A pesquisa está passando por uma grande mudança à medida que os usuários recorrem a chatbots de IA e grandes modelos de linguagem (LLMs) (como ChatGPT, Gemini, Bing Chat) para responder a perguntas que costumavam ser digitadas no Google. Por exemplo, em vez de navegar por uma lista de links para "melhor restaurante italiano em Hong Kong", os usuários podem perguntar a um assistente de IA e obter uma resposta direta. Esse paradigma significa que as empresas devem adaptar suas estratégias de SEO para garantir que sejam mencionadas e recomendadas pelos LLMs nesses resultados de conversação. A popularidade da pesquisa com IA está disparando - o site do ChatGPT agora atrai bilhões de visitas mensais (aproximando-se de ~5% do tráfego do Google). Ser destaque em respostas geradas por IA pode aumentar muito a visibilidade e a credibilidade de uma marca. Abaixo, exploramos como os LLMs selecionam e classificam os resultados (geralmente e para restaurantes), quais critérios de classificação eles usam (com importância relativa), como a pesquisa orientada por IA difere do SEO tradicional e dicas acionáveis para otimizar seu conteúdo para este novo cenário de pesquisa. Como os LLMs selecionam e classificam os resultados (por exemplo, "Melhor restaurante italiano em Hong Kong")

Os mecanismos de pesquisa baseados em LLM visam fornecer uma única resposta abrangente, em vez de uma lista de sites. Quando um usuário pergunta algo como "melhor restaurante italiano em Hong Kong", um LLM analisará a consulta e tentará nomear alguns dos melhores restaurantes com uma breve descrição, em vez de mostrar 10 links azuis. Como a IA decide quais restaurantes mencionar? Ela funciona sintetizando informações de seus dados de treinamento ou de resultados de pesquisa ao vivo (se o LLM tiver capacidade de navegação) para identificar estabelecimentos que aparecem consistentemente como os mais bem avaliados ou "melhores" em fontes confiáveis:

• Confiança em dados de treinamento e conteúdo da web: modelos como o ChatGPT (sem navegação ao vivo) geram respostas com base em padrões em seus dados de treinamento. Eles recomendarão restaurantes que foram frequentemente escritos como os "melhores" em Hong Kong em artigos, resenhas ou listas que o modelo ingeriu. Na prática, isso significa que a resposta de um LLM geralmente espelha o consenso de inúmeras fontes da web - por exemplo, se vários guias de viagem e blogs de comida elogiam o Restaurante X como um dos melhores lugares italianos, a IA provavelmente incluirá o Restaurante X em sua resposta. Em uma análise, muitas das recomendações de negócios do ChatGPT foram retiradas de sites que publicam listas de "melhor X" (geralmente sites de afiliados ou de avaliação), indicando que nomes amplamente mencionados em listas de "melhores" influenciam fortemente as escolhas da IA. Essencialmente, quanto mais um restaurante é falado positivamente na web, mais provável é que um chatbot o considere entre os "melhores".

• Recuperação em tempo real (Bing Chat, Gemini): Alguns LLMs (como o chat de IA do Bing ou o Gemini do Google) realmente realizam uma pesquisa na web e, em seguida, fazem com que o LLM componha uma resposta. Para nossa consulta de exemplo, a IA pode consultar o Bing/Google para "melhores restaurantes italianos em Hong Kong" e recuperar os principais resultados (como classificações do TripAdvisor, artigos de revistas ou blogs de comida). O LLM lerá essas páginas e consolidará as recomendações sobrepostas em sua resposta. Restaurantes que aparecem em vários resultados de pesquisa principais (por exemplo, um restaurante que é destaque em vários artigos de "Top 10 Restaurantes Italianos em Hong Kong" e tem avaliações estelares) têm grande probabilidade de serem nomeados na resposta da IA. Em essência, o LLM está classificando por consenso: se um nome aparece repetidamente em conteúdo altamente classificado, esse é um sinal forte. Estudos confirmam uma forte correlação entre as classificações de pesquisa tradicionais e os resultados de LLM - marcas que se classificam na página 1 do Google/Bing para um determinado tópico tendem a ser mencionadas pelas respostas de LLM para esse tópico. Portanto, SEO e recomendações de IA andam de mãos dadas: ter um bom desempenho na pesquisa aumenta as chances de um LLM encontrar e mencionar você.

