Auditoria GEO: como medir se a IA cita, descreve e recomenda a sua empresa

Kleber Liberato
Fundador e CEO da Onion Tech
auditoria geo
Índice

O essencial sobre auditoria GEO

  • Auditoria GEO é o diagnóstico que mede se assistentes de IA, como ChatGPT, Gemini, Claude e Perplexity, citam, descrevem corretamente e recomendam uma empresa quando o cliente pergunta pelo problema que ela resolve.
  • A IA responde por dois caminhos: a memória do modelo e a busca na web feita na hora. Cada caminho pede correções diferentes, e um diagnóstico sério registra qual deles gerou cada resposta.
  • Uma resposta isolada não prova nada. A mesma lista de marcas se repete em menos de 1% das vezes, e a métrica confiável é a frequência de citação em muitas perguntas e plataformas.
  • O erro mais caro não é a ausência: é a IA descrever a empresa com informação errada, porque o cliente chega com uma expectativa que não será cumprida.

Auditoria GEO: por que a pergunta certa não leva o nome da empresa

Uma auditoria GEO não começa perguntando à IA o que ela sabe sobre a sua empresa. Começa pelas perguntas que o cliente faz quando ainda não conhece você, como “qual o melhor escritório de contabilidade para pequena empresa em [cidade]?”, e verifica quem aparece na resposta.

Com o nome da marca na pergunta, a IA quase sempre encontra algo a dizer, e o empresário sai do teste tranquilo. Sem o nome, a resposta mostra a disputa real: quais empresas a IA indica, com quais argumentos e a partir de quais fontes.

Essa disputa já tem tamanho. Segundo a pesquisa TIC Domicílios 2025, do Cetic.br, 32% dos usuários de internet no Brasil, cerca de 50 milhões de pessoas, usam IA generativa. Quando uma dessas conversas é sobre quem contratar, a empresa que não aparece na resposta não chega nem a ser comparada.

Este guia mostra o que uma auditoria GEO mede, como cada etapa funciona na prática e como ler o resultado, a partir do método que a Onion Tech aplica no Onion AI Scan.

O que é auditoria GEO e em que ela difere da auditoria de SEO

Auditoria GEO é o diagnóstico que mede se assistentes de IA citam, descrevem corretamente e recomendam uma empresa quando o cliente pergunta por um problema que ela resolve. GEO, sigla de generative engine optimization, é o conjunto de práticas que aumenta a chance de um site ser usado como fonte nessas respostas.

A auditoria não substitui o SEO; ela parte dele. Na documentação sobre recursos de IA na Busca, o Google afirma que não há requisitos adicionais para aparecer em AI Overviews e no AI Mode além das práticas de SEO, e que a página precisa estar indexada e apta a exibir trecho nos resultados. A base técnica é a mesma de uma estratégia de SEO e GEO; o que muda é a pergunta a que o diagnóstico responde.

CritérioAuditoria de SEOAuditoria GEO
Pergunta centralO site aparece bem posicionado no Google?A IA cita e recomenda a empresa na resposta?
Métrica principalPosição, impressões e cliquesFrequência de citação e precisão da descrição
Onde olhaO site e os resultados do GoogleO site, as respostas de várias IAs e as fontes que elas usam
Concorrência analisadaQuem ranqueia nas mesmas palavras-chaveQuem a IA recomenda no lugar da empresa
EntregaCorreções técnicas e de conteúdoCorreções técnicas, pauta de conteúdo e presença em fontes de terceiros

Na prática, as duas auditorias encontram problemas em comum, como dados estruturados incompletos e páginas que não respondem à dúvida principal do cliente. A diferença, na experiência de Kleber Liberato, fundador da Onion Tech, é que a auditoria GEO mostra o custo desses problemas de forma concreta: o nome do concorrente que a IA indicou no lugar. A comparação conceitual entre as duas disciplinas está no guia SEO vs GEO.

Como a IA decide quem recomendar

Um assistente de IA responde por dois caminhos, a memória do modelo e a busca em tempo real, e cada caminho pede uma correção diferente. Entender essa divisão explica o que a auditoria precisa medir.

Memória do modelo: o que a IA aprendeu antes

Quando responde sem buscar na web, o assistente usa o que aprendeu no treinamento, a partir de textos publicados até uma data de corte. Se a empresa era pouco citada na internet naquele período, o modelo simplesmente não a conhece. Essa camada muda devagar, porque depende de novas versões do modelo, e não de qualquer ação da empresa.

