Tom Capper é pesquisador da Moz. Em uma publicação recente, ele fez um argumento que parou minha leitura no meio: GEO se parece mais com marketing offline do que com SEO. O conceito de corpus de IA é central para entender o que vem a seguir.
A frase é estranha para quem vive de otimização. Marketing offline é o que você faz sem controlar o canal, sem medir o clique, sem saber exatamente o que vai funcionar. É o jogo longo. Ninguém na última década quis jogar esse jogo.
Mas a frase descreve exatamente o que eu medi.
O olhar de fora
O argumento do Tom é este: você não otimiza a IA. Você constrói a reputação que ela vai encontrar quando for treinada. E reputação é construída por terceiros, em lugares que você não controla, ao longo de um tempo que antecede qualquer decisão de marketing que você tomou.
O que o reframe do Tom abre, e que ele não diz explicitamente, é que existe uma saída. E parte dela é online. A IA não reconhece só reputação difusa. Ela reconhece entidades semânticas: nomes, conceitos e marcas que aparecem de forma consistente em fontes distintas. Essa consistência pode ser construída digitalmente. Não é SEO. É outra coisa.
Medi isso diretamente. Analisei 23 estabelecimentos em Campos do Jordão: hotéis, pousadas e restaurantes. Três IAs, perguntas de categoria e de problema. Calculei um índice de força de citação por estabelecimento: de 0 a 1, combinando se a IA cita, como cita, e em que tipo de pergunta.
Estabelecimentos com presença em earned media de terceiros: índice médio de 0,973. Na prática: citados em quase toda pergunta relevante, com nome e contexto, pelas três IAs.
Os ausentes desse corpus: 0,642. Aparecem às vezes, sem consistência, muitas vezes só quando a query menciona a cidade diretamente.
A diferença não veio do site. Veio da reputação que existia fora dele: blogs de viagem, guias gastronômicos, avaliações em plataformas, posts de visitantes. A IA aprendeu de lá.
O olhar de dentro
A Dona Pinha é um restaurante em Santo Antônio do Pinhal.
Não em Campos do Jordão, a cidade turística serrana que eu estava estudando. São cidades diferentes, mesmo que da mesma região.
O volume de buscas para o nome do restaurante é praticamente inexistente nas ferramentas de planejamento. O site tem uma grafia diferente da razão social, o que fragmenta ainda mais qualquer sinal de busca. Nenhuma equipe de conteúdo. Nenhuma estratégia de SEO declarada.
Nas respostas de IA sobre onde comer em Campos do Jordão: 100% de citação. ChatGPT, Gemini e Claude. Duas queries de descoberta, seis repetições cada.
100% em todas.
O restaurante é de outra cidade. A IA o recomenda em todas as respostas sobre gastronomia em Campos.
Não é bug. Não é coincidência.
Ao longo de anos, listas de viagem, relatos em blogs, matérias de gastronomia regional e recomendações em fóruns mencionaram a Dona Pinha no mesmo contexto da Serra da Mantiqueira. A IA leu esse corpus. E aprendeu que aquele nome pertence àquela região, independente do endereço no mapa.
O chef não precisou saber que isso estava acontecendo. O corpus foi construído por quem visitou e escreveu.
O mecanismo que os dois olhares revelam
O que Tom Capper chamou de “offline marketing reframe” e o que a Dona Pinha demonstra sem estratégia declarada são a mesma coisa.
A IA não aprende com o que você publica no seu site. Ela aprende com o que outras pessoas escreveram sobre você, em lugares que você não controla, antes de qualquer campanha que você planejou.
O corpus de treinamento é uma fotografia do que o mundo registrou sobre a sua marca. Não do que você declarou sobre si mesmo.
Isso tem uma consequência que o mercado ainda não assimilou: quando você investe em SEO, está otimizando conteúdo no seu domínio, para subir numa lista que o Google mantém. É um jogo de casa. Você controla as variáveis.
