A pesquisa já não vive só na SERP. Vive na sua caixa de chat.
O SEO continua a ser o sistema operativo da visibilidade orgânica.
AEO (Answer Engine Optimization) é a camada nova que garante que a sua marca aparece dentro da resposta dos assistentes de IA (ChatGPT, Gemini, Copilot, Perplexity) e nos AI Overviews / AI Mode do Google.
O que é SEO, o que é AEO
Estratégia | O que otimiza | Resultado | Objetivo | Métricas-chave |
SEO | Site, conteúdo, autoridade, UX | Página listada na SERP | Trazer tráfego e conversões | Impressões, CTR, cliques, conv., receita |
AEO | Presença on-site + off-site e citações | Marca dentro da resposta | Ser referência contextual | Menções citadas, co-ocorrências, share de citações, tráfego atribuível por IA |
Índice clicável
Não é SEO vs AEO.
É SEO + AEO.
SEO constrói presença.
AEO projeta essa presença para dentro da resposta.
O que mudou com a pesquisa por IA
- As pessoas fazem perguntas longas e contextuais.
- Os LLMs respondem com texto + fontes (quando usam RAG/pesquisa).
- Grande parte da decisão acontece sem clique.
- O Google retira tráfego com AI Overviews, mas continua fonte primária para grounding de IA.
Tradução: otimizar só para rankings não chega. É preciso ser citado.
Primeiros princípios de otimização para visibilidade em LLMs
Onde investir: conteúdos que a IA prefere citar
Do que vemos nos dados e na prática:
- Guias informativos longos e claros, com “bottom line up front” em cada secção.
- Comparativos e “melhores X para Y” com critérios explícitos.
- Páginas institucionais (Sobre, Missão, Equipa, Segurança, Preços) atualizadas e detalhadas.
- Estudos/relatórios com dados próprios, metodologia e gráficos.
- Vídeos com transcrição (YouTube).
- Documentos acessíveis (PDFs, whitepapers) que expliquem, não só vendam.
Menos citados: ferramentas interativas sem contexto, listagens de e-commerce pobres e páginas dependentes de JS para renderizar conteúdo crítico.
Menções são os novos backlinks
Os LLMs aprendem por co-menções. Onde e com quem és citado molda o contexto em que apareces nas respostas.
- Reddit/Quora: discussões espontâneas legitimam categorias.
- Review sites: G2, Capterra, CNET, Wirecutter, PCMag, etc.
- Media especializados da tua indústria.
- YouTube com transcrições limpas e capítulos.
Exemplo clássico: Fjällräven é frequentemente citada em “mochilas escolares” porque é repetidamente mencionada assim em reviews e fóruns, embora fabrique mochilas outdoor como a Patagonia. Resultado: aparece nesse contexto nas respostas da IA.
Tática: mapeia os domínios e páginas mais citados na tua categoria e trabalha presença neles (conteúdo, parcerias editoriais, PR, reviews, criadores).
Queries “fan-out”: o que é e porque ser diferente ajuda
Quando faz uma pergunta a um chatbot (ex.: “Quais são as melhores mochilas para viajar em 2025?”), ele não vai ao Google pesquisar exatamente essa frase.
Em vez disso, ele:
- Parte a pergunta em várias perguntas mais simples.
- Faz várias pesquisas separadas.
- Junta a informação dessas pesquisas para construir a resposta final.
Ou seja, ele “espalha” a pergunta em mini-pesquisas diferentes → isso é o fan-out.
Exemplo real de query fan-out:
Quando pergunta:
“Melhores mochilas para viajar em 2025?”
O chatbot pode pesquisar:
- “melhores mochilas para viagem”
- “mochilas para viagens longas”
- “mochilas recomendadas por especialistas”
- “reviews mochilas 2025”
- “comparativo mochila x y”
Depois ele:
- lê os resultados
- combina as informações
- devolve uma resposta única.
Porquê isto é importante?
Porque as páginas citadas na resposta não precisam estar em 1º lugar no Google para a palavra original.
Se o seu conteúdo responde bem a uma das mini-perguntas, tem chance de ser citado mesmo sem estar no topo da SERP principal.
É isto que abre espaço para:
- opiniões únicas
- comparativos
- páginas que expliquem bem um tema
- conteúdo fresco
E por isso copiar a SERP deixou de ser suficiente!
Na prática:
- Só uma fatia pequena das fontes citadas coincide com o top 10 orgânico “exato” da query original.
- Isto abre espaço para páginas com ângulos, formatos e opiniões diferentes.
- O velho truque de “copiar a SERP” já não chega. Ter opinião clara e critérios transparentes dá-lhe hipóteses reais de citação.
Técnica: o que a IA consegue ler hoje
Hoje, a IA consegue ler muito bem aquilo que já está visível no HTML da página, logo no carregamento inicial.
Ou seja:
✅ Consegue ler facilmente:
- Texto normal escrito na página
- Títulos (H1, H2, H3…)
- Parágrafos curtos e claros
- Palavras-chave e entidades (nomes de marcas, produtos, lugares, etc.)
