Janela de contexto (context window) é a quantidade máxima de texto, medida em tokens (pedaços de palavra que o modelo processa), que um assistente de IA consegue considerar de uma vez numa conversa: suas perguntas, as respostas anteriores e as páginas consultadas. O que fica fora dela ou perdido no meio dela deixa de pesar na resposta seguinte.
Para uma marca, isso significa que aparecer na primeira resposta não garante aparecer na décima. Numa conversa longa de compra, o usuário refina critérios, pede comparações e muda de assunto; a cada pergunta o modelo relê o histórico e, se precisar, busca novas fontes. A marca que continua presente é a que tem informação fácil de recuperar e de reconhecer em cada uma dessas etapas.
“Em conversas longas, a marca não compete por um lugar na lista: compete por permanecer na memória de trabalho do modelo. Quem não é citado com consistência ao longo do diálogo simplesmente evapora antes da decisão do usuário.”
— Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI), Founder da Brasil GEO, cofundador da NAIA, cofundador da AI Brasil e ex-CMO da Semantix (Nasdaq)
Janela maior não é memória melhor: o que a pesquisa mostra
As janelas cresceram muito. Em 27 de junho de 2024, o Google abriu para todos os desenvolvedores a janela de 2 milhões de tokens do Gemini 1.5 Pro, segundo o blog oficial do Google para desenvolvedores, espaço suficiente para livros inteiros. Duas pesquisas mostram, porém, que caber na janela não é o mesmo que ser usado.
O artigo Lost in the Middle, de pesquisadores de Stanford e outras instituições, publicado na revista TACL em 2023, registrou que o desempenho dos modelos costuma ser maior quando a informação relevante está no começo ou no fim do contexto e cai de forma significativa quando ela está no meio, mesmo em modelos feitos para contextos longos. Em julho de 2025, o relatório Context Rot, da Chroma, testou 18 modelos, entre eles GPT-4.1, Claude 4 e Gemini 2.5, e concluiu que eles não usam o contexto de maneira uniforme: o desempenho fica menos confiável à medida que a entrada cresce (consultas em 10/10/2026).
Comparação: como o mesmo conteúdo de marca se comporta numa conversa de várias etapas.
| Situação na conversa | Conteúdo genérico e prolixo | Conteúdo escrito para ser recuperado |
|---|---|---|
| Primeira pergunta (“quais fornecedores de X?”) | Pode aparecer, se a marca for conhecida | Aparece com nome, categoria e diferencial claros |
| Pergunta de refinamento (“e para empresa de 50 pessoas?”) | Some, porque não há trecho que responda ao recorte | Continua, se a página tem seção por porte ou caso de uso |
| Comparação (“X ou Y?”) | Descrita com informação de terceiros, às vezes errada | Descrita com os fatos da tabela comparativa da própria marca |
| Decisão (“quanto custa e como contrato?”) | Fica fora, sem preço ou processo publicado | Fica dentro, com faixa de preço, prazo e contato verificáveis |
A tabela explica por que a perda de foco no meio da conversa afeta a marca. Uma menção feita na primeira resposta vai sendo empurrada para o meio do histórico à medida que o diálogo cresce. Se o usuário não volta a ela, a próxima resposta tende a se apoiar no que é mais recente ou no que o modelo busca de novo, e é aí que um trecho bem escrito sobre o recorte pedido faz diferença.
Como testar se a sua marca sobrevive a uma conversa longa
O teste leva cerca de uma hora e precisa ser feito com data registrada, porque os assistentes mudam com frequência. Abra uma sessão nova, sem histórico e sem memória ativada, no ChatGPT, no Gemini e no Perplexity, e siga um roteiro fixo de dez perguntas que imite uma compra real.
- Perguntas 1 e 2, descoberta: o problema e a categoria (“como reduzir inadimplência numa escola particular?”, “que sistemas de cobrança existem?”).
- Perguntas 3 a 6, refinamento: porte, região, integração, orçamento. Anote em cada resposta se a sua marca aparece.
- Perguntas 7 e 8, desvio: um assunto vizinho que empurra o começo da conversa para o meio do histórico (legislação, prazo de implantação).
