Como ser citado pelo ChatGPT: o que realmente decide se você é citado

"Como eu sou citado pelo ChatGPT?" costuma ser respondido com uma lista: escreva bom conteúdo, adicione schema, crie um llms.txt. O problema desse conselho não é estar errado, e sim mirar na camada errada. Ele descreve como uma página deve parecer e pula as duas perguntas que de fato decidem o resultado: o sistema de recuperação consegue alcançar sua página? e existe nela um trecho que sobrevive a ser arrancado do contexto?

Este post é o mecanismo, na ordem em que ele realmente roda. Aplicamos essas verificações no nosso próprio site, e algumas delas revelaram problemas que nenhum trabalho de conteúdo teria resolvido.

Citação é um problema de recuperação, não de ranking

Quando o ChatGPT responde com links, ele não está lendo a web ao vivo a cada pergunta. Uma etapa de recuperação puxa trechos candidatos de um índice; o modelo compõe a resposta com o que voltou e atribui as partes em que se apoiou. Daí saem duas consequências, ambas contraintuitivas para quem vem do SEO clássico:

• A unidade é o trecho, não a página. Uma página pode ranquear bem e não contribuir com nada, porque o fato que valeria citar está em uma imagem, em um gráfico sem equivalente textual, ou em um parágrafo que só existe depois que o JavaScript roda.
• Recuperável e citável são níveis diferentes. Estar no índice é pré-condição. Ser a frase mais limpa disponível sobre a pergunta é o que gera a atribuição. A maioria dos checklists de GEO só trata do primeiro e depois estranha o tráfego não se mexer.

Ranking e citação se separam na prática. Você pode estar na terceira posição de uma palavra-chave e nunca ser citado, porque as duas páginas acima afirmam a resposta em uma frase autossuficiente e você enterrou a sua no quarto parágrafo de uma seção chamada "Nossa Filosofia".

Três bots, três trabalhos diferentes

É aqui que se cometem os erros mais caros, porque as pessoas raciocinam sobre "o crawler da OpenAI" como se fosse uma coisa só. A OpenAI documenta três agentes separados, e eles não fazem o mesmo trabalho:

• GPTBot — rastreamento em massa para treinamento de modelos. Bloqueá-lo muda o que modelos futuros absorvem do seu site. Não remove você das citações ao vivo do ChatGPT.
• OAI-SearchBot — constrói o índice de busca que a recuperação lê. É este que decide se você pode ser citado.
• ChatGPT-User — busca uma URL específica quando a pergunta de um usuário dispara uma navegação ao vivo. Bloqueie-o e a busca falha exatamente no momento em que alguém pergunta sobre você.

A falha comum: um time decide que não quer seu conteúdo treinando modelos, bloqueia o GPTBot e acredita ter tomado uma decisão ponderada. Tomou — sobre treinamento. Não disse nada sobre recuperação. A versão pior: alguém bloqueia todos os agentes da OpenAI com uma regra curinga e apaga silenciosamente a empresa das respostas de IA, e então passa um trimestre se perguntando por que os concorrentes são citados.

São escolhas separáveis, então faça-as separadamente. Nosso robots.txt permite os três e bloqueia /api/ e links de compartilhamento, porque links de compartilhamento são conteúdo de usuário e não têm o que fazer em um índice. O seu pode ser diferente — treinamento e recuperação são barganhas genuinamente distintas. Só decida por bot, não por fornecedor, e releia a documentação do fornecedor de vez em quando, porque essas políticas mudam.

robots.txt não é a porta que realmente te barra

Robots é um pedido, e é a camada que todo mundo inspeciona. A camada que realmente morde é seu CDN ou WAF. Plataformas de edge desafiam ou bloqueiam user agents desconhecidos em várias configurações padrão, e o resultado é silencioso: o robots.txt diz Allow, o edge devolve 403, e você é irrastreável enquanto todos os arquivos do seu repositório insistem que está tudo aberto.

A verificação leva dez segundos e quase ninguém faz:

curl -s -o /dev/null -w "%{http_code}\n" -A "OAI-SearchBot" https://seu-site/
curl -s -o /dev/null -w "%{http_code}\n" -A "ChatGPT-User"  https://seu-site/
curl -s -o /dev/null -w "%{http_code}\n" -A "PerplexityBot" https://seu-site/

200 significa alcançável. Um 403, um 503 ou uma página de desafio significa que você tem um problema de visibilidade que nenhum trabalho de conteúdo resolve. Rode contra produção, de fora da sua própria rede, para cada domínio que você opera — cada domínio costuma ter sua própria configuração de edge, e elas divergem com o tempo.

