O que você vai ter ao terminar
Uma auditoria página a página contra os quatro fatores que um estudo controlado com 252.000 trials apontou como decisivos para citações em IA, mais a ordem de correção dos sete fatores secundários que só passam a fazer diferença depois que esses quatro estiverem no lugar. Você também vai entender, com as fontes, por que a afirmação que viralizou de que "schema markup não tem efeito nenhum sobre citações de IA" não é a conclusão real daquele estudo, para não gastar um sprint inteiro consertando a coisa errada.
Para quem é: qualquer pessoa responsável por SEO ou GEO no nível da página em um site que quer ser citado no ChatGPT, Gemini, Perplexity, Claude ou nas respostas de IA do Google.
Tempo necessário: 30 a 45 minutos por página, incluindo a auditoria e a primeira rodada de correções.
Pronto quando: a página auditada passa pelos quatro filtros eliminatórios e você tem em mãos uma lista escrita dos fatores secundários que ainda faltam corrigir.
Antes de começar: em que esta checklist se baseia e o que ela corrige
Circula nos meios de SEO/GEO um post afirmando que um estudo do SIGIR rodou 252.000 trials em seis LLMs e descobriu que schema markup e JSON-LD têm "efeito medido zero" sobre citações de IA, enquanto preço, atualidade, especificações e profundidade movem o ponteiro com força.
O estudo existe. A contagem de trials está correta. As razões de chances citadas no post são próximas dos números reais. O que não se sustenta é uma coisa só: aquele estudo nunca testou schema markup. Não é que o schema "deu zero na medição" — é que o schema não estava na lista do que foi medido.
O artigo é "What Gets Cited: Competitive GEO in AI Answer Engines" (Vishwakarma, Kumar, Jamidar, Sprinklr; SIGIR '26, Melbourne). O desenho injeta exatamente duas fontes candidatas em seis LLMs (Gemini-2.5-Flash, Claude-3.5-Sonnet, Kimi-K2-Thinking e três variantes do GPT-5), com cada par diferindo em exatamente um de 18 fatores de conteúdo, e registra qual fonte foi citada primeiro. Esses 18 fatores cobrem correspondência de conteúdo, completude, credibilidade, legibilidade, posição competitiva e atualidade. Formato de dados estruturados não aparece entre os 18 — confirmado por comparação direta com a tabela de taxonomia do próprio artigo.
Se você quer a resposta real sobre schema, ela vem de outro lugar: o estudo controlado da Ahrefs de maio de 2026, que comparou 1.885 páginas com JSON-LD adicionado a 4.000 páginas de controle pareadas. O resultado foi nenhum ganho significativo de citação no Google AI Overviews (-4,6%, uma queda pequena mas estatisticamente significativa), no Google AI Mode (+2,4%, não significativo) e no ChatGPT (+2,2%, não significativo). Um teste separado da searchVIU descobriu que ChatGPT, Claude, Perplexity, Gemini e Google AI Mode simplesmente não leem JSON-LD, Microdata oculto ou RDFa oculto durante a recuperação em tempo real.
Separe as duas coisas antes de começar a auditoria. O estudo do SIGIR diz o que priorizar na página. O estudo da Ahrefs diz que schema não está entre essas prioridades quando o assunto é volume de citações, ainda que continue relevante para rich results e clareza de entidade em outros contextos.
Passo 1: rode a auditoria dos filtros eliminatórios
Confira sua página contra estes quatro fatores. O estudo do SIGIR descobriu que os quatro foram unânimes nos seis modelos, com efeitos muito grandes (razão de chances acima de 100 na maioria dos modelos). A falha em qualquer um deles pode zerar as chances de citação, não importa quão forte seja o resto da página.
