busca generativa e que não existe schema específico para ela. Seguem úteis para resultados enriquecidos. Ação: marcar Organization, Product e Article com dados idênticos ao texto visível. Não prometer citação por causa do schema.
Glossário de E a K
E-E-A-T
Definição: sigla do Google para experiência, especialização, autoridade e confiabilidade (Experience, Expertise, Authoritativeness, Trustworthiness). Por que importa: segundo o conteúdo útil do Google, não é um fator de ranqueamento isolado, e a confiabilidade é o aspecto mais importante. Ação: mostrar autor real, credenciais, método e fontes primárias em cada artigo.
Embeddings
Definição: representações numéricas de textos em vetores, de modo que significados próximos fiquem próximos no espaço. Por que importa: permitem recuperar passagens por sentido, e não apenas por palavra exata. Ação: cobrir sinônimos e o vocabulário real do cliente, sem repetir a palavra-chave de forma artificial.
Entidade
Definição: pessoa, marca, produto ou lugar identificável e distinto de outros com nome parecido. Por que importa: se o sistema não distingue sua marca de homônimas, as respostas misturam dados. Ação: manter nome, endereço, perfis e identificadores consistentes. O passo a passo está em marca como entidade.
Feed de produtos
Definição: arquivo estruturado com título, preço, estoque, GTIN e atributos de cada item, enviado a vitrines e comparadores. Por que importa: é a fonte de dados mais direta para respostas de compra e para agentes. Ação: manter preço e disponibilidade atualizados e atributos completos. Veja GEO para e-commerce.
Fontes originais
Definição: páginas que publicam o dado, a pesquisa ou a documentação pela primeira vez, em vez de repeti-los. Por que importa: sistemas de IA tendem a buscar a origem de uma informação ao compor a resposta. Conteúdo que só resume perde espaço. Ação: publicar dados próprios, metodologia e definições citáveis. Há análise em como o ChatGPT usa fontes originais e fan-out.
GEO (Generative Engine Optimization)
Definição: conjunto de práticas para aumentar a presença de um conteúdo em respostas de mecanismos generativos. O termo foi proposto no artigo que propôs o GEO (arXiv 2311.09735), que relata ganhos de visibilidade de até 40% em testes controlados e eficácia variável por domínio. Por que importa: é a sigla mais usada pelo mercado, e o estudo é a base acadêmica citada. O resultado vale para o benchmark do paper, não como garantia para o seu site. Ação: tratar GEO como extensão de SEO, com medição própria. O mapa dos conceitos está em mitos de GEO.
Google-Extended
Definição: controle de robots.txt do Google para limitar o uso do seu conteúdo em treinamento e em certos usos de IA de outros sistemas do Google, conforme AI features and your website. Por que importa: não é o controle de rastreamento da busca. Bloqueá-lo não tira o site do Google Search. Ação: decidir por política de conteúdo se o treinamento é aceitável e registrar a decisão.
Grounding (ancoragem)
Definição: processo de conectar a resposta do modelo a fontes externas, para que o texto se apoie em páginas e dados verificáveis. Por que importa: reduz alucinação e é o motivo de existirem citações. O Bing chama de grounding queries as frases que a IA usou para recuperar o conteúdo citado. Ação: olhar no Bing Webmaster Tools quais grounding queries levam às suas páginas e ajustar o conteúdo a elas.
Índice de busca
Definição: base de páginas rastreadas e processadas por um buscador, como o do Google ou o do Bing. Por que importa: o Google explica que as respostas generativas usam RAG sobre o índice dele. Página fora do índice não entra. Ação: verificar indexação de páginas estratégicas no Google Search Console e no Bing Webmaster Tools.
Janela de contexto
Definição: quantidade máxima de tokens que o modelo processa de uma vez, somando pergunta, trechos recuperados e resposta. Por que importa: limita quanto conteúdo cabe numa resposta, o que favorece trechos objetivos. Ação: colocar a informação central no começo da seção e evitar introduções longas.
