ChatGPT, Gemini, Perplexity e Claude: quem cita o quê em 2026

Cinco motores, cinco lógicas de recuperação. Otimizar a marca como se todos fossem iguais é o erro mais caro do Head de SEO em 2026.

“Tratar ChatGPT, Gemini, Perplexity e Claude como se compartilhassem a mesma lógica de recuperação é o erro mais caro do marketing em 2026. Cada motor tem critérios próprios de confiança, e a marca precisa ser legível em todos eles, não apenas no mais popular.”

— 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)

A mesma pergunta, cinco respostas, cinco listas de marcas

Fiz um teste banal com a equipe há duas semanas. Peguei uma única pergunta comercial do nicho de um cliente e rodei nos cinco motores que importam hoje: ChatGPT com busca, Gemini dentro do AI Mode, Perplexity, Claude com navegação e o AI Overview do Google. Cinco respostas. Cinco conjuntos de fontes diferentes. A marca do cliente apareceu em três deles, ficou de fora de um, e em outro apareceu citada por uma thread de Reddit que ninguém da empresa sabia que existia.

Esse é o ponto que quase todo Head de SEO ainda não internalizou. Não existe “a IA”. Existem motores com índices distintos, gatilhos de busca distintos e vieses de fonte distintos. Tratar ChatGPT, Perplexity e o AI Overview como uma coisa só é o equivalente, em 2014, a otimizar para Google e Bing com a mesma planilha e fingir que davam o mesmo resultado. A diferença é que agora o custo do erro é não aparecer na resposta, e não apenas cair três posições.

A tese deste artigo é contraintuitiva para quem vem de SEO clássico: a maior parte da otimização para IA é compartilhada (conteúdo profundo, estrutura clara, autoridade verificável), mas a margem que decide se você é citado em cada motor está nos detalhes do retrieval de cada um. Quem entende como cada engine recupera e cita ganha essa margem. Quem não entende terceiriza a decisão para o algoritmo de quem entendeu.

Para a parte comum a todos os motores, a forma de escrever trechos que a IA consegue extrair e citar está em conteúdo para agentes: como criar textos que IAs adoram citar.

Vou organizar isto da forma que eu uso internamente: primeiro o mecanismo comum (RAG e query fan-out), depois motor por motor com evidência, depois uma tabela comparativa direta, e no fim um plano de ação por engine. Os números e o comportamento de cada motor vêm de research vivo que rodamos em maio de 2026, com as fontes linkadas no corpo.

Como o RAG seleciona o material usado em uma resposta com busca?

O RAG, sigla de Retrieval-Augmented Generation, ou geração aumentada por recuperação, combina a busca de documentos com a geração da resposta. Quando a busca é acionada, o modelo usa os trechos recuperados para escrever, além do conhecimento adquirido no treinamento. Para avaliar a presença da marca nesse processo, verifique se a página pode ser encontrada no índice consultado e se contém uma passagem que responda à dúvida do usuário.

A consequência prática é que o jogo tem dois portões, não um. Primeiro portão: o seu conteúdo precisa existir no índice que aquele motor consulta. Se o ChatGPT busca no índice do Bing e a sua página não está bem indexada no Bing, você nem entra no sorteio. Segundo portão: dado que você foi recuperado, o seu trecho precisa ser bom o bastante para ser selecionado entre os candidatos e citado. SEO clássico cuidava razoavelmente bem do segundo portão (relevância, qualidade). O primeiro portão, o de estar no índice certo, é onde a maioria das marcas brasileiras perde sem saber.

RAG explica por que conteúdo “passável” deixou de bastar. O modelo não precisa de dez páginas medianas dizendo a mesma coisa. Ele precisa de uma passagem que responda a sub-pergunta exata, com dado verificável, fácil de extrair. É por isso que tabelas, FAQs, listas e dados marcados com schema funcionam: reduzem o custo de extração. O guia de GEO da Product Hackers, baseado em 145 consultas reais de moda e e-commerce, é explícito ao recomendar gerar dados próprios marcados como fonte primária, porque os LLMs priorizam fontes primárias estruturadas (Product Hackers, guia GEO 2026).

O mecanismo técnico da seleção de fontes

Depois da recuperação, os cinco motores aplicam o mesmo filtro em três camadas antes de decidir qual trecho entra na resposta. A primeira é a densidade de fatos: o trecho que abre com a resposta direta e traz número, data ou definição técnica vale mais do que o parágrafo que contextualiza antes de responder. A segunda é a estrutura: dados estruturados em JSON-LD dizem à máquina o que é produto, fato ou opinião de especialista, e títulos, listas e tabelas delimitam onde cada resposta começa e termina. A terceira é a consistência de entidade: quando a marca aparece com dados diferentes em páginas ou plataformas distintas, o motor compara as versões, desconfia e tende a escolher outra fonte.

