GEO-PTBR é o primeiro estudo científico de Generative Engine Optimization (GEO) em português brasileiro, produzido pela Caracol AEO. Aplicamos as 9 técnicas de otimização do paper original de GEO (Aggarwal et al., 2024) a 525 perguntas em três setores e medimos o efeito em três IAs generativas de três famílias diferentes — gemini-3.5-flash-lite (Google), claude-haiku-4-5 (Anthropic) e gpt-5.6-luna (OpenAI) — mesmas perguntas, mesmos textos, só muda quem responde. O achado central: o efeito de uma técnica de GEO depende de qual IA responde. Paper, dataset e código são abertos e citáveis.
Das 9 técnicas do catálogo original, as três IAs concordam na direção do efeito em apenas 4 (44,4%) — e todas as quatro são técnicas que reduzem a visibilidade. O que transfere de um engine para outro não é qual otimização funciona: é qual otimização sai pela culatra. Keyword stuffing, por exemplo, perde visibilidade nas três IAs, sem exceção.
Fluency Optimization — simplesmente reescrever o texto para ler melhor — aumentou a visibilidade da fonte no claude-haiku-4-5 (+7,9%) e derrubou no gpt-5.6-luna (−6,9%), com os dois efeitos sobrevivendo à correção estatística de multiplicidade (Holm, família de 27 testes); no gemini-3.5-flash-lite o efeito ficou indeterminado (+0,2%). É a demonstração mais limpa do estudo de que otimizar às cegas para "as IAs" no plural não é uma estratégia.
O paper original reportou ganhos de +27% a +41% para suas melhores técnicas. No GEO-PTBR, o maior efeito positivo em qualquer IA foi +2,6% — e o maior efeito absoluto do estudo foi uma penalidade de −81,5% (adicionar estatísticas ao texto, no gpt-5.6-luna). A direção do efeito replica em 5 das 9 técnicas; o tamanho, não.
Em 25 perguntas-controle, deliberadamente impossíveis de responder com as fontes dadas, o baseline se comporta: visibilidade zero. Cinco técnicas quebram isso e induzem a IA a citar a fonte otimizada mesmo ela não respondendo a pergunta — uma falha de segurança, não uma otimização. Um terço do benchmark é saúde, onde esse tipo de erro custa caro.
Mesmo nas técnicas em que as três IAs concordam na direção, a magnitude não é comparável: o gpt-5.6-luna reage de 5 a 17 vezes mais que o gemini-3.5-flash-lite ao mesmo texto, com o claude-haiku-4-5 no meio. Um número único de "ganho da técnica" esconde mais do que informa.
O catálogo replicado vem do estudo original de 2023, medido sobre engines bem menos maduros que os atuais — e os ganhos de +27% a +41% daquela época não aparecem nos engines de 2026 que testamos. No nosso teste, quem menos caiu nas estratégias foi o gemini-3.5-flash-lite: nenhuma técnica move a visibilidade de forma relevante nele, e ele praticamente nunca deixa de citar uma fonte que já citava. É consistente com a hipótese de que truques de otimização envelhecem conforme os modelos evoluem — o paper registra o limite dessa leitura: os três engines são do tier econômico, e confirmar a hipótese exigiria testar modelos de fronteira.
Mediana da mudança de visibilidade da fonte otimizada, por técnica e por IA, no conjunto primário do paper (queries em que a fonte já era citada no baseline). Verde/vermelho = efeito distinguível de zero após correção de Holm; cinza = indeterminado.
| Técnica | gemini-3.5-flash-lite | claude-haiku-4-5 | gpt-5.6-luna |
|---|---|---|---|
| Fluency Optimizationreescrever para ler melhor | +0,2% | +7,9% | −6,9% |
| Technical Termsadicionar termos técnicos | +1,9% | −4,4% | −12,4% |
| Cite Sourcesadicionar referências às fontes | +0,5% | −2,3% | −12,1% |
| Quotation Additionadicionar citações diretas | +0,0% | −2,1% | −9,6% |
| Statistics Additionadicionar estatísticas | −1,4% | +0,6% | −81,5% |
| Authoritativetom mais autoritativo | −3,1% | −8,1% | −48,7% |
| Easy-to-Understandsimplificar a linguagem | −5,4% | −10,7% | −31,4% |
| Unique Wordsvocabulário incomum | −3,2% | −54,1% | −55,4% |
| Keyword Stuffingempilhar palavras-chave | −9,1% | −28,6% | −45,3% |
Leituras rápidas: a única célula verde do placar é a da Fluency Optimization no claude-haiku-4-5 — e a mesma técnica é vermelha no gpt-5.6-luna, a inversão que dá título ao paper. As quatro linhas de baixo são as técnicas em que as três IAs concordam: todas prejudicam. O gpt-5.6-luna é a coluna inteira em vermelho (9 de 9); o gemini-3.5-flash-lite não tem nenhum efeito positivo distinguível e é onde tudo se move menos. Dos 27 testes, 18 sobrevivem à correção (Holm e Benjamini–Hochberg selecionam os mesmos 18). Intervalos de confiança e conjuntos de sensibilidade: tabelas completas no paper.
Reescrever o texto para ficar mais fluido e natural, sem mudar o conteúdo. Exemplo: "Imóvel. Documentos: RG, CPF, comprovante de renda" vira "Para comprar o imóvel, você vai precisar de RG, CPF e comprovante de renda".
Trocar palavras comuns pelos termos técnicos da área. Exemplo: em vez de "dor de cabeça forte", escrever "cefaleia intensa"; em vez de "dono do imóvel", "proprietário/promitente vendedor".
Acrescentar referências dizendo de onde a informação vem. Exemplo: adicionar "segundo o Código Civil, art. 421" ou "de acordo com o Ministério da Saúde" às afirmações do texto.