Knowledge Graph
Definição: base do Google que organiza entidades e as relações entre elas. Por que importa: uma entidade bem conectada tende a ser reconhecida com mais consistência. Ação: revisar perfis oficiais, Wikidata e marcação Organization com as mesmas informações.
Glossário de L a Q
llms.txt
Definição: arquivo proposto por terceiros para orientar modelos de linguagem sobre o conteúdo de um site. Por que importa: o Google afirma que a Busca não o usa e que não é preciso criar arquivos para IA. Ele pode existir para outros serviços, sem ajudar nem prejudicar a visibilidade no Google. Ação: não esperar ganho no Google. Se criar, que seja barato de manter.
LLM (Large Language Model)
Definição: modelo de linguagem treinado em grande volume de texto para prever e gerar linguagem. Por que importa: é o motor das respostas. Sem recuperação externa, ele responde só com o que aprendeu no treinamento. Ação: separar na análise o que o modelo sabe de treino do que ele busca na web.
LLMO (Large Language Model Optimization)
Definição: outro rótulo de mercado, próximo de GEO, centrado no comportamento do modelo. Por que importa: não tem definição oficial. Usá-lo como sinônimo de GEO evita ruído. Ação: padronizar um só termo no relatório interno.
Pesquisa de prompts
Definição: levantamento das perguntas que o público faz a assistentes de IA, equivalente à pesquisa de palavras-chave. Por que importa: prompts são mais longos e específicos que consultas de busca. Ação: extrair perguntas de atendimento, WhatsApp e Search Console e organizá-las por etapa de compra.
Prompt tracking
Definição: monitoramento recorrente de um conjunto fixo de prompts para ver se e como a marca aparece. Por que importa: as respostas variam, então uma única consulta não prova nada. Ação: fixar 30 a 50 prompts, rodar semanalmente e registrar citação, menção e posição relativa das fontes.
Query fan-out
Definição: técnica em que o sistema divide uma pergunta em várias buscas relacionadas a subtemas e fontes. O Google confirma o uso em AI Overviews e AI Mode. Por que importa: a sua página pode ser recuperada por uma subconsulta que o usuário nunca digitou. Ação: mapear subperguntas de cada tema e cobri-las em seções próprias. Veja como o ChatGPT usa fontes originais e fan-out.
QDF (Query Deserves Freshness)
Definição: ideia de que certas consultas pedem conteúdo recente para serem bem respondidas. Por que importa: em temas que mudam, data de revisão e dados atuais pesam mais. Ação: revisar páginas de preço, regra e tendência em ciclo fixo e mostrar a atualização de forma visível.
Glossário de R a Z
RAG (Retrieval-Augmented Generation)
Definição: arquitetura que combina um modelo gerador com um recuperador que busca passagens em uma base externa. Foi formalizada por Lewis et al. (arXiv 2005.11401). Por que importa: é a base técnica do grounding: o modelo escreve, mas apoiado no que foi recuperado. Ação: garantir que o texto importante esteja em HTML acessível e indexado, pois é dele que a recuperação parte.
Referral de IA
Definição: visita que chega ao site a partir de um assistente ou buscador de IA. Por que importa: costuma ser pequeno em volume, mas pode ter intenção alta. Ação: isolar domínios de assistentes no GA4 e acompanhar sessões, conversões e receita por canal.
Retrieval (recuperação)
Definição: etapa em que o sistema seleciona, entre milhões de documentos, os trechos mais relevantes para a pergunta. Por que importa: define quem entra na lista de candidatos antes mesmo da geração. Ação: combinar boa indexação, texto claro e autoridade do domínio.
robots.txt
Definição: arquivo na raiz do domínio que informa a rastreadores o que podem acessar. Por que importa: é o controle principal do Googlebot e a base para aceitar ou recusar crawlers de IA. Ação: revisar o arquivo por bot, e não com uma regra genérica para todos.
SGE (Search Generative Experience)
Definição: nome do experimento do Google que antecedeu os AI Overviews. Por que importa: ainda aparece em materiais antigos e gera confusão. Ação: tratar como sinônimo histórico e usar AI Overviews em relatórios novos.