Krishna Madhavan, do Bing, descreve essa seleção por fragmentos do lado de quem opera o buscador. O ranqueamento não desaparece; ele passa a ordenar trechos, e não páginas.

“Na busca com IA, o ranqueamento continua existindo, mas tem menos a ver com ordenar páginas inteiras e mais com quais trechos de conteúdo conquistam lugar na resposta final.”

Krishna Madhavan, Principal Product Manager da Microsoft AI (Bing Web Data Platform), em Optimizing Your Content for Inclusion in AI Search Answers (Microsoft Advertising Blog, 08/10/2025). Tradução livre.

O que varia de motor para motor, e é o assunto das próximas seções, é o peso de cada camada e o índice de onde saem os candidatos.

Como o query fan-out muda as perguntas que uma página precisa responder?

O query fan-out decompõe uma pergunta em várias buscas relacionadas, que trazem fontes para a resposta final. Quando esse mecanismo é usado, a página precisa responder também às dúvidas específicas que a consulta principal abre. Uma pergunta sobre ERP para varejo de moda pode envolver comparação de sistemas, integração fiscal e avaliações de lojistas. Use essas necessidades para organizar as seções, mantendo em cada uma uma resposta verificável.

O Google confirmou esse mecanismo na voz de Liz Reid, chefe da Busca, ao lançar o AI Mode. Para quem produz conteúdo, cada sub-busca é uma disputa separada, e a página precisa ter passagem pronta para várias delas.

“Por baixo dos panos, o AI Mode usa nossa técnica de query fan-out, que decompõe a sua pergunta em subtemas e dispara uma série de buscas simultâneas em seu nome.”

Liz Reid, vice-presidente e chefe do Google Search, em AI in Search: Going beyond information to intelligence (blog.google, Google I/O, 20/05/2025) (2025). Tradução livre.

Isso reescreve a estratégia de conteúdo. No SEO clássico você mirava uma keyword principal por página. Com fan-out, a página que vence é a que cobre o leque de sub-perguntas que o motor vai gerar a partir daquele tópico. Cobertura de subtópicos deixou de ser luxo e virou condição de recuperação. Se a sua página responde só à pergunta central e ignora as cinco sub-perguntas adjacentes, ela perde para a página que responde às seis.

O que o Google anunciou em torno do AI Mode no seu evento anual de desenvolvedores está em Google I/O 2026: AI Mode, Information Agents e Deep Search.

O fan-out é especialmente agressivo nos modos de pesquisa profunda. O Deep Research do ChatGPT e o Pro Search do Perplexity quebram a pergunta em sub-tarefas, buscam múltiplas fontes para cada uma e montam um relatório. O Gemini, dentro do AI Mode, dispara consultas adicionais conforme o usuário itera. Na prática, você não otimiza para uma pergunta. Você otimiza para o cluster semântico inteiro que aquela pergunta abre. Eu detalho a mecânica de recuperação e a tática de chunking no artigo dedicado a como a IA decide qual marca citar, que é o complemento natural deste comparativo.

ChatGPT e SearchGPT: índice Bing, autoridade estruturada, citação discreta

O ChatGPT com navegação roda RAG multi-fonte, especialmente no Deep Research, onde quebra a pergunta em sub-tarefas e sintetiza um relatório. Para a busca web geral, o backend público é historicamente o índice do Bing, herança da integração profunda OpenAI-Microsoft, complementado por crawling próprio e APIs específicas em alguns domínios. Não há anúncio público de migração para o índice Google. Tradução para o Head de SEO: se você ignora o Bing Webmaster Tools porque “ninguém usa Bing”, você está cego para o índice que alimenta um dos maiores motores de resposta do mundo.

A citação no ChatGPT é discreta. Ele nem sempre mostra fonte para tudo, tende a exibir links quando a busca é explicitamente acionada, e o formato é uma lista de “Sources” no fim, com citações inline numeradas ocasionais, bem menos agressivas que as do Perplexity. Em consultas comerciais, estudos de GEO de 2026 observam que o ChatGPT menciona algo entre 2 e 4 marcas por resposta, sem necessariamente exibir a URL de cada uma.

O viés de fonte é o que mais importa aqui: o ChatGPT favorece autoridade estruturada. Conteúdo com tabelas, FAQs, schema e respostas diretas é mais fácil de extrair e sintetizar, e ele recompensa isso. Também pesa forte para fontes primárias com dados próprios e para domínios de autoridade global. Reddit existe na base (há acordo de licenciamento desde 2024), mas a interface não destaca o domínio como o Google faz, e na prática o Reddit é menos decisivo para o ChatGPT do que para o Gemini.