Filtro | O que verificar | Faixa de razão de chances (pelos seis modelos testados) |
|---|---|---|
Correspondência de tema | A página responde diretamente à consulta que ela quer disputar, e não a um assunto próximo? | Decisivo em 5 dos 6 modelos |
Preço informado | Há um preço específico visível na página, em vez de escondido atrás de "fale conosco"? | 6,26 até mais de 10.000 |
Data atualizada | Aparece uma data de publicação ou de última revisão atual e correta? | 14,4 até mais de 10.000 |
Posição na lista | A página tende a ocupar o primeiro lugar entre os candidatos daquela consulta, e não o segundo? | 1.795 até mais de 10.000 |
Ação: abra a página ao lado da consulta-alvo. Leia as primeiras 150 palavras e pergunte se elas respondem àquela consulta diretamente. Procure o preço na página; se precisar de formulário ou ligação, isso é falha. Compare a data exibida com quando o conteúdo foi de fato atualizado pela última vez. Confira sua posição atual ou sua fatia de citações naquela consulta.
Resultado esperado: aprovado ou reprovado em cada uma das quatro linhas.
Verificação de qualidade: se a correspondência de tema falhar, pare aqui — nenhum passo seguinte salva uma página que responde à pergunta errada.
Caminho de recuperação: falhas de preço e de data se consertam no mesmo dia (passo 2). Falha de posição na lista não é problema de conteúdo; significa que os fundamentos de SEO precisam ser arrumados antes que a página possa disputar citações, e nenhum polimento dentro da página substitui isso.
Passo 2: conserte primeiro qualquer filtro que falhou
Faça isso antes de mexer em qualquer outra coisa. São os itens de maior alavancagem e menor esforço da lista inteira.
Se faltar preço: coloque o número real. Se o preço varia, publique o preço inicial verdadeiro ou uma faixa clara em vez de um formulário de contato. Este foi um dos quatro filtros do estudo.
Se a data estiver velha ou ausente: atualize a data de publicação ou de última revisão, mas só depois de realmente ter revisado o conteúdo. Mudar a data sem uma atualização real é um sinal de atualidade que você não sustenta se alguém for checar.
Se a correspondência de tema estiver fraca: reescreva as primeiras 150 palavras para responder à tarefa daquela consulta diretamente, e não a um assunto parente. Não emende uma abertura nova numa estrutura velha — troque de verdade.
Verificação de qualidade: releia a página fingindo que você é aquela consulta. Um estranho sai com uma resposta específica no primeiro parágrafo?
Caminho de recuperação: se não der para publicar o preço real (orçamento sob medida, contratos corporativos), publique um preço inicial representativo ou uma faixa típica em vez de deixar em branco — o estudo mediu como estado de falha a "ausência de menção a preço", e não a "preço que varia".
Passo 3: percorra os diferenciais secundários
Com os quatro filtros aprovados, estes sete fatores rendem diferenciação secundária, com razões de chances de cerca de 2 a 243, dependendo do modelo. Corrija nesta ordem:
- Especificações ausentes. Inclua as especificações técnicas que o comprador realmente vai comparar (dimensões, materiais, capacidade, compatibilidade). Razão de chances de 8,63 a 243 conforme o modelo, um dos maiores efeitos secundários.
- Sem comparações. Adicione uma comparação direta com pelo menos uma alternativa nomeada. Razão de chances de 1,61 a 7,45.
- Linguagem hesitante. Troque "talvez", "pode ser", "possivelmente" por afirmações diretas que a página consiga sustentar.
- Alegações sem comprovação. Anexe evidência às afirmações: resultados de teste, certificações, metodologia nomeada.
- Contradições internas. Confira se números e afirmações batem entre as seções da mesma página; isso entra fácil durante a edição e passa fácil na revisão.
- Lacunas de palavra-chave. Confirme que a página traz os termos específicos que a consulta-alvo usa, e não apenas sinônimos.
- Proposta de valor mais fraca. Afie a sua afirmação concreta de benefício contra o que a página concorrente oferece.
Ação: percorra a lista de cima para baixo e corrija o que se aplicar. Não toda página terá os sete problemas.
Resultado esperado: uma página em que cada afirmação é específica, comparável ou comprovada.
Verificação de qualidade: um leitor cético encontra alguma frase vaga ou sem base sobrando na página?
