Esta análise examina como o ChatGPT seleciona e cita páginas web ao mapear o pipeline completo de retrieval em milhares de consultas e páginas. A posição no ranking de retrieval é o sinal mais forte, com a posição 1 atingindo uma taxa de citação de 58% contra 14% na posição 10. O alignment de headings é o principal fator on-page, com correspondências fortes de consulta citadas 41% das vezes versus 29% para correspondências mais fracas. Páginas focadas performam melhor do que as exaustivas, com uma cobertura de fanout de 26-50% superando a cobertura total quando a relevância é mantida constante. Autoridade de domínio e backlinks não mostram impacto positivo e são ligeiramente negativos, com as citações sendo impulsionadas mais pela posição de retrieval e estrutura do conteúdo do que pela autoridade de SEO tradicional.
CEVIU Marketing
Táticas, tendências e ferramentas para profissionais de marketing digital inovadores
299 notícias
Uma análise de 815.000 pares de consultas e páginas revelou que páginas curtas e focadas que respondem diretamente a uma consulta são citadas com mais frequência no ChatGPT do que "guias completos" longos. Cobrir todos os subtópicos tem pouco impacto. Páginas com títulos que correspondem de perto à consulta têm uma taxa de citação de 41%, contra 29% para correspondências mais fracas. O retrieval rank é o fator mais forte, já que páginas na posição 1 são citadas 58% das vezes, enquanto páginas na posição 10 caem para 14%. Além disso, a qualidade do conteúdo é mais importante que a autoridade de domínio, pois páginas sempre citadas têm um DA menor do que as nunca citadas.
Os salários de profissionais de PPC em meio de carreira estão divergindo acentuadamente. Nos EUA, a faixa de experiência de 10 a 15 anos ficou estagnada entre US$ 133.500 e US$ 136.000 por três anos consecutivos. No entanto, freelancers com a mesma experiência alcançam uma mediana de US$ 202.895, e estrategistas in-house com 6 a 9 anos podem faturar até US$ 170.000. Essa disparidade não se deve principalmente à adoção da IA, que, embora economize em média 5,2 horas semanais, já é vista como uma expectativa, não um diferencial. Profissionais de agência em meio de carreira estão sendo pressionados por baixo pela automação, que absorve o trabalho de execução, e por cima por cargos sêniores que exigem impacto estratégico de negócios além da gestão de campanhas.
Um prompt que força o ChatGPT a realizar uma busca e retornar resumos concisos em formato de bullet points das fontes exatas que ele utiliza.
O inventário de CTV (Connected TV) está cada vez mais restrito, não pela demanda, mas pela complexidade operacional de executar acordos personalizados em sistemas desconectados. Cada campanha envolve preços negociados, requisitos criativos, garantias de entrega e medição específica do anunciante, criando atrito que força os publishers a simplificar suas ofertas ou priorizar apenas os maiores negócios. O agentic advertising resolve isso, permitindo que os publishers codifiquem regras de precificação e priorização em agentes de vendas orientados por IA, que aplicam essas regras continuamente sem intervenção manual constante.
Os custos com tokens de IA representam uma lacuna crescente nos orçamentos de marketing de 2026, pois o uso escala rapidamente e é difícil de prever. A tradicional divisão de orçamentos B2B, de cerca de 45% para pessoal, 45% para programas e 10% para tecnologia, está mudando, com os gastos em tecnologia subindo de 2% a 3% devido às ferramentas de IA e às necessidades de dados. Enquanto o número de funcionários permanece estável em muitas empresas SaaS, as expectativas são maiores. Empresas nativas de IA estão contratando, pois a receita cresce mais rapidamente que o quadro de funcionários. Os gastos com programas estão estáveis, mas enfrentam pressão para reduzir o custo por resultado com o auxílio da IA. O maior desafio é prever o uso de tokens tanto para o trabalho interno de IA quanto para a precificação de fornecedores, já que nem mesmo os provedores possuem benchmarks claros.