- Schema Markup em JSON-LD renderizado no HTML (não via JS)
- Transcrições de vídeo (quando estão na página ou no YouTube)
- PDFs e documentos públicos acessíveis
- Links internos e externos
⚠️ Consegue ler com dificuldade ou nem sempre:
- Conteúdo que só aparece depois de o JavaScript correr
(páginas SPA, textos que só surgem após scroll, botões “Ver mais”) - Sites que carregam conteúdo de forma dinâmica
- Conteúdo escondido dentro de iframes ou widgets
❌ Não consegue (ainda) interpretar bem:
- Javascript pesado como única fonte do conteúdo
- Conteúdo dentro de imagens (a não ser que tenha alt-text claro e descritivo)
- Dados complexos sem contexto (listas, tabelas soltas sem explicação)
- Schema mal formatado ou sem ligações entre entidades
- Evita dependência total de JavaScript para o conteúdo essencial. Muitos crawlers de IA ainda não rendem JS.
- Frescura: páginas estratégicas devem ser revistas e datadas.
- Headings e hierarquia impecáveis (H1 único, H2 claros, H3 para detalhe).
- Frases declarativas, curtas, com entidades (produtos, marcas, categorias, normas, locais).
- Contexto ao longo do documento: reforça o tema a cada X parágrafos.
Bónus: monitoriza URLs alucinadas (tráfego de IA para 404). Se acontecer em grande escala (não se aplica a sites pequenos…), cria redirecionamentos ou páginas de “resgate” com conteúdo real.
Schema Markup e tokenização para LLMs
Já falámos disto noutros projetos, por isso deixo aqui a abordagem prática, “LLM-friendly”:
- Render server-side o JSON-LD crítico (nada de injetar via JS).
- Graph único por página com o essencial: Organization + WebSite + WebPage + Article/FAQPage/HowTo/VideoObject conforme o caso.
- IDs estáveis (@id) e ligações internas entre nós (ex.: isPartOf, about, mentions). Isto ajuda a preservar relações quando o texto é “particionado” na tokenização.
- Entidades nomeadas no texto e no schema (mesmas strings, mesma ortografia).
- Nada de fluff no schema. Campos informativos, substantivos e curtos.
- Microdata/RDFa vs JSON-LD: pode usar microdata/RDFa para reforçar a proximidade entre texto e marcação, mas o padrão recomendado é JSON-LD. Se usar microdata, mantém a semântica idêntica ao JSON-LD renderizado no HTML.
- Evita “flattening” sem ligações. Em vez de despejar atributos, modela relações (ex.: Article.about aponta para Thing com name e sameAs).
Exemplo resumido (adapta ao seu CMS; render SS):
{
“@context”: “https://schema.org”,
“@graph”: [
{
“@type”: “Organization”,
“@id”: “https://tua-marca.pt/#org”,
“name”: “Tua Marca”,
“url”: “https://tua-marca.pt/”,
“sameAs”: [“https://www.linkedin.com/company/tuamarca”]
},
{
“@type”: “WebSite”,
“@id”: “https://tua-marca.pt/#website”,
“url”: “https://tua-marca.pt/”,
“publisher”: {“@id”: “https://tua-marca.pt/#org”}
},
{
“@type”: “WebPage”,
“@id”: “https://tua-marca.pt/seo-vs-aeo/#webpage”,
“url”: “https://tua-marca.pt/seo-vs-aeo/”,
“isPartOf”: {“@id”: “https://tua-marca.pt/#website”},
“about”: [{“@type”:”Thing”,”name”:”SEO”},{“@type”:”Thing”,”name”:”AEO”}]
},
{
“@type”: “Article”,
“@id”: “https://tua-marca.pt/seo-vs-aeo/#article”,
“headline”: “SEO vs. AEO: a evolução da pesquisa online”,
“isPartOf”: {“@id”: “https://tua-marca.pt/seo-vs-aeo/#webpage”},
“author”: {“@id”: “https://tua-marca.pt/#org”},
“about”: [
{“@type”:”Thing”,”name”:”Answer Engine Optimization”},
{“@type”:”Thing”,”name”:”AI Overviews”}
],
“dateModified”: “2025-11-06”
},
{
“@type”: “FAQPage”,
“@id”: “https://tua-marca.pt/seo-vs-aeo/#faq”,
“mainEntity”: [
{
“@type”: “Question”,
“name”: “O AEO substitui o SEO?”,
“acceptedAnswer”: {“@type”:”Answer”,”text”:”Não. AEO complementa SEO…”}
}
]
}
]
}
Isto é “amigo da tokenização” porque:
- existe ligação explícita entre nós do grafo;
- as entidades aparecem no texto e no schema;
- tudo está no HTML inicial, sem depender de JS.
Fechar “entity gaps”
Passos práticos:
- Lista 10 a 20 tópicos críticos da tua categoria.
- Compara a tua marca com 2-3 concorrentes nas menções/citações off-site (reviews, fóruns, media, YouTube).
