Existem estudos que medem intervenções de conteúdo em sistemas generativos, mas o resultado depende do desenho, do motor e da etapa avaliada. A pergunta útil é: qual intervenção produziu qual efeito, sobre qual métrica e em quais condições? Isso permite aproveitar a pesquisa sem transformar um percentual experimental numa promessa universal.
Para uma empresa, a literatura fornece hipóteses. Um programa de GEO precisa convertê-las em ações adequadas ao mercado e acompanhar a evolução de presença, recomendação e SOV.
O artigo que apresentou GEO
Generative Engine Optimization, de Aggarwal et al., apresentado na KDD 2024, introduziu o GEO-bench, com 10.000 consultas. O trabalho avalia intervenções como acrescentar fontes, estatísticas e citações ao conteúdo e observa mudanças na visibilidade em respostas geradas.
É importante ler a métrica e a condição junto do efeito. Melhor aproveitamento de um documento disponibilizado ao sistema não equivale a demonstrar que uma página nova será descoberta na web, escolhida em todos os motores ou produzirá receita.
O aprendizado operacional é testar clareza, atribuição e informação verificável quando contribuírem para responder à pergunta. Inserir números ou citações sem relevância para satisfazer uma fórmula não reproduz necessariamente o experimento.
O que uma revisão de literatura acrescenta
A revisão arXiv 2607.14035, de Olivier Martinez, submetida em 15/07/2026, examina 45 estudos no período de novembro de 2023 a julho de 2026. Ela discute limites para afirmar efeitos causais estáveis entre plataformas e ao longo do tempo.
A revisão ajuda a separar resultados pós-recuperação de testes que incluem seleção de documentos. Seu uso prático é escolher uma intervenção com hipótese explícita e conferir se o efeito aparece na experiência que importa ao comprador.
No experimento SAGEO Arena, descrito na revisão e atribuído a Kim et al. (2026), o conjunto inclui 171.003 documentos e 2.700 consultas. Para a intervenção de otimização apenas do corpo do texto, a síntese registra −9% no top-20, −16% no top-10 após reranking e −6% na citação final. São resultados daquele teste e daquela intervenção. Não demonstram que toda melhoria de conteúdo reduz resultado; mostram por que recuperação e citação final precisam ser acompanhadas juntas.
Estudos diferentes respondem a perguntas diferentes
| Evidência | Pergunta que pode responder | O que não deve ser inferido automaticamente |
|---|---|---|
| Benchmark com conteúdo fornecido | A forma do documento altera seu uso na resposta? | Descoberta do documento na web |
| Teste com recuperação e geração | A intervenção melhora a cadeia medida? | Mesmo efeito em qualquer motor comercial |
| Repetições em produtos reais | Com que frequência a resposta muda? | Causa de uma mudança editorial |
| Caso antes e depois | O resultado observado evoluiu após o trabalho? | Que nenhuma outra variável contribuiu |
| Pesquisa de citações | Quais fontes aparecem na amostra? | Receita ou retorno financeiro |
A pesquisa da SparkToro, com 600 voluntários, 2.961 execuções e 12 categorias, informa a leitura de variabilidade. Não é um braço de tratamento que testa um programa específico de GEO.
Onde entram os dados da murmur
A campanha brasileira de 6 de agosto de 2026 reuniu 800 capturas de navegador, cobrindo 100 perguntas em português e quatro motores, com cinco execuções totais em 25 perguntas prioritárias. Google significa AI Overview; Gemini não foi incluído.
Ela antecede a publicação deste acervo e constitui uma baseline observacional. Não tinha braço de tratamento, portanto não mede o efeito de publicar os guias. Sua contribuição é documentar presença e apoiar decisões sobre perguntas, classificação e repetição. Casos com intervenções precisam ser lidos com suas próprias datas, escopo e evidências.
Como transformar ciência em execução
Escreva a hipótese antes da mudança: “a página não responde ao requisito de implantação; vamos incluir critérios e documentação e observar estas perguntas”. Defina a versão inicial, a ação, o universo comum e a janela de revisão.
Acompanhe acesso, fontes visíveis e recomendação, sem usar uma métrica como substituta de outra. Sempre que viável, mantenha grupos comparáveis e evite várias mudanças simultâneas que tornem a interpretação impossível. Resultados que não confirmam a hipótese orientam o próximo ciclo.
Uma garantia contratual de crescimento de SOV é um compromisso comercial com condições definidas. Ela não transforma a literatura em prova de posição fixa nem garante vendas.
Perguntas frequentes
A ciência prova que GEO aumenta vendas?
Os estudos aqui discutidos tratam principalmente de recuperação, visibilidade e respostas. Vendas exigem acompanhamento comercial e um desenho de atribuição específico.
Posso usar um ganho percentual de um paper como meta?
Pode usá-lo para entender uma hipótese, mas não como previsão automática. A meta deve partir da baseline e das condições do seu projeto.
Por que medir antes e depois se isso não isola toda causa?
Porque a comparação documenta evolução e informa decisões. Explicitar mudanças, manter o universo e adicionar controles quando viável melhora a força da inferência.
Qual evidência devo pedir ao fornecedor?
Pergunta, método, datas, denominador, captura, intervenção e comparação. Peça também que explique o que o resultado ainda não permite concluir.
Como a murmur trabalha
A murmur trabalha no modelo SWAS, combinando software proprietário de medição com especialistas que diagnosticam, planejam e executam GEO para ampliar o Share of Voice (SOV). Modalidades contratuais elegíveis podem incluir garantia de crescimento de SOV, com indicador, baseline, período, escopo e condições definidos por escrito. Isso não equivale a garantir uma resposta individual, posição fixa ou vendas.
Autor: Mateus Gomes, operador da murmur. Este conteúdo apresenta nossa abordagem e tem interesse comercial declarado.