O que podemos aprender com os Frameworks de Generative Engine Optimization da Geostack?

A pergunta que mais aparece quando o assunto é visibilidade em inteligência artificial é sempre alguma variação de "por que a IA não cita a minha marca?". A resposta curta é que citação não é sorte: é consequência de um conjunto de fatores que podem ser diagnosticados, priorizados e medidos. E é exatamente isso que os frameworks de GEO da Geostack se propõem a organizar.

São seis modelos, criados pela primeira agência brasileira dedicada exclusivamente a Generative Engine Optimization, somando 32 componentes ao todo, e publicados com licença livre de uso, inclusive comercial. Não são metáforas de palestra: cada um tem número fixo de componentes, tabela de níveis e protocolo de aplicação. Cinco deles analisam a marca e respondem onde a autoridade realmente mora, o que conta como evidência para um modelo de linguagem, onde a disputa acontece, o que a IA erra e quanto custa ganhar mais um ponto de visibilidade. O sexto analisa uma página específica, antes de ela ser publicada.

Neste artigo, destrinchamos o que cada framework ensina e, mais importante, o que o conjunto revela sobre como os modelos de linguagem realmente decidem quem citar.

Lição 1: a autoridade mora onde você não controla

O primeiro framework, a Pirâmide de Consenso, organiza em cinco camadas as fontes que formam a opinião de um modelo de linguagem sobre uma marca. Na base está a declaração: seu site, suas redes, seus materiais, tudo que você publica em domínio próprio. Acima vem a distribuição: seu conteúdo hospedado fora, como artigo assinado, documentação em marketplace ou resposta em comunidade. Depois a atribuição: terceiros falando de você sem que você tenha escrito, como reportagens, análises e reviews. Em seguida a consolidação: as fontes que resumem o mercado inteiro, como listas de "melhores X", comparadores, diretórios setoriais e plataformas de review. E no topo a internalização: o que o modelo já assume sobre você sem consultar nada, a partir do que absorveu no treinamento.

A regra da pirâmide é incômoda, mas explica quase tudo: o peso de uma fonte é inversamente proporcional ao controle que você tem sobre ela. Você controla 100% da camada de declaração, e ela tem peso mínimo na resposta: confirma uma informação, não convence de nada. Já a camada de consolidação, sobre a qual você tem quase nenhum controle direto, é a que a IA busca primeiro em prompts de descoberta. E a internalização, sobre a qual você não tem controle algum no curto prazo, é decisiva, porque aparece nas respostas sem nenhuma navegação.

O motivo é estrutural. Um modelo de linguagem não escolhe a melhor fonte. Ele reproduz a versão mais provável, e a versão mais provável é aquela que mais fontes independentes repetem da mesma forma. É por isso que a resposta para "quais as melhores agências de X" quase nunca sai do site das agências: sai do que o resto da internet concordou em dizer sobre elas. As fontes decisivas incluem bases estruturadas como o Wikidata, que os sistemas de IA consultam para entender quem é cada entidade.

A aplicação prática vem em quatro passos. Primeiro, classifique tudo que fala da sua marca hoje e distribua por camada: a distorção típica é 90% do material na camada 1 e quase nada da camada 3 para cima. Segundo, leia as fontes que a IA citou no seu nicho e classifique cada uma, porque elas mostram em que camada a disputa do seu mercado está sendo decidida. Terceiro, trabalhe sempre a camada imediatamente acima da sua: ninguém salta da 1 para a 4. Conteúdo próprio de qualidade vira material distribuível, que vira pauta e citação, que vira entrada em lista consolidada. Quarto, trate a internalização como consequência de anos, não como meta de trimestre.

O erro mais comum que o framework denuncia é aumentar a frequência de publicação no próprio blog quando a citação não vem. É investir mais na camada de menor peso e concluir, seis meses depois, que "GEO não funciona". O problema quase nunca é volume: é camada.

