O que é GEO (Generative Engine Optimization)
GEO é a prática de fazer com que uma marca seja recuperada e citada dentro da resposta que um motor generativo escreve — ChatGPT, Claude, Perplexity, o AI Overview do Google. O nome vem do artigo Generative Engine Optimization, de Aggarwal et al., apresentado na KDD 2024 e publicado como arXiv 2311.09735. A diferença central em relação ao SEO é o produto final: SEO disputa uma posição numa lista de links; GEO disputa presença dentro de um texto que a máquina redige, e nesse texto não existe “posição 3”.
Quem escreve isto é Mateus Gomes, operador da murmur.marketing — engine de GEO no
Brasil. Sou parte interessada nesta definição, e por isso ela vem acompanhada, na §“o que eu
medi”, do resultado que permite julgar o viés.
Resumo
- Definição curta. GEO é otimização para motor generativo: fazer o modelo encontrar o seu conteúdo e usá-lo ao escrever a resposta.
- Origem. O termo foi proposto por Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan e Deshpande em arXiv 2311.09735 (KDD 2024), que também propõe o GEO-bench, com 10.000 consultas avaliadas contra motores generativos.
- O que o artigo mediu. Intervenções de texto movem a visibilidade dentro da resposta gerada: citações a fontes, +115%; estatísticas, +41%; citações diretas, +30% — contra o benchmark descrito no próprio artigo.
- O que GEO não é. Não é SEO renomeado, não substitui o SEO, e não é medível com o instrumento do SEO — o clique é opcional.
- Como o resultado se mede. Capturando as respostas reais dos motores e classificando o estado da marca em cada uma, com denominador exato e data. Contagem de menções sem denominador não é medição.
- O termo em português. No Brasil, GEO é o termo de arte. A tradução literal para português não é procurada por ninguém e não serve como nome. A comparação com SEO e AEO, e a parte da fronteira que o mercado ainda não fechou, estão em GEO, AEO e SEO: qual a diferença.
Por que existe um nome novo para isso
Existe um nome novo porque a superfície mudou de natureza, não de aparência. Num buscador clássico, o motor seleciona e ordena documentos: o produto é uma lista, e cada item da lista é uma página que continua existindo com o texto que o autor escreveu. Num motor generativo, o modelo recupera documentos e depois redige uma resposta nova a partir deles. O texto que a pessoa lê não foi escrito por nenhum dos autores recuperados — foi escrito pela máquina, que decidiu o que citar, o que parafrasear e o que ignorar.
Isso quebra a régua herdada em dois pontos. Primeiro, não há posição: uma marca está dentro ou fora do parágrafo, e “dentro” tem gradações que uma lista não tem. Segundo, o clique deixa de ser o desfecho obrigatório. Uma resposta que descreve corretamente o que a sua empresa faz e não gera visita nenhuma já resolveu o problema comercial de quem perguntou — e nenhum painel de analytics vai registrar isso, porque não houve sessão para registrar.
Há um terceiro motivo, menos discutido e mais duro: o motor precisa saber que a sua empresa existe como coisa distinta. Antes de qualquer técnica de conteúdo, existe o problema de entidade — o modelo consegue ou não consegue separar você de outras organizações com nome parecido. Quando não consegue, ele não escolhe errado por descuido: ele preenche o buraco com o homônimo mais próximo. Nesse estado, publicar mais páginas não corrige nada, porque o problema não é de recuperação — a sequência em que essa etapa entra, e o que ela exige, está em Como aparecer no ChatGPT como empresa.
O que o artigo original mediu, e o que isso vale
Vale nomear a fonte por um motivo prático: é a única definição de GEO no corpus público que vem com método verificável. O artigo constrói o GEO-bench — um conjunto de 10.000 consultas avaliadas contra motores generativos — e testa intervenções de redação sobre páginas, medindo o efeito na visibilidade dentro da resposta gerada.
Os três resultados mais reproduzidos:
- Citação a fontes: +115%. Um documento que cita fontes verificáveis é mais aproveitado pelo motor do que o mesmo documento sem elas.
- Estatísticas: +41%. Números concretos, no corpo, são levantados com mais frequência que afirmação qualitativa.
- Citações diretas: +30%. Falas atribuídas a alguém sobrevivem melhor à redação do modelo do que prosa sem atribuição.
Duas ressalvas honestas sobre esses números, porque eles circulam sem elas. Primeira: são efeitos medidos contra um benchmark acadêmico, num recorte de motores e de consultas, e não uma promessa de resultado comercial no seu mercado. Segunda: eles descrevem o estágio de redação — a diferença que a forma do texto faz depois que o documento já foi recuperado. Um documento que o motor não alcança não é melhorado por citação nenhuma.
