Os sinais de AEO no site preveem a presença nas respostas de IA? Medimos 62 empresas

Não, não neste estudo. Em 62 empresas locais no Japão, nossa pontuação AEO no site (dados estruturados, llms.txt, acesso de crawlers e sinais semelhantes) não mostrou relação com a frequência com que o Perplexity mencionou ou citou uma empresa ao receber pedidos de recomendação: ρ de Spearman = 0.03 (IC de 95% de −0.23 a 0.28, p = 0.834). Com 62 empresas, o estudo só conseguia detectar com segurança correlações de cerca de |ρ| ≥ 0.35, portanto não é possível descartar uma relação mais fraca.

Publicado em 28 de outubro de 2026. Dados medidos em 24 de outubro de 2026. A Nurevo desenvolve ferramentas de AEO, incluindo a pontuação testada aqui; veja "Nosso conflito de interesses" mais abaixo.

Resumo

  1. Pergunta: empresas cujos sites têm pontuação mais alta na pontuação de legibilidade para IA da Nurevo (de 0 a 100) aparecem com mais frequência em respostas de IA a perguntas que não as mencionam pelo nome?
  2. Resposta: não confirmado. ρ = 0.03 no geral, e ainda 0.03 após o ajuste por setor e cidade.
  3. No geral, as empresas apareceram em 21.0% das respostas às perguntas de descoberta; 25 das 62 apareceram pelo menos uma vez.
  4. Nenhum componente individual da pontuação (dados estruturados, llms.txt, cobertura etc.) mostrou relação, após a correção para testes múltiplos.
  5. O que concluímos: os dados estruturados ajudam a IA a ler corretamente as informações de uma empresa, mas, sozinhos, não determinam se ela é mencionada. Outros fatores pesam mais, muito provavelmente incluindo o que outros sites dizem sobre a empresa. Este último ponto é uma hipótese que este estudo não testou.

Por que realizamos este estudo

As recomendações de AEO (otimização para mecanismos de resposta), inclusive as nossas, afirmam que tornar um site fácil de ler para a IA (dados estruturados schema.org, um arquivo llms.txt, permitir o acesso de crawlers de IA, conteúdo renderizado no servidor) ajuda uma empresa a aparecer nas respostas de IA. A Nurevo vende uma pontuação construída exatamente sobre esses sinais. Queríamos evidências honestas sobre se a pontuação acompanha o que realmente importa para os proprietários: ser mencionado pela IA. Definimos a hipótese, a análise e os critérios de decisão antes de coletar qualquer resposta e nos comprometemos a publicar o resultado, qualquer que fosse.

Método

  1. Amostra: 72 empresas locais com site oficial próprio, selecionadas por busca na web (excluindo portais), em 5 setores (clínicas odontológicas, restaurantes, salões de beleza, contadores tributários, hospedagem) e 4 cidades japonesas (Tóquio, Osaka, Fukuoka, Sapporo). 10 foram excluídas porque não foi possível calcular a pontuação de seus sites, restando 62 para a análise.
  2. Pontuação: a página inicial, o robots.txt e o llms.txt de cada site foram avaliados com o mesmo código da pontuação pública da Nurevo: dados estruturados (30 pontos), cobertura (25), legibilidade (20), llms.txt (15) e consistência (10), com um critério eliminatório para acesso de crawlers, bloqueio na borda e renderização no servidor (quem não passa tem a pontuação limitada a 15).
  3. Mecanismo: Perplexity, por meio de sua Agent API com o preset "fast" (uma busca na web seguida de uma resposta), o mesmo adaptador que o plano pago da Nurevo usa para a visibilidade em IA. Apenas um mecanismo; veja as limitações.
  4. Perguntas: três perguntas de "descoberta" por empresa, que mencionam a região e o tipo de negócio, mas não a empresa (por exemplo, "Recomende um dentista em Umeda"), compartilhadas por todas as empresas do mesmo setor na mesma região, além de uma pergunta "nominal" pedindo o endereço e o horário de funcionamento da empresa. Cada pergunta foi feita três vezes.
  5. Resultado medido: considerou-se que uma empresa "apareceu" em uma resposta se seu nome constava na resposta ou se seu próprio domínio estava entre as fontes citadas. A taxa de aparição é a proporção de respostas de descoberta em que ela apareceu.
  6. Verificação do detector: nas respostas às perguntas nominais, o nome da empresa foi detectado em 84.3% dos casos, acima do limite de 70% que estabelecemos para confiar no detector.
  7. Análise: correlação de postos de Spearman com p-valor por permutação e intervalo de confiança por bootstrap; correlação parcial com setor e cidade como efeitos fixos; um teste de permutação dentro de estratos; e uma regressão logística com efeitos fixos de setor e cidade e correção quase-binomial, já que respostas repetidas à mesma pergunta não são independentes. Os seis testes de componentes receberam correção de Holm.

