Tempo de leitura: 11 minutos
Para treinar a equipe da agência em GEO, propomos um plano de 30 dias dividido em quatro semanas: fundamentos, plataformas de IA, medição e prática. Este plano de treinamento de GEO traz os materiais oficiais de cada semana, os exercícios com a lista de prompts e a avaliação final.
Em resumo
- O plano de treinamento de GEO, que é recomendação nossa, tem quatro semanas, uma por tema. Cada semana termina com uma entrega que o responsável corrige.
- Os materiais vêm da documentação do Google, da OpenAI, da Anthropic, da Perplexity e da Microsoft, mais dois estudos públicos.
- Os exercícios usam a lista de prompts e o protocolo de medição dos nossos guias. Assim, o time treina com o método que vai aplicar nos clientes.
- A prova final tem três partes: dez perguntas, um mini-diagnóstico do site da agência e um relatório de uma página.
O que cobrir para treinar a equipe da agência em GEO?
Para treinar a equipe em GEO, o plano cobre quatro competências. Primeiro, saber o que é GEO e o que ele não promete. Depois, entender como as plataformas de IA buscam conteúdo, medir a presença da marca e aplicar o método. Esse recorte serve para quem faz SEO, conteúdo e atendimento, porque cada um aprende no seu nível.
Antes de começar o treinamento de GEO, escolha quem puxa o treino, como o líder de SEO. Essa pessoa marca os encontros, corrige as entregas e aplica a prova final. Reserve também um encontro de uma hora por semana, mais algumas horas de estudo individual. Porém, essa carga é sugestão nossa, então ajuste ao tamanho do time.
Use o site da própria agência como laboratório. Assim, ninguém mexe na conta de um cliente enquanto aprende, e o aprendizado vira prática desde o primeiro dia.

Como é o plano de treinamento de GEO em 30 dias?
Para treinar a equipe em GEO em 30 dias, o plano de treinamento de GEO usa quatro semanas. Cada uma tem um tema, materiais de estudo e uma entrega. O plano é recomendação nossa, sem pesquisa por trás, e não é curso nem certificação oficial. Portanto, a tabela resume o calendário.
| Semana | Tema | Entrega |
|---|---|---|
| 1 (dias 1 a 7) | Fundamentos e mitos | Folha de mitos de GEO |
| 2 (dias 8 a 14) | Robôs de IA e fan-out | Auditoria do robots.txt e mapa de subperguntas |
| 3 (dias 15 a 21) | Medição com prompts | Planilha com 100 respostas e taxa de presença |
| 4 (dias 22 a 30) | Prática e prova final | Mini-diagnóstico e relatório de uma página |
Semana 1: o que a equipe precisa saber sobre GEO e SEO?
Para treinar a equipe em GEO sem mitos, a semana 1 mostra que, para o Google, otimizar a busca com IA generativa continua sendo SEO. Por isso, o estudo, que separa o que funciona do que é mito, parte da documentação do Google e do nosso guia de GEO.
Estude nesta ordem:
- Guia do Google para otimizar recursos de IA generativa: diz que “AEO” e “GEO” descrevem o trabalho de visibilidade em IA e que, para o Google, isso ainda é SEO.
- Recursos de IA e seu site: explica que a página precisa estar indexada e elegível a snippet para virar link de apoio, sem requisito técnico extra.
- O que é GEO: o pilar do blog, com o vocabulário do time.
- GEO: Generative Engine Optimization: artigo acadêmico que propõe o termo. Os autores relatam ganho de visibilidade de até 40% num benchmark deles, com eficácia diferente por domínio. Portanto, o número não serve de promessa a clientes.
No exercício, cada pessoa escreve uma folha de mitos. Ela cobre os cinco pontos que o guia do Google manda ignorar: llms.txt, fragmentação do conteúdo, reescrita só para IA, menções inautênticas e excesso de foco em dados estruturados. Mas esses pontos valem para o Google, então a semana 2 traz a documentação das outras empresas.
Semana 2: que robôs de IA visitam o site e o que cada um faz?
As empresas de IA costumam separar os robôs que treinam modelos, os que alimentam a busca e os que abrem uma página a pedido do usuário. Na semana 2, o treinamento de GEO ensina a distinguir esses robôs e o que cada bloqueio no robots.txt provoca. Por isso, a lista abaixo resume o que as páginas oficiais dizem.