Quando a IA decide quem citar, ela está acessando uma memória construída por jornalistas, clientes, pesquisadores, comunidades e concorrentes que te mencionaram sem te pedir permissão. Essa memória não tem relação direta com o seu ranking.
Rodei mais de 30 mil análises em cinco estudos, cinco verticais: software de CRM e vendas, ERP brasileiro, hotelaria, gastronomia e agências de marketing. O resultado foi consistente: as marcas mais bem posicionadas no Google tendiam a aparecer menos nas IAs, não mais.
São jogos diferentes. Construídos por caminhos diferentes.
O teste
Abra o ChatGPT, o Gemini ou o Claude em uma janela anônima, sem estar logado. Digite a categoria do seu negócio, sem mencionar sua marca. Veja quem aparece.
Depois pergunte ao Google a mesma coisa. Compare as duas listas.
Conta nos comentários o que você encontrou. Nos próximos dias, respondo cada caso com o que os dados mostram sobre o padrão do seu setor.
O que Tom Capper nomeou do lado de fora, a Dona Pinha demonstra do lado de dentro.
Existe um tipo de reputação que não aparece no ranking. A IA já a registrou, antes de você saber que isso importava.
Johnny Jefferson Telles
Pesquisador em GEO | ORCID 0009-0004-5181-3957
“O corpus de treinamento é uma fotografia do que o mundo registrou sobre a sua marca — não do que você declarou sobre si mesmo. E essa fotografia já existe, com ou sem sua intervenção.”
— Johnny Jefferson Telles, pesquisador em GEO
O que alimenta o corpus: as fontes que as IAs mais consomem
Não é qualquer texto na internet que entra com o mesmo peso no treinamento de um LLM. Há hierarquia. E entender essa hierarquia é o que separa ação estratégica de presença dispersa.
| Tipo de fonte | Impacto estimado no corpus | Por que importa |
|---|---|---|
| Wikipedia / Wikidata | Muito alto | Fonte estruturada com alta frequência nos dados de treino; resolve identidade de entidade |
| Repositórios acadêmicos (arXiv, Zenodo, CrossRef) | Alto | Usados com peso maior para afirmações factuais; associam entidade a conceitos verificáveis |
| Mídia editorial especializada (blogs de referência, guias verticais) | Alto | Menções em contexto de uso real; constroem associação semântica marca-categoria |
| Fóruns de practitioners (Reddit, HN, Quora, fóruns setoriais) | Médio-alto | Linguagem natural de recomendação; “melhor X” dito por usuários reais |
| Plataformas de review (G2, Capterra, Trustpilot) | Médio | Volume de menção em contexto de avaliação; nome + categoria + sentimento |
| Conteúdo próprio no site | Baixo a médio | Sem peso de terceiros; menor credibilidade semântica para citação externa |
| Redes sociais (exceto plataformas indexadas) | Baixo | Alta efemeridade; muitas não fazem parte dos corpora públicos de treinamento |
Nota: estimativas baseadas em estudos publicados sobre composição de corpora de treinamento de LLMs e observação empírica em 30.000+ respostas analisadas.
Como construir earned media que a IA aprende: o que funciona
A Dona Pinha não construiu presença estratégica — foi construída por outros. A maioria das marcas precisa construir ativamente o que ela acumulou por ter sido boa o suficiente para gerar escrita de terceiros. Esses são os caminhos que os dados mostram que funcionam.
- Colaboração com criadores de conteúdo do nicho — não como patrocínio (que parece publicidade), mas como fonte especializada para artigos editoriais. Um especialista citado como fonte em dez artigos de um blog vertical acumula mais corpus do que dez artigos próprios sobre o mesmo tema.
- Participação ativa em fóruns de practitioners — Reddit, comunidades do setor, Quora. Respostas úteis que mencionam a marca no contexto correto de uso constroem associação semântica que os modelos aprendem. É a presença que acontece sem campanha.
- Publicação em repositórios indexados — Zenodo, osf.io, arXiv (quando aplicável). Um paper técnico ou relatório de pesquisa publicado em repositório indexado cria um nó de alta confiança no corpus acadêmico que os modelos priorizam.