Lição 2: para uma IA, case anônimo não é prova, é adjetivo

A Escada de Prova, segundo framework, classifica em cinco degraus a força da evidência que uma marca oferece. No degrau 1 está a alegação própria: "referência no setor", "tecnologia proprietária de ponta", afirmações sem verificação possível. No degrau 2, o caso nomeado: resultado com cliente identificado, contexto, período e fala do cliente. No degrau 3, o número auditável: dado com metodologia aberta, amostra, período e forma de reproduzir. No degrau 4, a validação externa: um terceiro independente atestando, seja review verificado, auditoria ou análise de veículo. E no degrau 5, o dado público: informação em registro, base oficial ou publicação indexada, que existe independentemente de você.

A escada responde à pergunta que toda equipe de conteúdo faz mais cedo ou mais tarde: "mas o que exatamente eu publico?" E a resposta muda conforme o degrau. Modelos de linguagem são treinados para não afirmar o que não conseguem sustentar. Diante de uma página que diz "somos líderes de mercado", o comportamento mais provável não é repetir a frase: é ignorá-la ou atribuí-la explicitamente à própria empresa, o que anula qualquer efeito de recomendação. Diante de um número com metodologia publicada, o comportamento muda por completo: no degrau 3, a marca deixa de ser citada e passa a ser o conteúdo citado. E o dado público do degrau 5 é praticamente incontestável, porque sustenta a afirmação mesmo quando a fonte original some.

Isso não é intuição da Geostack: é um padrão medido em pesquisa. O estudo fundador de GEO, publicado por pesquisadores de Princeton e apresentado no KDD 2024, demonstrou que adicionar estatísticas, citações e fontes ao conteúdo eleva significativamente a visibilidade de uma página nas respostas de motores generativos. A Escada de Prova traduz esse achado em pauta editorial concreta.

O protocolo de uso é direto. Pegue os dez principais argumentos comerciais da empresa e classifique cada um por degrau: quase sempre a maioria está no degrau 1. Depois, suba um degrau por argumento. "Reduzimos custo" vira "reduzimos 22% do custo de X na empresa Y em seis meses, com o método Z aberto no anexo". Negocie o nome do cliente na assinatura do contrato, não dois anos depois: é a diferença entre um portfólio de degrau 2 e um de degrau 1. E se o orçamento de conteúdo é limitado, gaste em pesquisa própria, não em volume, porque um ativo de degrau 3 vale mais do que dez de degrau 1.

O que aprendi quase vinte anos fazendo marketing de busca? SEO e GEO por André HP

Há ainda uma conexão importante entre os dois primeiros frameworks: a Escada de Prova é o que faz a marca subir na Pirâmide de Consenso. Jornalista, comparador e agregador não citam alegação. Eles citam número auditável e validação externa. Sem material de degrau 3 ou 4, a camada de atribuição permanece fechada por mais assessoria que se contrate.

Lição 3: prompt não é palavra-chave, e tratar como se fosse custa caro

A Matriz Prompt-Intenção classifica os prompts de um mercado em cinco formatos. Descoberta: "quais as melhores opções de X no Brasil", quando o usuário quer uma lista curta de candidatos confiáveis. Especificação: "ferramenta que faz Z e integra com W, para equipe pequena", quando ele busca encaixe técnico com uma restrição real. Comparação: "X vs Y, qual é melhor para este caso de uso", quando quer um critério de escolha. Validação: "a empresa X é confiável?", quando quer reduzir risco antes de decidir. E operação: "como fazer Z", quando quer resolver um problema agora, sem comprar nada.

A matriz cruza dois eixos: se o prompt cita ou não a sua marca, e em qual estágio de decisão o usuário está. Essa distinção existe porque palavra-chave é uma unidade curta e ambígua, enquanto prompt é uma frase inteira, com contexto, restrição e intenção declarada. Não dá para tratar "melhor CRM" e "esse CRM é confiável para uma operação de 40 vendedores?" como o mesmo alvo, porque o ativo que ganha cada disputa é diferente.