Se você fizer apenas uma coisa deste post, faça esta. É a verificação com maior retorno por segundo gasto, e é invisível para qualquer auditoria de conteúdo.

Se um fato precisa de JavaScript, ele não existe

Crawlers de recuperação normalmente leem HTML bruto sem executar JavaScript. Então o teste para saber se uma afirmação é citável não é o que seu navegador mostra — é este:

curl -s https://seu-site/pagina/ | grep -i "a afirmação que você quer citada"

Nada na saída significa nada a citar. Isso tem uma consequência real de design: o texto crítico para citação — sua definição, fatos-chave, respostas de FAQ, afirmações de preço e segurança — precisa estar no HTML servido. Um dicionário em runtime que troca o texto depois da hidratação é ótimo como melhoria; não pode ser o único lugar onde o fato existe.

Isso morde mais forte em sites multilíngues, e é a armadilha que contornamos de propósito. Se sua versão em chinês só vive em um dicionário i18n de JavaScript, então para um crawler de HTML bruto seu conteúdo em chinês simplesmente não está lá. Nossa solução é embutir cada idioma como marcação real e deixar o CSS decidir qual um humano vê. Crawlers recebem os quatro idiomas; leitores recebem um. Custa peso de página e vale a pena.

Escreva trechos que sobrevivam a ser arrancados do contexto

Esta é a parte que é de fato escrita, e não encanamento, e é onde está a alavanca depois que o encanamento funciona.

Um trecho recuperado chega ao modelo sem a sua página em volta. Sem hierarquia de títulos, sem o parágrafo anterior, sem navegação. Escreva para isso:

• Responda primeiro. A primeira frase sob um título deve ser a resposta, não uma pista de decolagem. "X é Y" ganha de "No cenário atual em rápida evolução…" — que não responde nada e nunca é citado.
• Mantenha os sujeitos explícitos. "Ele suporta OAuth" é inútil depois de extraído; "O Orkas suporta OAuth" sobrevive. Pronomes morrem na fragmentação.
• Faça cada afirmação autossuficiente. Entidade, qualificador e limite em uma frase: "Com seu próprio provedor, o tráfego de modelo vai diretamente para esse provedor e não passa pelo Orkas como proxy." Essa frase pode ser citada sozinha sem virar mentira, e é exatamente por isso que ela é citável.
• Prefira verificável a impressionante. Superlativos vagos nunca são citados, porque não respondem a pergunta nenhuma.

A pergunta é a chave de recuperação

Usuários fazem perguntas, e a recuperação casa com texto em forma de pergunta. Um título que é a pergunta literal — "O Orkas faz proxy do tráfego de modelo?" — casa melhor do que um sintagma nominal como "Arquitetura de modelos". É por isso, e não por mágica de schema, que blocos de FAQ rendem tanto para visibilidade em IA: eles são literalmente pares pergunta-resposta, que é a forma daquilo que está sendo recuperado.

Dados estruturados tornam você analisável, não preferido

JSON-LD não compra citações. Compra classificação sem ambiguidade: o que é esta página, quem publicou, qual texto é pergunta e qual é a resposta. Duas regras importam mais que as outras:

• O schema de FAQ precisa bater com o texto visível um para um. Schema que afirma algo que a página não diz é um problema de confiança, e os buscadores tratam a divergência como sinal de spam, não como um deslize de formatação.
• Nunca fabrique avaliações, prêmios ou contagens. Um mecanismo que pega uma avaliação agregada inventada ganhou um motivo para descontar todo o resto que você afirma.

A regra 1:1 é do tipo que apodrece em silêncio — alguém edita o FAQ visível, esquece o schema, e seis meses depois eles se contradizem. Nós a garantimos com um teste que percorre todas as páginas do nosso sitemap, extrai o FAQ do JSON-LD e verifica que cada pergunta e resposta aparece literalmente no texto visível daquela página. Se divergir, o build quebra. Dados estruturados são uma afirmação sobre sua própria página; devem ser checados como tal.

llms.txt: barato, útil e supervalorizado

Seja honesto sobre o que é esse arquivo. llms.txt é uma convenção proposta. Nenhum mecanismo grande promete lê-lo, e quem lhe disser que é um canal de ingestão está chutando.

