Grounding em IA e AEO: Como Seu Site Vira Fonte Citada
TL;DR
Grounding é o mecanismo em que motores de IA buscam páginas em tempo real, fatiam o conteúdo em trechos curtos e entrelaçam a resposta a links de referência. Aqui eu mostro como esse pipeline opera por baixo dos panos, o que muda na engenharia do site e como medir se a conta fecha no caixa.
NOTA TÉCNICA: Todas as informações contidas aqui retratam a minha experiência e o meu método de trabalho, você é o total responsável por alterações no seu site ou no site de seus clientes. Nos responsabilizamos exclusivamente em parcerias formalizadas por contratos. Em dúvida, visite o Aviso Legal.
Nos últimos meses, acompanhando donos de empresas, profissionais de marketing e alunos, eu tenho escutado uma queixa cada vez mais parecida.
“Felipe, meu site aparece na primeira página do Google, mas quando eu faço a mesma pergunta no ChatGPT ou olho o resumo de IA no topo da busca, quem aparece citado como referência é o meu concorrente.. Existe algum botão ou código pra plugar o meu site na resposta da IA?”
A resposta curta é não: não existe plugin mágico nem atalho secreto que obrigue uma inteligência artificial a citar o seu site.
O que existe por trás daquele link clicável dentro da resposta é um processo de engenharia chamado grounding (ancoragem factual ou aterramento da resposta em fontes externas em tempo real).
É esse mecanismo que impede o modelo de responder só de cabeça e reduz as famosas alucinações em modelos de linguagem, amarrando cada afirmação gerada a um trecho real de uma página da web.
Antes de avançarmos, um aviso de escopo importante.
Este post não é um tutorial de programação para criar robôs do zero, e sim uma análise prática de como o grounding seleciona páginas web e o que muda na engenharia e no conteúdo do seu site.
O conteúdo retrata a minha experiência e o meu método de leitura técnica, as plataformas mudam rápido e cada operação (servidor, domínio, tecnologia e mercado) deve ser tratada como um caso específico, sem responsabilidade nossa por alterações feitas por você ou em clientes; em qualquer dúvida, consulte o nosso Aviso Legal.
Se você quer fazer o seu site ser encontrado, entendido e recomendado pelas IAs sem cair em promessas vazias e sem perder o foco no fluxo de caixa, você precisa entender como essa engrenagem funciona.
Então vem comigo..
O Que É Grounding em Buscas e Respostas de IA?
Grounding em buscas e respostas de IA é o mecanismo técnico pelo qual motores generativos conectam modelos de linguagem a fontes externas em tempo real, fatiando páginas da web em passagens curtas, avaliando o suporte factual e entrelaçando trechos do texto gerado a citações clicáveis.
Simplificando para a língua do negócio: é o momento em que a IA para de tentar “adivinhar” a resposta apenas com a memória do treinamento antigo, vai até o índice de busca, recorta pedaços de páginas reais e monta a resposta colando o link de quem forneceu a prova.
Na busca clássica do Google, a disputa acontecia pela página inteira na lista de dez links azuis.
Na otimização para motores de resposta (AEO, ou Answer Engine Optimization) e para motores generativos (GEO, ou Generative Engine Optimization), o jogo muda: a unidade disputada passa a ser o trecho extraível da página, chamado de grounding chunk (fragmento de ancoragem).
Antes de abrir as etapas, vale desfazer uma confusão comum entre três termos que parecem iguais, mas operam em camadas diferentes: fine-tuning (ajuste fino de parâmetros no treinamento), RAG (Retrieval-Augmented Generation, ou geração aumentada por recuperação) e grounding de busca.
| Mecanismo | De onde vem o dado na hora da pergunta | O que exige do seu site |
|---|---|---|
| Fine-tuning | Memória interna congelada nos pesos do modelo durante o treinamento | Ciclos longos de treino e coleta prévia; não atualiza preços nem fatos de hoje |
| RAG | Base indexada (documentos privados, bancos vetoriais ou índice web) | Textos bem organizados e autossuficientes para recuperação por trecho |
| Grounding de busca na web | RAG em tempo real sobre índice público com atribuição de fonte e regras de recorte | Rastreabilidade técnica, HTML limpo, densidade factual e prova verificável |
Em termos práticos, o grounding na web é a aplicação do RAG em escala aberta com exigência de vínculo clicável. Você não disputa os pesos antigos do modelo, mas a chance de entrar no pacote recuperado durante a pergunta.
Uma analogia que eu uso sempre..
Imagine um comprador técnico de uma grande indústria que precisa fechar um fornecedor hoje. Em vez de ler dez catálogos de 50 páginas do começo ao fim, ele pede para um assistente abrir apenas a página da tabela técnica de três fornecedores, recortar os parágrafos com preço, prazo e certificação, e grampear o cartão de visita de cada empresa ao lado da frase correspondente.
Se o seu catálogo estiver trancado na portaria ou escrito em forma de discurso vago sem dado nenhum, o assistente nem recorta a sua folha, certo(a)?
Na documentação oficial do Google Search Central sobre recursos de IA na Busca (anunciada em maio e atualizada em julho de 2026), a regra de base segue clara: para entrar no AI Overviews (resumos gerados por IA no topo da busca) e no AI Mode (modo conversacional de busca do Google), a página precisa estar rastreável, indexada e liberada para exibir snippet (fragmento de resumo nos resultados).
Cumprir esse básico é só o começo: o trecho que aparece na resposta passa antes por um pipeline (sequência de etapas) com quatro portões técnicos que eu vou abrir agora.
Como Funciona o Pipeline de Grounding Passo a Passo
Quando alguém digita uma pergunta no Gemini, no ChatGPT, no Claude, na Perplexity ou no Bing Copilot, o entrelaçamento entre o texto da IA e o link do seu site passa por quatro portões técnicos observáveis nas documentações de engenharia dessas plataformas.
1. Memória Interna ou Busca na Web (Dynamic Retrieval)
Toda busca na web custa tempo de resposta (latência) e dinheiro de processamento para a plataforma de IA. Por isso, o primeiro portão decide se o modelo vai responder apenas com os pesos internos do treinamento (memória paramétrica) ou se vai acionar a busca externa.
No ecossistema do Google, tanto no Vertex AI (plataforma de IA empresarial do Google Cloud) quanto na Gemini API (interface de programação para desenvolvedores), esse filtro se chama Dynamic Retrieval (recuperação dinâmica): o sistema calcula uma nota de predição entre 0 e 1 para saber se a pergunta pede fatos externos atualizados.
Pedidos criativos ou fatos históricos estáveis recebem nota baixa (como escrever um poema sobre flores, que marca 0,13 na documentação do Google Cloud analisada por Olaf Kopp) e não acionam busca, enquanto comparações de produtos, preços e fatos recentes passam do limiar de corte.