O critério para "confirmado" foi definido previamente: ρ ≥ 0.3, p < 0.05, IC de 95% acima de zero e correlação ajustada positiva. O texto das respostas não foi armazenado; apenas se um nome apareceu, se o domínio foi citado e a posição da citação.

Resultados

O veredito é "não confirmado". Todos os testes da pontuação em relação à aparição resultam em uma correlação próxima de zero:

n = 62 empresas. Medido no Perplexity em 24 de outubro de 2026.
TesteResultadop-valor
Pontuação vs taxa de aparição (ρ de Spearman, principal)0.03 (IC de 95% de −0.23 a 0.28)0.834
Idem, ajustado por setor e cidade (correlação parcial)0.030.845
Idem, teste de permutação dentro de estratos0.030.829
Pontuação vs menção do nome (perguntas de descoberta)−0.040.782
Pontuação vs citação do próprio site (perguntas de descoberta)0.180.149
Pontuação vs citação do próprio site (perguntas nominais)−0.030.813
Regressão logística com efeitos fixos de setor/cidade, quase-binomial: chances por +1 DP da pontuação (18.81 pontos)×1.01 (IC de 95% de 0.62 a 1.64)0.972

O maior coeficiente, 0.18 entre a pontuação e a citação do próprio site da empresa, não se distingue de zero (p = 0.149) e não deve ser interpretado como uma descoberta.

Por faixa de pontuação

A Nurevo exibe a pontuação em vermelho, amarelo ou verde. A maioria dos sites da amostra ficou no vermelho e nenhum chegou ao verde, portanto este estudo não diz nada sobre pontuações muito altas.

FaixaEmpresasTaxa média de apariçãoApareceram pelo menos uma vez
Vermelho5420.8%22
Amarelo822.2%3
Verde0--

Por componente da pontuação

Nenhum dos componentes da pontuação teve relação com a aparição. Após a correção de Holm, todos os p-valores são 1.000. Esses testes foram exploratórios.

p = 1.000 com correção de Holm para todos os componentes.
Componenteρ de Spearman com a taxa de aparição
Dados estruturados (schema)0.08
Cobertura0.12
Legibilidade−0.17
llms.txt−0.02 (razão de chances 1.41, IC de 95% de 0.79 a 2.52)
Consistência0.06
Critério eliminatório (acesso de crawlers, borda, renderização no servidor)61 aprovadas: 21.3% de aparição; 1 reprovada: 0%

Por setor e por cidade

A aparição variou mais por setor e por cidade do que pela pontuação. São números descritivos de grupos pequenos, não diferenças testadas.

As linhas por setor e as linhas por cidade abrangem, cada uma, as mesmas 62 empresas.
GrupoEmpresasPontuação médiaTaxa de aparição
Contadores tributários1327.9210.3%
Hospedagem1321.0823.9%
Clínicas odontológicas1340.1525.6%
Salões de beleza824.258.3%
Restaurantes1524.2030.4%
Osaka1526.2715.6%
Sapporo1729.419.8%
Tóquio1525.5331.1%
Fukuoka1529.2728.9%