- Google: o Googlebot rastreia para a Pesquisa, inclusive para os recursos de IA, e o robots.txt dele é o controle do site.
- OpenAI: o OAI-SearchBot mostra sites na busca do ChatGPT, enquanto o GPTBot coleta conteúdo que pode treinar modelos. Já o ChatGPT-User visita páginas a pedido do usuário.
- Anthropic: o ClaudeBot coleta conteúdo que pode treinar modelos, enquanto o Claude-SearchBot indexa conteúdo para melhorar a busca. O Claude-User, por sua vez, busca páginas a pedido do usuário.
- Perplexity: o PerplexityBot mostra e linka sites na busca, enquanto o Perplexity-User visita páginas a pedido do usuário.
Três avisos merecem destaque. A OpenAI diz que cada configuração é independente, ou seja, dá para liberar o OAI-SearchBot e bloquear o GPTBot. A Perplexity afirma que o Perplexity-User, que atende um pedido do usuário, geralmente ignora o robots.txt. Já a Anthropic avisa que bloquear o Claude-SearchBot pode reduzir a visibilidade do site nas buscas.
No exercício, a equipe abre o robots.txt do site da agência e anota, para cada robô, se ele está liberado ou bloqueado e o efeito disso. Em seguida, compare o resultado com o modelo de robots.txt para IA.
Como a IA divide a pergunta e o que a Microsoft recomenda?
Segundo o guia do Google, o fan-out é o conjunto de buscas paralelas e relacionadas que o modelo gera para responder a uma pergunta. Para praticar, cada pessoa pega um prompt da lista. Em seguida, escreve as subperguntas que a IA faria, pelo método do guia de query fan-out. O Google avisa, porém, que criar uma página para cada variação principalmente para manipular as respostas viola a política de spam contra conteúdo em escala.
Enquanto isso, a Microsoft Advertising, que vende anúncios, recomenda títulos claros, cabeçalhos, respostas diretas a perguntas e listas ou tabelas.
Semana 3: como praticar a medição com a lista de prompts?
Para treinar a equipe em GEO na medição, cada dupla roda os 20 prompts base da nossa lista, 5 vezes cada, num motor. Em seguida, calcula a taxa de presença da marca. Afinal, o objetivo é treinar o protocolo e sentir a variação entre as respostas, e não provar tendência.
Antes, leia o estudo da SparkToro. Nele, 600 voluntários rodaram 12 prompts no ChatGPT, no Claude e na IA do Google, num total de 2.961 execuções. Como resultado, no ChatGPT e na IA do Google, a chance de duas respostas trazerem a mesma lista de marcas ficou abaixo de 1 em 100. As ferramentas são as mais usadas nos EUA, e cada voluntário manteve as próprias configurações. Além disso, a SparkToro vende software, e o parceiro da pesquisa trabalha numa startup de rastreamento de IA, o que o autor declara.
Depois, siga estes passos:
- Primeiramente, escolha a marca do exercício, de preferência a própria agência.
- Em seguida, adapte ao mercado os 20 prompts base da lista de prompts para monitorar a marca.
- Rode cada prompt 5 vezes, em chat novo e sem personalização, como manda o protocolo de medição.
- Então registre cada resposta: data, motor, prompt, execução, marca nomeada, site citado e concorrentes.
- Calcule a taxa de presença, ou seja, as respostas com a marca divididas pelo total, vezes 100.
- Depois, repita 5 prompts em outro dia e compare as listas de marcas.
- Anote, por fim, o que mudou entre as duas rodadas.
Com 100 respostas, a margem de erro é maior que os ± 6 a ± 14 pontos que o protocolo calcula para 250. Por isso, trate o número como treino, e não como resultado.
Que relatórios gratuitos a equipe aprende a ler?
Em paralelo, a equipe lê três fontes gratuitas, porque cada uma mostra um pedaço do quadro. O relatório de performance da IA generativa, do Search Console, mostra impressões nos AI Overviews e no Modo IA, por página, país, data e dispositivo. A ajuda do Google informa que, em 31 de agosto de 2026, o relatório já estava liberado para todos os sites do mundo. Sites com poucas impressões podem não ver dados.
