Tem estudo científico provando que GEO funciona em 2026
Existe literatura revisável, e ela não prova o que se vende com o nome dela. O artigo fundador — Aggarwal et al., apresentado na KDD 2024 e publicado como arXiv 2311.09735 — mede o efeito de redação sobre documentos que o motor já recuperou. Um survey de 2026 — arXiv 2607.14035, de Olivier Martinez, submetido em 2026-07-15 — lê 45 estudos e conclui, com todas as letras, que nenhuma técnica revisada demonstra efeito causal estável, longitudinal e entre plataformas. A resposta honesta não é “sim” nem “não”: é que a prova existe num estágio e não existe no outro.
Escrevo como Mateus Gomes, operador da murmur.marketing — engine de GEO (Generative
Engine Optimization) no Brasil. Esta página é um spoke de
GEO é modinha ou funciona de verdade,
que separa mecanismo, técnica e promessa comercial. Aqui o objeto é mais estreito e mais chato: os
papers, lidos de perto, um a um.
Resumo
- Sim, existe ciência — e ela é mais modesta que o folheto. O GEO-bench de Aggarwal et al. tem 10.000 consultas e mede citação a fontes +115%, estatísticas +41% e citações diretas +30% — tudo isso depois que o documento entrou no contexto do gerador.
- O survey de 2026 rejeita formalmente o número mais citado da categoria. Sobre o “até 40%”: “Rejeitado como claim geral. A figura é um máximo relativo numa métrica, sob uma configuração específica.”
- Um estudo mediu a reescrita PIORAR a recuperação. No testbed de ponta a ponta de Kim et al. (2026), sobre 171.003 documentos e 2.700 consultas, otimizar só o corpo do texto deu −9% de presença no top-20, −16% no top-10 após reranking e −6% na citação final.
- O que o survey diz que se sustenta: relevância de tópico e posição no contexto são as alavancas mais reprodutíveis; heurística genérica transfere mal; competição corrói ganho individual.
- O que NÃO é estudo científico: telemetria de fornecedor. E eu corrijo duas atribuições que circulam em português — inclusive uma que me favoreceria.
- A declaração que vem antes de tudo: eu vendo o serviço que esta literatura examina, e quando
apontei o meu próprio instrumento para a minha própria empresa, em 2026-08-06, o resultado
foi
citation_kind = ausenteem 800 de 800 capturas. Zero.
Declaração de interesse, antes dos números
Sou parte interessada. Vendo GEO e medição de GEO, então tenho incentivo direto para que a resposta
a esta pergunta seja “sim”. O desconto que o leitor deve aplicar tem um valor conhecido e público:
em 2026-08-06 rodei 100 perguntas em português × 4 motores — ChatGPT, Claude, Perplexity e
Google AI Overview — em 800 capturas com print em 800 de 800, e a murmur.marketing apareceu
em zero. Fora das 10 perguntas que já traziam o meu nome no enunciado, foram 0 de 712.
Isso não me dá autoridade sobre a literatura. Dá uma coisa menor e mais útil: eu não tenho nenhum resultado próprio a defender contra o que os papers dizem.
1. O artigo fundador: o que ele mediu, e a condição que quase nunca viaja junto
O termo GEO nasce em Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan e Deshpande, apresentado na KDD 2024 e publicado como arXiv 2311.09735. Os autores construíram o GEO-bench, um benchmark de 10.000 consultas, e testaram intervenções de texto sobre as respostas de motores generativos. Os três efeitos que circulam saem daí: citação a fontes +115%, estatísticas +41%, citações diretas +30%.
São números reais, publicados, e eu os cito com frequência. A condição que os acompanha é o que some quando eles viram slide: o experimento roda sobre documentos que já foram colocados no contexto do gerador. O que o paper mede é o quanto a forma do texto muda a fatia de atenção atribuída a uma fonte que já está na mesa — não a probabilidade de a fonte chegar à mesa.
Traduzindo para o que um comprador quer saber: o artigo fundador é evidência sobre como escrever uma página que já foi recuperada. Ele não é evidência sobre ser recuperado. E “ser recuperado” é o problema que praticamente todo cliente tem.
2. O survey de 45 estudos, e as três frases que ele devolve
O documento mais desconfortável da categoria para quem vende o serviço é o survey de Olivier Martinez, arXiv 2607.14035, que revisa 45 estudos publicados entre novembro de 2023 e julho de 2026. A conclusão do resumo, traduzida sem alívio:
“Dentro deste corpus, a evidência é estreita: conteúdo já recuperado pode alterar causalmente a sua citação ou uso, mas nenhuma técnica revisada demonstra efeito causal estável, longitudinal e entre plataformas sobre descoberta orgânica ou comportamento a jusante.”