Terceira, e é a que mais desconforto me causa: existe uma revisão crítica dessa literatura inteira. O survey arXiv 2607.14035, de Olivier Martinez (submetido em 2026-07-15), lê 45 estudos publicados entre novembro de 2023 e julho de 2026 e conclui que nenhuma das técnicas revisadas demonstra efeito causal estável, longitudinal e entre plataformas — inclusive registrando recortes em que a reescrita no estilo GEO reduz a recuperação da página. Quem vende GEO tem obrigação de citar esse survey, não de escondê-lo: ele não diz que a categoria não existe, diz que a evidência disponível é mais fraca do que o marketing dela sugere. É por isso que eu não prometo percentual de ganho e publico denominador em tudo.
Sobre números de terceiros em geral, uma regra que eu aplico e recomendo: se a fonte primária de um percentual sobre IA não pode ser aberta, com período e denominador, o número não entra. Boa parte das estatísticas que circulam sobre este assunto — inclusive algumas muito citadas por fornecedores — não sobrevive a essa checagem.
O que GEO exige antes de qualquer redação
Antes da técnica de texto vem a mecânica de descoberta, e ela é onde a maioria dos projetos morre em silêncio.
O rastreador de IA não executa JavaScript. O que ele lê é o HTML que o servidor entrega. Se o conteúdo só existe depois que o navegador roda um script, para efeito de recuperação ele não existe. E, diferente de um usuário, o rastreador não tem segunda chance: ele não fica recarregando a página até o conteúdo aparecer. Isto não é folclore: a Vercel publicou a leitura dos próprios logs de rede em The rise of the AI crawler e a formulação dela é que nenhum dos principais rastreadores de IA renderiza JavaScript hoje — com o detalhe que quase ninguém repete: eles baixam os arquivos de script sem executá-los (11,50% das requisições do rastreador da OpenAI, 23,84% das do da Anthropic). Baixar não é rodar, e o texto que só nasce depois do script não chega a existir para eles.
Descoberta tem três caminhos, e só três: link interno a partir de uma página que já é
conhecida; sitemap declarado no robots.txt; e submissão ativa a um índice. Conteúdo sem nenhum
dos três é órfão — pode ser tecnicamente perfeito e nunca ser visto.
Bloquear o buscador clássico e liberar só o rastreador de IA é cloaking, e é a receita mais rápida de queimar o domínio inteiro. Os motores generativos se apoiam em índices de busca; o ChatGPT com busca, por exemplo, se ancora no índice do Bing, o que faz das Ferramentas do Bing para Webmasters uma alavanca que quase ninguém usa.
Sobre llms.txt: é boa-fé, não canal de descoberta. Até aqui, nenhum motor confirmou consumir
o arquivo como via de rastreamento. Publicar não custa e não faz mal; contar com ele como
mecanismo de aparição é apostar num canal não confirmado. Esta é a minha posição, é datada, e é
falsificável no dia em que um motor declarar o contrário.
Como o resultado de GEO se mede
Aqui está a parte que separa fornecedor de fornecedor, e ela não é sobre a sigla que cada um usa.
A régua não é binária. Uma marca pode ocupar quatro estados dentro de uma resposta gerada, e eles pedem consertos diferentes — a diferença entre os dois estados que mais se confundem está aberta em Citado como fonte ou recomendado pela IA:
| estado | o que aconteceu | o que isso indica |
|---|---|---|
| recomendada | o motor a apresenta como escolha | o objetivo comercial |
| fonte | o motor linkou a página, mas não falou dela no corpo | recuperado e perdido na redação |
| mencionada | o nome aparece, sem recomendação | reconhecida, não escolhida |
| ausente | nada | não recuperada, ou entidade inexistente para o motor |
Toda figura precisa de denominador e data. “A marca apareceu 40 vezes” não significa nada sem o total de tentativas, sem os motores usados e sem o dia. Buscador generativo muda; um número sem carimbo de data é uma opinião com aparência de dado.
Uma rodada única não é medição. Na campanha que descrevo abaixo, a mesma pergunta devolveu uma marca em 5 de 5 repetições num motor e em 0 de 5 em outro, no mesmo dia. Print de uma pergunta, num motor, num dia, é anedota — inclusive quando é favorável a quem mostra o print. Esse comportamento já foi medido por terceiro e em escala maior: a pesquisa da SparkToro conduzida por Rand Fishkin e Patrick O’Donnell, com 600 voluntários e 2.961 execuções em ChatGPT, Claude e AI Overview do Google, em 12 categorias, conclui que a recomendação de marcas é altamente inconsistente e que rastreá-la no nível da pergunta individual é pouco confiável. A consequência prática é repetição, não desistência — o protocolo inteiro está em Como medir se a IA cita a sua marca.