E os ativos são mesmo diferentes. Prompts de descoberta são decididos por presença em listas e comparadores de terceiros, ou seja, na camada de consolidação da Pirâmide. Prompts de especificação são vencidos por documentação pública, página de integrações e matriz de recursos e limitações. Prompts de comparação pedem páginas comparativas honestas, com tabela e com os casos em que o concorrente é melhor. Prompts de validação são território de prova de degrau 4 da Escada: reviews verificados, casos nomeados, dados institucionais consistentes. E prompts de operação se ganham com guias, tutoriais, templates e calculadoras, que constroem associação entre a marca e o tema.

Daí vem a regra da matriz, talvez a frase mais útil do conjunto inteiro: prompt de categoria você conquista fora do seu site; prompt de marca você defende dentro dele. Confundir os dois é a razão mais frequente de um investimento de conteúdo não virar citação.

No uso prático, a recomendação é classificar o conjunto inteiro de prompts levantados e ler a distribuição como diagnóstico: mercados maduros concentram em comparação e validação, mercados novos em descoberta e operação. Depois, checar a cobertura por formato, não por tema. É comum uma empresa ter trinta conteúdos de operação e nenhum de comparação, e é comparação que aparece na hora da decisão. Há também um alerta estratégico embutido: perder um prompt de descoberta custa uma chance, mas perder um prompt de validação custa um negócio que já estava quase fechado. Validação é risco, não oportunidade. Por fim, a matriz deve ser revista a cada trimestre, porque prompts de especificação nascem toda vez que o mercado ganha uma integração, uma norma ou um concorrente novo.

Lição 4: "a IA fala errado de mim" são quatro problemas diferentes

A Escala de Alucinação de Marca separa em quatro níveis o que uma IA erra sobre uma empresa. Nível 1, ausência: a marca não aparece em nenhuma resposta, nem com erro. Nível 2, desatualização: a descrição está correta, mas descreve a empresa de dois anos atrás, com preço, produto ou posicionamento antigos. Nível 3, imprecisão: atributos errados, como serviço que você não presta ou mercado que não atende. Nível 4, contaminação: a marca é confundida com concorrente ou homônimo, e conquistas alheias viram suas, ou as suas viram de outro.

A contribuição do framework é mostrar que "a IA está falando errado sobre a minha empresa" esconde quatro problemas com causas, protocolos e prazos diferentes. Ausência costuma vir da falta de fontes externas associando a marca ao tema, e às vezes é só bloqueio de crawler; corrige-se em 30 a 90 dias com acesso liberado e primeiras menções construídas. Desatualização vem de a fonte mais citada sobre você ser antiga; corrige-se em 2 a 8 semanas atualizando na origem e publicando a versão nova com data explícita. Imprecisão nasce de definição institucional ambígua, porque na falta de descrição clara o modelo infere por vizinhança semântica; o protocolo é fixar uma definição de uma frase e repeti-la idêntica em todos os pontos públicos. E contaminação, o nível mais grave, exige desambiguação de entidade: nome com qualificador consistente, presença em bases públicas e marcação estruturada com propriedades como sameAs no padrão Schema.org, que ajuda os sistemas a distinguir quem é quem. O prazo realista é de 3 a 6 meses.

A regra da escala resume a prioridade: ausência custa oportunidade; contaminação custa reputação. A correção sempre começa pelo nível mais alto detectado, porque publicar volume sobre uma entidade confusa só aumenta a confusão. Tentar corrigir contaminação com mais conteúdo, aliás, costuma piorar o quadro.

O protocolo de medição também ensina método: meça com sessão limpa, sem histórico e sem personalização, repetindo cada prompt várias vezes, porque uma resposta isolada não classifica nada. E registre a origem do erro, não só o erro: pergunte ao assistente quais fontes sustentam a afirmação e vá até elas. O que não funciona é corrigir o modelo dentro do chat. Dizer ao assistente que ele errou muda aquela conversa e nada mais: a próxima sessão volta ao mesmo erro. Só a correção na fonte é estável.

