Perguntas
frequentes.

Não. O SEO trabalha a lista de resultados. O Periscopy mede a resposta gerada, que é outra camada, com outras fontes e outros vencedores. Os dois coexistem.

Na cobertura e na leitura. A maioria das ferramentas mede três ou quatro motores, só por API. Nós medimos até onze motores todas as semanas, e nos planos pagos até sete deles, conforme o plano, são lidos na própria aplicação, numa sessão ao vivo, e lemos os dados consigo.

A primeira medição fica pronta em poucas horas. Uma tendência precisa de quatro semanas de dados comparáveis. Mudar o que os motores respondem é trabalho de meses, e é para isso que servem os planos de acompanhamento e premium.

Sim. Exporte tudo para CSV quando quiser. A metodologia e a plataforma são nossas.

Inglês por defeito. Outros mercados e línguas como extra, ou nos planos Business e Enterprise.

Sim. Todos os planos são mensais, sem fidelização, com 30 dias de pré-aviso.

Cinco perguntas da sua categoria em quatro assistentes, mais uma chamada de 30 minutos em que lemos o resultado consigo. Sem compromisso, sem cartão.

GEO (Generative Engine Optimization) é o trabalho de fazer com que os motores de IA generativa, como o ChatGPT, o Gemini ou o Perplexity, conheçam a sua marca, a descrevam corretamente e a recomendem quando alguém faz uma pergunta em que ela é a resposta certa.

É o sucessor do SEO num mundo em que uma parte crescente das pesquisas termina numa resposta gerada, sem clique. No SEO otimiza-se para aparecer numa lista de links; no GEO otimiza-se para ser citado dentro da própria resposta. As técnicas sobrepõem-se em parte (conteúdo de qualidade, dados estruturados, autoridade), mas o alvo e a medição são diferentes.

Na prática, sim. GEO (Generative Engine Optimization) e AEO (Answer Engine Optimization) descrevem o mesmo trabalho: tornar uma marca citável pelos motores que geram respostas em vez de devolver listas de links. A diferença é sobretudo de mercado e de época, porque alguns países e ferramentas adotaram um termo e outros o outro.

Este site usa GEO como termo guarda-chuva porque descreve melhor o âmbito. Não se otimiza só para caixas de resposta, otimiza-se para qualquer motor generativo, do ChatGPT ao AI Mode do Google. Se vir AEO, LLMO ou AISO num artigo ou numa proposta, olhe para o que está por baixo da sigla: medição real, trabalho técnico e de autoridade, e honestidade sobre o que se pode influenciar.

Não, e a confusão é frequente ao ponto de aparecer nas respostas dos próprios motores de IA. Geomarketing é análise geográfica de mercado: onde abrir uma loja, como segmentar campanhas por região. GEO, no sentido usado aqui, é Generative Engine Optimization, o trabalho de tornar uma marca citável pelos motores de IA generativa como o ChatGPT, o Gemini ou o Perplexity.

A distinção importa porque as duas coisas se procuram e se vendem com a mesma sigla. Uma pergunta desfaz a ambiguidade: o que é que vai ser medido, e em que motores? Se a resposta não incluir citações em motores de IA, é outra disciplina.

Os motores de IA recomendam empresas que conseguem ler, perceber e verificar. Na prática isso exige quatro coisas: conteúdo no site que responde às perguntas que os clientes fazem, dados estruturados (schema.org) que identificam a empresa sem ambiguidade, presença nas fontes que os motores citam quando pesquisam, e a mesma descrição da marca nas plataformas onde os modelos aprendem.

Há dois caminhos distintos e ambos contam. Na memória de treino, o modelo responde com o que aprendeu sobre a marca até à data de corte, e aqui pesam a entidade (knowledge graph, descrições consistentes) e a antiguidade da presença. Na pesquisa web ao vivo, o motor procura e cita fontes no momento, e aqui pesa estar nas páginas que ele encontra e considera fiáveis. Uma empresa pode estar bem num caminho e invisível no outro, e só uma medição que os separa mostra qual falta.

Não existe forma de pagar para aparecer nem truque que substitua o trabalho. O que existe é método: medir onde a marca está hoje em cada motor, identificar as perguntas onde ainda não há resposta dominante e construir a presença citável antes da concorrência.

Quando responde de memória, o modelo recorre ao que absorveu no treino: menções em páginas com autoridade, descrições consistentes da empresa em várias fontes, presença em listas e comparações. Quando pesquisa a web, o processo muda. O motor faz uma pesquisa, lê um punhado de páginas e escreve a resposta citando as que considerou úteis.

