Os sinais de AEO no site preveem a presença nas respostas de IA? Medimos 62 empresas
Não, pelo menos neste estudo. Em 62 empresas locais no Japão, a nossa pontuação AEO no site (dados estruturados, llms.txt, acesso de crawlers e sinais semelhantes) não revelou qualquer relação com a frequência com que o Perplexity nomeou ou citou uma empresa quando lhe foram pedidas recomendações: ρ de Spearman = 0.03 (IC de 95% de −0.23 a 0.28, p = 0.834). Com 62 empresas, o estudo só conseguia detetar com fiabilidade correlações de cerca de |ρ| ≥ 0.35, pelo que não é possível excluir uma relação mais fraca.
Publicado a 28 de outubro de 2026. Dados medidos a 24 de outubro de 2026. A Nurevo desenvolve ferramentas de AEO, incluindo a pontuação aqui testada; consulte "O nosso conflito de interesses" mais abaixo.
Resumo
- Pergunta: as empresas cujos sites obtêm uma pontuação mais elevada 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 nomeiam?
- Resposta: não confirmado. ρ = 0.03 no global, e continua a ser 0.03 após o ajuste por setor e cidade.
- No global, as empresas apareceram em 21.0% das respostas às perguntas de descoberta; 25 das 62 apareceram pelo menos uma vez.
- Nenhuma componente individual da pontuação (dados estruturados, llms.txt, cobertura, etc.) revelou qualquer relação, após a correção para testes múltiplos.
- O que concluímos: os dados estruturados ajudam a IA a ler corretamente as informações de uma empresa, mas, por si só, não determinam se esta 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.
Porque realizámos este estudo
As recomendações de AEO (otimização para motores de resposta), incluindo as nossas, afirmam que tornar um site fácil de ler para a IA (dados estruturados schema.org, um ficheiro llms.txt, permitir a entrada de crawlers de IA, conteúdo renderizado no servidor) ajuda uma empresa a aparecer nas respostas de IA. A Nurevo vende uma pontuação construída precisamente sobre esses sinais. Queríamos provas honestas sobre se a pontuação acompanha aquilo que realmente interessa aos proprietários: ser nomeado pela IA. Fixámos a hipótese, a análise e os critérios de decisão antes de recolher qualquer resposta e comprometemo-nos a publicar o resultado, fosse ele qual fosse.
Método
- Amostra: 72 empresas locais com site oficial próprio, selecionadas através de pesquisa na web (excluindo portais), em 5 setores (clínicas dentárias, restaurantes, salões de beleza, consultores fiscais, alojamento) e 4 cidades japonesas (Tóquio, Osaka, Fukuoka, Sapporo). 10 foram excluídas porque não foi possível calcular a pontuação do respetivo site, restando 62 para análise.
- 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 o acesso de crawlers, o bloqueio na periferia (edge) e a renderização no servidor (quem não o cumpre fica com a pontuação limitada a 15).
- Motor: Perplexity, através da sua Agent API com o preset "fast" (uma pesquisa na web seguida de uma resposta), o mesmo adaptador que o plano pago da Nurevo utiliza para a visibilidade em IA. Apenas um motor; consulte as limitações.
- Perguntas: três perguntas de "descoberta" por empresa, que indicam a zona e o tipo de negócio, mas não a empresa (por exemplo, "Recomende um dentista em Umeda"), comuns a todas as empresas do mesmo setor na mesma zona, mais uma pergunta "nominal" a pedir a morada e o horário de funcionamento da empresa. Cada pergunta foi feita três vezes.
- Variável de resultado: considerou-se que uma empresa "apareceu" numa resposta se o seu nome constava da resposta ou se o seu próprio domínio figurava entre as fontes citadas. A taxa de aparição é a proporção das respostas de descoberta em que apareceu.
- Verificação do detetor: nas respostas às perguntas nominais, o nome da empresa foi detetado em 84.3% dos casos, acima do limiar de 70% que definimos para confiar no detetor.
- Análise: correlação de postos de Spearman com valor-p 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, uma vez que as respostas repetidas à mesma pergunta não são independentes. Os seis testes por componente foram sujeitos à correção de Holm.
O critério para "confirmado" foi definido antecipadamente: ρ ≥ 0.3, p < 0.05, IC de 95% acima de zero e correlação ajustada positiva. O texto das respostas não foi guardado; apenas se um nome apareceu, se o domínio foi citado e a posição da citação.