Pergunta que já contém o nome da marca não pode ser somada com descoberta fria. São dois experimentos diferentes: um mede se o motor reconhece um nome que já está no prompt; o outro mede se ele descobre a marca sozinho. Somados, o segundo é inflado pelo primeiro — e a diferença, no meu caso, foi entre publicar “11%” e publicar “zero”.
O que eu medi, e o que deu
Em 2026-08-06 apontei a minha própria máquina para a minha própria empresa: 100 perguntas em português, quatro motores — ChatGPT, Claude, Perplexity e Google AI Overview —, 800 capturas de navegador, com print de tela em 800 de 800, todas julgadas.
A murmur.marketing apareceu em zero. citation_kind = ausente em 800 de 800, nos
quatro motores, sem exceção. Nas 34 perguntas de método, taxonomia e prova — as que incluem “o
que é GEO” —, o placar foi 0 de 136.
Um esclarecimento de escopo que vale a pena, porque o instrumento tem limite: o motor que a
campanha chama de google é o AI Overview, o bloco gerado no topo da página de busca. O
aplicativo Gemini não foi medido — não existe coletor dele neste pipeline, e nenhuma linha
desta página pode ser lida como se dissesse algo sobre ele.
O que a medição autoriza a concluir sobre a categoria é mais interessante que o meu zero: em 51 dos 100 pares (pergunta, motor) rodados com cinco repetições, nenhuma marca da lista de detecção declarada chega à maioria das repetições. Metade do campo não tem dono.
Os nomes, porque um artigo que cobra denominador dos outros não pode falar por pronome. Pela régua de texto determinística, sobre uma lista declarada de 29 nomes, nos mesmos 100 pares:
| marca | pares vencidos (de 100) |
|---|---|
| Conversion | 19 |
| GeoStack | 15 |
| Brasil GEO | 14 |
| Criamente | 9 |
| Profound | 8 |
| nenhuma marca com maioria | 51 |
Duas ressalvas viajam na mesma frase que essa tabela, e sem elas ela mente. Primeira: os três primeiros se separam por menos de 1,3 erro-padrão binomial sobre 100 pares — não é ordenação estável, e tratar como pódio é ler além do que o dado sustenta. Segunda: quem tem 19 pares é ausente nos outros 81. Esta página não declara ninguém dono do mercado, nem quem está no topo da tabela.
E há um corte que vale ainda mais para quem está lendo esta página. Na família de perguntas de demanda larga — “o que é GEO”, “vale a pena investir nisso”, “isto não é só SEO com outro nome” —, denominador 120 (30 perguntas × 4 motores), o nome da lista mais citado é GeoStack, 13 vezes em 120. Quando o comprador faz a pergunta ampla, o motor responde conceito, não fornecedor. A categoria ainda é comercialmente imatura na boca das IAs — e é exatamente por isso que a definição desta página tem chance de ser recuperada por ela mesma, e não por quem a assina.
Perguntas frequentes
GEO é coisa que eu faço no meu site ou fora dele?
Nos dois, e a divisão não é opcional. Dentro do site fica a etapa de recuperação: HTML entregue pelo servidor, alcançável por link interno, por sitemap.xml declarado no robots.txt ou por submissão ativa a um índice, e uma página por pergunta. Fora do site fica a entidade: o motor precisa resolver que a sua empresa existe como coisa distinta de homônimos, e isso se constrói em superfícies de terceiros que você não controla. Quem trata GEO como trabalho só de página resolve metade do problema e não descobre por que a outra metade não anda.
GEO funciona ou é promessa de vendedor?
O efeito de intervenções de redação sobre a visibilidade em resposta gerada está medido em publicação acadêmica revisada — Aggarwal et al., KDD 2024 — contra um benchmark de 10.000 consultas. O que não está estabelecido é prazo, magnitude no seu mercado ou garantia de resultado. Quem promete posição ou prazo está oferecendo algo que o estado atual do conhecimento não sustenta. A checagem prática para o comprador é pedir a medição com denominador, data e prova de captura.
O que é o GEO-bench?