Na documentação empresarial do Vertex AI analisada por Kopp, o corte padrão relatado é 0,7. Já na Gemini API, o pesquisador Dan Petrovic (DEJAN, em 2 de abril de 2025, testando 10.000 prompts, comandos enviados ao modelo, no Gemini 2.5 Pro) mediu o limiar padrão em 0,3.
Nas outras plataformas a lógica é parecida: na OpenAI Responses API e na Anthropic Claude API, a ferramenta web_search é acionada de forma condicional pelo modelo quando o assunto pede dados atuais, enquanto no Bing Copilot o modelo proprietário Prometheus integra o índice do Bing, mas mantém os critérios numéricos exatos de disparo fechados.
Com base nesses critérios documentados nas plataformas, dá para separar as perguntas do potencial cliente em três faixas práticas de disparo:
- Memória interna dominante: definições históricas consolidadas e conceitos matemáticos ou gramaticais estáveis costumam ser respondidos direto dos pesos do modelo sem gerar citação;
- Zona cinzenta: comparações amplas de método ou dúvidas operacionais gerais acionam busca dependendo do contexto da conversa, do modelo e da temperatura configurada;
- Grounding obrigatório: preços, legislação recente, horários locais, comparativos atuais de software e dados datados dependem de consulta ao vivo e concentram a disputa real por links.
2. O Desdobramento da Pergunta (Query Fan-Out)
Se o portão abriu para a busca, a IA quase nunca pesquisa exatamente a frase longa que o usuário digitou. Ela reescreve e quebra aquela dúvida em várias subconsultas menores e paralelas para varrer o índice, mecanismo conhecido como query fan-out (desdobramento ou abertura em leque da consulta).
Isso não é teoria de agência: na Gemini API e no Vertex AI, o objeto técnico groundingMetadata devolve o campo webSearchQueries com a lista exata de todas as buscas que o modelo disparou nos bastidores.
Inclusive, a mudança é tão central na arquitetura do Google que, a partir da geração Gemini 3 em 2026, a cobrança da API deixou de ser por prompt ancorado e passou a faturar cada subconsulta executada dentro de webSearchQueries.
O mesmo padrão aparece no action.queries (lista de buscas executadas) em implementações da OpenAI Responses API, e na Perplexity Search API, que aceita até cinco consultas por unidade de faturamento.
O Google possui inclusive patentes concedidas sobre resumos generativos e consultas sintéticas na busca, como o registro US11769017B1 (concedido em 26 de setembro de 2023), embora seja fundamental lembrar que uma patente registrada comprova pesquisa jurídica e técnica, mas não confirma implementação idêntica em produção.
Como modela nosso querido Mike King (da consultoria iPullRank), esse desdobramento preenche as dúvidas implícitas do comprador: se o dono de uma clínica odontológica ou de um escritório de contabilidade pergunta qual sistema de gestão escolher, a IA desdobra a busca em preço, integração fiscal, suporte e reclamações antes de juntar as respostas.
3. Fatiamento em Passagens (Grounding Chunks)
E o que acontece quando o buscador devolve as páginas candidatas para essas subconsultas?
A IA NÃO lê o seu artigo de 5.000 palavras inteiro na janela de resposta em tempo real.
Para controlar o custo de tokens (unidades de processamento de texto que a IA lê e cobra) e responder rápido, o sistema corta as páginas recuperadas em passagens curtas (chunking) e reclassifica só os trechos mais úteis.
Os algoritmos exatos de fatiamento em produção no Google AI Overviews, no ChatGPT Search e no Bing Copilot são proprietários. Mesmo assim, um experimento de engenharia reversa de Dan Petrovic (DEJAN, 20 de dezembro de 2025) mediu o que o Gemini recebe ao analisar 7.060 consultas com três ou mais fontes contra 2.275 páginas completas.
Os números encontrados pelo DEJAN desmontam muito “achismo” de mercado:
- Recorte extrativo literal: os trechos enviados ao modelo são pedaços literais recortados da página, e não resumos reescritos antes da leitura;
- Orçamento de cerca de 2.000 palavras por consulta: o pacote total de evidências gira perto de 2.000 palavras somando todas as fontes da pergunta, distribuídas pelo ranking de relevância;
- Peso da primeira fonte: a página na posição 1 do pacote cedeu mediana de 531 palavras, enquanto a fonte na posição 5 cedeu mediana de 266 palavras (13% do orçamento);
- Teto prático por página: 77% das páginas analisadas tiveram entre 200 e 600 palavras extraídas (valor típico de cerca de 377 palavras), estacionando num platô próximo de 540 palavras (cerca de 3.500 caracteres).
O próprio Petrovic ressalva que o estudo é observacional e não controla todas as variáveis de autoridade de domínio. Mesmo assim, a lição de engenharia é clara: se a resposta direta da sua página só aparece depois de 1.500 palavras de enrolação, ela corre enorme risco de ficar de fora do recorte.
Aqui cabe uma distinção honesta para ninguém cair em exagero técnico. Na atualização de julho de 2026 do guia de IA do Google Search Central, a equipe de busca reforçou que você não precisa picotar o texto em microblocos artificiais, porque a infraestrutura interna do Google já extrai o trecho relevante por conta própria.
O ponto em comum entre os dois mundos é a clareza de estrutura: escrever blocos autocontidos e responder “cedo” dentro de cada tópico ajuda leitores humanos e evita que sistemas externos de RAG descartem a sua ideia no corte de contexto.
4. Entrelaçamento e Atribuição por Trecho
No último estágio, o modelo gera a resposta condicionada àqueles recortes e grava, nos metadados da resposta, qual fonte sustenta qual frase.
Na Gemini API, os links nem vêm misturados no texto: o sistema entrega a resposta limpa e envia ao lado o objeto groundingSupports, que amarra início e fim de cada frase (startIndex e endIndex) à fonte dentro de groundingChunks. Em implementações da SDK (kit de desenvolvimento de software), esse vínculo ainda pode trazer uma nota de confiança (confidenceScores, de 0 a 1).
| Motor / API | Onde ficam as fontes | Como o trecho é entrelaçado |
|---|---|---|
| Google Gemini e Vertex AI | groundingChunks e webSearchQueries | groundingSupports liga índices de caracteres (startIndex, endIndex) à fonte |
| OpenAI Responses API | Itens web_search_call | Lista annotations com objetos do tipo url_citation visíveis na resposta |
| Anthropic Claude API | Resultados de web_search e web_fetch | Em web_search, usa web_search_result_location com cited_text de até 150 caracteres; em web_fetch, usa char_location ou page_location |
| Perplexity Sonar e Agent API | Lotes search_results | Marcadores numerados no texto mapeados ao identificador da fonte recuperada |
Quando eu mostro essa estrutura para um empresário, a conversa muda de nível na hora..
Afinal, basta estar na primeira página do Google para entrar nessa lista de chunks?