Share of voice em IA
Definição: proporção das citações ou menções de uma marca sobre o total do conjunto de prompts monitorados. Por que importa: dá uma leitura comparável entre marca e concorrentes. Ação: exemplo hipotético: em 80 respostas monitoradas, a marca é citada em 12 e a concorrente A em 28. Share da marca = 12 ÷ 80 = 15%. Da concorrente A = 28 ÷ 80 = 35%.
Sentimento (tom)
Definição: avaliação positiva, neutra ou negativa com que a marca é descrita nas respostas. Por que importa: uma citação com ressalva ou comparação desfavorável vale menos que uma neutra. Ação: ler as respostas, não só contar. Anotar o motivo de cada tom negativo e a página que o origina.
Token
Definição: unidade de texto (parte de palavra, palavra ou sinal) que o modelo processa. Por que importa: tokens definem custo e limite da janela de contexto. Ação: preferir frases diretas. Texto enxuto cabe melhor no contexto.
User agents de IA (treino x busca)
Definição: identificadores dos robôs de cada empresa. Cada um tem finalidade distinta, como mostra a tabela abaixo. Por que importa: bloquear o robô errado remove você da busca ou deixa o treino liberado sem que a decisão tenha sido consciente. Ação: decidir bot a bot, conforme a finalidade, e testar o robots.txt depois de cada mudança.
A tabela resume as páginas oficiais da documentação de crawlers da OpenAI, da documentação do Perplexity e da central de ajuda da Anthropic. Ela serve de base para a decisão sobre cada robô.
| User agent | Empresa | Finalidade | Observação sobre robots.txt |
|---|---|---|---|
| OAI-SearchBot | OpenAI | Busca: exibir sites nos resultados do ChatGPT | Permitir faz o site aparecer na busca. Bloqueado, não aparece nas respostas de busca |
| GPTBot | OpenAI | Treino de modelos generativos | Bloquear indica que o conteúdo não deve ser usado no treino |
| ChatGPT-User | OpenAI | Ação iniciada pelo usuário, como abrir uma página | Regras de robots.txt podem não se aplicar |
| PerplexityBot | Perplexity | Exibir e vincular sites nos resultados de busca | Não é usado para coletar conteúdo de treino de modelos de fundação |
| Perplexity-User | Perplexity | Visita pedida pelo usuário | Geralmente ignora regras de robots.txt |
| ClaudeBot | Anthropic | Coleta de conteúdo para treino | Bloquear exclui o site de dados de treino futuros |
| Claude-SearchBot | Anthropic | Qualidade e precisão de resultados de busca | Bloquear impede a indexação para essa finalidade |
| Claude-User | Anthropic | Acesso quando o usuário faz uma pergunta | Bloquear impede a recuperação nessas consultas |
Conclusão da tabela: treino e busca são decisões separadas. Bloquear um bot de treino não tira o site das respostas de busca, e bloquear um bot de busca tira.
Visibilidade em IA
Definição: presença da marca em respostas de assistentes e buscadores de IA, medida por citações, menções, share of voice e tom. Por que importa: substitui a posição única como indicador, porque a resposta muda a cada consulta. Ação: combinar prompt tracking, dados do Search Console e do Bing, e referral no GA4.
Zero-click
Definição: busca em que o usuário obtém a resposta sem clicar em nenhum resultado. Por que importa: reduz tráfego sem reduzir a influência da marca. Ação: medir também busca por marca, direto e conversão assistida, e não só cliques.
