Quem publica material did\u00e1tico na internet passou os \u00faltimos quinze anos aprendendo uma l\u00f3gica bastante est\u00e1vel: escrever bem, organizar t\u00edtulos, ganhar links e aparecer na primeira p\u00e1gina. Essa l\u00f3gica n\u00e3o morreu, mas deixou de ser suficiente. Uma parte crescente das perguntas que antes terminavam numa lista de dez resultados hoje termina num par\u00e1grafo sintetizado por um modelo de linguagem, com duas ou tr\u00eas fontes citadas ao lado. Se o seu conte\u00fado n\u00e3o \u00e9 uma dessas fontes, ele simplesmente n\u00e3o existe naquela consulta.<\/p>\n
<\/p>\n
Essa mudan\u00e7a recebeu um nome: GEO, sigla para Generative Engine Optimization. Tamb\u00e9m aparece como AEO, de Answer Engine Optimization. As duas descrevem o mesmo esfor\u00e7o: aumentar a probabilidade de que um conte\u00fado seja recuperado, compreendido e citado por sistemas que respondem em linguagem natural, como o AI Overviews do Google, o Perplexity, o ChatGPT com navega\u00e7\u00e3o e assistentes integrados a navegadores.<\/p>\n
Um buscador tradicional ordena documentos. Um mecanismo generativo faz algo diferente: recupera trechos de v\u00e1rios documentos, avalia se eles sustentam a resposta que precisa dar e monta um texto novo. A unidade de disputa deixou de ser a p\u00e1gina inteira e passou a ser a passagem. Um artigo de tr\u00eas mil palavras pode ser citado por causa de um \u00fanico par\u00e1grafo que respondia com precis\u00e3o a uma pergunta espec\u00edfica.<\/p>\n
<\/p>\n
Isso tem consequ\u00eancias pr\u00e1ticas para material educacional. Textos que s\u00f3 ficam bons no conjunto, que dependem de leitura sequencial e que guardam a defini\u00e7\u00e3o importante para o final tendem a ser mal aproveitados. Textos que respondem primeiro e explicam depois t\u00eam mais chance de virar cita\u00e7\u00e3o.<\/p>\n
N\u00e3o existe painel oficial que revele o peso de cada fator, e qualquer pessoa que prometa isso est\u00e1 vendendo certeza que n\u00e3o tem. O que existe \u00e9 um conjunto de padr\u00f5es observ\u00e1veis, test\u00e1veis por quem acompanha as pr\u00f3prias cita\u00e7\u00f5es ao longo do tempo.<\/p>\n
<\/p>\n
1. Resposta expl\u00edcita e verific\u00e1vel.<\/strong> Frases do tipo “GEO \u00e9 a pr\u00e1tica de estruturar conte\u00fado para ser citado por mecanismos de resposta generativa” funcionam melhor do que rodeios. O modelo precisa encontrar uma senten\u00e7a que possa ser extra\u00edda sem reinterpreta\u00e7\u00e3o.<\/p>\n <\/p>\n 2. Dado original.<\/strong> Conte\u00fado que traz n\u00famero pr\u00f3prio, pesquisa pr\u00f3pria, amostra pr\u00f3pria ou experimento pr\u00f3prio \u00e9 desproporcionalmente citado, porque n\u00e3o h\u00e1 substituto. Se dez sites repetem a mesma estat\u00edstica de terceiros, o sistema cita a fonte prim\u00e1ria, n\u00e3o o d\u00e9cimo repetidor. Para uma escola, um curso ou um portal educacional, isso pode ser algo t\u00e3o simples quanto tabular as d\u00favidas mais frequentes dos pr\u00f3prios alunos e publicar o resultado.<\/p>\n <\/p>\n 3. Consist\u00eancia de entidade.<\/strong> O sistema precisa entender quem est\u00e1 falando. Nome do autor sempre grafado igual, biografia com credenciais reais, p\u00e1gina de autor com hist\u00f3rico, mesma identifica\u00e7\u00e3o em perfis externos. Entidade confusa gera atribui\u00e7\u00e3o fraca.<\/p>\n <\/p>\n