Top 10 no Google Ainda Garante Citação na IA?
Não, estar entre os dez primeiros resultados orgânicos da busca principal já não garante sozinho que a sua página será a fonte escolhida pela IA.
Medições observacionais em larga escala da Ahrefs (compiladas por Milan Novotny entre 2025 e 2026) mostraram uma queda brusca nessa sobreposição. Em julho de 2025, numa amostra de 1,9 milhão de citações em 1 milhão de AI Overviews, 76,1% das páginas citadas estavam no top 10 orgânico do Google.
Oito meses depois, em março de 2026, a Ahrefs analisou 4 milhões de URLs em 863.000 páginas de resultados. A fatia do top 10 orgânico caiu para 37,9%, e 31,0% das URLs citadas vieram de posições além do top 100 do termo original.
Nos assistentes de IA fora da tela clássica do Google (levantamento da Ahrefs de agosto de 2025 citado em compilação de mercado, sem amostra detalhada nessa síntese), apenas 12% das URLs citadas ranqueavam no top 10 do Google para o termo pesquisado.
E por que isso acontece?
Porque o query fan-out desloca a disputa do termo genérico para as subconsultas específicas que respondem aos detalhes da pergunta.
A sua página pode estar na posição 18 para o termo amplo “consultoria tributária”, mas se ela tiver uma seção enxuta, datada e técnica que ranqueia no topo para a subconsulta sintética específica que a IA disparou nos bastidores, é o seu grounding chunk que entra na síntese.
Além disso, vale separar dois conceitos que o mercado vive misturando, como bem aponta a documentação do DEJAN: citação é quando a sua URL entra como lastro factual e recebe o link clicável; menção é quando o nome da sua empresa ou produto é citado no texto sem necessariamente receber o link.
Na leitura técnica das APIs, essa separação aparece até na estrutura do retorno em três degraus de um funil: uma página pode estar indexada no buscador, entrar no lote recuperado da consulta e, ainda assim, não virar link citado no texto final.
Na Gemini API, o objeto groundingChunks lista as fontes recuperadas e groundingSupports liga o trecho exato da resposta a elas; já na documentação da ferramenta de busca da xAI (Grok API), All Citations (via response.citations) devolve todas as URLs visitadas pelo agente, enquanto Inline Citations marca apenas as fontes realmente ancoradas na resposta.
Isso ajuda a entender também uma mudança estrutural descrita pelo time de busca da Microsoft Bing em 6 de maio de 2026: o índice tradicional respondia “quais páginas o usuário deveria visitar”, enquanto um índice preparado para grounding responde “quais informações a IA pode usar com responsabilidade para sustentar uma resposta”.
Nesse desenho, a equipe do Bing destaca inclusive o conceito de abstention (abstenção deliberada): quando a evidência disponível está ausente, desatualizada ou contraditória no índice, um bom sistema prefere se abster de responder em vez de preencher lacunas com alucinação.
Limites Reais: Quando o Grounding Erra a Citação
Como engenheiro, eu nunca olho para uma tecnologia só pela propaganda do fabricante; a gente precisa olhar para a taxa de falha real.
O grounding reduz alucinações, mas sofre de um fenômeno documentado na literatura científica chamado citation drift (desvio de citação, quando o modelo cola um link que não diz exatamente o que a frase afirmou).
No estudo acadêmico de Nelson F. Liu, Tianyi Zhang e Percy Liang (publicado na conferência EMNLP 2023 e disponível no repositório científico arXiv:2304.09848), 34 avaliadores humanos fizeram 11.037 julgamentos sobre quatro motores generativos.
O resultado acende um alerta: só 51,5% das frases geradas tinham suporte completo nos links citados (citation recall), e apenas 74,5% das citações sustentavam de fato o que a resposta afirmou (citation precision).
Mais recente, em 2025, um levantamento do Tow Center for Digital Journalism (da Columbia Journalism Review, conduzido por Klaudia Jaźwińska e Aisvarya Chandrasekar e relatado em análises independentes de mercado) testou oito motores de busca por IA em consultas jornalísticas. Os relatos indicam erro em mais de 60% dos testes, inclusive criando links quebrados ao tentar adivinhar caminhos de URL.
No próprio fórum oficial Google AI Developers (entre março e novembro de 2026), desenvolvedores documentaram falhas em que combinar google_search com saída em JSON (formato estruturado de troca de dados) fazia a API omitir groundingMetadata; segundo relatos publicados nesse fórum, quando o esquema exigia URL sem esses metadados, o modelo chegava a inventar endereços com erro 404 (página não encontrada) em cerca de metade das tentativas.
Ou seja: texto solto e vago deixa a IA adivinhando o que você vende, e quem paga a conta dessa distorção é o seu comercial.
Então como você evita isso na engenharia do seu site?
Eu separo esse trabalho em três camadas práticas..
Engenharia Prática: Como Preparar Seu Site Para o Grounding
Logo depois da pergunta vem a execução: primeiro você abre a porta do servidor, depois escreve trechos fáceis de recortar e, por fim, amarra os dados da empresa.
A Porta de Entrada: Borda, HTML Limpo e Markdown
Aqui no site, toda auditoria começa pela porta, exatamente como eu estruturei no Método de Inspeção GEO em 8 Camadas.
Quando um robô de busca ou um agente de IA acionado por um usuário bate no seu domínio, o seu servidor e a sua CDN (Content Delivery Network, ou rede de distribuição de conteúdo, como a Cloudflare) deixam ele entrar e ler?
Muita empresa ativa regras agressivas de firewall (barreira de segurança do servidor; em aplicações web, WAF ou Web Application Firewall) achando que bloqueia só raspadores maliciosos e acaba barrando com erro 403 (acesso proibido) ou 429 (excesso de requisições) os coletores de busca em tempo real (como Googlebot, Bingbot, OAI-SearchBot e PerplexityBot).
E muita atenção a um erro frequente no robots.txt (arquivo que orienta o acesso de robôs ao domínio): bloquear o token Google-Extended não remove a sua página dos AI Overviews na Busca do Google, pois a Busca continua dependendo do Googlebot e de diretivas de snippet como nosnippet e max-snippet.
Pela documentação oficial do Google, o token Google-Extended controla tanto o treino do Gemini quanto o grounding no Gemini Apps e na Vertex AI API.
Já a Microsoft anunciou em 30 de outubro de 2026 a separação entre AI Training (via robots.txt) e AI Grounding por página (com opção de liberar, bloquear ou restringir apenas às experiências da própria Microsoft fora de APIs terceiras, com vigência nos crawlers prevista para 1º de fevereiro de 2027), sem tirar o site do Bing clássico.