O mesmo resumo entrega três achados que valem mais que a manchete:
- relevância de tópico e posição no contexto são as alavancas mais reprodutíveis — ou seja, o que funciona de forma repetida é a parte menos exótica do trabalho;
- heurística genérica transfere mal entre plataformas — a receita de bolo é exatamente o que não sobrevive;
- competição pode corroer o ganho individual — o efeito medido em laboratório encolhe quando todo mundo aplica a mesma técnica.
E há a rejeição explícita do número mais repetido da categoria. Sobre o “até 40%” que saiu do artigo fundador, a Tabela 5 do survey registra: “Rejeitado como claim geral. A figura é um máximo relativo numa métrica, sob uma configuração específica.” No corpo, o survey detalha que o número não significa 40% mais cliques nem 40% a mais de probabilidade de recuperação — significa que uma fonte já fornecida ao gerador recebe uma fatia maior de texto atribuído.
Um detalhe de método que eu registro porque ele me custou: a frase “um fenômeno real, com efeito real ainda que estreito” circula em resumos deste paper e eu não consegui localizá-la verbatim no documento. A frase verificável é a do bloco acima. Quem citar a outra está citando o resumo de alguém, não o paper.
3. O estudo que mediu a reescrita PIORAR o resultado
É o achado que eu mais evito ver em deck de fornecedor, e por isso ele fica aqui. Dentro do survey, o testbed de ponta a ponta de Kim et al. (2026) — a SAGEO Arena — separa os estágios de recuperação, reranking e citação sobre 171.003 documentos e 2.700 consultas. Otimizar apenas o corpo do texto produziu:
| estágio medido | efeito da otimização só do corpo |
|---|---|
| presença no top-20 | −9% |
| presença no top-10 após reranking | −16% |
| citação final | −6% |
A cobertura secundária transformou isso em “GEO corta 16% da recuperação”. Não é lei da natureza: é um testbed, uma forma de intervenção, com a degradação concentrada no estágio de reranking. A leitura honesta é “otimizar só o corpo do texto piorou a recuperação no único teste de ponta a ponta que separou os estágios” — o que continua sendo o argumento mais forte que existe contra a reescrita ingênua, e continua valendo contra mim.
4. A régua de evidência que o survey contribui — e que a categoria não usa
O artefato mais útil do survey talvez não seja a conclusão, e sim a hierarquia de evidência do apêndice dele. Ela é do survey, não minha, e serve para classificar qualquer estudo que apareça na sua caixa de entrada:
| nível | o que exige | quem costuma estar aqui |
|---|---|---|
| A | ensaios de campo randomizados com logs de produção | quase ninguém |
| B | motores comerciais ao vivo, medições repetidas entre paráfrases e datas | telemetria séria de fornecedor |
| C | sistemas comerciais com conteúdo fornecido manualmente (só pós-recuperação) | o artigo fundador |
| D | pipelines de RAG reproduzíveis com separação de estágios | testbeds acadêmicos |
| E | contextos fixos ou rankers sintéticos | o mais fraco |
Note onde cai o paper fundador. Nível C — sistema comercial, conteúdo fornecido à mão, pós-recuperação. É evidência boa do que ela é, e é o oposto de “provado que GEO funciona”.
5. O que é literatura e o que é telemetria de fornecedor — e duas correções contra mim
Estudo de fornecedor não é estudo científico, e a diferença não é esnobismo: é revisão, é publicação do método e é a possibilidade de outra pessoa repetir. A telemetria de fornecedor pode ser útil — com o denominador declarado —, mas ela responde a outra pergunta.
Duas correções de atribuição que eu carrego porque me custaram uma passada de verificação:
- A pesquisa da SparkToro — Rand Fishkin com Patrick O’Donnell, 600 voluntários e 2.961 execuções em ChatGPT, Claude e Google AI Overview — é frequentemente citada em português com a expressão “inerentemente não confiável”. Essa expressão não está no post de pesquisa; ela vem da cobertura em entrevista. A frase verificável no material deles é mais dura e mais clara: “qualquer ferramenta que dê uma ‘posição de ranking na IA’ é conversa fiada”. Cite essa.
- Christopher Penn aparece em textos brasileiros com um “GEO é conversa de vigarista” entre aspas. Eu tentei abrir o artigo dele sobre medição de visibilidade em IA e recebi HTTP 403 no meu leitor; não consegui verificar a frase na fonte primária. A posição dele que eu consigo sustentar é a de que boa parte da camada de ferramentas é adivinhação instruída. Isso já basta, e é honesto.
A segunda correção trabalha contra mim: uma citação forte e mal atribuída de um crítico famoso é exatamente o tipo de munição que um vendedor gosta de ter para depois “refutar”.
