Tráfego orgânico na era da IA: SEO, AEO e GEO na prática

Nos últimos meses eu construí e otimizei três propriedades bem diferentes entre si:

• BluePaper — este estúdio: ~32 páginas, blog, estudos de caso e páginas por vertical.
• CustoPorPrato (CPP) — plataforma de precificação para food business, com blog de 40+ artigos e páginas programáticas por nicho.
• Índice Custo por Prato — índice público de preços: 496 mil produtos, 410 supermercados, 27 estados, 6,1 milhões de preços coletados.

Três escalas completamente distintas, quase a mesma receita, aplicada em camadas. Os números mais relevantes são do CustoPorPrato, um micro-SaaS de nicho que começou como ferramenta para alguns amigos insatisfeitos com o que existia:

• Tráfego orgânico do Google: +884,9% — 1,6 mil sessões orgânicas no período. O percentual é alto porque a base de comparação era pequena; não vou esconder nenhum número aqui.
• 103 mil impressões e 3,2 mil cliques na busca, com posição média 5,5 (Search Console).
• O site apareceu em mais de 1.000 respostas de IA rastreadas pelo Ahrefs: 548 no ChatGPT, 178 no Perplexity, 160 no Copilot, 64 no Gemini, 21 em AI Overviews do Google.
• 117 sessões vieram diretamente de assistentes de IA — canal que o GA4 já classifica como categoria própria ("AI Assistant") e que não existia há 3 meses.

Os números são altos? Não. E o ponto aqui não é número alto — é que ainda é possível conquistar espaço com tráfego orgânico investindo zero reais, principalmente para quem está começando uma ideia e não tem (ou não quer gastar) dinheiro com tráfego pago.

Também vale dizer: eu não sou especialista em SEO. Este artigo documenta o que funcionou na prática, com as fontes oficiais linkadas no final — e os erros que eu teria evitado se tivesse lido a documentação antes.

SEO, AEO e GEO: três consumidores do mesmo conteúdo

Os três termos se confundem, então vale separar o que cada um significa:

• SEO (Search Engine Optimization): o clássico aparecer bem no Google, Bing e buscadores em geral. O padrão que existe há 20 anos: busca, clica, visita.
• AEO (Answer Engine Optimization): ser a resposta, não só o link. Featured snippets, FAQ rich results, assistentes de voz. Exige conteúdo estruturado como pergunta com resposta direta.
• GEO (Generative Engine Optimization): ser citado por LLMs — ChatGPT, Perplexity, Claude, AI Overviews. O termo vem de um paper acadêmico apresentado no KDD 2024 (citação no final).

Na prática, são três consumidores do mesmo conteúdo estruturado, cada um com um formato de entrega. E o conselho padrão do Google funciona para todos: conteúdo útil, indexável e com dados estruturados coerentes — o texto do schema precisa ser o mesmo texto visível na página.

SEO: o básico bem feito (e onde eu mais errei)

A parte menos glamourosa e a de maior retorno. Três erros que eu cometi e corrigi:

1. Canonical por página, nunca no layout. No Índice CPP, a página de produto aceita o parâmetro ?uf= para trocar o estado. Sem canonical explícito por página, o Google trataria cada variação como URL candidata: 27 URLs por produto disputando ranking entre si. No Next.js, isso significa alternates.canonical no generateMetadata() de cada rota — nunca um canonical fixo herdado do layout raiz, que apontaria todas as páginas para o mesmo lugar.

2. Description dinâmica por dado. As 400+ páginas de mercado começaram com a mesma frase genérica, e o Search Console acusou description duplicada em massa. A correção foi montar a description a partir do dado da própria página: nome do mercado, cidade, número de produtos, data da coleta. Se a página é gerada por template, a description também precisa ser — com os dados que tornam aquela página única.