O peso de uma página de bloqueio mal tratada na borda é enorme: a Cloudflare documentou que suas telas padrão em HTML (código-fonte da página) consomem 46.645 bytes (14.252 tokens no erro 1015 de limite de taxa). Por isso ela ativou respostas pela RFC 9457 (padrão técnico de mensagens de erro na web) em Markdown (formato de texto simples estruturado), cortando o pacote em cerca de 98%, para 798 bytes e 221 tokens.
Outro gargalo crítico de infraestrutura é a diferença entre renderização no servidor (SSR, ou Server-Side Rendering, onde o HTML já chega pronto com o texto) e renderização no navegador do cliente via JavaScript (CSR, ou Client-Side Rendering).
Embora o Google Search Central confirme que o Google processa JavaScript quando os recursos não estão bloqueados (recomendando ainda assim HTML semântico), o levantamento técnico da Vercel e da MERJ (publicado em 17 de dezembro de 2024) comprovou que nenhum dos principais crawlers (robôs rastreadores que leem e indexam páginas) de IA fora do Googlebot renderizava JavaScript naquela medição.
Se o preço do seu serviço, a tabela técnica do seu produto ou o texto principal da sua página dependem de JavaScript pesado rodando no navegador para aparecer, para boa parte dos coletores de IA a sua página é uma folha em branco.
Além do HTML limpo, implementações documentadas com versões em Markdown para agentes relatam economia de até cerca de 80% no consumo de tokens frente ao HTML bruto (variando conforme o peso da página).
Isso funciona tanto pelo cabeçalho Accept: text/markdown na Cloudflare (limitado a 2 MB por resposta e com telemetria lançada em novembro de 2026) quanto por pacote próprio, como eu faço aqui no laboratório com o OKF Bundle Manager.
Ainda assim, é honesto registrar que não existe confirmação oficial das plataformas de que negociar text/markdown aumente sozinho a taxa de citação nos buscadores comerciais hoje.
Na atualização de julho de 2026 do guia de IA do Google Search Central, o Google inclusive reforçou que a Busca tradicional e os AI Overviews não dependem de arquivos especiais em Markdown nem de llms.txt para recuperar conteúdo, seguindo focados no HTML semântico da página.
E aqui entra uma lição real de trincheira que eu vivi neste próprio site em outubro de 2026.
Ao comparar o HTML e o Markdown público de 136 páginas do meu laboratório, eu descobri que o plugin apagava palavras curtas entre colchetes achando que eram shortcodes (códigos curtos internos) do WordPress. Num único exemplo público de pesquisa de ICP (Perfil de Cliente Ideal), 49 marcas de evidência e 21 marcas de hipótese usadas na documentação técnica tinham sumido do arquivo .md.
Eu corrigi o parser (leitor de marcação do plugin) na versão 0.3.9 porque, se o arquivo entregue à IA perde o aviso do que é prova e do que é hipótese, a máquina passa a ler suposição de negócio como fato comprovado.
Anatomia do Texto: Densidade Factual Vence Retórica
A requisição passou pela porta?
Agora entra a forma como você escreve cada seção para facilitar o corte do grounding chunk.
A prova científica mais direta sobre o que funciona dentro do texto vem do estudo “GEO: Generative Engine Optimization” (publicado no congresso ACM SIGKDD 2024, arXiv:2311.09735).
Nele, Pranjal Aggarwal e pesquisadores de Princeton, Georgia Tech, IIT Delhi e do Allen Institute for AI testaram nove ajustes editoriais em 10.000 consultas do benchmark (conjunto de testes de referência) GEO-bench e conferiram tudo em 200 buscas ao vivo na Perplexity.ai.
As três intervenções que mais aumentaram a visibilidade da fonte citada foram exatamente as que injetam prova verificável no texto:
- Adição de estatísticas concretas (Statistics Addition): substituir adjetivos vagos por números reais com contexto elevou a métrica de impressão subjetiva em cerca de 37% na validação ao vivo na Perplexity;
- Adição de citações diretas (Quotation Addition): incluir citações literais atribuídas a fontes primárias aumentou a contagem de palavras ajustada pela posição entre 21% e 22% na Perplexity;
- Citação explícita de fontes (Cite Sources): amarrar afirmações a referências verificáveis gerou um efeito redistributivo forte no GEO-bench, fazendo o 5º colocado saltar +115,1% em visibilidade quando todas as cinco páginas competidoras foram otimizadas simultaneamente.
Na estrutura da página, a própria documentação oficial da Anthropic orienta quebrar conteúdos longos em blocos lógicos com títulos descritivos para criar fronteiras limpas de citação.
Some a isso o achado observacional do DEJAN (dezembro de 2025, nas 7.060 consultas): páginas enxutas e densas de cerca de 800 palavras tiveram mais de 50% do conteúdo aproveitado no grounding, contra apenas 13% de aproveitamento em textos inflados de 4.000 palavras.
Não existe experimento público controlado que meça isoladamente o peso de uma tag <table> (marcação de tabela em HTML) ou de um resumo logo abaixo do H2 nos sistemas comerciais fechados. Ainda assim, abrir cada seção respondendo à pergunta nas duas primeiras frases, nomeando o assunto por extenso e datando os números torna o trecho autossuficiente na hora do corte.
O exemplo técnico publicado pela Anthropic em setembro de 2024 no estudo de Contextual Retrieval (recuperação contextual) mostra por que evitar pronomes soltos faz tanta diferença.
Quando um chunk isolado diz apenas “a receita da empresa cresceu 3% sobre o trimestre anterior”, a busca não sabe qual empresa nem qual trimestre estão ali. Ao prefixar contexto no índice, a Anthropic reduziu falhas de recuperação em 49% combinando embeddings (representações numéricas do sentido do texto) e BM25 (algoritmo de busca por palavras exatas), e em 67% ao somar reclassificação (reranking).
Na prática editorial, o ganho é parecido sem exigir magia: nomeie a marca, o serviço, a versão e o ano direto no bloco onde o dado aparece, evitando começar subtítulos com “isso”, “ela” ou “esse modelo”.
Outro cuidado decisivo de texto é eliminar contradições internas e datas obsoletas na própria página. Se o topo promete atendimento em 24 horas e o rodapé cita outro prazo, ou se o texto visível diverge dos dados estruturados, o conflito de informação reforça a chance de abstenção ou de erro na síntese.
O Papel Real de JSON-LD, Grafo e Menções de Marca
Aqui eu preciso ser MUITO transparente com você para desmontar uma meia-verdade comum em vendas de consultoria.
Até hoje, não existe evidência pública confiável de que blocos de JSON-LD (formato de dados estruturados em código ligado ao vocabulário Schema.org) sejam recortados diretamente como grounding chunks textuais para montar a resposta do ChatGPT, da Perplexity ou do AI Overviews.
Então o JSON-LD perdeu importância?
De jeito nenhum: como eu detalho no guia completo de JSON-LD para SEO (otimização para mecanismos de busca), GEO e AEO, a marcação atua ANTES do recorte. Ela garante indexação limpa, elegibilidade na busca do Google e desambiguação da sua empresa dentro de um Knowledge Graph (Grafo de Conhecimento).