Mapa rápido: qual termo resolve qual dúvida
Quando a dúvida é de decisão, e não de vocabulário, a tabela abaixo liga a pergunta ao termo e à ação principal.
| Dúvida | Termos envolvidos | Primeira ação |
|---|---|---|
| Aparecer no Google com IA | AI Overviews, AI Mode, índice, snippet | Garantir indexação e elegibilidade a snippet |
| Aparecer no ChatGPT | OAI-SearchBot, índice de busca | Permitir OAI-SearchBot no robots.txt |
| Evitar uso em treino | GPTBot, ClaudeBot, Google-Extended | Decidir bloqueio por bot |
| Medir presença | Prompt tracking, share of voice, citação | Fixar um conjunto de prompts |
| Medir resultado | Referral de IA, atribuição, zero-click | Criar canal de IA no GA4 |
| Ser reconhecido como marca | Entidade, Knowledge Graph, E-E-A-T | Padronizar dados e perfis oficiais |
Conclusão: a maior parte das ações cai em fundamentos de SEO, medição e governança de dados. Poucas dependem de algo novo.
Erros comuns de interpretação dos termos
Os erros abaixo nascem de usar o termo sem a definição. Cada um traz o motivo, o efeito e a correção.
Erros de configuração
- Bloquear todos os bots de IA com uma regra única. Por que acontece: a equipe quer evitar treino e não separa finalidades. Efeito: o OAI-SearchBot e o Claude-SearchBot também saem, e o site some das respostas de busca. Correção: bloquear GPTBot e ClaudeBot para treino, se for a política, e liberar os de busca.
- Achar que o robots.txt controla qualquer acesso. Por que acontece: o arquivo funciona para o Googlebot. Efeito: ChatGPT-User e Perplexity-User podem ignorá-lo, porque a visita é pedida pelo usuário. Correção: usar autenticação ou paywall para conteúdo que não pode ser lido.
- Criar llms.txt esperando ganho no Google. Por que acontece: a proposta circulou como atalho. Efeito: tempo gasto sem impacto, já que o Google diz que a Busca não o usa. Correção: priorizar indexação, texto claro e dados corretos.
- Implementar schema “para IA”. Por que acontece: a ideia de que marcação garante citação. Efeito: expectativa frustrada, pois o Google informa que dados estruturados não são exigidos para busca generativa. Correção: manter a marcação alinhada ao texto visível, pelo valor em resultados enriquecidos.
Erros de interpretação
- Tratar AEO, GEO e LLMO como disciplinas separadas. Por que acontece: cada fornecedor vende um rótulo. Efeito: três contratos para um mesmo conjunto de entregas. Correção: exigir lista de entregas técnicas e compará-la com as diretrizes do Google.
- Confundir menção com citação. Por que acontece: ambas parecem presença. Efeito: relatório mostra 20 aparições, mas só 6 trazem link. Correção: separar as duas colunas e reportar a taxa de citação (6 ÷ 20 = 30%, exemplo hipotético).
- Ler “até 40%” como promessa. Por que acontece: o número aparece em destaque no resumo do paper. Efeito: meta irreal. Correção: lembrar que o resultado é de benchmark e que a eficácia variou por domínio.
- Confundir grounding com treinamento. Por que acontece: ambos “usam” conteúdo. Efeito: decisões erradas de bloqueio. Correção: lembrar que treino e busca têm robôs e políticas distintos.
Erros de operação e medição
- Medir com uma consulta só. Por que acontece: é rápido. Efeito: a resposta muda a cada execução, e a conclusão é aleatória. Correção: rodar um conjunto fixo, repetido toda semana.
- Calcular share of voice com amostra pequena. Por que acontece: poucos prompts. Efeito: com 10 prompts, uma citação a mais move 10 pontos percentuais. Correção: usar 30 prompts ou mais e mostrar a amostra junto do percentual.
- Ignorar o canal no GA4. Por que acontece: o volume é pequeno. Efeito: visitas de IA caem em direto e a atribuição subestima o canal. Correção: criar grupo de canal próprio e comparar conversão com o orgânico clássico.
- Esquecer a atualização em temas de recência. Por que acontece: o texto parece evergreen. Efeito: preço ou regra desatualizados são citados. Correção: ciclo de revisão e dados com período explícito.
A tabela consolida os erros mais frequentes e a correção de cada um.