Busca em tempo real: o que a IA lê na hora

Quando a busca está ativa, o assistente pesquisa na web, lê algumas páginas e monta a resposta a partir delas, em geral citando as fontes. Segundo o Google, o AI Mode desdobra a pergunta do usuário em subtemas e faz várias buscas ao mesmo tempo, técnica chamada query fan-out, e a resposta reúne páginas que respondem a cada parte.

É nessa camada que o site e a presença em fontes de terceiros fazem diferença rápida. Uma empresa pode ser desconhecida pela memória do modelo e aparecer bem na busca, ou o contrário; por isso a auditoria registra, em cada resposta, se a busca na web estava ativa.

Para pequenas e médias empresas, a busca em tempo real é onde o trabalho rende primeiro: ela reage a correções no site e em perfis públicos muito antes de qualquer atualização de modelo.

Cliente digitando no celular uma pergunta para um assistente de IA antes de escolher uma empresa
Cliente digitando no celular uma pergunta para um assistente de IA antes de escolher uma empresa

As etapas de uma auditoria GEO

Uma auditoria GEO completa passa por cinco etapas: briefing, mapa de perguntas, coleta das respostas, análise técnica e de autoridade, e consolidação em score e plano de ação. No Onion AI Scan, as cinco cabem em 7 dias corridos.

Briefing: os fatos que a IA precisa acertar

O briefing reúne o que é verdade sobre a empresa e serve de gabarito para o resto da auditoria: nome oficial e variações, serviços principais, cidade e região atendidas, endereço, telefone, faixa de preço, diferenciais e de 3 a 5 concorrentes que o cliente reconhece. Sem esse gabarito, não há como afirmar que a IA errou.

Mapa de perguntas: o que o cliente realmente pergunta

O mapa traduz o briefing em 12 perguntas, divididas em três camadas de funil, com redação fixa e igual em todas as plataformas para que as respostas possam ser comparadas. Para um escritório de contabilidade em Bauru, por exemplo, o mapa ficaria assim:

CamadaPerguntasExemplo
Descoberta5“Qual o melhor escritório de contabilidade para pequena empresa em Bauru?”
Avaliação4“Contabilidade online ou escritório local: qual compensa para uma empresa do Simples?”
Marca3“O escritório [nome] é confiável?”

A camada de descoberta é a mais importante, porque é nela que o cliente ainda não conhece nenhuma marca. Aparecer só nas perguntas de marca significa apenas que a IA sabe que a empresa existe.

Coleta: 60 respostas em seis superfícies

As 12 perguntas rodam no ChatGPT, no Gemini, no Claude e no Perplexity, com busca web ativa e em sessão sem histórico, o que gera 48 respostas. Outras 12 vêm da busca do Google: 6 perguntas testadas no AI Overview e 6 no AI Mode. São 60 respostas por diagnóstico, cada uma registrada com data.

A variedade de perguntas e plataformas tem motivo. Um estudo da SparkToro com a Gumshoe.ai, publicado em janeiro de 2026, rodou 2.961 prompts no ChatGPT, no Claude e nos recursos de IA do Google e encontrou a mesma lista de marcas em menos de 1% das repetições de um mesmo prompt. O mesmo estudo concluiu que a porcentagem de respostas em que uma marca aparece, medida em muitas rodadas, é bem mais estável do que a posição dela em uma resposta isolada.

Cada resposta é registrada em uma linha com a data, a plataforma, se a busca estava ativa, a camada da pergunta, a presença da marca, os concorrentes citados, as URLs usadas como fonte e a precisão da descrição. Com as respostas coletadas, a auditoria passa ao site e às fontes externas, nos blocos técnico e de autoridade descritos a seguir, e termina no score de maturidade e no plano de ação.

Como calcular o AI Mention Share

AI Mention Share é a porcentagem de respostas em que a empresa é citada, calculada sobre o total de respostas coletadas e repetida para cada concorrente. É o índice central da auditoria GEO.

Um exemplo com números hipotéticos ajuda a ler o índice. Se a empresa aparece em 5 das 60 respostas, o AI Mention Share dela é de 8,3%. Se o principal concorrente aparece em 19, o dele é de 31,7%. A leitura por camada costuma revelar mais: nas 20 respostas de descoberta das quatro IAs (5 perguntas × 4 plataformas), a empresa pode aparecer em apenas 1, ou 5%, e quase todas as citações dela virem de perguntas que já traziam o seu nome.