Em ambos os casos a seleção favorece marcas com identidade clara (quem são, o que fazem, para quem), prova verificável (casos com números, documentação aberta) e presença nas fontes certas da categoria. O que penaliza: conteúdo que só existe depois de executar JavaScript, descrições contraditórias entre plataformas e afirmações de marketing sem substância que um modelo possa citar.

As respostas também variam entre motores e entre semanas. A mesma pergunta pode ter respostas diferentes no ChatGPT, no Gemini e no Perplexity, e é por isso que se mede continuamente em vários motores em vez de tirar conclusões de uma pesquisa única.

Com três métricas principais, medidas sobre um conjunto fixo de perguntas relevantes para a sua marca. A citation rate é a percentagem das respostas em que a sua marca é mencionada. O share of voice é a fatia das menções da categoria que é sua, em comparação com as outras marcas. A posição média é o lugar que ocupa quando aparece numa lista.

A palavra que importa é fixo: as mesmas perguntas, nos mesmos motores, semana após semana. Uma pesquisa avulsa num só motor num só dia é uma anedota e não uma medição, porque os motores variam entre si e entre execuções. Só a série temporal com denominadores explícitos permite dizer com honestidade se a visibilidade está a subir.

Em cinco passos. Primeiro, defina um conjunto fixo de perguntas, as que os seus compradores fazem, das genéricas às de decisão. Segundo, escolha vários motores e distinga os dois caminhos, memória de treino e pesquisa web ao vivo. Terceiro, faça cada pergunta em cada motor mais do que uma vez e registe se é mencionado, recomendado e em que posição. Quarto, calcule as métricas com denominador explícito: citation rate, share of voice e posição. Quinto, diagnostique a causa da ausência, se é de entidade, de conteúdo ou técnica.

Uma fotografia inicial faz-se à mão e vale a pena para saber onde está hoje. O que a mão não sustenta é a continuidade: a visibilidade em IA muda de semana para semana, e só uma série temporal mostra se está a melhorar. Evite os erros que invalidam uma auditoria, que são um só motor, uma só execução, confundir menção com recomendação e números sem denominador.

Funciona no sentido em que é mensurável. Define-se um conjunto fixo de perguntas de comprador, mede-se em que percentagem delas a marca aparece, aplicam-se as correções e volta a medir-se. Se a citação sobe, está a funcionar. Se não sobe, os dados mostram onde está o bloqueio.

Vale a pena para quem tem clientes que perguntam a assistentes de IA antes de comprar, e isso hoje inclui compradores B2B, decisores técnicos e consumidores em categorias de pesquisa intensiva. O AI Mode do Google atingiu mil milhões de utilizadores mensais em maio de 2026, e a pergunta deixou de ser se os clientes usam estas ferramentas para passar a ser se a sua marca existe nas respostas.

A resposta também pode ser que ainda não compensa. Se a categoria tem procura residual nos motores de IA, ou se a base de SEO ainda não está feita, um diagnóstico sério di-lo. Investir em GEO sem fundação é pagar para construir o segundo andar primeiro.

Depende do ponto de partida, mas o padrão honesto é este: as correções técnicas (schema, llms.txt, conteúdo extraível) fazem efeito nas respostas com pesquisa web ao vivo em semanas, porque os motores releem o site em cada pesquisa. A memória de treino dos modelos muda mais devagar, ao ritmo dos ciclos de treino de cada fornecedor, e pode levar meses até refletir presença nova.

Por isso um plano sensato corre em quatro fases: semanas 1 e 2 para a fundação técnica, semanas 3 a 6 para conteúdo e fontes, semanas 7 a 12 para autoridade externa, e a partir dos 90 dias para consolidação de entidade e posicionamento. Cada fase tem ações e sinais mensuráveis próprios, e a medição semanal mostra o progresso sem esperar pelo fim.

Desconfie de promessas de resultados em dias. Os motores não têm fila de prioridade que se compre, e quem promete posições garantidas num sistema não determinístico está a prometer o que não depende de si.

Vale, e mais do que isso: é a fundação sem a qual o GEO não se sustenta. Os motores de IA com pesquisa ao vivo leem a mesma web que o Google indexa, e um site tecnicamente frágil, lento ou com conteúdo escondido atrás de JavaScript falha nos dois mundos ao mesmo tempo.

O que mudou foi o teto. O SEO clássico sozinho já não garante presença onde uma parte crescente das decisões começa, porque a resposta gerada substitui a lista de links. A leitura certa não é substituir o SEO pelo GEO, é construir a camada de IA por cima de uma base de SEO bem feita, numa estratégia única para ser encontrado.