Perplexity: citação obrigatória, frescor e ~94% de precisão

O Perplexity é o motor mais transparente sobre o próprio retrieval, e isso o torna o melhor laboratório de GEO que existe. Ele se define como sistema de recuperação online com LLM, processa cerca de 780 milhões de consultas por mês em 2026, e o Pro Search faz pipeline multi-etapas explícito: quebra a query em sub-consultas, busca várias fontes por sub-query e sintetiza. É query fan-out supervisionado, escancarado na interface.

O diferencial é a citação. Todas as respostas têm fonte, quase sempre numeradas inline com bloco de links embaixo. Segundo a análise da How Do I Use AI de abril de 2026, toda resposta vem com citações marcadas e ligadas abaixo do texto, e um comparativo do mesmo período aponta cerca de 94% de precisão de citação em amostragem, ou seja, alta correspondência entre o que o texto afirma e o que a fonte de fato diz (How Do I Use AI, abril de 2026). Em consultas comerciais, o Perplexity costuma exibir de 3 a 6 marcas com fontes, mais que ChatGPT e Claude.

O viés é para frescor e verificabilidade. O Perplexity valoriza conteúdo recente e recomenda explicitamente datas completas e updates visíveis na página. Favorece páginas com números, estudos e respostas diretas. E como sempre exibe o link, ele dá mais “visibilidade como fonte” ao Reddit e à Wikipedia do que ChatGPT ou Claude, simplesmente porque mostra o domínio. Decisão pessoal: quando quero saber se uma página é citável, eu testo no Perplexity primeiro. Se ele não me cita ali, onde a citação é obrigatória e visível, eu sei que o problema é meu conteúdo, não a interface.

Fóruns como o Reddit levam vantagem nessa disputa, e o texto sobre por que a IA cita o Reddit mais do que o seu blog explica o motivo.

Gemini, AI Mode e AI Overviews: índice Google e o peso do consenso social

Aqui estão dois produtos sobre o mesmo modelo. O AI Overview é a resposta resumida dentro do Google Search, e o AI Mode é o workspace conversacional lançado de forma ampla em 2026. A escala é o argumento: o blog oficial do Google confirmou no I/O 2026 que os AI Overviews já passam de 2,5 bilhões de usuários ativos mensais (blog oficial do Google, I/O 2026), e a cobertura do evento reporta o AI Mode em torno de 1 bilhão de MAU, com a consulta média no AI Mode até três vezes mais longa que a busca tradicional. Trato o número do AI Mode como plausível e bem sustentado em cobertura secundária, não como dado primário fechado.

O retrieval é o ponto crítico: ambos usam o próprio índice do Google Search como fonte primária. O ranking clássico seleciona os documentos candidatos, e só então o Gemini comprime e sintetiza. O modelo não escolhe a fonte sozinho, ele recebe candidatos da infraestrutura de busca tradicional. Por isso, estar bem rankeado no orgânico continua sendo pré-condição para aparecer no AI Overview. O AI Mode adiciona uma camada de RAG recorrente, disparando novas consultas conforme o usuário refina.

O viés de fonte é o que mais separa o Google dos demais: peso enorme para consenso social. O estudo de GEO de 2026 mostra que o AI Overview confia em verificação cruzada via threads de Reddit, reviews (Google Reviews, Trustpilot), e principalmente YouTube, por ser do próprio Google. Em queries comerciais ele destaca marcas com muitos reviews e presença multicanal forte. O formato de citação são cards clicáveis com favicon sob a resposta, tipicamente 3 a 5 links, com poucas citações inline. Vou ao detalhe de quanto isso vale por canal no artigo sobre share of voice em IA e como medir visibilidade.

Claude: conservador, técnico e faminto por profundidade real

O Claude é o motor mais conservador da lista, e isso é uma informação estratégica, não um defeito. Quando a navegação está ativa, ele segue RAG como os outros, busca via backends parceiros (historicamente Bing e outros), e sintetiza. Mas o comportamento de seleção e citação é mais cauteloso e técnico que o do ChatGPT. Em queries de marca, os estudos de GEO mostram o Claude mencionando 2 a 4 marcas, com foco em densidade informativa e cautela na recomendação. Ele não lista qualquer site recém-criado.

O viés é claro: o Claude valoriza profundidade real. Cita com frequência textos densos, técnicos e informativos, prefere conteúdo com rigor e dados verificáveis, e puxa documentação oficial, RFCs, issues do GitHub, papers e blogs de desenvolvedores. O formato de citação é uma lista de fontes no fim, com menções textuais (“segundo a documentação oficial…”), menos granular e menos numerada que o Perplexity.