Duas leituras completam o índice:

  • Tipo de presença: recomendada, mencionada ou ausente. “A melhor opção é a empresa X” e “também existe a empresa X” contam como citação, mas têm pesos muito diferentes para quem decide.
  • Precisão: cada resposta sobre a marca é comparada com o briefing e classificada como correta, parcial, errada ou desconhecida.

A coleta também gera a lista dos domínios que a IA usa como fonte para falar do segmento. Essa lista orienta o bloco de autoridade.

Gráfico de exemplo do AI Mention Share de uma empresa comparado a três concorrentes, com as faixas de 10% e 15%
Gráfico de exemplo do AI Mention Share de uma empresa comparado a três concorrentes, com as faixas de 10% e 15%

Pelo critério interno da Onion Tech, um AI Mention Share de 15% ou mais nas perguntas de descoberta e avaliação indica presença saudável, e abaixo de 10% a marca está, na prática, invisível para quem ainda não a conhece. São referências próprias, não um padrão de mercado.

Estrutura técnica: o que impede a IA de ler o site

O bloco técnico verifica se os robôs das IAs conseguem acessar o site e entender quem é a empresa, em cinco itens pontuados de 0 a 2.

Robôs de busca e robôs de treino

O arquivo robots.txt é o ponto que mais gera confusão, porque cada empresa de IA usa robôs diferentes para treino e para busca:

RobôEmpresaFunçãoSe bloqueado
OAI-SearchBotOpenAIBusca do ChatGPTO site não aparece nas respostas de busca do ChatGPT
GPTBotOpenAITreino de modelosO conteúdo deixa de ser usado em treino; a busca não é afetada
ChatGPT-UserOpenAILeitura pedida pelo usuárioA OpenAI indica que as regras do robots.txt podem não se aplicar
Claude-SearchBotAnthropicIndexação para a busca do ClaudeO conteúdo não é indexado para a busca
ClaudeBotAnthropicTreino de modelosO conteúdo futuro sai dos dados de treino
Claude-UserAnthropicLeitura pedida pelo usuárioO Claude não consegue abrir a página para responder

Fontes: documentação da OpenAI e central de ajuda da Anthropic.

Bloquear robôs de treino é uma decisão legítima da empresa; bloquear robôs de busca tira o site das respostas e costuma passar despercebido, por configuração de plugin de segurança, de firewall ou de CDN. Se o robots.txt não menciona esses robôs e não tem bloqueio geral, eles já estão liberados. Para deixar a liberação explícita, o trecho é este:

User-agent: OAI-SearchBot
Allow: /

User-agent: Claude-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

Checklist técnico pontuado

ItemComo verificarPontos
Acesso dos robôs de buscarobots.txt e configuração de firewall ou CDN0 a 2
Dados estruturados de organizaçãoOrganization ou LocalBusiness com nome, URL, logo, endereço, telefone e perfis oficiais (sameAs)0 a 2
Dados estruturados das páginasArticle, Service ou Product conforme o tipo de página, validados no validador do schema.org0 a 2
Conteúdo legível sem JavaScriptO texto principal aparece no código-fonte da página0 a 2
Consistência de entidadeNome, endereço e telefone idênticos no site, no perfil da empresa no Google e nas redes sociais0 a 2

O Search Console complementa o bloco. Segundo o Google, o tráfego vindo de AI Overviews e do AI Mode entra no total de tráfego de busca do relatório de desempenho, sem separação própria, então ele mostra tendência, e não a fatia exata que veio da IA.

Autoridade: por que a IA escolhe outra empresa

O bloco de autoridade explica por que a IA cita outros sites no lugar da empresa, cruzando o conteúdo próprio, as perguntas sem resposta e a presença em fontes de terceiros.

Citabilidade do conteúdo

A auditoria avalia uma amostra de 5 páginas: a home, a página do serviço principal e os 3 conteúdos mais visitados. Em cada uma, verifica se a primeira frase de cada seção responde sozinha, se há afirmações diretas no formato “X é Y”, se os dados trazem fonte na mesma frase, se a empresa aparece como responsável pelas afirmações técnicas e se a página mostra data de publicação ou atualização. São os mesmos critérios de AEO na prática, aplicados ao site inteiro.