Depende de quem é o seu comprador, e é por isso que se mede em vários. O AI Mode do Google apanha o maior volume, porque está dentro da pesquisa que toda a gente já usa. O ChatGPT domina a utilização direta de assistentes. O Perplexity pesa em utilizadores técnicos e early adopters que pesquisam com citações. O Claude, o Gemini, o Microsoft Copilot, a Meta AI, o Mistral e o DeepSeek somam audiências próprias.

O erro comum é otimizar e medir só num motor. As respostas variam bastante entre eles, porque treinam com dados diferentes e pesquisam de formas diferentes, e ser forte num e invisível noutro é o padrão, não a exceção. O Periscopy mede até onze motores em paralelo porque a sua visibilidade real é a soma, não o melhor caso.

É uma das peças da fundação técnica, barata de implementar e sem contraindicações. O llms.txt é um ficheiro em markdown na raiz do site que dá aos motores de IA um índice curado do conteúdo: quem é, o que faz, onde estão as páginas que importam. A variante llms-full.txt entrega o texto principal do site numa única leitura.

Sozinho não faz milagres, porque é um padrão emergente e nem todos os motores o leem hoje. Mas custa uma tarde de trabalho e reduz a ambiguidade para os motores que o leem, com tendência a aumentar. No mesmo pacote de higiene técnica entram o robots.txt a permitir os crawlers de IA relevantes e o schema.org nas páginas principais.

Para a maioria das marcas, não. Bloquear o GPTBot, o ClaudeBot ou o PerplexityBot remove o site das fontes que os motores leem, o que significa desistir de aparecer nas respostas onde os seus clientes procuram. É uma troca real entre proteger o conteúdo e ser visível, e para quem vive de ser encontrado a conta raramente favorece o bloqueio.

A escolha fina existe e deve ser usada. O robots.txt permite decidir crawler a crawler e distinguir os bots de treino dos bots de pesquisa. Uma editora com conteúdo pago tem razões para bloquear o treino; uma empresa de serviços que quer ser recomendada tem razões para permitir tudo. A decisão deve ser consciente e revista, e não o valor por omissão de um plugin.

Primeiro, o enquadramento honesto: a queda de cliques com respostas geradas é estrutural, não é um problema técnico do seu site que se corrija com um ajuste. O Google responde cada vez mais na própria página de resultados, e parte do tráfego que existia não volta. A estratégia não é recuperar os cliques perdidos, é passar a existir dentro das respostas que os substituíram.

Na prática, há três frentes. Estar entre as fontes citadas, porque os AI Overviews citam um punhado de páginas por resposta, e conteúdo extraível com dados próprios e schema correto compete por esses lugares. Medir o que mudou, separando no Search Console as perdas por posição das perdas por comportamento e acompanhando as impressões onde a citação aparece. E diversificar os motores, porque quem pergunta ao ChatGPT ou ao Perplexity não passa pelo Google, e a visibilidade nesses motores conquista-se à parte.

Bloquear os crawlers de IA por retaliação é a resposta errada, porque o remove das respostas sem devolver os cliques. A presença nas respostas passou a ser o ativo, e o clique é consequência quando a intenção é forte.

Primeiro, identificar a origem. Se o erro aparece nas respostas de memória (sem pesquisa web), o modelo aprendeu informação desatualizada ou contraditória, e a correção passa pela consistência: a mesma descrição da empresa no site, no LinkedIn, nos diretórios e em todas as fontes públicas, reforçada por dados estruturados. Se o erro aparece nas respostas com pesquisa ao vivo, há uma página concreta a alimentá-lo, e é essa página que se identifica e se corrige.

Segundo, não esperar uma correção instantânea na memória dos modelos, que muda ao ritmo dos ciclos de treino de cada fornecedor. A pesquisa ao vivo corrige-se mais depressa, porque os motores releem a web em cada resposta. Em ambos os casos, o pré-requisito é monitorizar: sem medição contínua, uma descrição errada pode circular meses sem que ninguém dê por ela.

Pode, e acontece: preços que nunca existiram, serviços que não presta, sedes noutras cidades. Os modelos geram texto plausível, e quando têm pouca informação fiável sobre uma marca preenchem os vazios com suposições. As marcas com pouca presença estruturada são as mais expostas, precisamente porque dão menos material verificável ao modelo.

A defesa é dupla. Reduzir o vazio, porque quanto mais informação clara, consistente e estruturada existir sobre a empresa (site extraível, schema, descrições iguais em todas as plataformas), menos espaço fica para a invenção. E vigiar, medindo regularmente o que cada motor diz, para apanhar as invenções quando nascem e corrigir as fontes que as sustentam.

