Um exportador de componentes eletrônicos de médio porte mantinha suas principais palavras-chave bem posicionadas no Google, mas viu as consultas internacionais caírem por dois trimestres consecutivos. Após uma auditoria de GEO de 30 dias e a correção de alguns pontos críticos, o volume de consultas aumentou cerca de 40% no trimestre seguinte. Pela primeira vez, um comprador escreveu: "Encontrei vocês no ChatGPT." O problema não era falta de conteúdo: as informações sobre produtos e desempenho simplesmente não podiam ser extraídas pelos mecanismos de IA.
Contexto: as posições continuavam estáveis, mas o volume de consultas encolhia
O cliente atua há mais de uma década no segmento de componentes ativos e conectores, combinando marca própria com outras frentes de produção. Seus principais mercados são pequenas e médias empresas da Europa e do Sudeste Asiático. O site tinha versão em inglês, fichas técnicas em PDF e boa presença no Google: a maioria das categorias e especificações aparecia na primeira página. As consultas vinham basicamente de três fontes: busca no Google, cartões trocados em feiras e indicações de clientes antigos. Desde o segundo semestre de 2025, o tráfego do site não apresentava mudanças relevantes, mas a planilha de consultas registrava quedas superiores a 20% a cada trimestre.
A mudança ficava ainda mais evidente nos contatos comerciais. Antes, o comprador escrevia: "Encontrei algumas linhas de vocês." Com o tempo, cada vez mais pessoas chegavam já comparando dois ou três fornecedores, como se boa parte da pesquisa tivesse sido concluída antes do primeiro contato. E muita dessa pesquisa passou a acontecer em assistentes de IA. O comprador perguntava ao ChatGPT: "Quais conectores atendem às normas europeias, estão disponíveis nesta faixa de corrente e podem ser produzidos em pequenos lotes?"
Uma auditoria de 30 dias revelou três falhas
Dividimos a auditoria em duas frentes. Primeiro, medimos a visibilidade real da empresa nos principais mecanismos de IA — ChatGPT, Perplexity, Google AI Overviews e Gemini — e usamos o Brand Radar para acompanhar um conjunto de consultas que compradores reais fariam durante a seleção de fornecedores. Depois, analisamos o site e sua estrutura de dados para entender por que um conteúdo bem posicionado no Google não aparecia nas respostas de IA. Três falhas vieram rapidamente à tona.
- As principais especificações estavam presas em PDFs. Corrente, tensão, temperatura de operação e dimensões do invólucro apareciam apenas nas fichas técnicas dos modelos; as páginas HTML traziam somente uma descrição genérica da linha. Assim, a IA não conseguia extrair parâmetros comparáveis nem citar a empresa em perguntas como "quais fornecedores atendem a estes critérios?"
- As páginas de produto não tinham dados estruturados nem blocos de resposta independentes. Cada página funcionava como um catálogo resumido. Como extrair e citar aquelas informações exigia esforço demais e aumentava o risco de erro, os mecanismos de IA simplesmente as ignoravam.
- Faltava validação por terceiros. A marca quase não aparecia em veículos do setor, diretórios B2B ou comparativos de padrões. Sem referências cruzadas, a IA não tinha confiança suficiente para incluí-la em listas de fornecedores.
As três falhas explicavam a aparente contradição. O Google ainda reconhecia a autoridade do site antigo por meio dos links e da correspondência de palavras-chave. Já os mecanismos de IA precisavam de conteúdo diretamente legível, verificável em outras fontes e seguro para citar.
O que foi corrigido em 30 dias?
A auditoria não terminou na entrega de um relatório. Priorizamos as três ações de maior impacto e começamos a executá-las. Primeiro, transferimos as especificações essenciais das principais linhas de produto dos PDFs para o HTML, criamos tabelas legíveis de parâmetros e adicionamos dados estruturados e marcação FAQPage. Depois, escrevemos um bloco autônomo para cada categoria: para quem a linha é indicada, para quem não é e o que ela resolve. Isso deu à IA trechos claros para aproveitar nas respostas. Por fim, definimos três consultas em inglês de alta intenção, produzimos artigos comparativos e de aplicação para respondê-las e, em paralelo, incluímos os dados da marca em diretórios B2B e registros comerciais relevantes.
"Achei que precisaríamos gastar em um site novo. O que realmente funcionou foi tornar legíveis as especificações que já tínhamos."— The client's sales manager.
Após 90 dias, mudaram tanto o volume quanto a qualidade das consultas
O trabalho não parou depois das correções. Continuamos usando o Brand Radar para acompanhar as citações a cada duas semanas. Nos primeiros 30 dias, a empresa começou a aparecer nas respostas: o Perplexity passou a citar páginas de produto como fonte em algumas perguntas sobre especificações, e o ChatGPT começou a mencionar a marca. A reação do volume de consultas foi mais lenta, mas ficou evidente no trimestre seguinte.
- O volume de consultas internacionais ficou cerca de 40% acima do trimestre anterior, com aumento expressivo de novos contatos.
- Começaram a aparecer contatos de compradores dizendo `vi vocês no ChatGPT ou no Perplexity` — algo que não existia antes da auditoria.
- A qualidade das consultas melhorou: cresceu a proporção de pedidos de cotação prontos para avançar, com parâmetros e quantidades definidos, reduzindo o custo da comunicação na etapa pré-comercial.
Vale deixar clara a relação de causa e efeito. Não houve aumento no investimento em anúncios, mudança de preços ou alteração na participação em feiras em relação ao ano anterior. A única grande variável do trimestre foi tornar as informações dos produtos legíveis e citáveis pelos mecanismos de IA. O crescimento das consultas não veio de uma tendência passageira. Veio de uma mudança na forma como os compradores fazem sua pesquisa: antes, a jornada começava apenas no Google; agora, também passa pelos assistentes de IA.
Esse resultado pode ser replicado na sua linha de produtos?
Se você também enfrenta o cenário em que "as posições no Google continuam boas, mas as consultas estão caindo", talvez o problema seja a falta de visibilidade nos mecanismos de IA. Para descobrir se as informações dos seus produtos estão sendo usadas pelo ChatGPT e pelo Perplexity — e onde estão as lacunas —, agende um diagnóstico de GEO de 30 minutos. Faremos uma análise com consultas reais de compradores e mostraremos o que deve ser corrigido primeiro.