- Identifica tópicos onde o concorrente é citado e tu não.
- Plano de fecho:
- Página pilar no teu site com secções dedicadas ao tópico.
- Comparativo honesto com critérios claros.
- 2-3 presenças off-site: review site, fórum, vídeo com transcrição.
- PR leve: peça de comentário de especialista num media da área.
- Atualizações trimestrais com dados novos.
Casos práticos e playbooks
A) SaaS B2B (ex.: plataforma de analytics)
- Páginas a criar/reforçar: “Sobre”, “Segurança”, “Preços”, “Integrações”, “Comparativos com concorrentes”, “Estudos de ROI”.
- Off-site: G2/Capterra completos, artigos “melhores X para Y”, respostas técnicas no Stack Overflow, vídeo “como configurar X em 10 min” com transcrição.
- Schema: SoftwareApplication, FAQPage, HowTo, Product.
B) E-commerce especializado (ex.: desporto outdoor)
- Páginas editoriais: “Como escolher X”, “X vs Y”, “Guia de tamanhos”, “Manutenção”, “Garantia”.
- Off-site: subreddits relevantes, guias comparativos em media de nicho, YouTube hands-on.
- Evitar: fichas de produto magras só com specs.
- Schema: Product rico, FAQPage, VideoObject nas reviews.
C) Consultoria/serviços (ex.: marketing/RevOps)
- Pilares: “Metodologia”, “Casos de estudo”, “Processos e SLA”, “Ferramentas”.
- Off-site: participação em podcasts, artigos de opinião em media do setor, Q&A em comunidades profissionais, listagens em diretórios de confiança.
- Provar autoridade com dados próprios (benchmarks).
Medição: um quadro para SEO + AEO
Objetivo | Indicadores SEO | Indicadores AEO | Cadência |
Visibilidade | Impressões, posições médias | Nº de citações/menções por assistente (ChatGPT, Gemini, Perplexity), share por tópico | Mensal |
Tráfego | Sessões orgânicas | Tráfego atribuível a IA (parâmetros, referrers “AI bots”), quedas em keywords com AI Overviews | Mensal |
Autoridade | Domínios referenciadores | Domínios citados onde a marca aparece, presença em UGC/reviews/YouTube | Mensal |
Qualidade | CTR, tempo na página, conv. | % de URLs alucinadas (404) e resoluções; engagement pós-citação (brand search lift) | Mensal |
Frescura | % páginas atualizadas 90d | Idade média das URLs citadas | Trimestral |
Dica: marca URLs citáveis com UTM específicos para IA, e cria filtros para 404 vindos de “LLM/AI”.
Erros comuns e “black-hat”
- Despejar 20k palavras geradas por IA em markdown sem valor.
- Esconder conteúdo crítico atrás de JS.
- “Entity stuffing” artificial.
- Comprar “menções” em sites de baixa qualidade.
- Viver só no on-site e ignorar o off-site.
Resultado provável: curto prazo, ruído; médio prazo, perda de confiança e filtragem.
FAQs
O AEO substitui o SEO?
Não. AEO sem SEO é castelo no ar. SEO dá-te indexabilidade, qualidade e fontes. AEO garante que essas fontes são escolhidas na resposta.
Como é que a IA escolhe as fontes?
Mistura de treino + RAG. Em RAG, recorre a índices (Google/Bing) e a páginas com melhor sinal contextual para a pergunta. Conteúdo fresco, claro, com entidades e em domínios confiáveis tem vantagem.
Devo reescrever todo o site para AEO?
Não. Prioriza páginas pilar, comparativos, institucionais, estudos, vídeos com transcrição e FAQs. Mantém frescura e schema limpos.
Microdata/RDFa chegam ou preciso de JSON-LD?
Podes usar ambos, mas JSON-LD renderizado no HTML inicial é o caminho principal. Se usares microdata, garante consistência de entidades e ligações.
Se a IA inventa URLs minhas, o que faço?
Loga 404 por referrer/UA de IA, identifica padrões, cria redireções para páginas reais e publica conteúdos “esperados” quando fizer sentido.
Quanto tempo até ver impacto?
Depende do ciclo de atualização dos modelos e da tração dos teus conteúdos/citações. Trabalha em loops trimestrais com metas de frescura e menções.
Checklist final
- Página pilar completa, clara, com BLUF por secção
- Comparativos e “melhores X para Y” com critérios
- Páginas institucionais robustas e atualizadas
- Estudo/benchmark próprio com dados e gráficos
- Vídeo com transcrição + capítulos
- JSON-LD server-side, @graph ligado e entidades coerentes
- Conteúdo essencial visível sem JS
- Plano off-site: Reddit/Quora + reviews + media + YouTube
- Monitorização de 404 de IA e correções
- Atualizações trimestrais às páginas citáveis
Nota de atualização
Atualizado em 07 de novembro de 2025 com práticas de AEO baseadas em estudos recentes da Ahrefs e testes práticos. A disciplina está em evolução rápida; este guia será revisto periodicamente.