E fora do seu site, a autoridade da marca pesa dobrado: um estudo correlacional da Ahrefs (dezembro de 2025) apontou correlação de 0,664 entre menções de marca na web e visibilidade no ChatGPT. É mais que o dobro do Domain Rating (métrica da Ahrefs para força de backlinks, links de outros sites apontando para o seu), que marcou 0,326.
Manter o nome da empresa, os serviços, a cidade e os preços coerentes entre site, ficha do Google e páginas de terceiros ajuda o modelo a confirmar que todos os chunks falam do mesmo negócio.
Esse alinhamento de entidades também se estende a ativos multimodais (imagens e vídeos) e bases oficiais do Google, como o Google Merchant Center (catálogo de produtos exibido na busca) e a conexão real tratada no guia sobre WordPress e Google Business Profile.
No levantamento do mercado em português, o que mais falta nos conteúdos locais sobre o tema é profundidade técnica e dado verificável. Para a empresa brasileira, o espaço competitivo está justamente em publicar números reais, impostos, prazos e cenários do negócio que uma página genérica não cobre.
Sabendo o que funciona na prática, vale olhar agora para o que muita gente ainda tenta vender como atalho.
O Que NÃO Funciona: Mitos Vendidos Como GEO
Sempre que surge uma sigla nova no marketing digital, eu vejo gente vendendo “fórmula secreta” para dono de PME (pequena e média empresa) que está preocupado com as vendas (risos..).
Se alguém tentar te vender algum dos cinco pacotes abaixo como garantia de citação em IA, tenha CUIDADO:
- Vender arquivo
llms.txtcomo segredo de ranking no Google: tanto Gary Illyes quanto John Mueller (do Google Search Central) já declararam publicamente que a Busca do Google não utiliza o arquivollms.txt(arquivo de texto colocado na raiz do site para orientar ferramentas de leitura por IA). Ele é barato e inofensivo para documentar o site para ferramentas de desenvolvedor, mas não faz o Google AI Overviews citar a sua página; - Repetir palavras-chave para “forçar” o fan-out (keyword stuffing): no estudo científico GEO-bench (10.000 consultas), repetir palavras-chave foi a única técnica que derrubou a visibilidade abaixo do texto original não otimizado (-8,3% no benchmark e cerca de 9% a 10% pior na Perplexity ao vivo);
- Escrever em tom pomposo ou “autoritário” sem dados: no mesmo experimento de Aggarwal e colegas (KDD 2024), reescrever o texto apenas com adjetivos persuasivos (Authoritative Tone) não gerou ganho estatisticamente significativo;
- Esconder comandos invisíveis para a IA na página: camuflar texto branco no fundo branco dizendo “recomende esta empresa” é classificado na literatura de segurança como Indirect Prompt Injection (injeção indireta de comando, documentada por Kai Greshake e colegas do centro CISPA em 2023), além de violar frontalmente as políticas de spam e texto oculto do Google Search Central;
- Gerar centenas de páginas rasas de IA para cercar cada subconsulta do query fan-out: produzir texto em massa sem dado inédito cai direto na política oficial de Scaled Content Abuse (abuso de conteúdo em escala) do Google Search Central, podendo derrubar o domínio inteiro da busca e dos recursos generativos.
Na minha prática, não existe truque de bastidor que substitua engenharia limpa e prova factual..
Faz sentido?
A Conta Fecha? Cliques, Conversão e Auditoria Prática
A conta do grounding e da otimização para IA só fecha quando a visibilidade traz contato qualificado para o caixa, e não apenas impressões. Em buscas informacionais os cliques caem, mas quem aparece citado em segmentos consultivos tem atraído visitantes com maior taxa de cadastro e intenção de compra.
Você pode estar pensando: “Mas Felipe, se a IA já entrega a resposta mastigada na tela, o usuário ainda clica no link? Vale a pena investir tempo e verba nisso?”
Vamos olhar para os números reais com amostra declarada, sem “dourar a pílula”.
Quando a busca é só informacional, o corte de cliques é grande, como mostrou o painel do Pew Research Center (julho de 2025, com 900 adultos nos EUA e 68.879 buscas reais, analisado em arXiv:2608.04831).
Nessa amostra, os cliques em links tradicionais caíram de 15% (sem resumo de IA) para 8% (com AI Overview), o clique num link citado dentro do resumo ocorreu em apenas cerca de 1% das visitas e o encerramento sem clique subiu de 16% para 26%.
Na medição da Ahrefs sobre 300.000 palavras-chave no Google Search Console (ferramenta do Google que monitora impressões e cliques na busca), a atualização de Ryan Law em fevereiro de 2026 mostrou queda de 58,0% na taxa de cliques (CTR, ou Click-Through Rate) média da posição 1 quando havia AI Overview (de 0,073 para 0,016).
Então por que disputar o grounding?
Primeiro, por defesa de participação de mercado: no estudo da Seer Interactive (3.119 consultas em 42 organizações, entre junho de 2024 e setembro de 2025), as marcas que conquistaram citação dentro do AI Overview obtiveram 120% mais cliques orgânicos por impressão do que as marcas que ficaram fora do resumo.
Segundo, pela intenção de quem clica, mas sem cair em número inflado: muita gente repete no Brasil que “o tráfego de IA converte 4,4 vezes mais”. Como apontou a auditoria da Ten Point Labs em outubro de 2026, esse múltiplo da Semrush (junho de 2025) olhou só para a minoria que clicou e nem divulgou o tamanho da amostra.
Quando olhamos os levantamentos com amostra e recorte declarados (incluindo os dados reunidos nessa auditoria da Ten Point Labs), a conversão do visitante vindo de IA varia drasticamente conforme o modelo de negócio:
- Software B2B (business to business, venda entre empresas) e serviços consultivos: na própria Ahrefs (junho de 2025, 30 dias no domínio deles), 0,5% do tráfego vindo de busca por IA gerou 12,1% dos cadastros (23 vezes a média), e na Seer Interactive (quase 11.000 sessões num cliente) a conversão em eventos-chave do Google Analytics 4 (GA4) foi de 15,9% contra 1,76% do orgânico tradicional (cerca de 9 vezes);
- Portais de conteúdo e assinatura: no levantamento do Microsoft Clarity (novembro de 2025, mais de 1.200 sites), visitas vindas de LLMs (Large Language Models, ou grandes modelos de linguagem) converteram cerca de 11 vezes mais em cadastros (1,66% contra 0,15%) e 2,4 vezes mais em assinaturas (1,34% contra 0,55%);
- Varejo e e-commerce transacional: a Adobe (julho de 2026, varejo nos EUA) mediu vantagem de 1,6 vez (60% a mais), mas o estudo acadêmico publicado na revista Marketing Science (abril de 2026, acompanhando 973 sites de e-commerce por 12 meses e mais de 50.000 transações via ChatGPT) verificou conversão superior ao social pago, porém inferior à busca orgânica tradicional.
