Como os mecanismos de resposta escolhem suas fontes

Quando o ChatGPT, o Perplexity, o Gemini ou os AI Overviews do Google respondem a uma pergunta, eles citam um pequeno número de páginas web. Essas citações não são decorativas. Elas são o resultado de um processo de seleção, e o processo é documentado o bastante para ser descrito. Esta página cobre a mecânica: como o conteúdo é recuperado, como as fontes são escolhidas, o que qualifica uma página para sequer ser considerada, e por que medir as próprias citações é mais difícil do que parece.

Geração aumentada por recuperação

Mecanismos de resposta não respondem apenas da memória do modelo. Eles usam geração aumentada por recuperação (RAG): no momento da pergunta, o sistema recupera documentos relevantes de um índice e então gera uma resposta fundamentada no que recuperou. As páginas usadas viram as citações. É por isso que AEO é possível. Os dados de treinamento do modelo são fixos, mas a etapa de recuperação roda contra um índice vivo, no qual seu conteúdo pode entrar e melhorar sua posição.

Fundamentado nos sistemas de classificação

No caso específico do Google, o guia de recursos de IA do Google afirma que AI Overviews e AI Mode selecionam conteúdo usando geração aumentada por recuperação fundamentada nos sistemas centrais de classificação da Busca. A etapa de recuperação não é um algoritmo separado e misterioso. Os mesmos sistemas que decidem as classificações orgânicas decidem o que a camada generativa pode ler. Conteúdo que classifica é conteúdo que pode ser citado.

Query fan-out

O Google descreve uma técnica chamada query fan-out: o sistema emite várias consultas relacionadas ao mesmo tempo para reunir contexto para uma única pergunta. A consequência prática é que sua página pode ser recuperada para uma consulta que o usuário nunca digitou. Uma pergunta sobre preços pode se ramificar em consultas sobre recursos, alternativas e configuração. Páginas que cobrem as subperguntas adjacentes de um tema têm mais superfícies pelas quais a recuperação pode encontrá-las.

Como as citações aparecem

O guia do Google observa que as respostas de IA mostram links clicáveis e destacados para as páginas de apoio. Ser selecionado como fonte é, portanto, exposição visível da marca no momento exato da resposta, e o caminho que o leitor segue quando quer verificar ou se aprofundar. O Search Console do Google inclui um relatório de desempenho para IA generativa, que é a forma de primeira mão de ver esse tráfego.

O bilhete de entrada: indexada e elegível para snippet

Para sequer ser candidata, uma página precisa ser rastreável, estar indexada e ser elegível para aparecer como snippet. Esse é todo o requisito de entrada. Segundo o guia do Google, nenhuma marcação especial ou arquivo específico de IA é necessário, llms.txt é ignorado pela Busca do Google, e dados estruturados não são exigidos para os recursos de IA generativa. O Google desaconselha explicitamente fatiar o conteúdo ou escrever em um formato especial para IA. Se uma página não pode aparecer como um snippet normal, não pode aparecer em uma resposta de IA; se pode, nada mais é tecnicamente exigido.

Como os mecanismos fora do Google diferem

ChatGPT, Perplexity e Claude não rodam sobre o índice do Google. Eles operam seus próprios rastreadores e sistemas de recuperação, então a posição de uma página pode variar entre mecanismos, e o apetite deles por conteúdo recente difere de forma mensurável. Um estudo de 7.683 páginas e 47.097 citações constatou que o Gemini citou conteúdo atualizado no último ano em 78 por cento das vezes, o ChatGPT em 73 por cento e o Perplexity em 65 por cento. Apenas 42 por cento do conteúdo citado havia sido publicado recentemente, o que significa que a atualidade que os mecanismos recompensam vem principalmente de atualizações em páginas existentes, não de páginas novas. Se o Perplexity importa para você, uma página mais antiga porém mantida ainda compete; no Gemini, uma página desatualizada é uma aposta distante.

Por que a medição de citações é ruidosa

Verificar se um mecanismo cita você parece simples: pergunte e olhe. Na prática, a saída é instável. Em três execuções idênticas do ChatGPT, cerca de 2,2 a 2,3 por cento das fontes citadas permanecem estáveis. Em medições de respostas de LLM sobre marcas, o idioma da consulta responde por 26,5 a 32,0 por cento da variância da medição, enquanto a identidade da marca responde por 1,5 por cento. Como você pergunta move o resultado muito mais do que quem você é.

Duas conclusões seguem daí. Primeiro, uma verificação com uma única consulta não fornece sinal confiável; só a amostragem repetida entre formulações e ao longo do tempo mostra uma tendência. Segundo, trate painéis de fornecedores com cuidado: nenhuma ferramenta de terceiros tem acesso aos sistemas internos do Google, então qualquer número externo de citações é uma amostra, não um registro completo. Para o que isso significa para a sua estratégia de conteúdo, veja o que é AEO.