Perguntas sem resposta

A auditoria reúne as dúvidas reais do público e verifica a quais o site não responde. As fontes são o campo “Pessoas também perguntam” do Google, as consultas do Search Console com impressão e sem clique, as perguntas recorrentes no WhatsApp e no atendimento, e as perguntas de avaliação em que a marca não apareceu. O resultado é uma lista de até 10 lacunas, ordenadas pela proximidade com a decisão de compra.

Fontes de terceiros

A lista de domínios que a IA usou na coleta é cruzada com a presença da empresa em cada um. Entram também a quantidade e a nota das avaliações no Google, comparadas com as dos 3 concorrentes mais citados, os diretórios e portais do setor, a imprensa local e, quando o setor tem relevância ali, o Reclame Aqui. Para negócios locais, essa é a frente com mais efeito, como mostra o guia de GEO para pequenas empresas.

Comparação com os concorrentes citados

Para os 2 concorrentes que a IA mais recomenda, a auditoria lista o que eles publicam e a empresa não: páginas de preço, comparativos, perguntas frequentes, casos e volume de avaliações. Essa lista costuma ser a pauta mais direta do plano de ação.

Avaliações de uma empresa local no celular, uma das fontes que a IA consulta na auditoria GEO
Avaliações de uma empresa local no celular, uma das fontes que a IA consulta na auditoria GEO

Como ler o score de uma auditoria GEO

O score de maturidade em IA resume a auditoria GEO em uma nota de 1 a 5. No Onion AI Scan, a visibilidade pesa 50% e cada um dos outros dois blocos pesa 25%, porque técnica e conteúdo são meios, e a citação é o resultado que o cliente percebe.

NívelNomeO que significa
1InvisívelA IA não cita a empresa e erra ou desconhece os dados dela
2ReconhecidaA IA descreve a empresa corretamente quando perguntada pelo nome, mas não a indica em perguntas de descoberta
3Citada às vezesA empresa aparece em menos de 10% das respostas
4CompetitivaA empresa aparece em 10% a 15% das respostas, inclusive em perguntas de comparação
5ReferênciaA empresa aparece em 15% ou mais das respostas e é indicada em perguntas de descoberta em três ou mais plataformas

Uma regra limita a nota: se a IA indica a empresa com informação prejudicial, como preço errado ou serviço que ela não presta, o resultado não passa de “Citada às vezes”, mesmo com boa frequência. Ser lembrado do jeito errado custa mais do que não ser lembrado.

Os limites de cada nível são critério próprio da Onion Tech. Por isso o score serve mais para comparar a empresa com ela mesma ao longo do tempo do que com outras empresas.

Do achado à ação: o que cada resultado pede

Cada achado de uma auditoria GEO precisa virar uma ação com responsável; sem isso, o diagnóstico vira só um retrato.

AchadoAçãoEsforçoQuem executa
Robô de busca bloqueadoLiberar no robots.txt e no firewallBaixoResponsável pelo site
Dados estruturados ausentesImplementar Organization ou LocalBusiness e o schema das páginas principaisBaixo a médioResponsável pelo site
IA com informação erradaPágina institucional com fatos claros, schema completo e perfis idênticosMédioMarketing e site
Perguntas sem respostaPauta de conteúdo, começando pelas dúvidas mais próximas da compraMédio e contínuoConteúdo
Ausência em fontes de terceirosPlano de avaliações, diretórios, portais e imprensa do setorAlto e contínuoMarketing
Concorrente citado no lugarPáginas de preço, comparativos e casos que o concorrente tem e a empresa nãoMédioMarketing

A ordem importa. O erro de informação vem antes de qualquer conteúdo novo: publicar mais páginas enquanto a IA descreve a empresa de forma errada só amplia o alcance do erro.

Ferramenta automática, teste interno ou auditoria consultiva

Existem três formas de medir a presença da marca em IA, e cada uma responde a uma pergunta diferente.

OpçãoO que entregaLimiteQuando faz sentido
Ferramenta de monitoramentoAcompanha perguntas e concorrentes ao longo do tempoPerguntas genéricas; mostra o quê, não o porquêDepois do diagnóstico, para acompanhar a evolução
Teste internoPrimeira leitura, sem custoPoucas perguntas, sem repetição e com o viés de quem perguntaPara decidir se vale aprofundar
Auditoria consultivaPerguntas do cliente real, análise técnica e de autoridade, plano priorizadoCusto e prazo de projetoAntes de investir em conteúdo e correções

As três se completam. O erro é usar a ferramenta como diagnóstico ou o teste interno como conclusão.