Caminho de recuperação: se o tempo for curto, pare nos itens 1 e 2 (especificações e comparações) — eles têm as maiores razões de chances dos sete.
Passo 4: pule as mudanças que só mexem na formatação
O estudo mostrou explicitamente que não há efeito consistente em transformar parágrafos em bullets, adicionar subtítulos para facilitar a leitura ou reorganizar informação dispersa, porque os modelos testados interpretaram o conteúdo independentemente da estrutura visual. Se sua página já passa nas verificações acima, não gaste um sprint polindo formatação na esperança de mais citações. Formate para os seus leitores humanos, não para um ganho de citação que os dados não sustentam.
Passo 5: deixe o schema onde ele deve ficar
Mantenha a marcação schema tecnicamente correta, porque ela faz trabalho real: ajuda Google e Bing a interpretarem rich results e dá aos sistemas de busca uma compreensão explícita do que a página e a entidade são. O que ela não faz, segundo a melhor evidência controlada disponível, é mexer nas chances de citação em IA. Não coloque o trabalho de schema na frente dos passos 1 a 3 com base na ideia de que ele é uma alavanca de citação: nenhum estudo controlado sustenta isso, e o único estudo citado a favor nunca testou schema. Se você quer o detalhamento do que o estudo de schema da Ahrefs realmente mediu, veja nosso guia de SEO semântico de 2026.
Verifique o resultado final
Rode a auditoria do passo 1 de novo na página depois das correções. Os quatro filtros agora devem estar aprovados. Confira por amostragem dois ou três fatores secundários do passo 3 que você corrigiu. Se você tiver acesso a uma ferramenta de visibilidade em IA ou de monitoramento de citações, como o AI Search Visibility Checker, registre a fatia de citações atual da página na consulta-alvo como linha de base antes de ir para a próxima página, para conseguir dizer depois se as mudanças moveram alguma coisa.
Mantenha o resultado
Reconfira o filtro de data sempre que a página receber uma atualização relevante, e não por um calendário fixo. Para páginas que perderam fatia de citações, audite de novo começando pelos quatro filtros antes de supor que algum fator secundário escorregou.
Perguntas frequentes
O estudo do SIGIR testou schema markup ou JSON-LD? Não. A taxonomia de 18 fatores cobre correspondência de conteúdo, completude, credibilidade, legibilidade, posição competitiva, atualidade e posição na lista. Formato de dados estruturados não está entre as categorias nem entre os fatores testados — confirmado por leitura direta da tabela de taxonomia do artigo.
Então schema markup ajuda em citações de IA ou não? A melhor evidência controlada disponível — o estudo da Ahrefs de maio de 2026, com 1.885 páginas contra 4.000 controles pareados — não encontrou ganho significativo de citação ao adicionar JSON-LD no Google AI Overviews, no Google AI Mode ou no ChatGPT. Um teste separado descobriu que vários modelos de IA importantes não leem dados estruturados durante a recuperação em tempo real. Isso não torna o schema inútil em outros contextos; ele só não é uma alavanca de volume de citações.
De onde vieram os números específicos do post viral (6,3; 14; 4 a 8,6)? Eles se parecem com as razões de chances reais da tabela de resultados do artigo do SIGIR, mas pertencem a fatores de preço, atualidade e especificações/comparações, não a schema. O artigo reporta os números por modelo, e não como uma média única, e as faixas variam bastante entre os seis LLMs testados.
Se eu só tenho uma hora, o que conserto primeiro? Os quatro filtros eliminatórios: correspondência de tema, preço, data e posição na lista. A falha em qualquer um deles pode zerar as chances de citação, independentemente do resto da página.
Devo parar de trabalhar com schema de vez? Não. Mantenha-o correto por causa dos rich results e da clareza de entidade. Só não coloque trabalho novo de schema acima da correção dos quatro filtros se o volume de citações em IA for o objetivo real.
Autor: Bennett Hayes, Applied GEO Analyst na Auspia, com mais de 400 revisões de implementação. Bennett escreve sobre execução prática de GEO, auditorias e notas de implementação baseadas no que estudos controlados realmente mediram.