• Sinais de satisfação do usuário: os LLMs também levam em consideração sinais qualitativos de qualidade e reputação. Para um restaurante, isso significa que as avaliações e classificações dos clientes são influentes. Um modelo de IA visa sugerir opções que satisfaçam o usuário, por isso prefere empresas com muitas avaliações positivas e elogios nos dados que viu. Por exemplo, se o Restaurante Y tem centenas de avaliações de 5 estrelas no Google, Tripadvisor e OpenRice (uma plataforma de restaurantes de Hong Kong), e esses fatos são refletidos no conteúdo da web, uma IA interpretará o Restaurante Y como uma opção altamente considerada. Na verdade, o ChatGPT observou explicitamente que considera a reputação e o histórico de uma empresa ao fazer recomendações. Avaliações altas e menções frequentes em plataformas de avaliação confiáveis sinalizam que um restaurante é bem considerado, o que aumenta suas chances de aparecer em uma resposta "melhor de" orientada por IA.

É importante lembrar que os LLMs de hoje não têm um banco de dados intrínseco e atualizado de todos os restaurantes e suas classificações em tempo real - eles dependem das informações em que foram treinados ou que podem buscar. Assim, eles aproximam uma classificação com base na frequência, atualidade e autoridade das menções sobre cada candidato. Na prática, a resposta de um LLM para "melhor restaurante italiano em Hong Kong" provavelmente nomeará um punhado de restaurantes que: (a) são claramente italianos e em Hong Kong (relevância), (b) foram destacados por várias fontes respeitáveis (guias de viagem, blogueiros de comida, sites de notícias, etc.) e (c) têm uma forte reputação (prêmios, avaliações positivas, longevidade). Por exemplo, se três revistas de comida diferentes e o TripAdvisor listarem o II Primo como um dos melhores restaurantes italianos, e ele tiver uma classificação de 4,8 $/5$ dos clientes, esses sinais coletivamente impulsionam a IA a incluir o II Primo em sua resposta. Por outro lado, um restaurante italiano totalmente novo que tem pouca presença na web ou um lugar com avaliações mistas provavelmente não será escolhido pela IA como "o melhor" devido à falta de dados de suporte. Em resumo, os LLMs classificam as respostas procurando informações amplamente endossadas, autorizadas e relevantes em seu corpus, em vez de usar os algoritmos tradicionais de mecanismos de pesquisa. Essa nova abordagem tem suas peculiaridades - o experimento de Neil Patel descobriu que as recomendações do ChatGPT nem sempre eram precisas (cerca de 27% das respostas eram imprecisas ou fora de base) - mas o padrão geral é que as empresas que dominam a conversa online tendem a subir ao topo nos resultados gerados por LLM.

Critérios de classificação principais em que os LLMs confiam (e sua importância) #

Quais fatores específicos um LLM parece usar ao decidir quais marcas ou empresas recomendar? Pesquisas recentes que analisaram as respostas do ChatGPT descobriram seis fatores-chave que se correlacionam fortemente com o fato de um produto, serviço ou marca ser recomendado pela IA. Esses fatores espelham de perto os elementos que tornam uma empresa proeminente e confiável online. Embora os LLMs não tenham "pesos de fator de classificação" oficiais como os fatores de algoritmo conhecidos do Google, esta análise de especialistas em SEO fornece uma boa aproximação da influência relativa de cada fator. Abaixo está um gráfico de um estudo da NP Digital (pela equipe de Neil Patel) ilustrando esses seis fatores e sua força relativa (barras mais altas indicam uma correlação mais forte com ser recomendado pelo ChatGPT):

Seis fatores principais que afetam se o ChatGPT recomendará um produto, serviço ou marca em sua resposta. "Pontuações" mais altas (mostradas acima de cada barra, em uma escala de 0 a 1) significam uma influência mais forte. Notavelmente, a relevância para a consulta e as menções à marca na web estão entre os fatores de maior peso, enquanto ser destaque em listas de "recomendações" de terceiros, embora benéfico, é um fator mais fraco em comparação. Desta análise, podemos derivar os seguintes critérios de classificação de LLM, aproximadamente em ordem de importância:

• Relevância: O conteúdo sobre sua empresa é relevante para a consulta específica? Isso foi identificado como o fator mais influente, com uma correlação muito alta (~0,91). Em essência, a IA verifica se as palavras-chave e o tópico da pergunta do usuário aparecem em contexto com sua marca na web. Por exemplo, se a consulta for "melhor restaurante italiano em Hong Kong", um LLM favorecerá restaurantes que são explicitamente mencionados em conexão com "melhor italiano" e "Hong Kong" em vários sites. Um proxy para relevância é se seu site (ou conteúdo sobre sua empresa) se classifica na pesquisa tradicional para essas palavras-chave. Se você tem conteúdo que visa a consulta (por exemplo, postagens de blog ou descrições que incluem frases como "melhor restaurante italiano em Hong Kong") ou se outros escreveram sobre você usando esses termos, isso melhora muito a relevância. Essencialmente, a IA precisa ver uma correspondência tópica clara - sua marca deve ser consistentemente falada no contexto do que o usuário está perguntando.