O AI Performance, do Bing Webmaster Tools, chegou em fevereiro de 2026 como prévia pública. Assim, ele mostra citações por página no Copilot e nos resumos de IA do Bing. Por fim, o GA4 mostra as visitas vindas de assistentes de IA.
Semana 4: como aplicar o treinamento de GEO num site de verdade?
Ao treinar a equipe em GEO na prática, a semana 4 do plano de treinamento de GEO junta tudo num mini-diagnóstico do site e num relatório de uma página. Ele responde a três perguntas: os robôs acessam o site, a IA cita o site e o que o time corrige primeiro.
- Acesso: primeiramente, confira se os robôs têm permissão no robots.txt. Veja também se as páginas principais estão indexadas e elegíveis a snippet, o requisito técnico do Google.
- Presença: em seguida, use a taxa da semana 3 e liste as fontes que a IA citou nas respostas.
- Conteúdo: separe três páginas com ponto de vista próprio e três que só repetem o que já existe na web. De acordo com o Google, o conteúdo único e útil tende a influenciar, a longo prazo, a presença em IA generativa mais do que as outras dicas do guia.
- Prioridade: por fim, escolha até três ajustes e cite, em cada um, a fonte oficial que o justifica.
O relatório de uma página usa os blocos do protocolo: visibilidade, concorrência, autoridade, reputação, tráfego e dados do Google e da Microsoft. Além disso, ele traz a margem de erro e não promete posição nas respostas. Afinal, o Google alerta contra ferramentas de terceiros que prometem sucesso de ranking, pois nenhuma tem acesso aos sistemas internos dele.
Como avaliar a equipe no fim do treinamento de GEO?
Depois de treinar a equipe em GEO, o plano de treinamento de GEO fecha com três provas: dez perguntas sobre os materiais, o mini-diagnóstico e uma apresentação de dez minutos do relatório, com o responsável no papel de cliente. Defina a nota de corte antes de começar. Assim, ninguém negocia o critério depois.
| Prova | Aprovado quando |
|---|---|
| Perguntas | A pessoa acerta 8 de 10 (nota que sugerimos) |
| Mini-diagnóstico | Cada ajuste cita uma fonte oficial e a coleta segue o protocolo |
| Apresentação | O relatório mostra a margem de erro e não promete posição |
Depois da prova, o passo seguinte é criar um serviço de GEO na agência.
Que perguntas entram na prova?
Aqui vão cinco exemplos, e as respostas vêm dos materiais das semanas:
- O site precisa de llms.txt para aparecer nos AI Overviews? Não, pois o Google diz que a Pesquisa não usa esse arquivo.
- Bloquear o GPTBot tira o site da busca do ChatGPT? Não, porque a busca depende do OAI-SearchBot e as configurações são independentes.
- Qual robô da Perplexity atende pedidos do usuário? O Perplexity-User, que geralmente ignora o robots.txt.
- Por que uma checagem única não mede visibilidade? Porque as respostas variam: no estudo da SparkToro, a chance de o ChatGPT ou a IA do Google repetirem a mesma lista de marcas ficou abaixo de 1 em 100.
- O que é query fan-out? Ou seja, são buscas paralelas e relacionadas que o modelo gera para responder à pergunta.
Como manter a equipe atualizada depois do treinamento de GEO?
O plano de treinamento de GEO não termina no dia 30, já que a documentação das plataformas muda. Por isso, marque uma revisão por trimestre: releia as páginas oficiais e corrija a folha de mitos. Em seguida, repita a coleta com a mesma lista de prompts. Assim, treinar a equipe em GEO vira rotina, e não um evento único.
Fontes principais
- Google Search Central, guia para otimizar recursos de IA generativa na Pesquisa Google (2026).
- Google Search Console, relatório de performance da IA generativa (2026).
- OpenAI, visão geral dos robôs da OpenAI (2026).
- Anthropic, robôs da Anthropic e como bloqueá-los (2026).
- Perplexity, robôs da Perplexity (2026).
- Bing Webmaster Blog, AI Performance no Bing Webmaster Tools (2026).
- SparkToro, estudo sobre a inconsistência das recomendações de marcas em IA (2026).
- arXiv, GEO: Generative Engine Optimization (2024).