A ClickUp escalou milhares de listicles otimizados por IA para além de sua expertise, ganhando visibilidade por IA, mas perdendo milhões em tráfego do Google.
Ferramentas de IA são excelentes para criar a estrutura básica de componentes de UI genéricos, migrar design tokens e delinear funcionalidades. No entanto, elas falham quando o trabalho de front end exige precisão de pixel ou interações personalizadas. O problema central é que os LLMs, treinados em padrões web comuns, não conseguem "ver" o resultado renderizado, têm dificuldade com cálculos de layout complexos e não possuem controle sobre o ambiente caótico do navegador onde HTML e CSS realmente são executados. Animações Scroll-driven e estados de componentes complexos são pontos particularmente fracos. Quanto mais complexo um componente se torna, mais lenta e menos confiável se torna a assistência da IA.
Tratar AEO como uma evolução do SEO é um equívoco sobre o funcionamento dos LLMs. Diferentemente do SEO tradicional, não existem palavras-chave para ranquear nem uma "primeira página" nos sistemas de AEO. As respostas são altamente personalizadas, baseando-se em prompts, histórico do usuário, preferências e na plataforma utilizada. A visibilidade neste novo cenário depende principalmente da autoridade da marca e de sinais de confiança, e não apenas da otimização técnica. Contudo, a crawlability e os dados estruturados continuam sendo importantes para a ingestão e compreensão do conteúdo pelos sistemas. A principal lição é que o foco da medição deve ser no reconhecimento da marca e em menções de terceiros, e não na visibilidade de prompts como se faz com relatórios de ranking.
As 6 camadas do Claude são explicadas: Chat, Projects, Cowork, Skills, Connectors e Code.
Páginas podem ser altamente relevantes, mas ainda perder posicionamento (rankings) se a combinação de entidades (entity mix) não corresponder à intenção de busca. Um exemplo mostra que os principais resultados focavam mais em locais e jurisdições, enquanto a página do cliente se concentrava em conceitos jurídicos e tipos de lesões. Essa lacuna demonstra que o Google prioriza o contexto geográfico e jurisdicional para buscas locais, ressaltando que as relações entre entidades importam mais do que apenas ter muitas entidades. O conteúdo deve corresponder à estrutura dos principais resultados, alinhando tipos de entidades e contexto ao que os usuários esperam. Para otimizar isso, é essencial analisar as páginas com melhor posicionamento, agrupar suas entidades por tipo e atualizar seu próprio conteúdo para refletir as mesmas relações dominantes.
A maioria das marcas de e-commerce costuma deixar a gestão dos feeds de produtos com suas equipes de mídia paga. No entanto, a busca orgânica e as superfícies de IA recompensam otimizações diferentes daquelas focadas em campanhas baseadas em lances. Um teste com uma grande marca de e-commerce revelou que um feed orgânico dedicado gerou um aumento de 92% na receita de listagens gratuitas, 83% mais visibilidade e um CTR 55% superior ao das campanhas pagas no mesmo período. O futuro Universal Commerce Protocol do Google e novos atributos conversacionais, como FAQs e casos de uso, vão estreitar ainda mais a ligação entre os dados do feed e a forma como os agentes de IA combinam produtos com consultas em linguagem natural.
Um guia rápido mostrando como acessar as fan-out queries para um prompt específico no ChatGPT 5.3 e 5.4.
Um novo estudo de usabilidade revela que o Modo IA substitui a comparação ativa de compras pela aceitação passiva. Isso porque 74% das listas finais de opções vieram diretamente da saída da IA, e 88% dos usuários adotaram essas listas sem alterações ou verificações. Os usuários raramente clicam ou pesquisam por conta própria: 64% tomaram decisões sem sair da interface da IA, e apenas 23% visitaram sites externos. A maioria das visitas externas focou em confirmar detalhes, em vez de encontrar novas opções. Além disso, 74% dos usuários selecionaram o resultado melhor classificado pela IA, com a posição média escolhida sendo 1.35. A confiança nas decisões dependeu da formulação textual da IA e do reconhecimento da marca, que foram responsáveis por 37% e 34% das escolhas, respectivamente.
