O que depende de si na visibilidade dentro das IA, e o que não depende

Boas vindas a mais uma análise aprofundada. Pensem numa montra de uma loja. Quando se muda o manequim ou os preços, toda a gente vê logo novidade, certo? Exato, é logo automático. Pois, mas hoje em dia, tentar fazer o mesmo com os nossos sites parece que...

a nossa montra está trancada. Por isso, hoje vamos mergulhar num conjunto de notas sobre a plataforma ZenRadar. A missão aqui é perceber a mecânica real da visibilidade no Google e nas novas inteligências artificiais, sem jargões e sem promessas impossíveis. Sim, porque quer dizer, o ponto de partida aqui é reconhecermos onde é que devemos focar os nossos esforços. Tipo, temos o conteúdo que controlamos totalmente nas nossas páginas próprias e do outro lado temos a tal caixa negra que foge do nosso controlo.

As plataformas externas, não é? O Shared GPT, o Proplexity, o Gemini, o Claude e as novas visões gerais de IA do Google. Nem mais. Tudo isso foge ao nosso alcance direto. Mas espera aí, um momento. Porque otimizar para estas plataformas não é quase como tentar atualizar uma enciclopédia que já foi impressa.

Como assim? Tipo, a IA já foi treinada, a memória já está, digamos, cristalizada. Como é que mudar a nossa montra, a nossa página, vai alterar uma memória que o modelo já fechou e guardou lá nos servidores? Ah, pois, essa falha de raciocínio é muito comum. É assumir que os motores de IA de hoje dependem apenas dessa memória antiga. Mas eles já não fazem isso.

Ah, eles vão à internet ao vivo, certo? Exatamente. Quando alguém faz uma pergunta, os modelos agora ligam-se à internet ao vivo para ler o contexto ao vivo em frações de segundo para enriquecer a resposta. E é nessa pequena janela de leitura em tempo real que a batalha acontece. O objetivo de quem otimiza não é reescrever a enciclopédia inteira do modelo. E formatar o site de tal maneira que quando a IA for procurar factos recentes, nós sejamos a única citação lógica possível.

A citação é a chave aqui. Exata a citação. Não basta ter um link ao Gures perdido. Os Extremamédices IA nomeiam o site quando questionadas. Certo. Então, se o jogo atual é dominar essa nota de roda-pé ao vivo, como é que o Xenrather quantifica essa preparação técnica?

Porque levanta aqui uma bandeira vermelha. Como é que uma ferramenta consegue prever uma resposta de IA se os modelos sofrem de alucinações e são super imprevisíveis? Pois a questão é que não prevê. Não prevê tudo. Nada. É aí que está o rigor da análise.

A ferramenta mede apenas o presente de forma implacável através de um sistema de 100 pontos. 50 desses pontos resultam da obtenção real dessas menções. O sistema vai lá e interroga os cinco grandes motores ao vivo. Portanto, se a marca não for referida na resposta e nas fontes, não recebe os pontos. Exato. Simples assim.

E se o motor da OpenAI ou do Google falhar naquele segundo, o relatório assume essa lacuna. Não inventam zero, nem mascar a quebra. A ficha mostra mesmo. Se não há dados, não se preenche. Faz sentido. Portanto, metade da nota é a prova dos 9.

É o terreno real. Mas e os outros 50 pontos? Se não vem de ser citado diretamente, vem de onde? Vem puramente da arquitetura do controúdo que é dividida em duas metades. Os primeiros 25 pontos avaliam se a resposta direta está logo ali, esmagada nas primeiras 100 palavras da página.

Espera, por que 100 palavras? Porque no SEO clássico, a ideia era criar textos gigantes e arrastados para prender atenção, não era? Pois era. Mas processar dados custa muito dinheiro e muito poder computacional, essas empresas. Os modelos de linguagem têm janelas de contexto limitadas e são desenhados para serem eficientes, quase preguiçosos, diria eu. Preguiçosas, percebo. Não querem ler a história do negócio todo.

Nem pensar. O robô não quer ler mil palavras de introdução. Quer tabelas, listas, números e dados concretos logo no topo. Se a resposta não estiver naquelas primeiras 100 palavras, a máquina simplesmente abandona essa página e vai ler a do concorrente que lhe poupe tempo. Resumindo, estamos no fundo a pré-mastigar a informação para poupar a bateria cerebral do robô. É uma ótima forma de colocar a questão.

E os últimos 25 pontos que fecham a nota máxima? Focam-se exclusivamente naquilo a que chamamos identidade legível por máquinas. Em termos práticos, é a presença de dados estruturados, o famoso formato JSON-LD. Mas traduzindo isso para quem não é programador, o que é que isso faz de forma tão vital que vale a logo 25 pontos? Imagina que há uma página que menciona a palavra maçã.

A IA tem de ler e analisar o texto para adivinhar se o tema é fruta, a marca de computadores ou uma rua. Os dados estruturados atuam como uma etiqueta escondida no código. Uma etiqueta escrita na língua materna do robô. Isso mesmo. E declara sem margem para dúvidas tipo, isto é um produto tecnológico. Elimina logo a necessidade de a máquina ter de adivinhar.

O que é fascinante é que a Análise lê esta etiqueta pública exatamente como a IA faria sem precisar de instalar qualquer software de rastreio no site. Med-se, corri-se e voltas a medir. Sem milagres eternos porque a concorrência também se adapta. O que é espetacular, porque quem está a escutar pode agir sobre isto mal termino de ouvir esta análise. Sem dúvida, a ação imejata é abrir o próprio site, escolher a página mais importante e contar as palavras.

A resposta principal, o verdadeiro sumo da coisa, está inequivocadamente colocada naquelas primeiras 100 palavras. Se o texto começar com floriados, já está descoberto o motivo pelo qual a inteligência artificial ignora a página. Fica aí o desafio prático então. E deixe também um pensamento provocativo para quem nos acompanha no dia em que todos os intervenientes de um mercado atingirem a pontuação técnica perfeita de 100 nestas regras puramente matemáticas. Que critério invisível irão azear a se passar a utilizar para desempatar e escolher o vencedor final desta citação?

Transcrição automática, revista por amostragem.