APIs e interfaces do ChatGPT e do Gemini coincidem nas fontes em apenas 12% a 15%

As equipes de SEO estão acostumadas a uma lógica simples: permitir que um robô rastreie uma página, aguardar a indexação e acompanhar as posições. Com a busca por IA, esse modelo deixa de funcionar. O acesso ao conteúdo, o uso do material para treinar um modelo e a exibição de um link em uma resposta gerada são três operações diferentes. Um único controle não gerencia todas elas ao mesmo tempo.

Um exemplo simples: uma loja virtual permite que o Googlebot rastreie as páginas de produtos, proíbe o uso do conteúdo para treinamento e quer aparecer no AI Overviews. Essas decisões não são contraditórias, mas exigem configurações diferentes. Se a equipe alterar apenas o robots.txt e não observar crescimento nas citações uma semana depois, isso ainda não dirá nada sobre a qualidade do conteúdo nem sobre o funcionamento da restrição.

Acesso, treinamento e busca por IA precisam ser separados

O Google planeja oferecer, em 2027, suporte a um sinal comum de preferências para treinamento de IA baseado no AIPREF. Até o lançamento, ele não pode ser tratado como uma configuração universal já respeitada por todos os modelos. As regras atuais de provedores específicos também não desaparecerão. Por exemplo, o Google-Extended controla alguns cenários de uso de conteúdo, mas não exclui um site da busca convencional nem funciona como fator de ranqueamento.

Um mecanismo separado foi anunciado para os recursos generativos do Google Search. Ele deverá permitir que proprietários de sites gerenciem, pelo Search Console, a participação do conteúdo no AI Overviews e no AI Mode. Essa configuração não equivale a uma proibição de treinamento. Antes de alterá-la, é recomendável registrar o tráfego de referência, o conjunto de páginas e o resultado esperado do experimento. Caso contrário, a equipe obterá um gráfico, mas não conseguirá explicar exatamente o que provocou a mudança.

O Screaming Frog SEO Spider 25.0 simplifica a parte técnica do processo. Agora é possível armazenar a configuração de rastreamento em JSON, versioná-la e reutilizá-la. Isso é útil em auditorias regulares: o mesmo conjunto de URLs é verificado com parâmetros idênticos, enquanto as alterações de configuração permanecem visíveis no histórico do projeto. No entanto, um crawler confirma que uma página está acessível, não a probabilidade de ela aparecer na resposta de um modelo.

As citações estão se tornando mais mensuráveis, mas não automaticamente mais precisas

O Bing adicionou a ferramenta Topics Portfolio ao AI Performance. Ela agrupa consultas por tema, mostra citações e sugere consultas nas quais um site pode apresentar uma lacuna. Para uma equipe editorial, isso é mais útil do que um contador geral de menções: é possível perceber que uma marca tem visibilidade, por exemplo, no tema de backup, mas quase não aparece no tema de segurança de dados.

Há uma ressalva importante. Os clusters são criados automaticamente, e os valores podem ser aproximados. Um site pequeno pode nem sequer visualizar a aba por falta de dados. Por isso, a lista de oportunidades não deve ser transformada imediatamente em um plano editorial. Primeiro, é necessário verificar manualmente as consultas, remover marcas não relacionadas e associar os temas ao produto e à intenção do usuário.

Outra limitação foi revelada por um estudo sobre recomendações de produtos feitas por IA. Em uma amostra de 1.536 respostas, a sobreposição entre os domínios exibidos na interface de usuário e na API foi, em média, de 12,0% para o ChatGPT e de 14,8% para o Gemini. Esse não é um indicador universal para todos os setores: o estudo abrangeu 117 consultas em inglês sobre produtos físicos, executadas a partir dos Países Baixos. Mas o sinal prático é forte: uma auditoria automatizada via API não pode ser apresentada como uma reprodução exata da experiência do usuário.

O que mudar no fluxo de trabalho

Comece criando um inventário. Para cada projeto, registre as regras de rastreamento, os bloqueios de uso em treinamento, as configurações de participação na busca por IA e as fontes de análise disponíveis. Em seguida, escolha um conjunto pequeno e estável de consultas e teste-o simultaneamente pela API e pelas interfaces reais. Registre a data, a região, a formulação da consulta, o modelo, os links encontrados e as citações visíveis.

Por fim, inclua os metadados na aprovação editorial. O título, a descrição, o JSON-LD e o texto alternativo devem passar pela mesma verificação de fatos aplicada ao conteúdo principal. A principal conclusão é simples: uma auditoria GEO só se torna reproduzível quando a equipe separa as configurações de acesso dos métodos de medição. Um único relatório, crawler ou pedido à API não oferece o panorama completo.