# Tráfego orgânico na era da IA: SEO, AEO e GEO na prática > Como três sites conquistaram tráfego orgânico investindo zero reais: sitemap com 496 mil URLs, JSON-LD, llms.txt, versão .md por página e mais de 1.000 citações em respostas de IA. Com números reais e o que não funcionou. - Categoria: SEO - Publicado: 2026-08-04 - Atualizado: 2026-08-04 - Autor: Caio Domingues (CEO, BluePaper) - Tempo de leitura: 12 min - Versão HTML: https://bluepaper.io/blog/trafego-organico-era-da-ia --- 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. ![GA4, sessões por grupo de canais: Organic Search com 1 mil sessões (+115,8%) e o canal AI Assistant com 89 sessões](https://bluepaper.io/blog/trafego-organico-era-da-ia/ga4-canais-ai-assistant.webp) 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. ![Card de total de usuários do CustoPorPrato com 41 novos usuários na semana](https://bluepaper.io/blog/trafego-organico-era-da-ia/usuarios-semana.webp) ## Sitemap com 496 mil URLs O [protocolo de sitemaps](https://www.sitemaps.org/protocol.html) 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](https://bluepaper.io/blog/como-criar-um-site), [quanto custa](https://bluepaper.io/blog/quanto-custa-landing-page) 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](https://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"](https://developer.chrome.com/docs/lighthouse/agentic-browsing/llms-txt). 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**. ![Painel AI responses do Ahrefs: 548 respostas no ChatGPT, 182 no Perplexity, 160 no Copilot, 64 no Gemini, 28 no AI Mode e 22 em AI Overviews](https://bluepaper.io/blog/trafego-organico-era-da-ia/ahrefs-ai-responses.webp) ### 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](https://resend.com/robots.txt) ou da [Cloudflare](https://www.cloudflare.com/robots.txt). ### 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](https://arxiv.org/abs/2311.09735) 2. **llms.txt**: proposta de Jeremy Howard (Answer.AI) — [llmstxt.org](https://llmstxt.org) 3. **Google Search Central, guia sobre IA na Busca** — [developers.google.com/search/docs/appearance/ai-features](https://developers.google.com/search/docs/appearance/ai-features) 4. **Google Search Central, dados estruturados** — [developers.google.com/search/docs/appearance/structured-data](https://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](https://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](https://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](https://developers.google.com/search/docs/essentials/spam-policies) 7. **Protocolo de sitemaps** — [sitemaps.org/protocol.html](https://www.sitemaps.org/protocol.html) 8. **IndexNow** (Bing, Yandex, Seznam, Naver) — [indexnow.org](https://www.indexnow.org) [Quer um site construído com essa fundação de SEO desde o primeiro deploy?](https://bluepaper.io/contact) ## 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. ## Serviço relacionado [MVPs para startups](https://bluepaper.io/hotpage/mvps) — Da ideia ao produto em produção com stack moderna, para validar com usuários reais antes de escalar o time.