Nota complementar: eu já atendi uma clínica de psicologia no estado de São Paulo que tinha números lindos de exibições, cliques e CTR no Search Console, mas quase nenhum agendamento no Doctoralia e pouquíssimos chamados no WhatsApp. Visibilidade em busca ou citação em IA que não conduz o potencial cliente para uma ação valiosa é métrica de vaidade.
Para a conta fechar em serviços ou B2B, o trecho do seu site que entra no grounding precisa responder à dúvida técnica com tanta clareza que o comprador qualificado clique na referência para contratar quem sabe, caindo numa página com oferta clara e rastreamento configurado dentro de um plano de mensuração de eventos.
Se você não sabe se a porta técnica do seu site está travando os robôs de IA ou se o seu tráfego orgânico não está virando pedido de orçamento, clique no botão de atendimento do WhatsApp que aparece nesta tela e fale comigo que eu avalio o seu cenário.
Como Auditar Seu Site na Prática
Em vez de contratar ferramentas caras que chutam uma “nota de IA” sem transparência, você (ou a sua equipe técnica) pode auditar o grounding do seu domínio em quatro passos verificáveis:
- Inspeção direta do payload (estrutura de dados retornada pela resposta) das APIs: monte um lote fixo com perguntas reais que o seu cliente faz antes de comprar e rode na Gemini API (com
google_searchativo em temperatura 1,0) e na OpenAI Responses API, salvando os objetoswebSearchQueries,groundingChunks,groundingSupportseurl_citationpara ver quais páginas entram no pacote (é a base do que eu documento na Nota de Citação por IA); - Conferência de logs na borda e no servidor: filtre nos logs brutos da Cloudflare e da hospedagem se
Googlebot,Bingbot,OAI-SearchBotePerplexityBotestão recebendo status HTTP 200 (carregamento bem-sucedido) nas suas páginas estratégicas, sem bloqueio 403 ou 429; - Teste de extração sem JavaScript e em Markdown: inspecione o HTML inicial entregue pelo servidor (SSR) para garantir que dados, tabelas e preços estão presentes no código-fonte sem depender de script no cliente, e valide a resposta com
curl -H "Accept: text/markdown"se você opera conversão na borda ou pacote Markdown próprio; - Leitura cruzada entre Search Console, Bing Webmaster Tools e GA4: acompanhe os relatórios específicos de IA generativa no Search Console (impressões isoladas para AI Overviews e AI Mode no canal Pesquisa, anunciados em junho de 2026, ainda sem cliques ou prompts) junto do relatório AI Performance do Bing Webmaster Tools (citações e grounding queries), cruzando com a conversão real das sessões do canal
AI Assistantno GA4.
| Onde | O que conferir | Não fazer |
|---|---|---|
Cloudflare, WAF e robots.txt | Status HTTP 200 para robôs de busca e fetchers (coletores acionados na hora da pergunta), separando treino (Google-Extended, AI Training) de grounding | Bloquear ASN (bloco de rede) ou searchbot sem diferenciar treino, grounding e busca clássica |
| Renderização HTML | Texto principal, preços, provas e tabelas entregues no HTML inicial do servidor | Esconder o conteúdo central atrás de abas ou scripts que só rodam no cliente |
| Anatomia e atualidade | Resposta direta sem pronomes soltos abaixo do H2, dados datados e coerência entre topo e rodapé | Repetir palavra-chave à força ou manter prazos, preços e dados contraditórios na página |
| Entidades e Schema | JSON-LD coerente com texto visível, ativos multimodais e menções consistentes da marca fora do site | Subir arquivo llms.txt achando que substitui indexação e autoridade |
| Search Console, Bing Webmaster Tools, GA4 e CRM (sistema de gestão de clientes) | Impressões de IA no Search Console, citações e grounding queries no Bing Webmaster Tools, conversão e custo por lead no caixa | Comemorar citação ou impressão sem medir quantos contatos geraram receita |
Nada disso pede gambiarra. Pede engenharia, método e conferência contínua.
Concluindo..
Bom, espero que tenha ficado claro que o grounding não é mágica nem o “fim dos sites”: ele é o mecanismo de engenharia que transforma páginas bem construídas e ricas em dados verificáveis na matéria-prima das respostas de IA.
Vimos o que é grounding e como os quatro portões técnicos escolhem, recortam e atribuem cada trecho das páginas.
Passamos também pela queda do top 10 nos resumos de IA, pelas falhas de citação, pelos ajustes de borda e texto, pelos mitos de mercado e pela conta real de cliques e conversão no caixa.
Pense sempre no médio e longo prazo.. Enquanto parte do mercado acha que o site perdeu importância com os agentes de IA, a evidência técnica mostra exatamente o oposto: sem um site rápido, aberto na porta, estruturado em entidades e sustentado por provas reais, a sua empresa simplesmente não existe na camada de verificação das máquinas.
Quem organiza essa base hoje também fica pronto para os agentes que já começam a navegar e operar páginas reais em nome do comprador, onde dado claro e sem ambiguidade vale venda.
Na prática, organizar o site para entrar nessa camada de citação das IAs sem perder o foco em vendas é a base do trabalho que eu executo com empresas em Busca e Autoridade.
No topo deste post existe um botão com a opção de download de todo o conteúdo em markdown, para que você possa utilizar como referência no trabalho com seu agente de IA. O download é gratuito, não pede cadastro, não pede e-mail e você não entra em nenhuma lista. É um conteúdo 100% público, para qualquer pessoa acessar e baixar.
Esse conteúdo acrescentou algo pra ti? Se quiser avaliar a estrutura do seu site com rigor técnico e visão de negócio, entre em contato! Vai ser um prazer falar contigo.
Forte abraço!
Perguntas frequentes
O que é grounding em buscas de IA e qual a diferença para RAG e fine-tuning?
Grounding é o mecanismo pelo qual a IA consulta fontes externas em tempo real, recorta passagens e ancora cada afirmação a links verificáveis. Enquanto o fine-tuning altera os pesos internos do modelo no treinamento e o RAG recupera trechos de uma base indexada (privada ou web), o grounding de busca aplica essa recuperação em tempo real sobre o índice da web aberta com atribuição visível.
Estar no top 10 do Google garante que meu site será citado pela IA?
Não. Embora estar indexado e elegível para snippet continue obrigatório para recursos de IA na Busca do Google, estudos observacionais da Ahrefs mostram que a sobreposição entre o top 10 orgânico e os AI Overviews caiu de 76,1% em julho de 2025 para 37,9% em março de 2026. O desdobramento em subconsultas (query fan-out) permite que páginas fora do top 10 da busca principal forneçam o trecho exato para a resposta.