A implicação para quem produz conteúdo é direta. Se você vende para um público técnico, o Claude é o motor que mais recompensa documentação séria, especificações, casos detalhados e dado primário. Conteúdo de marketing raso não passa pelo filtro dele. Eu uso isso como termômetro de honestidade: se o Claude cita a sua página, ela provavelmente tem substância, porque ele tende a ignorar o que é só vitrine.

O Core Update de 2026 elevou o piso para todos os motores

Tem um fator que atravessa os cinco motores e que o Head de SEO precisa colocar na conta: a recalibração de qualidade do Google em 2026. O March 2026 Core Update, confirmado no Search Status Dashboard com início em 27 de março e fim em 8 de abril, re-ponderou um sinal que a comunidade chama de Information Gain, que mede quanto a página adiciona conhecimento genuinamente novo em relação ao que já ranqueia para a mesma consulta (Evertune, March 2026 Core Update). Houve ainda o update de maio, com rollout a partir de 21 de maio.

Por que isso importa para citação em IA? Porque o índice do Google alimenta diretamente os AI Overviews e o AI Mode, e os sinais de qualidade que sobem você no orgânico são os mesmos que te tornam candidato no bloco generativo. Conteúdo que apenas reorganiza o que já existe perde nos dois. Conteúdo com dado próprio, experiência de campo e ângulo inédito ganha nos dois. O recado é único: originalidade verificável virou piso, não diferencial.

Plano de ação por motor: onde alocar esforço esta semana

Comparativo sem plano é entretenimento. Aqui está o que eu faria, na ordem, se assumisse hoje o GEO de uma marca com recurso limitado. Não é para fazer tudo de uma vez. É para priorizar por motor.

1. Base comum (faça primeiro, vale para os cinco): dado primário próprio em cada página relevante, marcado como fonte primária; estrutura extraível (FAQs, tabelas, listas, respostas diretas); cobertura do leque de sub-perguntas para vencer o fan-out; autoria identificável com credenciais. Isso é o que o Information Gain do Core Update exige e o que todo motor recompensa.
2. Para ChatGPT: trate o Bing como cidadão de primeira classe. Verifique indexação no Bing Webmaster Tools. Priorize autoridade estruturada e respostas diretas que reduzem o custo de extração.
3. Para Perplexity: date e atualize cada página com data visível; coloque um dado verificável por afirmação importante; teste suas páginas-alvo no Pro Search e veja se você é citado trecho a trecho. É o seu termômetro mais honesto.
4. Para Gemini e AI Overviews: não basta o site. Trabalhe consenso social: vídeo no YouTube cobrindo o tópico, reviews reais (Google Reviews, Trustpilot), presença legítima em UGC. Astroturfing aqui é risco, não atalho; trate UGC como reputação ganha, não comprada.
5. Para Claude: se o seu público é técnico, invista em documentação densa, especificações, casos detalhados e presença em GitHub. Claude ignora vitrine e cita substância.

Uma advertência honesta sobre medição: não existem números públicos, globais e auditáveis de “share of model” ou “AI traffic share” por domínio em 2025-2026. Qualquer fornecedor que vende isso como fato está vendendo estimativa proprietária. O que funciona é montar o seu próprio painel: rodar um conjunto de queries do nicho nos cinco motores, registrar se você é citado, calcular mention rate e share of voice internos. Eu sistematizo essa medição no playbook do CMO B2B SaaS para citação em LLM e respondo as dúvidas recorrentes no FAQ sobre como as IAs citam marcas em 2026.

O próximo passo é trivial e ninguém faz: pegue as suas dez queries de compra mais importantes, rode hoje nos cinco motores, e anote onde você aparece e onde aparece o concorrente. Em uma hora você terá um diagnóstico mais útil que qualquer relatório de agência. A partir dele, este plano de ação deixa de ser teoria.

“Cinco motores, cinco critérios de citação. Quem otimiza para a média não vence em nenhum; a estratégia de GEO madura mede e ajusta marca por marca, motor por motor, porque a lógica de recuperação de cada um é diferente.”

Leitura essencial sobre o tema no blog: Como o ChatGPT esta mudando a forma como buscamos informacao na internet.

Leitura essencial sobre o tema no blog: O Custo da Invisibilidade em GEO: Quanto sua empresa perde ao ser ignorada pelo Gemini e ChatGPT..

Leitura essencial sobre o tema no blog: Estratégias para aparecer nas respostas diretas de IAs (ChatGPT, Perplexity, Gemini).

Revisado em 21 de outubro de 2026 (revisão editorial). Dados e acontecimentos referem-se aos períodos indicados no texto.