Lição 5: GEO cabe em planilha

O Custo Marginal de Citação (CMC) ataca a objeção mais comum das reuniões de orçamento, que não é sobre GEO funcionar, e sim sobre não saber comparar. Mídia paga entrega custo por clique e custo de aquisição no dia seguinte, enquanto GEO entrega "presença", que soa como algo que não cabe em planilha. O CMC resolve isso reduzindo tudo à mesma unidade: o investimento no canal em reais dividido pela variação do share of answer em pontos percentuais, medida sempre no mesmo conjunto fixo de prompts, com o mesmo método e na mesma janela de tempo.

O framework avalia cinco canais. Assessoria e pauta compram menção editorial em veículo que a IA consulta, com latência de 1 a 3 meses e durabilidade alta. Conteúdo próprio compra cobertura de prompts ainda sem boa resposta disponível, com efeito em semanas mas durabilidade média, que decai sem manutenção. Plataformas de review e diretórios compram presença nas fontes que consolidam o mercado, com durabilidade muito alta. Parceria e co-marketing compram menção em domínio de terceiro com autoridade complementar. E dado primário e pesquisa compram o ativo mais duradouro de todos: uma fonte citável que outros passam a repetir, especialmente valiosa quando ninguém no mercado publica número com metodologia aberta.

O que aprendi quase vinte anos fazendo marketing de busca? SEO e GEO por André HP

GEO vs AEO vs LLM SEO vs AI SEO: Os quatro nomes da mesma coisa?

Um exemplo ilustrativo do cálculo, com números fictícios: um trimestre de assessoria a R$ 24.000 que leva o share of answer de 8% para 14% moveu 6 pontos, um CMC de R$ 4.000 por ponto. No mesmo período, R$ 12.000 em conteúdo próprio que movem 2 pontos dão um CMC de R$ 6.000 por ponto. A leitura correta não é "cortar conteúdo", e sim que o próximo real marginal rende mais em assessoria, até a curva daquele canal saturar. Quando o CMC de um canal sobe duas janelas seguidas, é sinal de realocar.

O argumento mais poderoso do framework, porém, é o comportamento das curvas ao longo do tempo: no anúncio, o custo por resultado sobe com a concorrência; na citação, cai com o acúmulo. Comparar os dois no mês 1 é comparar um investimento com uma despesa. A comparação honesta, aquela que sustenta a renovação de contrato, é a de doze meses, com o CMC lado a lado com o CAC.

Vale registrar também a honestidade metodológica do modelo: atribuição perfeita não existe em GEO, porque os canais se reforçam. O CMC é declaradamente direcional. Serve para decidir alocação de orçamento, não para prestar contas de causalidade. Essa transparência sobre os limites é, em si, uma lição.

Lição 6: qualidade de texto pode ser um teste binário, não uma opinião

O Crivo de Citabilidade é o único framework do conjunto que olha para uma página específica em vez de olhar para a marca, e por isso é o que a equipe de conteúdo usa todos os dias. São oito critérios agrupados em três dimensões. Na dimensão de estrutura: answer-first (a resposta vem na primeira frase da seção), blocos independentes (cada parágrafo faz sentido sozinho), organização semântica (hierarquia coerente e schema declarando o mesmo que o texto diz) e vocabulário do usuário (os termos que o mercado usa no prompt aparecem no texto). Na dimensão de evidência: dados verificáveis (números próprios com período, amostra e método abertos) e fontes de autoridade (o que não é seu vem com fonte nomeada e datada). Na dimensão de voz: linguagem citável (a frase-chave sobrevive fora da página, sem primeira pessoa e sem adjetivo de venda) e anti-alucinação (nenhuma afirmação sem origem rastreável, com as limitações declaradas no texto).

Três critérios são eliminatórios: answer-first, dados verificáveis e linguagem citável. A nota mínima para publicar é 6 de 8, com os três eliminatórios aprovados. Reprovou em um eliminatório, a nota é zero: os outros critérios não compensam.