- Entidade semântica verificável — Q-item no Wikidata, Schema.org no site, consistência de nome em todas as plataformas. A entidade resolve a ambiguidade de identidade: a mesma marca mencionada com diferentes grafias em diferentes fontes se fragmenta no grafo da IA.
- Relações públicas orientadas ao corpus — coverage em publicações que os modelos treinaram: jornais setoriais indexados, portais editoriais com histórico, guias verticais de referência. Não é cobertura de imprensa para audiência humana — é corpus para a IA.
O que é earned media no contexto de GEO e por que importa?
Earned media são menções, citações e referências à sua marca em fontes que você não controla e não pagou — artigos editoriais, recomendações em fóruns, avaliações em plataformas, posts de usuários reais. No contexto de GEO, earned media é o principal determinante de citabilidade em IA: os modelos de linguagem foram treinados no que terceiros escreveram sobre as marcas, não no que as marcas declararam sobre si mesmas. A Dona Pinha, com 100% de citação nas IAs sem site ou SEO, demonstrou isso empiricamente — o corpus foi construído por visitantes que escreveram sobre a experiência.
Quanto tempo leva para earned media impactar a citabilidade em IAs?
Depende do motor. Para IAs com acesso à web em tempo real (Perplexity, Google AI Overviews), o impacto de novas menções em fontes indexadas pode ser detectado em semanas. Para modelos com base de treinamento periódica (GPT-4, Claude base), o impacto depende do ciclo de retreinamento — tipicamente 6-18 meses. A estratégia mais eficiente combina os dois: construir earned media que Perplexity encontra agora e que os modelos de retreinamento absorvem no próximo ciclo.
Como o argumento de Tom Capper — GEO como marketing offline — muda a estratégia?
O argumento de Tom Capper — que GEO se parece mais com marketing offline do que com SEO — muda o horizonte de planejamento e os KPIs. Marketing offline mede awareness, reputação e share-of-voice em fontes que você não controla diretamente. GEO exige a mesma mentalidade: você constrói reputação que a IA vai encontrar, não conteúdo que a IA vai indexar. Isso muda o orçamento (relações públicas e earned media vs. conteúdo próprio), o timeline (anos, não semanas) e a métrica (ENDEX, frequência de citação, qualidade da recomendação, não CTR ou posição).
Empresas sem histórico de cobertura editorial podem construir presença nas IAs?
Sim — mas o caminho é mais longo. Empresas com zero earned media precisam construir o corpus do zero: colaborações editoriais, participação em fóruns, publicações em repositórios indexados, entidade semântica no Wikidata. O efeito em modelos de retreinamento periódico leva 12-24 meses. Para impacto mais rápido, Perplexity e Google AI Overviews respondem em semanas a menções em fontes indexadas novas. O erro mais caro é esperar ter histórico antes de começar — o corpus cresce com tempo, e o tempo passa de qualquer forma.
O que os dados de 0,973 vs 0,642 do estudo indicam sobre earned media?
O estudo com 23 estabelecimentos em Campos do Jordão mostrou que estabelecimentos com presença em earned media de terceiros — blogs de viagem, guias gastronômicos, avaliações em plataformas — tiveram ENDEX médio de 0,973: citados em quase todas as perguntas relevantes pelas três IAs. Estabelecimentos sem esse corpus: 0,642. A diferença de 0,33 pontos no índice representa a distância entre “citado consistentemente como referência” e “citado às vezes, sem destaque”. Não veio do site, não veio do SEO. Veio do que terceiros escreveram sobre aqueles lugares ao longo de anos.
Para ir mais fundo: Entidade semântica: como construir existência verificável nos grafos das IAs · Autoridade tópica em GEO
Eu sou Johnny Jefferson Telles (wikidata.org/wiki/Q139762124), pesquisador em GEO no Brasil e criador do ENDEX. Este artigo foi atualizado em julho de 2026.