3. noindex explícito no que não deve ranquear. Página de busca interna, páginas de "não encontrado" e rotas de infraestrutura (300 MB+ de JSON) levam noindex explícito — via metadata ou header X-Robots-Tag, ambos documentados no Google Search Central. Com meio milhão de páginas, crawl budget deixa de ser um conceito abstrato: cada visita do Googlebot a uma rota inútil é uma visita que não foi para uma página que importa.

O resultado composto disso: mais de 60% dos usuários do CPP hoje vieram de tráfego orgânico — 41 novos só na semana em que escrevi isso.

Sitemap com 496 mil URLs

O protocolo de sitemaps tem teto de 50 mil URLs ou 50 MB descomprimidos por arquivo. Com 496 mil URLs, a solução foi:

• Sitemap index apontando para shards: o shard 0 fica com as páginas do núcleo (home, comparativos, 27 estados, 410 mercados); os shards seguintes apontam para os produtos em blocos de 40 mil URLs.
• Curadoria: só produtos vendidos em 3+ estados entram no sitemap. O resto continua indexável via links internos, mas não é priorizado — sitemap é sinal de prioridade, não inventário completo.
• lastmod verdadeiro (data real da coleta): nunca um new Date() por deploy. O Google usa o lastmod quando ele é consistente e confiável, e passa a ignorá-lo quando o dado "mente". Um site inteiro com lastmod de hoje a cada deploy é a definição de mentir.
• priority e changefreq: preenchi por tipo de página, mas o Google ignora ambos (e o Bing trata changefreq como sinal fraco). Mantive por custo zero e por outros consumidores do sitemap.

SEO programático

A pergunta que define a estrutura: como as pessoas procuram pelo que você oferece?

• BluePaper: quem procura uma agência quer saber como fazer, quanto custa e como contratar. Páginas por vertical atendida e por keyword específica — um template igual com dados diferentes basta.
• CPP: páginas por tipo de negócio, por concorrente, por insumo e por estado.
• Índice CPP: 27 estados e 410 mercados, 100% estáticos no build; as páginas de produto são geradas sob demanda.

A regra que separa isso de spam: página programática precisa de dado real e único por página — preço mediano, cobertura, comparativo. Template com conteúdo raso é exatamente o que as políticas de spam do Google chamam de "scaled content abuse", e a punição é do domínio inteiro, não da página.

JSON-LD: o vocabulário completo

Tudo via schema.org, um bloco application/ld+json por schema — mais fácil de validar e depurar no Rich Results Test:

• Organization + WebSite (com SearchAction) em todo o site.
• BreadcrumbList em toda página de conteúdo.
• FAQPage: desde 2023 o Google restringiu os rich results de FAQ a sites governamentais e de saúde reconhecidos. O schema continua aqui porque (1) ele vale para qualquer consumidor, não só o Google, e (2) a regra continua valendo: o texto do schema é o mesmo visível na página.
• Dataset: um dos schemas mais subestimados. Metodologia (measurementTechnique), variáveis medidas, cobertura temporal, licença, isAccessibleForFree — é o schema que alimenta o Google Dataset Search e transforma o índice numa fonte referenciável.
• Product + AggregateOffer nas páginas de produto, com a faixa de preço real entre mercados.
• BlogPosting + HowTo nos artigos. O HowTo, como o FAQ, perdeu rich result em 2023; mantive como descrição semântica.
• Person/ProfilePage na página do autor. É o lado técnico do E-E-A-T: conteúdo assinado por alguém real, com histórico verificável.

AEO: estruturar para ser a resposta

• FAQ dinâmico: na página de cada estado, as perguntas ("Qual o mercado mais barato de SP?") escalam junto com o site e não desatualizam, porque a resposta é o próprio dado.
• Página de metodologia ("de onde vêm os dados"): o paper de GEO e as diretrizes de E-E-A-T apontam na mesma direção — transparência sobre origem aumenta a chance de ser tratado como fonte.
• Glossário embutido (CMV, markup, margem de contribuição, ficha técnica): termos definidos em uma frase, formato que answer engines capturam com facilidade.
• Resposta direta no primeiro parágrafo, contexto depois. É contraintuitivo — nos acostumamos a ser enrolados até o final para ter a resposta — mas aqui funciona melhor.