Pode, com duas condições: revisão humana real e substância própria. Os motores não penalizam texto por ter sido escrito com ajuda de IA, penalizam conteúdo raso, repetido e sem informação nova, seja quem for o autor. Cem páginas geradas em série sobre o mesmo tema são spam aos olhos de qualquer motor moderno, e o Google trata a produção em massa sem valor como abuso.

O que torna um conteúdo citável é o que só a sua empresa pode acrescentar: dados próprios, experiência real, casos com números, posições assumidas. A IA é boa a dar forma, mas a matéria-prima que os motores citam tem de vir da marca. Usada assim, acelera sem arriscar; usada como fábrica de volume, constrói um site que os motores aprendem a ignorar.

Não é obrigatório, mas o que a Wikipédia representa importa: uma entidade verificável, descrita por terceiros, com fontes. Os modelos treinam intensamente sobre a Wikipédia e o Wikidata, e as marcas presentes nessas bases entram na memória dos modelos com uma identidade mais firme.

Para a maioria das PME, a Wikipédia é inalcançável no curto prazo, porque exige notabilidade demonstrada por cobertura independente, e isso não impede a visibilidade. O Wikidata tem uma exigência mais baixa, mas não nula (pede referências públicas antes do item), e a consistência de entidade constrói-se com o site, o schema com sameAs, o LinkedIn e os diretórios do setor. A Wikipédia vem quando a cobertura de imprensa a justificar, e nunca deve ser forçada: artigos promocionais são apagados e queimam a credibilidade da marca na plataforma.

Contam, e para marcas locais estão entre os sinais mais fortes. Quando alguém pergunta a um assistente por uma clínica, um restaurante ou um serviço de proximidade, os motores apoiam-se em fontes com avaliação social: Google Business Profile, plataformas de avaliações, diretórios com classificações. Uma ficha completa, com avaliações recentes e respostas do dono, é matéria-prima direta das recomendações.

Para marcas digitais e B2B, o equivalente são as plataformas de avaliação do setor e os diretórios especializados, além das discussões públicas onde clientes reais falam do produto. O padrão é o mesmo: os motores preferem recomendar o que pode ser verificado por vozes independentes. As avaliações não se compram nem se simulam, pedem-se sistematicamente aos clientes satisfeitos.

Porque os motores procuram experiência humana genuína, e fóruns como o Reddit concentram discussões reais, com prós e contras, escritas por quem usa os produtos. Vários motores citam plataformas de comunidade com uma frequência desproporcionada face ao seu tráfego, precisamente porque o conteúdo é menos polido e mais fiável do que o das páginas comerciais.

A implicação prática é que a conversa pública sobre a sua categoria está a alimentar respostas, esteja lá ou não. Participar exige regras: presença identificada, contributos com substância e zero spam, porque as comunidades expulsam e os motores aprendem. Uma resposta genuinamente útil num fio relevante pode ser citada durante anos; dez respostas promocionais estragam a reputação do domínio nessas fontes.

Consegue, e nalguns aspetos está em vantagem. As respostas de IA não reproduzem simplesmente o ranking do Google, e em muitas perguntas específicas ainda não há marca dominante, porque ninguém construiu a resposta citável. Quem chega primeiro a essas perguntas fica com elas, independentemente do tamanho.

A vantagem da empresa pequena é a especificidade: um nicho bem definido, perguntas concretas do seu comprador, profundidade que os generalistas não têm. A desvantagem é a entidade mais fraca, que se compensa com consistência e paciência. A estratégia realista não é vencer as perguntas genéricas da categoria, é dominar as perguntas específicas onde o seu conhecimento é difícil de igualar e crescer a partir daí.

Serve para as duas, com trabalho diferente. Para marcas digitais (SaaS, e-commerce, serviços online), o jogo faz-se em conteúdo extraível, schema, autoridade temática e presença nas fontes que os modelos leem. Para marcas locais (clínicas, restauração, turismo, comércio), o centro de gravidade muda para um Google Business Profile completo, avaliações com volume e recência, o mesmo nome, morada e telefone em todos os diretórios, e sinais geográficos claros no site.

As perguntas locais aos assistentes já são correntes: o melhor dentista na zona, um restaurante para um jantar de grupo, quem trata de um problema específico na cidade. Os motores respondem com base nos sinais locais disponíveis, e a maioria das marcas de proximidade ainda não trabalhou nenhum deles. É das áreas onde o primeiro a fazer bem o básico ganha mais depressa.