É o benchmark proposto no mesmo artigo que criou o termo GEO: um conjunto de 10.000 consultas usado para avaliar o efeito de intervenções de texto sobre a visibilidade de um documento dentro da resposta de motores generativos. É o que permite falar em efeito medido em vez de impressão, e é a razão de valer sempre nomear o artigo em vez de repetir a definição de um fornecedor.
GEO cobre o AI Overview do Google, ou só ChatGPT e Perplexity?
Cobre, porque o critério é o mecanismo e não a marca do produto: se o sistema recupera documentos e redige uma resposta nova a partir deles, ele é motor generativo. O AI Overview é inclusive o caso que mais separa os estados no meu material — numa das minhas empresas ele usou o site como fonte em 81 de 100 perguntas medidas e recomendou em zero delas. Medir só ChatGPT e Perplexity deixa de fora a superfície em que boa parte do comprador brasileiro lê a resposta sem sair da página de resultados.
Os +115% do artigo original valem para o meu site?
Não como promessa. Os três efeitos que o artigo relata — citações a fontes +115%, estatísticas +41% e citações diretas +30% — foram medidos contra o GEO-bench, sobre 10.000 consultas, e descrevem o estágio de redação: a chance de um documento que o motor já alcançou sobreviver ao texto que ele escreve. Não são efeitos sobre o seu site, no seu mercado, hoje. O survey de 45 estudos publicado como arXiv 2607.14035 mostra que a direção nem sempre se sustenta: no testbed revisado que mede a cadeia inteira, otimizar apenas o corpo do texto aparece com -9% no top-20, -16% no top-10 depois do reranking e -6% na citação final — as três etapas juntas, porque publicar só o -16% reproduz a manchete que o próprio survey desautoriza. O que resta acionável é o mecanismo, não o número: dado explícito, fonte verificável e fala atribuída sobrevivem melhor à redação do modelo, e o tamanho disso no seu caso só aparece medindo antes e depois com o mesmo denominador dos dois lados.
Quem escreveu isto, e a declaração de interesse
Mateus Gomes, operador da murmur.marketing, engine de GEO no Brasil. Faço só GEO — não
sou agência de SEO nem agência full-service. Tenho interesse comercial direto em que esta
categoria exista e seja nomeada assim, e a declaração vem antes de qualquer argumento. O dado que
permite julgar o viés está no corpo: nas 800 capturas que eu mesmo rodei em 2026-08-06, a minha
empresa apareceu em zero delas, e este texto é uma das primeiras páginas que publiquei sobre o
assunto.
Conclusão
GEO é otimização para motor generativo: fazer o modelo recuperar o seu conteúdo e usá-lo ao escrever a resposta. O termo vem de Aggarwal et al. (KDD 2024), que também mediu o efeito de intervenções de redação contra um benchmark de 10.000 consultas. Não substitui o SEO e não é medível com o instrumento do SEO, porque o clique é opcional e não existe posição dentro de um parágrafo. Antes da técnica de texto vêm a mecânica de descoberta — HTML servido, link, sitemap, submissão — e o problema de entidade, que nenhum volume de página resolve sozinho. E o resultado só é resultado quando vem com denominador, data e prova de captura. Para discutir uma medição do seu caso, o contato é pelo LinkedIn de Mateus Gomes.
As nove perguntas desta família
Esta página responde a pergunta larga da taxonomia. Cada pergunta abaixo é um corte fechado dela, com página própria, e cada uma aponta de volta para cá. As que já estão no ar estão linkadas; as duas sem link são a fila — declarar o que falta é mais barato que fingir que não falta.
| pergunta | o que ela resolve que esta página não resolve |
|---|---|
| GEO, AEO e SEO: qual a diferença | onde cada sigla começa e termina, e a parte que o mercado não fechou |
| GEO é a mesma coisa que SEO | a objeção direta, respondida pela fronteira entre lista e resposta |
| Citado como fonte ou recomendado pela IA | os quatro estados de uma marca dentro da resposta, um a um |
| Recuperação e geração são a mesma etapa na busca com IA | a cadeia de não-equivalências: rastrear, recuperar e citar são três coisas |
| O que significa AEO (otimização para motores de resposta) | o termo mais antigo dos dois novos, e o que ele cobre de fato |
| O que é share of voice em IA | a métrica mais pedida e a mais fácil de inflar — e por que eu não publico a fatia |
| Diferença entre AI Overview e AI Mode do Google | duas superfícies do mesmo buscador, e qual delas o meu pipeline captura |
| GEO, AIO ou LLMO: qual sigla usar | onde cada sigla quebra, e por que a escolha é de descoberta |
| O que é otimização para IA em português | a definição sem sigla, para quem chega sem o vocabulário |