A genialidade do crivo está em trocar opinião por teste. A função dele é resolver um problema conhecido de qualquer redação: todo mundo concorda que o texto precisa ser bom, e ninguém concorda sobre o que isso significa. Cada critério vira uma pergunta de sim ou não, aplicada ao texto pronto. "A primeira frase da seção, lida sozinha, responde ao título dela?" tem resposta binária. "O texto está bom?" não tem. E se a resposta exigir discussão, é não.

O contraste entre um parágrafo que reprova e um que passa deixa a diferença visível. "Somos referência no mercado, com metodologia proprietária e soluções inovadoras" reprova em 7 de 8 critérios: não responde a nenhuma pergunta, não tem número nem fonte, e usa primeira pessoa com adjetivo de venda em toda frase. Já um parágrafo que abre com a afirmação, sustenta com número de período e amostra explícitos, aponta o método e declara a limitação no fim passa em 8 de 8, e pode ser citado por qualquer terceiro sem soar como publicidade.

O protocolo de uso traz recomendações que valem para qualquer operação de conteúdo. Aplique o crivo no fim, nunca no começo: ele é revisão, não briefing, e usado antes da escrita produz texto formatado e vazio. Quem aplica não é quem escreveu, porque o autor sempre acha que a primeira frase responde à pergunta. Registre a nota junto com a URL, para em três meses cruzar nota do crivo com taxa de citação e descobrir quais critérios pesam mais no seu mercado. E se reprovou em eliminatório, não publique: página fraca não é neutra, ela ocupa o lugar da página boa e ainda dilui a associação entre a marca e o tema.

A lição maior: o conjunto vale mais que as partes

Cada framework funciona isoladamente, mas o aprendizado mais profundo aparece quando eles são usados em sequência. A Pirâmide de Consenso mostra em qual camada o esforço está preso. A Escada de Prova define o formato do ativo que sobe de camada. A Matriz Prompt-Intenção diz onde esse ativo precisa aparecer e para qual tipo de pergunta. A Escala de Alucinação aponta o que corrigir antes de investir em volume. O CMC decide onde vai a próxima parcela do orçamento. E o Crivo verifica, página por página, se o texto produzido está pronto para ser citado.

Há inclusive uma advertência elegante na documentação do último framework: uma página pode passar em 8 de 8 no Crivo e ainda assim não ser citada, se estiver na camada errada da Pirâmide. O Crivo garante que o texto não seja o problema. Não garante que o texto seja suficiente. É o tipo de nuance que separa um método real de uma promessa de agência.

O que emerge desse encadeamento é uma tese sobre a própria natureza da visibilidade em IA: ela não se compra com atalho nem se resolve com volume. Ela se constrói com evidência verificável, distribuída em fontes que a marca não controla, formatada para ser recortada e repetida com segurança. Os frameworks não prometem mágica. Prometem algo mais raro no marketing digital: um vocabulário comum e um método auditável para um problema que a maioria do mercado ainda trata como loteria.

E talvez essa seja a lição final. Os seis modelos podem ser usados livremente por consultores, agências, times internos, professores e jornalistas, inclusive comercialmente, desde que a autoria seja citada e o link para a página canônica seja mantido. Ao publicar tudo com metodologia aberta, a Geostack aplicou a si mesma a regra que ensina: quem quer ser citado precisa produzir a fonte que os outros vão querer citar.

O que aprendi quase vinte anos fazendo marketing de busca? SEO e GEO por André HP

GEO vs AEO vs LLM SEO vs AI SEO: Os quatro nomes da mesma coisa?

Quanto custa contratar uma agência de GEO no Brasil? Faixas reais de preço

Espero que tenha curtido o conteúdo sobre:
O que podemos aprender com os Frameworks de Generative Engine Optimization da Geostack?
Em SEO temos diversos artigos sobre este tema.