Erros comuns ao medir a presença da marca na IA

  • Testar só com o nome da empresa. Mede se a IA conhece a marca, não se a recomenda.
  • Tirar conclusão de um print. A mesma pergunta, feita de novo, raramente traz a mesma resposta.
  • Medir “posição no ChatGPT”. A ordem das marcas quase nunca se repete; a métrica útil é a frequência de citação.
  • Bloquear robôs de busca para proteger o conteúdo. Quem quer evitar uso em treino deve bloquear os robôs de treino, não os de busca.
  • Apostar no llms.txt como solução. O diagnóstico prioriza o que os buscadores documentam: acesso dos robôs, dados estruturados e conteúdo.

O que o Onion AI Scan entrega em 7 dias

  • 60 respostas coletadas e analisadas, com os prints das mais relevantes.
  • AI Mention Share da empresa e dos concorrentes, por camada de funil.
  • Checklist técnico pontuado e lista de erros da IA sobre a marca, com a frase exata de cada resposta.
  • Score de maturidade de 1 a 5 e plano de ação priorizado, em relatório na tela, PDF e Google Slides.

Perguntas frequentes sobre auditoria GEO

Quanto tempo leva uma auditoria GEO?

No Onion AI Scan, são 7 dias corridos a partir do briefing. O prazo cobre a coleta das 60 respostas, a análise técnica e de autoridade e a montagem do plano de ação, apresentado ao fim do período.

Auditoria GEO garante que a empresa será citada pela IA?

Não. Nenhum diagnóstico pode garantir citação, porque as respostas variam por pessoa, momento e plataforma. A auditoria mede a situação atual e ordena as correções pelo impacto esperado na visibilidade da empresa.

Preciso dar acesso ao site ou às contas para fazer a auditoria?

Não para a maior parte da análise, que usa o que é público: o site, as respostas das IAs e as fontes citadas. O acesso de leitura ao Search Console é opcional e acrescenta dados de impressões.

Com que frequência vale refazer a auditoria GEO?

Na prática da Onion Tech, uma nova medição entre 60 e 90 dias após as primeiras correções mostra o efeito delas. Quem faz acompanhamento mensal repete a mesma bateria de perguntas e compara com a primeira medição.

Leia também

A melhor auditoria GEO é a que muda a próxima resposta

Uma auditoria GEO não vale pelo score, vale pelo que muda depois dele. O número mostra onde a empresa está hoje; o plano de ação define o que precisa acontecer para que, na próxima vez que um cliente perguntar quem resolve o problema dele, a IA tenha bons motivos para responder com o seu nome.

A Onion Tech faz esse diagnóstico no Onion AI Scan, em 7 dias, com score de maturidade e plano de ação priorizado, para empresas de todo o Brasil. Solicite agora mesmo a auditoria.

Fontes consultadas

  • CETIC.BR. TIC Domicílios 2025: uso de inteligência artificial generativa por usuários de internet no Brasil. Publicado em 9 dez. 2025. Base do dado de 32% dos usuários de internet. Disponível em: cetic.br
  • GOOGLE. AI features and your website. Google Search Central. Base das afirmações sobre requisitos para AI Overviews e AI Mode e sobre o relatório do Search Console. Disponível em: developers.google.com
  • OPENAI. Overview of OpenAI crawlers. Base da tabela de robôs da OpenAI. Disponível em: developers.openai.com
  • ANTHROPIC. Does Anthropic crawl data from the web, and how can site owners block the crawler? Base da tabela de robôs da Anthropic. Disponível em: support.claude.com
  • SEARCH ENGINE JOURNAL. AI recommendations change with nearly every query: SparkToro. 30 jan. 2026. Cobertura do estudo da SparkToro com a Gumshoe.ai sobre a variação das recomendações de marcas. Disponível em: searchenginejournal.com
  • Critérios de diagnóstico. O mapa de perguntas, os pesos do score, os limites de cada nível e a regra da informação prejudicial foram organizados a partir do método do Onion AI Scan, da Onion Tech. Os números do exemplo de AI Mention Share são hipotéticos.

Fontes consultadas em novembro de 2026.

Gostou? Compartilhe:

Picture of Kleber Liberato
Kleber Liberato
Kleber Liberato é fundador e CEO da Onion Tech. Com quase duas décadas de experiência em Marketing Digital e empreendedorismo, lidera a primeira Assessoria de Marketing e Produtos Digitais do Brasil.

Últimas do Blog