O ChatGPT decide quem citar antes de buscar — mas o estudo que mostra isso tem uma conta só

Antes de abrir uma única página, o ChatGPT já decidiu boa parte de quem vai aparecer na resposta. É o que mostra um estudo publicado em 10 de agosto de 2026 que capturou o tráfego de rede de conversas reais do ChatGPT — mas antes de qualquer marca reorganizar a estratégia de conteúdo por causa dele, as perguntas de sempre continuam valendo: qual era a amostra, medido como, e quem pagou o estudo?

O que o estudo mediu, e com que amostra

O autor, um consultor de busca, capturou as respostas brutas de rede de uma única conta ChatGPT Plus logada, em Dubai, entre 24 e 25 de julho de 2026, e leu a chave JSON que carrega as buscas que o próprio modelo gera antes de consultar qualquer página — chave que a OpenAI renomeou de search_model_queries para search_queries no início de agosto de 2026. O recorte final: 57 conversas para medir citação, 27 para o teste de primeira consulta, mais 12 consultas de categoria e 3 repetições. Uma conta, dois dias, um punhado de conversas — o próprio autor escreve que "cada percentual é direcional, não medido", porque personalização de conta e conhecimento do modelo não dão para separar com esse desenho. Quem pagou o estudo: ninguém — é trabalho autopublicado de um consultor de busca, sem cliente ou fornecedor de ferramenta de IA financiando o levantamento, o que reduz (sem eliminar) o incentivo de inflar o achado para vender alguma coisa.

A diferença de 33 vezes, e o funil que vem depois dela

Dentro dessa amostra pequena, o achado é nítido: em 21 das 27 conversas, o ChatGPT citou uma marca na própria busca gerada antes de o usuário ter mencionado essa marca. E marca citada na busca do próprio modelo aparece na resposta final em 68,9% dos casos, contra 2,1% para marca só recuperada durante a pesquisa sem nunca ter sido nomeada na consulta — uma diferença de 33 vezes. Do funil inteiro, 3.554 páginas foram recuperadas e só 110 (3,1%) viraram citação, e a posição nos resultados prevê boa parte disso: 5,2% de taxa de citação na primeira posição contra 0,3% na sexta posição ou pior.

O método é declarado passo a passo — devtools aberto, chave JSON localizada, consulta reproduzível por qualquer pessoa —, o que já coloca este trabalho à frente da maioria do que circula sobre GEO. Mas "direcional, não medido", nas palavras do próprio autor, não é ressalva de rodapé: é ele dizendo que não dá para tratar 68,9% e 2,1% como taxas que se repetem em qualquer conta, qualquer idioma, qualquer categoria. Uma conta, dois dias: isso é anedota, não dado — mesmo com o método certo.

O conselho de conteúdo que já dei aqui não fica errado — fica insuficiente

O Rui já mostrou aqui o que aumenta a chance de uma página ser citada depois de recuperada: citar fonte, dado e aspas ajuda, palavra-chave repetida atrapalha. Esse conselho continua de pé — ele atua na etapa de recuperação e ranqueamento, onde 3,1% das páginas competem pela citação. O que este estudo mede é uma etapa anterior, que nenhuma otimização de página alcança: a marca já estar associada à categoria dentro do que o modelo aprendeu no treinamento, antes de qualquer busca acontecer. É por isso que o próprio autor do estudo recomenda RP digital e conteúdo que define categoria, não ajuste técnico de página — a etapa que ele mediu não é onde SEO técnico tradicionalmente atua.

Por que uma conta em Dubai não fecha o caso

O que fecharia o caso: múltiplas contas, geografias e assinaturas diferentes, um recorte de tempo maior que dois dias, e replicação por outra pessoa que não o próprio autor. Nada disso existe ainda. O que existe é um mecanismo plausível — modelo de linguagem gera a própria busca a partir do que já "sabe", e o que já sabe carrega o viés de quem mais apareceu no treinamento — descrito com transparência sobre os próprios limites, o que já coloca este estudo à frente da maioria dos "estudos" de GEO que circulam sem link para nada.

A pergunta que decide se isso muda alguma estratégia não é "o número bate?" — é "o mecanismo é plausível, e dá para agir nele sem apostar tudo num percentual de uma conta só?" A resposta às duas é sim, contanto que a ação seja a de baixo risco: construir associação de categoria ao longo do tempo, o tipo de coisa que não desmorona se a segunda amostra dessa pesquisa vier com 40% em vez de 68,9%.

Essa mesma opacidade tem uma segunda camada: mesmo quando o site está tecnicamente acessível ao robô, o critério que decide quem entra na citação final não segue regra pública nenhuma — e pode mudar de um dia para o outro sem que o conteúdo tenha mudado uma linha.

Um estudo bem maior, com validação humana e 98 mil alegações checadas uma a uma, apareceu semanas depois sobre a AI Overview do Google — e ali o problema não é tamanho de amostra, é qual pergunta o número mais citado realmente responde.