- Perguntas 9 e 10, decisão: “dos que você citou, qual escolho?” e “quanto custa?”. Registre se a marca ainda está na lista e se os dados estão corretos.
A leitura é simples: em quantas das dez respostas a marca aparece, e em que etapa ela some. Marca que aparece na descoberta e some no refinamento tem pouca informação por caso de uso; marca que some depois do desvio e não volta na decisão tem dados de preço e contratação ausentes ou difíceis de achar. Guarde as capturas de tela com data e repita o roteiro todo mês, sempre com as mesmas perguntas.
Cada pergunta de refinamento costuma ser desdobrada pelo assistente em várias buscas menores, e a página precisa responder a essas subperguntas. O mecanismo está explicado em fan-out de consultas: como o Google decompõe a busca e o que isso exige do conteúdo.
O volume dessas conversas justifica o trabalho. A OpenAI informou em fevereiro de 2026 que o ChatGPT tinha passado de 900 milhões de usuários semanais e 50 milhões de assinantes pagantes. Cada sessão longa nesse volume é uma chance de a marca ser lembrada, ou trocada por outra, na pergunta em que o usuário decide.
Robby Stein, vice-presidente de produto do Google Search, relatou que os testes mostraram preferência por perguntas de acompanhamento que mantêm o contexto. É nesse encadeamento que a marca precisa continuar presente, porque cada nova pergunta reabre a disputa pela citação.
“Em nossos testes, descobrimos que as pessoas preferem uma experiência que flui naturalmente para uma conversa e que fazer perguntas de acompanhamento mantendo o contexto dos AI Overviews torna a Busca mais útil.”
Robby Stein, VP of Product do Google Search, em AI Mode in Google Search and AI Overviews get Gemini upgrades (2026). Tradução livre.
Como escrever para continuar na conversa
- Nome e categoria em cada seção. Um trecho recuperado isoladamente precisa dizer de quem está falando. “A plataforma” não ajuda; “o sistema de cobrança da Empresa X para escolas particulares” ajuda.
- Uma seção por recorte. Porte de empresa, setor, região e integração em seções próprias, cada uma abrindo com a resposta. São esses trechos que atendem às perguntas de refinamento.
- Fatos de decisão publicados. Faixa de preço, prazo de implantação, forma de contratação e contato, com data de atualização. Sem eles, a marca sai da conversa justamente na pergunta final.
- Os mesmos fatos em todo lugar. Site, dados estruturados, LinkedIn e diretórios dizendo a mesma coisa, para que o modelo reconheça a marca como uma entidade só, mesmo quando junta trechos de fontes diferentes.
Pouca empresa mede esse comportamento. Na leitura da McKinsey de outubro de 2025, só 16% das marcas acompanhavam de forma sistemática seu desempenho na busca com IA. Medir a presença ao longo da conversa, e não só na primeira resposta, coloca a empresa num grupo ainda menor.
A atribuição correta também rende visita. O Digital News Report 2026, do Reuters Institute, registrou que 42% de quem usa chatbots para se informar diz clicar sempre ou com frequência nas fontes citadas. Quando a marca segue citada até a pergunta de decisão, com link para a própria página, parte dessas menções vira tráfego no momento em que o comprador está mais perto de escolher.
O próximo passo é rodar o roteiro de dez perguntas nesta semana e anotar em que etapa a marca some. A seção que falta no site, seja a de porte, a de comparação ou a de preço, é a primeira a ser escrita.
Leia também, no blog: como o ChatGPT está mudando a forma como buscamos informação na internet.
Nos acompanhe em nossas Redes Sociais!
Gostou? Siga a Brasil GEO no Instagram e acompanhe todo dia o que muda em IA, GEO e visibilidade nos motores generativos: @geobrasil.ai
Dado de referência: técnicas de Generative Engine Optimization podem aumentar a visibilidade de uma marca nas respostas de mecanismos generativos em até 40% (Aggarwal et al., GEO: Generative Engine Optimization, Princeton University, KDD 2024).
Leitura essencial sobre o tema no blog: Tokenização e Branding: Como o nome da sua marca influencia sua presença no GEO..