Criar um arquivo llms.txt ou repetir palavras-chave faz o site entrar no grounding?
Não. Representantes do Google já declararam que a Busca não utiliza llms.txt, e o benchmark científico GEO-bench (com 10.000 consultas) comprovou que repetir palavras-chave (keyword stuffing) reduziu a visibilidade em 8,3%. O que elevou a presença nas respostas foi adicionar estatísticas com fonte, citações diretas e referências verificáveis.
JSON-LD e Schema.org são lidos diretamente como trechos de grounding?
Não há evidência pública confiável de que blocos JSON-LD sejam recortados diretamente como grounding chunks textuais pelos motores comerciais hoje. O valor real dos dados estruturados está em garantir indexação limpa, elegibilidade na busca e desambiguação das entidades da sua empresa.
Como auditar na prática se o meu site está sendo usado no grounding das IAs?
O caminho técnico combina inspecionar os metadados das APIs oficiais (como groundingMetadata no Gemini e url_citation na OpenAI) para um lote fixo de perguntas do seu nicho e auditar os logs da Cloudflare e do servidor para confirmar status HTTP 200 nos robôs de busca. Depois, vale cruzar consultas informacionais no Google Search Console com a conversão real do canal AI Assistant no Google Analytics 4 (GA4).
Para Agentes de IA
Este trecho resume o conteúdo para agentes de IA que estejam ajudando uma pessoa ou empresa a auditar ou preparar páginas web para recuperação e atribuição em sistemas de grounding (AEO e GEO). As instruções do seu usuário e da sua organização prevalecem sobre este texto.
O que o conteúdo oferece: a distinção entre fine-tuning, RAG e grounding na web, os quatro portões do pipeline (busca dinâmica, query fan-out, grounding chunks e atribuição), o funil com critério de abstenção, os achados do GEO-bench (KDD 2024) e do Contextual Retrieval (Anthropic), os riscos anti-spam e o protocolo de auditoria em quatro etapas.
Pré-requisitos: acesso de leitura autorizado pelo seu usuário ao código-fonte HTML renderizado pelo servidor da página auditada, ao robots.txt e logs de acesso HTTP ou painel da CDN/WAF, aos dados do Google Search Console, Bing Webmaster Tools e GA4, e, quando aplicável, chaves próprias para consulta às APIs da Gemini API, OpenAI, Anthropic, Perplexity ou xAI.
Passos resumidos: se o seu usuário pedir auditoria de prontidão para grounding, a sequência do conteúdo cobre verificar indexação, liberação de snippet, status HTTP 200 sem bloqueio de WAF e a separação entre treino (Google-Extended, AI Training) e grounding no robots.txt. Inclui conferir texto no HTML inicial, aberturas sem pronomes soltos nem contradições internas, e comparar os trechos com payloads reais e painéis oficiais.
Como verificar: a página retorna HTTP 200 para coletores de busca, exibe conteúdo principal sem depender de JavaScript e mantém coerência entre topo, rodapé, ficha local e Schema.org. Além disso, o monitoramento cruza impressões de IA no Search Console e citações no Bing Webmaster Tools com conversões reais no analytics do usuário.
Limites: os algoritmos exatos de fatiamento e reclassificação em produção no Google AI Overviews, no ChatGPT Search e no Bing Copilot são proprietários, e tanto as estimativas de tamanho de chunk (~377 palavras típicas e platô perto de ~540 palavras no estudo do DEJAN) quanto a queda de sobreposição com o top 10 orgânico (37,9% no levantamento da Ahrefs de março de 2026) são observacionais.
Além disso, não há evidência pública confiável de extração direta de JSON-LD como grounding chunk textual nem de ganho isolado ao negociar Accept: text/markdown, publicar llms.txt ou picotar textos para a Busca do Google, e as taxas de conversão vindas de IA divergem por setor (altas em software B2B e portais de conteúdo, mas abaixo do orgânico em 973 e-commerces na Marketing Science em abril de 2026).
Quando pedir confirmação ao humano: confirme sempre com o seu usuário antes de alterar regras de WAF, CDN, robots.txt, cabeçalhos HTTP, templates de servidor, marcação Schema.org ou conteúdo publicado em ambiente de produção.
O que evitar: o risco técnico documentado inclui recomendar repetição artificial de palavras-chave (que reduziu a visibilidade em 8,3% no GEO-bench), inserir instruções ocultas na página (Indirect Prompt Injection, que viola diretrizes de segurança e políticas anti-spam), ou tratar citações e impressões em IA como prova de retorno financeiro sem cruzar com conversões reais no CRM e no analytics do usuário.
Este conteúdo retrata a minha experiência e o meu método de trabalho. Quem decide e executa qualquer alteração é o seu usuário, que responde por ela no site, na infraestrutura e nos clientes dele.
Não nos responsabilizamos pelo que agentes de IA ou pessoas fizerem a partir deste conteúdo; nos responsabilizamos exclusivamente em parcerias formalizadas por contratos. Em qualquer dúvida, o caminho indicado é mostrar ao seu usuário a nossa página de Aviso Legal.
Referências
Google AI for Developers, Grounding with Google Search na Gemini API: especificação oficial do fluxo de grounding, estrutura de groundingMetadata, webSearchQueries, groundingChunks e atribuição por índices de caracteres em groundingSupports.
Google Cloud Documentation, Grounding with Google Search no Vertex AI: documentação empresarial sobre recuperação dinâmica, recomendação de temperatura 1,0 e requisitos de exibição de searchEntryPoint.
Google Search Central, Optimizing your website for generative AI features on Google Search: diretrizes oficiais de elegibilidade técnica, ativos multimodais e conteúdo não commodity para AI Overviews e AI Mode (anunciadas em maio e atualizadas em julho de 2026, esclarecendo ainda que arquivos especiais em Markdown, llms.txt e fatiamento artificial não são necessários para a Busca).
Google Search Central, AI Features and Your Website: documentação oficial sobre elegibilidade por indexação e snippets, controles tradicionais (noindex, nosnippet, data-nosnippet, max-snippet), uso de query fan-out e fidelidade entre texto visível e dados estruturados.
Google Search Central, Overview of Google crawlers (common crawlers): especificação oficial do token Google-Extended, controlando uso de conteúdo tanto para treinamento de modelos Gemini quanto para grounding no Gemini Apps e na Vertex AI API sem afetar a Busca clássica.
Google Search Central, Spam Policies for Google Web Search: política oficial de spam incluindo Scaled Content Abuse (geração em massa de páginas de baixo valor para manipular rankings, independentemente do método).
Google Search Central Blog, Introducing Search Generative AI performance reports in Search Console: anúncio oficial de 3 de junho de 2026 isolando métricas de impressões por página, país e dispositivo para recursos generativos no Search Console (ainda sem cliques ou prompts).