• Menções à marca: Com que frequência o nome da sua marca é falado em outros sites? Esta é uma medida de popularidade e reconhecimento online, e foi quase tão importante quanto a relevância (correlação ~0,87). Quanto mais frequentemente seu restaurante ou empresa é mencionado na web (em artigos, fóruns, listas, mídia social, etc.), mais um LLM o percebe como uma entidade conhecida e credível. Ao contrário do SEO tradicional, que depende fortemente de menções vinculadas (backlinks), os LLMs provavelmente consideram qualquer menção (vinculada ou não vinculada) como um sinal de destaque. Para um restaurante, as menções à marca podem incluir ser nomeado em artigos de notícias, blogs de comida, guias de viagem, listas locais de "melhores" e até mesmo quadros de discussão. Volume e contexto importam - uma alta quantidade de menções, especialmente em contextos positivos ou autorizados, sinaliza para a IA que sua marca tem presença significativa e deve ser considerada. Pense nisso como a versão da IA de credibilidade de "boca a boca" na internet.

• Avaliações e classificações: Qual é o feedback público sobre sua empresa e quão abundante ele é? Este fator - a quantidade e a qualidade das avaliações - teve uma influência moderada-alta (corr. ~0,61). Os LLMs são treinados em vastas quantidades de texto, incluindo conteúdo de avaliação de sites como Google Reviews, Yelp, TripAdvisor, Amazon, Trustpilot, etc. Eles entendem que uma empresa ou produto com muitas avaliações positivas provavelmente é uma boa recomendação. Nas descobertas de Neil Patel, as marcas com mais avaliações (e classificações geralmente boas) tinham maior probabilidade de serem recomendadas. Para um restaurante, isso significa que ter muitas avaliações de 4-5 estrelas em várias plataformas (Google, Yelp, OpenTable, TripAdvisor, etc.) aumenta sua credibilidade aos olhos da IA. As avaliações essencialmente servem como sinais de qualidade de crowdsourcing. Um LLM preferirá um lugar que, digamos, tenha 500 avaliações com média de 4,5 estrelas em vez de um com 5 avaliações com média de 5 estrelas, porque o primeiro tem mais evidências corroborantes de qualidade. Ponto de ação: incentive os clientes a deixar avaliações e trabalhe para manter classificações altas - isso não apenas ajuda o SEO local tradicional, mas também alimenta a IA com dados confiáveis sobre a qualidade de sua empresa.

• Autoridade: Quão autoritária e estabelecida é sua marca em seu domínio? Autoridade é um conceito amplo, mas no contexto de classificação de LLM, abrange coisas como a autoridade de domínio do seu site, a credibilidade dos sites que falam sobre você e até mesmo seus seguidores nas redes sociais. Este fator teve uma correlação moderada (~0,52). Os LLMs inferem autoridade ao ver quem garante ou se refere a você. Se sites de alta autoridade (veículos de notícias, blogs conhecidos, Wikipedia, etc.) mencionam ou vinculam você, isso aumenta sua autoridade percebida. Além disso, a equipe de Neil Patel considerou seguidores nas redes sociais e presença multiplataforma como parte da autoridade - um grande número de seguidores engajados pode indicar que uma marca é influente ou confiável por muitos. Para restaurantes, a "autoridade" pode ser aprimorada por coisas como prêmios de prestígio (estrelas Michelin, por exemplo), reportagens em publicações respeitáveis ou uma forte presença nas redes sociais mostrando uma base de fãs engajada. Embora um LLM possa não verificar explicitamente sua contagem de seguidores, o conteúdo gerado por ter uma comunidade ativa (menções, compartilhamentos, etc.) contribui para os dados de treinamento da IA. Resumindo: marcas estabelecidas e confiáveis são favorecidas. Empresas novas ou obscuras têm um obstáculo a superar, mas podem construir autoridade ao longo do tempo por meio de RP, conteúdo de qualidade e liderança de pensamento em seu espaço.