GEO: a parte nova (e o que é convenção, não padrão)

Aviso honesto: boa parte do que segue é convenção emergente, não padrão reconhecido.

a) llms.txt — o que é e o que NÃO é

É uma proposta (de Jeremy Howard, do Answer.AI) de um índice em markdown na raiz do site dizendo ao agente o que o site é e onde estão as páginas-chave; a variante llms-full.txt entrega o conteúdo completo num arquivo só. Três fatos que o hype costuma omitir:

• É convenção comunitária, não padrão formal. Não há RFC nem standardização IETF.
• O Google afirmou na documentação oficial que a Busca não usa llms.txt — nem para ranking, nem para AI Overviews. Nenhum grande provedor de LLM disse publicamente usá-lo como sinal de citação (ainda).
• Onde funciona hoje: agentes de código e navegação agêntica. Cursor, Claude Code, GitHub Copilot e afins buscam /llms.txt ao apontar para documentações, e o Lighthouse do Chrome ganhou auditoria de llms.txt na categoria "Agentic Browsing". Stripe, Vercel, Cloudflare, Resend e a própria Anthropic publicam o arquivo para esse público — não para indexação.

Publiquei mesmo assim: custo de manutenção quase zero, downside zero (o Google afirma que não ajuda nem atrapalha) e upside para agentes, que é o futuro para onde estamos indo. Mas quem vender llms.txt como "o novo SEO" está mentindo.

b) Versão .md gêmea de cada página

Toda página de conteúdo também existe em .md: conteúdo limpo, sem JS, sem nav, sem cookie banner. Não tem segredo — HTML para humanos, markdown para agentes, o mesmo conteúdo numa fração dos tokens. A estratégia: rotas explícitas (adicionar .md à URL) e content negotiation via header Accept: text/markdown na mesma URL, com três cuidados para não criar conteúdo duplicado:

1. Header Link: rel="canonical" apontando para o HTML;
2. Rotas .md fora do sitemap — a descoberta é via llms.txt e rel=alternate;
3. Content-Type: text/markdown correto.

c) robots.txt com grupos explícitos para crawlers de IA

GPTBot, OAI-SearchBot, ClaudeBot, Google-Extended, CCBot e outros. Detalhe que eu aprendi errando: um crawler que encontra um grupo com seu nome exato obedece só a esse grupo e ignora o User-agent: *. Então uma allowlist explícita precisa ser deliberada, grupo a grupo — se você cria um grupo para o GPTBot só com Allow: /, todos os Disallow do grupo genérico deixam de valer para ele. Use como referência o robots.txt da Resend ou da Cloudflare.

d) IndexNow

Notifica os mecanismos no momento em que conteúdo novo sobe, em vez de esperar recrawl. Precisão importa: IndexNow é adotado por Bing, Yandex, Seznam e Naver — o Google não participa do protocolo. Para o Google, o caminho continua sendo sitemap com lastmod honesto. E não subestime o Bing: é ele que alimenta boa parte das respostas do ChatGPT, e foi de lá que veio bastante acesso.

e) Dado próprio como moat

A tese central de GEO — e a única parte que considero durável independente de qual convenção vingar: motores generativos citam quem tem o dado que mais ninguém tem. O paper de GEO mediu que incluir estatísticas e fontes aumenta a visibilidade em respostas geradas; um índice com 6,1 milhões de preços coletados é a versão estrutural disso. llms.txt pode morrer, schema pode mudar, mas dado único e verificável não perde valor.

Erros, limites e pendências

• Atribuição é frágil: +884,9% sobre base pequena impressiona menos do que parece, e eu não consigo isolar quanto veio de cada camada. O que o Ahrefs mede como "AI responses" é amostragem, não censo.
• AggregateRating sem avaliações reais é tentação e armadilha: schema de review auto-atribuído viola as diretrizes de dados estruturados do Google e pode virar ação manual. Não faça.
• llms.txt é aposta, não garantia — repito porque é o ponto em que este artigo mais soaria vendedor se eu não repetisse.