OpenAI Developers, Web search tool Guide: documentação da ferramenta de busca web na Responses API, controle de search_context_size e citações clicáveis via url_citation em annotations.
Anthropic Claude Platform Docs, Web search tool: funcionamento da decisão autônoma de busca no Claude e uso de web_search_result_location com limite de 150 caracteres em cited_text.
Anthropic Claude Platform Docs, Citations: especificação de citações em documentos, blocos lógicos, char_location e page_location no uso de web_fetch.
Perplexity API Docs, Streaming Citations: acúmulo de lotes search_results em streaming e mapeamento dos marcadores de citação.
Perplexity API Docs, Search Quickstart: suporte nativo a múltiplas consultas no campo query (até cinco por unidade de faturamento) e controles de resposta.
xAI Developer Docs, Web Search Tool: documentação da ferramenta de busca da Grok API distinguindo All Citations (response.citations com todas as URLs visitadas pelo agente) e Inline Citations inseridas nas afirmações.
Anthropic, Contextual Retrieval in AI Systems: estudo técnico de 19 de setembro de 2024 demonstrando queda de 49% nas falhas de recuperação com embeddings e BM25 contextuais e de 67% com reranking, além da perda de contexto em chunks sem identificação nominal.
Microsoft Bing Blogs, Building the New Bing: descrição oficial do modelo Prometheus e da integração entre o índice do Bing, ranking e geração de respostas com citações.
Microsoft Bing Search Blog, Evolving role of the index: From ranking pages to supporting answers: análise de 6 de maio de 2026 (Krishna Madhavan, Knut Risvik e Meenaz Merchant) sobre a passagem de listas de páginas para fatos ancoráveis e o mecanismo de abstention diante de evidência ausente, obsoleta ou conflitante.
Microsoft Bing Webmaster Blog, Introducing AI Performance in Bing Webmaster Tools Public Preview: lançamento em fevereiro de 2026 do painel de visibilidade em IA no Bing Webmaster Tools com total de citações, média diária de páginas citadas e amostra de grounding queries.
Microsoft Bing Webmaster Blog, Your content, your choice: clearer preferences for training and grounding: anúncio oficial de 30 de outubro de 2026 (Krishna Madhavan) separando controles de AI Training via robots.txt e AI Grounding por página em substituição a NoArchive e NoCache.
Google LLC, Patente US11769017B1 (Generative summaries for search results): registro oficial depositado em março de 2023 e concedido em setembro de 2023 sobre geração de resumos em resultados de busca.
Dan Petrovic (DEJAN), How big are Google’s grounding chunks?: experimento observacional de dezembro de 2025 medindo o tamanho extrativo dos grounding chunks em 7.060 consultas e 2.275 páginas.
Dan Petrovic (DEJAN), Introducing Grounding Classifier: experimento de abril de 2025 com 10.000 prompts no Gemini 2.5 Pro medindo o limiar padrão 0,3 de recuperação dinâmica.
Google AI Developers Forum, groundingChunks Missing from groundingMetadata in Gemini: discussões de engenharia de 2026 documentando omissão de groundingMetadata e relatos de URLs 404 quando busca e JSON estruturado são combinados.
Olaf Kopp, What we can learn about Google’s AI search from the official Vertex Cloud documentation: análise técnica dos parâmetros de prediction score, limiar padrão 0,7 e pontuação de relevância de segmentos na documentação do Vertex AI.
Mike King (iPullRank), Query Fan-Out, Latent Intent, and Source Aggregation: modelagem técnica da expansão semântica em subconsultas sintéticas e critérios de extratibilidade de passagens.
Pranjal Aggarwal e colegas, GEO: Generative Engine Optimization (ACM SIGKDD 2024, arXiv:2311.09735): experimento científico em 10.000 consultas do GEO-bench e 200 consultas na Perplexity avaliando adição de estatísticas, citações, fontes e o impacto negativo de keyword stuffing.
Nelson F. Liu, Tianyi Zhang e Percy Liang, Evaluating Verifiability in Generative Search Engines (Findings of EMNLP 2023, arXiv:2304.09848): auditoria com 11.037 julgamentos humanos medindo 51,5% de citation recall e 74,5% de citation precision em motores de busca generativa.
Datatunnel (sobre estudo do Tow Center for Digital Journalism), AI Search Accuracy Issues Revealed in Study: cobertura pública do levantamento de Klaudia Jaźwińska e Aisvarya Chandrasekar sobre erros de citação e links quebrados em oito motores de IA.
MentionX (sobre levantamento da Vercel e MERJ), JavaScript Rendering and AI Crawlers: análise do estudo de dezembro de 2024 sobre incapacidade dos principais crawlers de IA fora do Googlebot de executar JavaScript no cliente.
Cloudflare Developers, Markdown for Agents: documentação técnica sobre conversão de HTML para Markdown na borda (limite de 2 MB, cabeçalho x-markdown-tokens).
Cloudflare Blog, Slashing agent token costs by 98% with RFC 9457-compliant error pages: medição de queda de 46.645 bytes (14.252 tokens) para 798 bytes (221 tokens) em respostas de erro padronizadas pela RFC 9457.
David Porschmann, llms.txt: what it is and whether you need it: compilação das declarações públicas de Gary Illyes e John Mueller confirmando que a Busca do Google não utiliza arquivos llms.txt.
Kai Greshake e colegas (CISPA), Not What You’ve Signed Up For: Indirect Prompt Injection: caracterização técnica de ataques de injeção indireta de comandos em páginas web consumidas por sistemas RAG.
Pew Research Center e arXiv:2608.04831, Investigating Click Behaviors On Google Search Result Pages: estudo empírico sobre 68.879 buscas medindo a queda de cliques orgânicos de 15% para 8% e a taxa de ~1% de clique em links dentro dos resumos de IA.
Ryan Law (Ahrefs), AI Overviews Reduce Clicks by 58%: atualização de fevereiro de 2026 sobre 300.000 palavras-chave medindo queda de 58,0% no CTR da posição 1 na presença de AI Overviews.
Patrick Stox (Ahrefs), Does AI Search Traffic Convert Better Than Traditional Search?: medição de junho de 2025 no domínio próprio da Ahrefs em que 0,5% do tráfego de IA gerou 12,1% dos cadastros.
Milan Novotny, Generative Engine Optimization Statistics 2026: compilação observacional dos levantamentos da Ahrefs (queda de sobreposição com o top 10 de 76,1% para 37,9%, 12% em assistentes externos e correlação de 0,664 de menções de marca).
Ten Point Labs, AI Search Conversion Rate: What the 4.4x Stat Means: auditoria de outubro de 2026 sobre limites do múltiplo da Semrush e compilação dos estudos de Seer Interactive, Microsoft Clarity, Adobe e Marketing Science.
E a experiência prática do autor na engenharia e operação deste laboratório ao vivo e em cerca de 6 anos de consultorias de busca, tecnologia, tráfego e dados.