• Idade (Longevidade): Há quanto tempo sua empresa ou produto existe? O estudo descobriu que empresas mais antigas e estabelecidas tendiam a aparecer com mais frequência nas respostas do ChatGPT. Este fator mostrou uma correlação mais fraca (~0,46), mas ainda era notável. Isso sugere que os LLMs têm um viés (talvez por meio de seus dados) em relação a entidades com um histórico mais longo. Um restaurante mais antigo que é um ponto de referência local há 20 anos teve mais tempo para acumular menções, avaliações e histórico, enquanto um novo restaurante inaugurado no mês passado tem muito pouca pegada. A IA, sem experiência em tempo real, se apoia em dados históricos - e simplesmente há mais dados sobre entidades mais antigas. Isso não significa que novas empresas não possam ser recomendadas (especialmente se causarem impacto nas notícias ou ganharem um grande prêmio), mas geralmente a longevidade oferece uma vantagem. Contribui para a percepção de confiabilidade ("eles existem e são falados há um tempo, então devem estar fazendo algo certo"). Embora você não possa alterar sua data de fundação, uma lição é começar a construir sua presença online o mais cedo possível. Novas empresas devem trabalhar agressivamente nos outros fatores (menções, avaliações, etc.) para compensar a falta de idade.

• Recomendações externas: Sites de terceiros recomendam explicitamente você como uma das principais opções? Este fator se refere a ser destaque em listas, classificações e artigos de recomendação (geralmente aquelas listas de "Top 10" ou "Melhores de"). Teve a menor correlação (~0,28) dos seis fatores, mas ainda é um sinal significativo. Se sites ou blogueiros respeitáveis estão recomendando sua empresa como uma das melhores, esse endosso pode influenciar um LLM. Por exemplo, se a revista Travel + Leisure e um blog de comida popular listarem seu restaurante entre os "melhores restaurantes italianos de Hong Kong", essas recomendações explícitas provavelmente serão refletidas na resposta da IA (de fato, a IA pode até estar resumindo esses mesmos artigos!). Neil Patel observou que muitas sugestões que o ChatGPT deu foram retiradas de sites de afiliados que classificam produtos/serviços - da mesma forma, para restaurantes, a IA puxará de recursos locais de "melhores restaurantes". Portanto, estar presente nessas recomendações selecionadas é importante. No entanto, este fator sozinho não é suficiente (daí a ponderação mais baixa) - funciona melhor em combinação com os outros (por exemplo, um site pode apenas recomendar você porque você tem ótimas avaliações e autoridade). Ponto de ação: tente ser destaque em listas de "melhores de" relevantes ou resumos de prêmios em seu setor/local, pois isso pode alimentar diretamente as respostas da IA.

Por que esses fatores importam? Em resumo, esses critérios pintam um quadro do que os LLMs "procuram" ao formular uma resposta: eles querem sugerir opções que sejam relevantes, conhecidas, bem-vistas, estabelecidas e endossadas por outros. Muito disso se alinha ao senso comum: uma IA não quer recomendar um restaurante ruim ou desconhecido a um usuário que pede "o melhor". Ela usa a amplitude de evidências online como um proxy para a qualidade. Como um guia de SEO de IA colocou, "O ChatGPT avalia uma mistura de fatores como relevância, autoridade e menções à marca para gerar respostas". Portanto, otimizar para LLMs significa reforçar esses sinais em torno de sua marca (mais sobre como fazer isso abaixo). A boa notícia é que esses fatores ecoam muitas prioridades tradicionais de SEO e RP - se você tem feito um SEO/marketing sólido, provavelmente está fortalecendo os próprios sinais que os LLMs precisam. A principal diferença é que os LLMs não "classificam" sites da mesma forma que o Google; eles classificam fatos e entidades com base no conteúdo que viram. Garantir que os fatos e a reputação de sua marca brilhem nesse conteúdo é o cerne da otimização de LLM.

Como a pesquisa orientada por IA (LLMS) difere do SEO tradicional #

Otimizar para a resposta de um chatbot de IA não é idêntico a otimizar para uma classificação SERP do Google. A pesquisa orientada por LLM introduz novas dinâmicas em como o conteúdo é avaliado e entregue aos usuários. Aqui estão algumas das principais diferenças entre a pesquisa baseada em IA e os mecanismos de pesquisa tradicionais, e o que elas significam para o SEO:

• Respostas diretas vs. Lista de links: O SEO tradicional consiste em fazer com que seu site se classifique na página 1 dos resultados de pesquisa, para que os usuários cliquem em seu site. Em contraste, um LLM como o ChatGPT fornece uma resposta direta dentro do chat - muitas vezes resum