6. A tabela: o que cada documento declara, e o que ele não declara
Esta é a comparação que importa, e a minha linha está nela.
| documento | o que declara | o que não declara | estágio que mede |
|---|---|---|---|
| Aggarwal et al., KDD 2024 (arXiv 2311.09735) | GEO-bench, 10.000 consultas; +115% / +41% / +30% | efeito sobre ser recuperado; efeito num mercado real | redação, pós-recuperação |
| arXiv 2607.14035 (Martinez, 2026-07-15) | 45 estudos, janela 2023-11 a 2026-07, hierarquia A–E | qualquer técnica com efeito causal estável entre plataformas | revisão do corpus |
| Kim et al. 2026 (SAGEO Arena) | 171.003 documentos, 2.700 consultas, estágios separados | generalização para outras formas de intervenção | ponta a ponta |
| SparkToro (Fishkin · O’Donnell) | 600 voluntários, 2.961 execuções, 3 motores, 12 categorias | efeito de qualquer intervenção — é medida de instabilidade | consistência da resposta |
| Semrush × LinkedIn | ~325.000 prompts, jan–fev 2026, 3 motores | revisão por pares; controle; braço de tratamento | share de citação |
| Citation Share Report (GeoStack, publicado 2026-04-29) | 1.000 observações, 200 prompts × 5 plataformas, n=1 por plataforma | data de execução · se a captura foi navegador ou API · print de resposta | share de citação |
campanha-2026-08 (murmur.marketing) | 800 capturas, 4 motores, n=1 em 100 e n=5 em 25, print em 100%, perguntas verbatim em CSV versionado | braço de tratamento — não tem. Mede a murmur com zero páginas publicadas | fotografia de visibilidade |
A minha linha é a que perde na coluna que mais importa. Uma campanha sem braço de tratamento autoriza dizer “o meu gargalo de hoje é de entidade”; não autoriza nenhuma afirmação causal. E sobre o documento da GeoStack: isto é a lista do que cada um declara, não um juízo sobre o trabalho deles — um estudo pode estar certo sem ser verificável, e o deles foi publicado em português com o n declarado antes de eu publicar o meu.
7. O que eu acrescento, e o que ele não resolve
O survey diz o que falta: medições repetidas, paráfrases, validação humana em vez de detector automático, e separar descoberta de citação de comportamento. Duas dessas eu tenho e publico.
Medi o ruído antes de vender o sinal. Rodei as mesmas 387 perguntas de um universo real de cliente com três dias de intervalo, sem mexer em nada: cerca de 98% devolveram o mesmo veredito — no ChatGPT 7 de 387 oscilaram, no Claude 6 de 386, e as duas rodadas eram anteriores a qualquer intervenção, então o delta é variância pura do motor. Daí sai uma régua que não é opinião: movimento acima de 3 a 4 pontos percentuais no conjunto comparável é real; abaixo disso é variância.
E declaro as dívidas do instrumento. O campo que marcaria “isto é outra empresa de mesmo nome” ficou em 0 de 800, e isso significa não-testado, não “limpo”. O campo que guardaria o trecho que sustentou cada veredito ficou vazio em 800 de 800. A minha lista de detecção cobre 29 nomes de pelo menos 447 que o juiz extraiu das mesmas 800 capturas.
Nada disso é prova de eficácia. É a diferença entre um número que se pode conferir e um que não se pode — e é a única contribuição que eu tenho o direito de reivindicar aqui.
8. O que os concorrentes têm, medido, e o que isso diz sobre a pergunta
Vale nomear, com fato e com a ressalva na mesma frase. Pela régua de texto determinística sobre uma lista declarada de 29 nomes, em 100 pares (pergunta, motor) rodados cinco vezes em 2026-08-06: Conversion 19 · GeoStack 15 · Brasil GEO 14 · Criamente 9 · Profound 8 — e as duas ressalvas obrigatórias são que os três primeiros se separam por menos de 1,3 erro-padrão binomial, o que não é ordenação estável, e que quem tem 19 pares é ausente nos outros 81.
O que isso tem a ver com a literatura: nenhum desses nomes chegou onde chegou por causa de um
resultado publicado. A estrutura pública da mais citada, observada por curl em 2026-08-06, é
9 páginas sob /geo/ num sitemap de 1.366 URLs — 0,7% do site. O que ela acumulou está fora
da superfície de GEO: pesquisa própria hospedada em Poder360 e E-Commerce Brasil, dois artigos da
Band coroando-a primeira de dez, o fundador em cinco podcasts de terceiros. ⚠️ Ressalva obrigatória
do próprio levantamento: o listicle da Band tem cara de placement sindicalizado por assessoria e
não foi possível confirmar se é pago — não é cobertura editorial espontânea comprovada. E o teto
disso são os tais 19 de 100. A murmur.marketing compra zero.
Isso é coerente com o survey, e é o ponto: o que move não é a técnica publicada em paper — é autoridade de entidade, que nenhum dos 45 estudos revisados consegue isolar.