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Bloqueio genérico de bots | Remove também os robôs de busca | Decidir bot a bot |
| Confiar no robots.txt para tudo | Bots de ação do usuário podem ignorá-lo | Usar controle de acesso |
| Criar llms.txt pelo Google | A Busca não o usa | Investir em indexação e conteúdo |
| Schema como garantia | Não é requisito para IA generativa | Alinhar marcação ao texto |
| Rótulos como serviços distintos | Duplica entregas | Pedir escopo técnico |
| Menção igual a citação | Superestima o tráfego potencial | Medir separado |
| 40% como meta | Resultado de benchmark | Definir meta por baseline |
| Prompt único | Resposta varia | Conjunto fixo e recorrente |
| Amostra pequena | Percentual instável | 30 prompts ou mais |
| Sem canal de IA no GA4 | Subestima o referral | Agrupamento próprio |
Exemplo hipotético de efeito: uma loja monitora 10 prompts e é citada em 2 (20%). Na semana seguinte, em 3 (30%). A variação de 10 pontos percentuais vem de uma única citação, e não indica melhora real.
Checklist de aplicação
- Definir um único termo oficial (GEO) para relatórios internos.
- Revisar o robots.txt por bot: treino (GPTBot, ClaudeBot) e busca (OAI-SearchBot, PerplexityBot, Claude-SearchBot).
- Confirmar indexação e elegibilidade a snippet das páginas principais.
- Alinhar nome, perfis e dados da marca (entidade).
- Publicar dados próprios e definições citáveis (fontes originais).
- Manter feed de produtos com preço, estoque e GTIN corretos.
- Montar conjunto fixo de 30 prompts ou mais e rodar toda semana.
- Registrar citação, menção, tom e fonte separadamente.
- Criar canal de IA no GA4 e comparar conversão com o orgânico.
- Acompanhar o Search Console e o AI Performance do Bing.
Para empresas de serviços, o recorte de prompts muda: veja GEO para B2B e serviços. Para ordem e peso das fontes, consulte ordem das fontes citadas por IA.
Perguntas frequentes
GEO, AEO e LLMO são a mesma coisa?
Na prática, sim: são rótulos para o mesmo objetivo, aparecer em respostas de IA. O Google não os trata como disciplinas distintas de SEO. Use um só termo e foque nas entregas.
Preciso bloquear o GPTBot?
Depende da sua política de conteúdo. Segundo a OpenAI, bloquear o GPTBot indica que o conteúdo não deve ser usado no treino de modelos. Isso não afeta o OAI-SearchBot, que cuida da busca.
Criar um llms.txt ajuda a aparecer no Google?
Não. O Google afirma que a Busca não usa esse arquivo e que não é preciso criar arquivos específicos para IA. Ele pode existir para outros serviços, sem prejudicar a visibilidade.
Qual a diferença entre citação e menção?
Citação é a fonte linkada na resposta. Menção é o nome da marca no texto, sem link. Meça separadamente, porque só a citação oferece caminho de clique.
Como medir visibilidade em IA?
Monte um conjunto fixo de prompts, rode-o toda semana e registre citação, menção e tom. Complemente com o Search Console, o relatório AI Performance do Bing e o canal de IA no GA4.
O que é query fan-out e por que importa?
É a divisão de uma pergunta em várias buscas menores, confirmada pelo Google em AI Overviews e AI Mode. Importa porque sua página pode ser recuperada por uma subpergunta. Cubra os subtemas do assunto em seções próprias.
Dados estruturados são obrigatórios para IA?
Não. O Google informa que não são exigidos para busca generativa e que não há marcação específica. Continuam úteis para resultados enriquecidos e para desambiguar a entidade.
Ficar em primeiro no Google garante citação em IA?
Não há garantia. Cada plataforma usa seu índice, seus bots e sua lógica de seleção. Por isso a medição por plataforma importa.
Conteúdos Relacionados
- Como provar o valor do GEO
- Mitos de GEO: o que não funciona
- Marca como entidade: Organization e Wikidata
Quer medir de forma contínua? A Athena é a plataforma de BI da Analytikos que reúne loja, GA4 e mídia em um só painel, com teste de 30 dias grátis.