Para o que ele serve de verdade é mais estreito e ainda vale uma hora: um lugar estável onde seus fatos canônicos são declarados sem rodeios — o que é o produto, tratamento de modelo e dados, preços, as URLs que importam. Quando um crawler ou um pesquisador humano cai nele, recebe a versão sem verniz em vez de reconstruí-la a partir de páginas de marketing. Também é uma boa função forçante. Se você não consegue declarar os fatos do seu produto em quarenta linhas sem adjetivos, suas páginas também não conseguem, e esse é um problema de conteúdo que você já tinha.

O que ele não é: uma garantia, nem um substituto para esses fatos estarem nas próprias páginas.

Contradições fazem você ser descartado

Mecanismos de resposta fazem verificação cruzada. Se sua página de preços diz uma coisa, sua documentação diz outra e o FAQ da home diz uma terceira, o mecanismo não julga — ele hesita, ou cita alguém que foi consistente.

Então consistência factual entre superfícies é a maior parte do trabalho real, e nada disso é glamouroso. Quando um fato de modelo, preço ou segurança muda, ele precisa mudar em todo lugar na mesma alteração — página, documentação, FAQ da home, llms.txt — ou você fabricou uma contradição que vai sobreviver à edição. Tratamos isso como regra rígida, não como hábito, porque hábitos perdem para prazos.

Corroboração vence autoafirmação

Aqui está a parte mais difícil de aceitar: seu próprio site é a fonte mais fraca disponível sobre você. Mecanismos ponderam corroboração, e fazem bem. Uma afirmação que só aparece no seu domínio é uma afirmação de marketing. A mesma afirmação no GitHub, em uma comparação de terceiros, em um tópico de fórum, em documentação que outra pessoa escreveu, é um fato.

Por isso, uma vez que o básico on-site esteja realmente feito, o trabalho off-site rende mais que outra landing page — repositórios, diretórios, listas, discussão genuína. Dito sem rodeios: o trabalho on-site torna você citável; o off-site torna você citado. Times investem demais no primeiro de forma confiável, porque é a metade que controlam.

Como medir sem mentir para si mesmo

É aqui que textos sobre GEO costumam amolecer, então: você não consegue medir citações do ChatGPT de forma limpa. Não existe dashboard. O que você tem são três sinais imperfeitos:

• Logs de servidor. Procure por OAI-SearchBot e ChatGPT-User. Frequência de rastreio e quais URLs são buscadas dizem se você está no índice e o que está sendo puxado ao vivo. É o sinal mais honesto que você possui.
• Tráfego de referência do assistente. Real, mas parcial — muitas citações são lidas e nunca clicadas, o que é justamente o ponto de um mecanismo de resposta.
• Checagens manuais. Faça as dez perguntas que você quer dominar; registre quem é citado. Tedioso, direcional, e ainda assim o único jeito de observar a própria superfície de resposta.

Trate os três como direcionais. Quem lhe vender uma "pontuação de GEO" precisa está vendendo um número que inventou.

O que faríamos primeiro

Ordenado por retorno, não por como fica bonito em um slide:

• 1. Rode curl -A com os bots de recuperação contra produção. Se o edge os bloqueia, nada mais nesta lista importa.
• 2. curl | grep nas suas afirmações-chave. Mova o que for só-JavaScript para o HTML servido.
• 3. Reescreva a primeira frase sob cada título para ser a resposta, com sujeitos explícitos.
• 4. Deixe o texto do FAQ e o schema do FAQ idênticos, e apague qualquer schema que você não consiga sustentar com texto visível.
• 5. Reconcilie fatos que se contradizem entre páginas, documentação e llms.txt.
• 6. Então — e só então — vá conquistar corroboração off-site.

Os passos 1 e 2 são normalmente onde as citações que faltam estão escondidas. Também são os dois sobre os quais ninguém escreve posts, porque não são marketing de conteúdo.

Concluindo

Ser citado pelo ChatGPT é menos misterioso do que a sigla ao redor sugere. Seja alcançável pelo bot de recuperação. Seja legível sem JavaScript. Seja citável em uma frase autossuficiente. Seja consistente entre suas superfícies. Seja corroborado em algum lugar que não seja seu site de marketing. As ferramentas mudam; esses cinco permanecem.

Aplicamos essas verificações no nosso próprio site e as construímos em um fluxo do Orkas que audita a visibilidade em busca e em respostas de IA de um site e devolve uma lista priorizada de correções. Se quiser a camada de baixo — como um agente líder planeja o trabalho e despacha especialistas para executá-lo — leia orquestração multiagente na prática.