Para aumentar a visibilidade de conteúdos sobre IA no LinkedIn, é recomendado priorizar posts originais, criar conteúdo em formato mais extenso e realizar publicações de duas a três vezes por semana.
O ROI do conteúdo é incerto porque não está diretamente ligado a tarefas de negócio específicas. O Conteúdo Estrutural conecta o conteúdo diretamente aos jobs-to-be-done de uma empresa, centralizando dados e utilizando IA agentic para identificar lacunas onde o conteúdo pode atuar. Essa abordagem gera tickets de tarefa de conteúdo com metas definidas, que as equipes medem em relação aos resultados exatos. A IA também pode gerenciar a produção, campanhas e a iteração, otimizando o desempenho em relação a esses objetivos. Isso substitui metas amplas por casos de uso precisos, tornando o conteúdo um impulsionador direto dos resultados de negócio.
Poke é um agente de IA focado em mensagens para iMessage, SMS e Telegram, projetado para ajudar usuários a realizar tarefas rapidamente. Ele gerencia agendamentos, lembretes, monitoramento de saúde, controle de casa inteligente e workflows por meio de integrações com ferramentas como Gmail e Google Calendar.O Poke é proativo, enviando alertas e automatizando tarefas recorrentes, e utiliza diferentes modelos de IA dependendo da função. Suas "recipes" permitem que os usuários acessem ou criem automações predefinidas e as compartilhem com outras pessoas. O foco é a simplicidade e a acessibilidade, tornando poderosa a IA baseada em agentes e utilizável sem configurações complexas.
A Mutiny descontinuou seu produto SaaS e se reestruturou como uma plataforma de IA baseada em agentes para equipes de GTM (Go-to-Market). O novo produto atua como um agente autônomo que cria ativos voltados para o cliente, como campanhas, apresentações e estudos de caso, em minutos. Ele utiliza diretrizes de marca, dados de CRM e contexto de prospect para gerar materiais personalizados e alinhados à marca, além de rastrear o engajamento para apoiar as vendas. Essa mudança remove gargalos de execução e oferece às equipes uma produção mais rápida e independente.
O Gmail agora realiza o prefetch de imagens antes mesmo que os usuários abram os e-mails, o que provoca a ativação de pixels de rastreamento e infla as taxas de abertura. Estima-se que entre 1% e 6% das aberturas no Gmail sejam falsas, elevando as taxas de abertura totais em cerca de 2%. Assim, uma taxa de 20% relatada pode estar, na realidade, mais próxima de 18%. Essas aberturas por prefetch ocorrem imediatamente após a entrega, originadas de IPs do Google, enquanto as aberturas reais acontecem mais tarde, via cache de imagens. Essa alteração diminui a confiança nos dados de abertura e se soma a mudanças anteriores focadas em privacidade, tornando as taxas de abertura sinais não confiáveis. Para contornar essa situação, é essencial reorientar a análise para métricas como cliques, conversões e deliverability, além de priorizar a qualidade da lista e o comportamento downstream dos usuários.
Este guia de configuração de 5 minutos detalha como conectar Claude às suas contas de Google Ads, Meta Ads e GA4 utilizando o MCP (Model Context Protocol). A metodologia permite que Claude leia e escreva diretamente nas contas de anúncios, possibilitando que os gestores façam perguntas em linguagem natural e recebam respostas em tempo real, eliminando a necessidade de exportar dados para planilhas. O material aborda os requisitos necessários, o passo a passo da configuração e exemplos de prompts iniciais. Estes incluem a geração de relatórios semanais, a reconciliação de dados entre diferentes plataformas e a realização de auditorias para identificar desperdícios em campanhas.