Limitações

  1. Estudo transversal: uma única medição de muitos sites mostra associação, não causalidade. Saber se melhorar um site altera sua aparição exige um estudo de antes e depois com os mesmos sites.
  2. Poder estatístico: com 62 empresas, uma correlação mais fraca que cerca de |ρ| = 0.35 muitas vezes passaria despercebida. Empresas da mesma região e do mesmo setor compartilham as mesmas respostas, então a amostra efetiva é ainda menor. "Não encontrado" aqui não significa "não existe".
  3. Um mecanismo, uma semana: Perplexity com o preset "fast", medido em 24 de outubro de 2026. ChatGPT, Gemini, AI Overviews do Google e Copilot usam índices de busca e modelos diferentes; estes resultados não se aplicam a eles.
  4. Fatores de confusão não observados: avaliações, reconhecimento de marca, publicidade, tempo de atuação e presença em outros sites não foram medidos. Apenas setor e cidade foram ajustados.
  5. Amostra: as empresas foram encontradas por busca na web, então tendem a ser empresas que já são fáceis de encontrar. Nenhum site atingiu o verde. 5 setores e 4 cidades do Japão podem não representar outros setores, regiões ou idiomas.

O que isso significa para o site de uma empresa

Dados estruturados, llms.txt e acesso de crawlers continuam cumprindo uma função: permitem que a IA leia as informações de uma empresa (endereço, horário de funcionamento, telefone, serviços) de forma direta e correta, em vez de adivinhar. Vale a pena cumprir essa função, mas ela é diferente de ser recomendado. Neste estudo, um site mais bem lido não foi um site mais mencionado.

Nossa hipótese de trabalho é que fontes externas ao site (avaliações e perfis em mapas, mídia local, diretórios, outros sites que mencionam a empresa) pesam muito na decisão de uma IA de mencionar uma empresa ao responder a uma pergunta de recomendação. Este estudo não mediu essas fontes, portanto trata-se de uma hipótese a ser testada, não de um resultado.

Na prática: mantenha em ordem o básico do site, porque isso torna preciso o que a IA diz sobre você, e meça se a IA realmente menciona você, em vez de deduzir isso a partir de uma pontuação de legibilidade.

Nosso conflito de interesses e o que estamos mudando

A Nurevo desenvolve ferramentas de AEO, e a pontuação testada aqui é um de nossos produtos. Um resultado mostrando que a pontuação não prevê a aparição não é o que teríamos escolhido, e o publicamos porque os critérios foram definidos antes da chegada dos dados e porque os proprietários devem saber o que uma pontuação pode e o que não pode lhes dizer.

O que estamos fazendo a respeito: não apresentamos a pontuação de legibilidade para IA como um preditor de aparição nas respostas de IA. Em vez disso, medimos a aparição diretamente: o plano Pro mede com que frequência o Perplexity menciona ou cita um site (beta), e estamos adicionando uma pequena verificação mensal de aparição para os sites dos planos Free e Standard. Também estamos desenvolvendo uma segunda versão da pontuação que combina a visibilidade em IA medida com os sinais do site, em vez de depender apenas dos sinais do site.

Os nomes e os sites das empresas medidas não são divulgados.

Perguntas frequentes

Os dados estruturados fazem a IA mencionar minha empresa?

Neste estudo com 62 empresas locais no Perplexity, não foi encontrada relação entre sinais do site, como dados estruturados, e a frequência com que uma empresa foi mencionada (ρ = 0.03). Os dados estruturados ajudam a IA a ler corretamente suas informações, mas, sozinhos, não previram a menção.

O llms.txt ajuda uma empresa a aparecer nas respostas de IA?

Não encontramos relação neste estudo: ρ = −0.02 entre o componente llms.txt e a taxa de aparição (p com correção de Holm = 1.000). O estudo foi pequeno e usou um único mecanismo, portanto isso não prova que o llms.txt nunca importa.

Isso significa que o AEO é inútil?

Não. O AEO no site torna preciso o que a IA diz sobre uma empresa. Este estudo sugere que ele não é suficiente para ser recomendado e que a menção deve ser medida diretamente, e não deduzida a partir de uma pontuação de legibilidade.

Qual mecanismo de IA foi medido?

Apenas o Perplexity, por meio de sua Agent API com o preset "fast", em 24 de outubro de 2026. Os resultados não se aplicam ao ChatGPT, ao Gemini, aos AI Overviews do Google nem ao Copilot.