O ChatGPT não “lê” sua página como um navegador. Ele recupera do próprio índice de busca trechos factuais que possam ser citados com clareza e os organiza em uma resposta. O papel dos dados estruturados e das marcações de entidade não é melhorar seu “ranking”, mas evitar que a máquina precise adivinhar: qual é o nome do produto, a que categoria ele pertence, quem o oferece e que problema resolve. Tudo isso deve estar registrado em um formato legível por máquina. Sem essa camada, o ChatGPT só consegue inferir informações a partir de textos espalhados pela página. Quando a inferência está errada, as referências também ficam erradas.
O ChatGPT lê fatos, não layouts
Primeiro, entenda como seu conteúdo chega ao ChatGPT. Quando uma busca é acionada, o OAI-SearchBot da OpenAI rastreia o HTML da página e, em conjunto com o índice existente da web, seleciona algumas fontes para o modelo gerar a resposta. Esse processo tem duas limitações práticas. A primeira é que o crawler recebe principalmente o HTML inicial, portanto muito conteúdo que depende de JavaScript executado no navegador pode não ser capturado. A segunda é que o modelo não procura o layout cuidadosamente elaborado da página, mas fatos que possam ser extraídos em uma frase e citados diretamente. Dados estruturados como JSON-LD permitem declarar de forma explícita que se trata de um produto e informar seu nome.
Vale deixar claro: dados estruturados não são um passe de mágica para conquistar citações. Nos diagnósticos de GEO que realizamos para clientes B2B SaaS, o schema raramente define sozinho se uma página será citada. Em contrapartida, ele praticamente determina se os fatos estarão corretos quando a citação acontecer. Ao apresentar as mesmas informações com clareza no texto visível e marcá-las também em JSON-LD, você oferece ao modelo duas pistas que se confirmam. Se os fatos estiverem apenas na marcação e o texto continuar ambíguo, o efeito será bem menor.
Configuração mínima viável: três schemas bastam para começar
Você não precisa implementar de uma só vez todos os tipos disponíveis no schema.org. Para ajudar o ChatGPT a entender um produto B2B, comece fazendo corretamente três marcações. Isso já entrega 80% do resultado.
- Organization: inclua na página inicial ou compartilhe em todo o site. Informe com clareza o nome completo da marca, o logotipo, o site oficial e, sobretudo, o sameAs. Use-o para conectar páginas de referência, como LinkedIn, Crunchbase e Wikidata. Essa marcação funciona como o ponto de ancoragem para o modelo identificar “quem é você”.
- Product ou SoftwareApplication: inclua na página do produto. Preencha name, description, brand e offers, com preços ou planos. Se houver avaliações reais, adicione aggregateRating; caso contrário, não preencha esse campo.
- FAQPage: inclua na página do produto ou em uma página explicativa. Use perguntas e respostas reais para apresentar as três a cinco dúvidas mais frequentes dos usuários. Esse é um dos formatos mais fáceis para o ChatGPT extrair diretamente como resposta, pois já organiza cada pergunta com sua respectiva explicação.
As três marcações devem ser inseridas na página com JSON-LD. Evite Microdata, formato mais antigo que distribui as marcações pelas tags HTML: a manutenção é trabalhosa e a chance de erro é maior. Cada bloco de JSON-LD precisa corresponder ao conteúdo visível. Se a marcação informa uma avaliação, a página deve exibir essa avaliação; se registra o preço de um plano, o valor deve ser igual ao mostrado na página do produto. Uma divergência entre marcação e texto não só invalida a informação como também pode ser interpretada como manipulação.
A marcação de entidades é a verdadeira alavanca
Muita gente encerra o trabalho de dados estruturados no Product. Mas, para o ChatGPT “reconhecer” sua marca — e não apenas “ler” uma página específica —, é preciso trabalhar a camada de entidades. Sua principal função é eliminar ambiguidades. Existem dezenas de produtos chamados “Radar” no mercado; o modelo precisa ter 100% de certeza de que, ao citar você, está falando do seu produto, e não de outra empresa com o mesmo nome. Sem essa desambiguação, mesmo um grande volume de conteúdo tende a acumular apenas associações vagas, que podem acabar atribuídas a terceiros.
A abordagem se apoia em três pontos. Primeiro, mantenha o nome consistente: o nome completo da marca deve aparecer exatamente da mesma forma no site oficial, nas redes sociais, em diretórios e nos comunicados à imprensa. Não alterne entre “Tenten GEO” e “Tenten”. Segundo, use @id para construir um grafo de entidades. Defina um @id estável para Organization — por exemplo, https://yoursite.com/#organization — e faça com que o brand do produto e o publisher dos artigos apontem para esse mesmo @id. Assim, o modelo consegue associar à mesma entidade os fatos distribuídos por várias páginas. Terceiro, use sameAs para conectar a marca a fontes externas de autoridade, especialmente o Wikidata, uma base de entidades compartilhada por muitos sistemas de IA. Estar presente ali equivale a obter uma identidade reconhecível em diferentes plataformas.
Não deixe os crawlers do lado de fora
Não importa quanto cuidado você tenha dedicado às marcações: se os crawlers não conseguirem acessar a página, todo o trabalho será inútil. Essa etapa costuma ser esquecida e, ao mesmo tempo, está entre as que mais provocam problemas.
- Libere o acesso no robots.txt: confirme que o OAI-SearchBot, usado pela busca do ChatGPT, e o GPTBot, usado no rastreamento da OpenAI, não estão bloqueados. Querer ser citado enquanto impede o acesso dos dois é um dos erros mais comuns que encontramos em nossos diagnósticos.
- Garanta que o conteúdo essencial esteja no HTML inicial: se a descrição do produto for renderizada exclusivamente por JavaScript no front-end, o crawler poderá receber uma página em branco. Use renderização no servidor (SSR) ou geração estática para incluir os fatos principais diretamente no HTML original.
- Não espere uma interação com a página para injetar o JSON-LD dinamicamente por script. Inclua a marcação no HTML da primeira resposta, para que os crawlers consigam lê-la de imediato.
Valide antes de publicar — não confie em impressões
Fazer uma rodada de validação antes da publicação é muito mais simples do que tentar descobrir depois “por que a página não foi citada”. Comece pelo Rich Results Test do Google ou pelo validador oficial do Schema.org para confirmar que o JSON-LD não contém erros de sintaxe e que todos os campos obrigatórios estão preenchidos. Em seguida, use a opção “Exibir código-fonte” do navegador — não o painel Elements das ferramentas de desenvolvimento — para verificar se a marcação realmente está no HTML original, em vez de ser adicionada posteriormente por um script. A última etapa é a mais direta: pergunte ao ChatGPT “O que determinado produto faz?” e confira qual fonte ele cita e se a descrição está correta. Esse é o teste de aceitação mais próximo do uso real e, muitas vezes, uma única pergunta já revela divergências entre o texto e a marcação.
Dados estruturados e marcações de entidade são o ponto de partida. Quando a implementação está correta, os fatos também tendem a estar corretos quando o ChatGPT cita sua empresa. Sem essa base, sua página nem sequer está preparada para ser citada com clareza. Na maioria dos sites B2B, o problema não é simplesmente a ausência de schema, mas a falta de correspondência entre marcações e texto, a inconsistência nos nomes das entidades ou o bloqueio dos crawlers. Se você quer entender como o ChatGPT enxerga seu site e onde estão essas lacunas, agende um diagnóstico de GEO de 30 minutos. Mostraremos diretamente os pontos que prejudicam a extração das informações e a clareza das entidades.