E por último: leia a documentação do Google. Eu teria evitado muita dor de cabeça.

Referências

1. GEO (paper acadêmico): Aggarwal et al., "GEO: Generative Engine Optimization", KDD 2024 — arxiv.org/abs/2311.09735
2. llms.txt: proposta de Jeremy Howard (Answer.AI) — llmstxt.org
3. Google Search Central, guia sobre IA na Busca — developers.google.com/search/docs/appearance/ai-features
4. Google Search Central, dados estruturados — developers.google.com/search/docs/appearance/structured-data e o aviso sobre a redução de FAQ/HowTo rich results (ago/2023) — developers.google.com/search/blog/2023/08/howto-faq-changes
5. Google Search Central, sitemaps (limite de 50 mil URLs / 50 MB; posição sobre lastmod/priority/changefreq) — developers.google.com/search/docs/crawling-indexing/sitemaps/build-sitemap
6. Google Search Central, políticas de spam (scaled content abuse) — developers.google.com/search/docs/essentials/spam-policies
7. Protocolo de sitemaps — sitemaps.org/protocol.html
8. IndexNow (Bing, Yandex, Seznam, Naver) — indexnow.org

Perguntas frequentes

Qual a diferença entre SEO, AEO e GEO?

SEO (Search Engine Optimization) é aparecer bem no Google, Bing e buscadores em geral — o padrão busca, clica, visita. AEO (Answer Engine Optimization) é ser a resposta, não só o link: featured snippets, FAQ rich results e assistentes de voz. GEO (Generative Engine Optimization) é ser citado por LLMs como ChatGPT, Perplexity, Claude e AI Overviews. Na prática são três consumidores do mesmo conteúdo estruturado, e o conselho do Google vale para todos: conteúdo útil, indexável e com dados estruturados coerentes.

O llms.txt melhora o ranking no Google?

Não. O Google afirmou na documentação oficial que a Busca não usa llms.txt — nem para ranking, nem para AI Overviews — e nenhum grande provedor de LLM disse publicamente usá-lo como sinal de citação. Onde ele funciona hoje é em agentes de código e navegação agêntica: Cursor, Claude Code e GitHub Copilot buscam /llms.txt ao apontar para documentações. Vale publicar pelo custo quase zero e pelo upside com agentes, mas quem vende llms.txt como "o novo SEO" está mentindo.

Como fazer sitemap para um site com centenas de milhares de páginas?

O protocolo de sitemaps limita cada arquivo a 50 mil URLs ou 50 MB descomprimidos. A solução é um sitemap index apontando para shards: um shard com as páginas do núcleo e os demais com o restante em blocos. Além disso, curadoria (só as páginas prioritárias entram no sitemap), lastmod com a data real de modificação do conteúdo — nunca a data do deploy — e saber que o Google ignora os campos priority e changefreq.

SEO programático é penalizado pelo Google?

Só quando é template com conteúdo raso — isso é o que as políticas de spam do Google chamam de scaled content abuse, e a punição atinge o domínio inteiro. Página programática legítima precisa de dado real e único por página: preço mediano, cobertura, comparativo. A pergunta que define a estrutura é como as pessoas procuram pelo que você oferece, e cada página precisa responder isso com dado que nenhuma outra página tem.

Como aparecer nas respostas do ChatGPT e de outras IAs?

A parte durável é ter dado que mais ninguém tem: o paper acadêmico de GEO mediu que incluir estatísticas e fontes aumenta a visibilidade em respostas geradas. Ajudam também uma página de metodologia explicando de onde vêm os dados, respostas diretas no primeiro parágrafo, schema.org coerente com o texto visível e não bloquear os crawlers de IA (GPTBot, ClaudeBot, PerplexityBot) no robots.txt. E não subestime o Bing: é ele que alimenta boa parte das respostas do ChatGPT.