Perguntas frequentes
Existe um estudo que prove que GEO aumenta vendas?
Não que eu tenha conseguido abrir. O corpus revisado pelo survey arXiv 2607.14035 — 45 estudos entre novembro de 2023 e julho de 2026 — conclui que nenhuma técnica revisada demonstra efeito causal estável, longitudinal e entre plataformas sobre descoberta orgânica ou comportamento a jusante, e comportamento a jusante inclui conversão. O que existe é efeito medido sobre citação de documento já recuperado, num benchmark acadêmico. Quem apresentar um estudo ligando GEO a receita deve ser perguntado sobre o braço de controle: sem ele, é correlação num período em que muita coisa mudou ao mesmo tempo.
O “+40%” que aparece em todo lugar é falso?
O número existe no artigo fundador, mas o significado que circula é falso. O survey de 2026 o classifica como rejeitado enquanto claim geral e explica por quê: é um máximo relativo numa métrica específica, num cenário em que cinco documentos já foram colocados no contexto do gerador. Não significa 40% mais cliques nem 40% a mais de chance de a página ser recuperada. Significa que uma fonte já entregue ao modelo recebe uma fatia maior de texto atribuído a ela. É um efeito de redação, não de descoberta.
Se a literatura é tão fraca, por que contratar alguém para fazer GEO?
Essa é a pergunta certa, e a resposta honesta não passa pela literatura. Passa por três fatos verificáveis fora dela: os rastreadores de IA já batem no servidor na ordem de grandeza do Googlebot; existe efeito observado em casos reais, sem prazo previsível — na Fly Med a primeira citação de duas páginas do diretório no ChatGPT saiu cinco dias depois de publicar, e na empresa irmã Fly Vet, no mesmo probe e no mesmo dia, deu zero; e a categoria tem espaço medido, com 51 de 100 pares em que nenhuma marca da lista declarada de 29 nomes chega à maioria. Isso justifica experimentar com medição. Não justifica promessa.
Qual a diferença entre um paper e um estudo de fornecedor?
Revisão, método publicado e possibilidade de repetição. Um paper declara a população, o procedimento e as limitações, e é atacável por quem discorda. Um estudo de fornecedor pode ser bom — a pesquisa da SparkToro, com 600 voluntários e 2.961 execuções, é séria e é citável — mas ele responde a outra pergunta e tem interesse comercial embutido, incluindo o meu. A régua prática: se o documento não declara o denominador, a data de execução e o mecanismo de captura, ele não é conferível por quem não o executou, ainda que esteja certo.
Se o efeito medido é de redação depois da recuperação, existe estudo sobre ser recuperado?
Existe pouco, e o pouco que existe é desfavorável. O único trabalho revisado que separa os estágios da cadeia é o testbed de Kim et al., de 2026, sobre 171.003 documentos e 2.700 consultas: otimizar apenas o corpo do texto deu menos 9% de presença no top-20, menos 16% no top-10 após reranking e menos 6% na citação final. O que o survey registra como reprodutível é a parte menos exótica do trabalho — relevância de tópico e posição no contexto —, enquanto heurística genérica transfere mal entre plataformas. Ser recuperado é justamente o problema que quase todo cliente tem, e é onde a literatura é mais fraca: nenhuma das 45 técnicas revisadas demonstra efeito causal estável, longitudinal e entre plataformas. A minha campanha própria não ajuda nesse ponto, porque não tem braço de tratamento — ela mediu a murmur.marketing com zero páginas publicadas, e fotografia não estabelece causa.
Quem escreveu isto
Mateus Gomes, operador da murmur.marketing — engine de GEO no Brasil, que faz só GEO e
não é uma agência de SEO nem full-service. Opero a medição por navegador que produz os números
próprios citados acima, e é o meu trabalho que a literatura desta página examina.
O desconto está declarado e tem valor conhecido: 800 capturas apontadas para a minha própria empresa, zero aparições, publicado antes de qualquer argumento.
Conclusão
Sim, existe estudo científico sobre GEO — e a leitura fiel dele é menos vendável e mais útil do que o “sim” que a pergunta espera. Aggarwal et al. mediram, na KDD 2024, um efeito real de redação sobre documento já recuperado, com o GEO-bench de 10.000 consultas. O survey arXiv 2607.14035 leu 45 estudos e não achou efeito causal estável entre plataformas, rejeitou o “+40%” como claim geral e apontou que a reescrita ingênua chegou a piorar a recuperação num testbed de 171.003 documentos. O que sobra é honesto e estreito: relevância de tópico e posição no contexto se reproduzem, o resto transfere mal, e a disciplina que falta é de medição, não de técnica. Para discutir uma medição do seu caso — com denominador, data de execução e print —, o contato é pelo LinkedIn de Mateus Gomes.