Inserir falas entre aspas atribuídas a alguém. Exemplo: acrescentar "'O contrato precisa ser registrado em cartório', explica a advogada" no meio do texto.
Adicionar números e percentuais ao texto. Exemplo: trocar "muitos inquilinos atrasam o aluguel" por "23% dos inquilinos atrasam o aluguel". O perigo que o paper mede: quando a fonte não tem o dado, a reescrita o inventa — e a IA cita o texto como se ele respondesse.
Reescrever num tom mais confiante, de autoridade no assunto. Exemplo: trocar "talvez seja bom consultar um médico" por "consulte um médico: este é o procedimento indicado".
Simplificar a linguagem para qualquer pessoa entender. Exemplo: trocar o juridiquês "o adimplemento da obrigação pecuniária" por "o pagamento da dívida".
Trocar palavras comuns por vocabulário raro, para o texto se destacar. Exemplo: em vez de "importante", usar "imprescindível" ou "primordial". Nas IAs testadas, foi das que mais derrubaram visibilidade.
Repetir as palavras-chave da busca por todo o texto — o velho truque de SEO. Exemplo: encaixar "melhor advogado trabalhista em SP" em cada parágrafo. Perde visibilidade nas três IAs — e é a única técnica com efeito estável nos três setores do estudo, sempre negativo.
Cada número do paper sai de execução gravada. O dataset traz as 525 queries, as 2.625 fontes, os textos transformados pelas 9 técnicas e os traces brutos das três IAs.
47 páginas, em inglês: corpo de 26 páginas e apêndice com as tabelas completas de resultados.
Arquivo permanente e citável do release completo (paper + dados + código), com DOI cunhado pelo CERN/Zenodo.
Pipeline de medição, análise estatística (bootstrap, Holm, permutação exata) e fonte LaTeX do paper. Licença MIT.
Benchmark completo com traces brutos de execução das três IAs, com checksum por arquivo. Licença CC BY 4.0.
Submissão ao arXiv em andamento — o link do preprint entra aqui quando o identificador for atribuído.
@misc{picchiotti2026geoptbr,
author = {Picchiotti, Elio Suraci},
title = {GEO-PTBR: A Brazilian-Portuguese Replication of Generative Engine
Optimization and the Engine-Dependence of Its Effects},
year = {2026},
doi = {10.5281/zenodo.21936792},
}GEO é o conjunto de técnicas que alteram o texto de uma página para que ela seja citada com mais destaque nas respostas de IAs generativas, como ChatGPT, Gemini e Perplexity. O termo vem do paper de Aggarwal et al. (2024), que propôs 9 técnicas e reportou ganhos de até 40% em inglês. O GEO-PTBR é a primeira replicação dessas 9 técnicas em português brasileiro.
GEO (Generative Engine Optimization) é o termo acadêmico, cunhado por Aggarwal et al. (2023), para uma técnica específica: alterar o conteúdo de uma fonte para que engines generativos a citem com mais destaque. AEO (Answer Engine Optimization) é a disciplina completa de fazer uma marca ser a resposta em motores de resposta como AI Overviews, ChatGPT e Perplexity — inclui crawlability para bots de IA, dados estruturados (schema), formato de conteúdo como o definition-lead, presença de entidade e monitoramento. Em resumo: AEO é a disciplina; GEO é o nome acadêmico de uma das suas ferramentas, a de reescrita de conteúdo — exatamente a fatia que este estudo testou. No mercado, os dois termos circulam quase como sinônimos.
Que o efeito de uma técnica de GEO depende de qual IA responde. As três IAs testadas (gemini-3.5-flash-lite, claude-haiku-4-5 e gpt-5.6-luna) concordam na direção do efeito em apenas 4 das 9 técnicas — e as quatro são técnicas que prejudicam a visibilidade. A técnica mais suave do catálogo (reescrever o texto para ler melhor) aumentou a visibilidade no claude-haiku-4-5 (+7,9%) e derrubou no gpt-5.6-luna (−6,9%), com os dois efeitos sobrevivendo à correção estatística de multiplicidade. Além disso, 5 das 9 técnicas induziram as IAs a citar fontes que não respondem a pergunta.
O gemini-3.5-flash-lite (Google) foi o mais resistente: nenhuma das 9 técnicas move a visibilidade de forma relevante nele, e ele praticamente nunca deixa de citar uma fonte que já citava. O gpt-5.6-luna (OpenAI) foi o mais reativo, com penalidades de até −81,5%, e o claude-haiku-4-5 (Anthropic) fica no meio. Como o catálogo replicado é de 2023, esse contraste é consistente com a hipótese de que técnicas de GEO envelhecem conforme os modelos melhoram — hipótese que o estudo levanta, mas que só um teste com modelos de fronteira confirmaria.
Funciona diferente do que a receita pronta promete. O maior ganho medido foi +2,6% (contra +27% a +41% do estudo original em inglês), e o que transferiu entre as três IAs foi o que não fazer — keyword stuffing perdeu visibilidade em todas. A implicação prática do paper: antes de otimizar, meça no engine que interessa; e trate o catálogo fixo de truques como lista do que evitar, não do que aplicar. É exatamente essa medição que a Caracol AEO faz para marcas brasileiras.
Sim. O dataset é CC BY 4.0 (Hugging Face), o código é MIT (GitHub) e o paper em PDF está arquivado com DOI no Zenodo. Para citar, use o BibTeX acima ou os metadados do DOI 10.5281/zenodo.21936792.
Quem mediu 3 IAs num paper com DOI mede a visibilidade da sua marca com o mesmo rigor — descubra seu Score AEO e onde as IAs (não) citam você.
Auditar Meu Site →