Resultados
O veredicto é "não confirmado". Todos os testes da pontuação face à aparição dão uma correlação próxima de zero:
| Teste | Resultado | Valor-p |
|---|---|---|
| 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) | 0.03 | 0.845 |
| Idem, teste de permutação dentro de estratos | 0.03 | 0.829 |
| Pontuação vs aparição do nome (perguntas de descoberta) | −0.04 | 0.782 |
| Pontuação vs citação do próprio site (perguntas de descoberta) | 0.18 | 0.149 |
| Pontuação vs citação do próprio site (perguntas nominais) | −0.03 | 0.813 |
| Regressão logística com efeitos fixos de setor/cidade, quase-binomial: odds 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 lido como uma conclusão.
Por escalão de pontuação
A Nurevo apresenta a pontuação a vermelho, amarelo ou verde. A maioria dos sites da amostra ficou no vermelho e nenhum chegou ao verde, pelo que este estudo nada diz sobre pontuações muito elevadas.
| Escalão | Empresas | Taxa média de aparição | Apareceram pelo menos uma vez |
|---|---|---|---|
| Vermelho | 54 | 20.8% | 22 |
| Amarelo | 8 | 22.2% | 3 |
| Verde | 0 | - | - |
Por componente da pontuação
Nenhuma das componentes da pontuação teve relação com a aparição. Após a correção de Holm, todos os valores-p são 1.000. Estes testes foram exploratórios.
| Componente | ρ de Spearman com a taxa de aparição |
|---|---|
| Dados estruturados (schema) | 0.08 |
| Cobertura | 0.12 |
| Legibilidade | −0.17 |
| llms.txt | −0.02 (odds ratio 1.41, IC de 95% de 0.79 a 2.52) |
| Consistência | 0.06 |
| Critério eliminatório (acesso de crawlers, edge, 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. Trata-se de números descritivos de grupos pequenos, não de diferenças testadas.
| Grupo | Empresas | Pontuação média | Taxa de aparição |
|---|---|---|---|
| Consultores fiscais | 13 | 27.92 | 10.3% |
| Alojamento | 13 | 21.08 | 23.9% |
| Clínicas dentárias | 13 | 40.15 | 25.6% |
| Salões de beleza | 8 | 24.25 | 8.3% |
| Restaurantes | 15 | 24.20 | 30.4% |
| Osaka | 15 | 26.27 | 15.6% |
| Sapporo | 17 | 29.41 | 9.8% |
| Tóquio | 15 | 25.53 | 31.1% |
| Fukuoka | 15 | 29.27 | 28.9% |
Limitações
- Estudo transversal: uma única medição de muitos sites mostra associação, não causalidade. Para saber se melhorar um site altera a sua aparição é necessário um estudo de antes e depois com os mesmos sites.
- Potência estatística: com 62 empresas, uma correlação mais fraca do que cerca de |ρ| = 0.35 passaria muitas vezes despercebida. As empresas da mesma zona e do mesmo setor partilham as mesmas respostas, pelo que a amostra efetiva é ainda menor. "Não encontrado" não significa aqui "não existe".
- Um motor, uma semana: Perplexity com o preset "fast", medido a 24 de outubro de 2026. O ChatGPT, o Gemini, os AI Overviews da Google e o Copilot utilizam índices de pesquisa e modelos diferentes; estes resultados não se transpõem para eles.
- Fatores de confusão não observados: avaliações, notoriedade da marca, publicidade, anos de atividade e presença noutros sites não foram medidos. Apenas o setor e a cidade foram ajustados.
- Amostra: as empresas foram encontradas através de pesquisa na web, pelo que tendem a ser empresas já fáceis de encontrar. Nenhum site chegou ao verde. 5 setores e 4 cidades do Japão podem não representar outros setores, regiões ou idiomas.
O que isto significa para o site de uma empresa
Os dados estruturados, o llms.txt e o acesso de crawlers continuam a cumprir uma função: permitem que a IA leia as informações de uma empresa (morada, horário de funcionamento, telefone, serviços) de forma direta e correta, em vez de as adivinhar. Vale a pena cumprir essa função, mas é uma função diferente de ser recomendado. Neste estudo, um site mais bem lido não foi um site mais mencionado.
A nossa hipótese de trabalho é que as fontes externas ao site (avaliações e fichas em mapas, meios de comunicação locais, diretórios, outros sites que mencionam a empresa) têm um peso elevado na decisão de uma IA de nomear uma empresa ao responder a uma pergunta de recomendação. Este estudo não mediu essas fontes, pelo que se trata de uma hipótese a testar, não de um resultado.
Na prática: mantenha em ordem o essencial do site, porque isso torna exato o que a IA diz sobre si, e meça se a IA efetivamente o menciona, em vez de o deduzir a partir de uma pontuação de legibilidade.
O nosso conflito de interesses e o que estamos a mudar
A Nurevo desenvolve ferramentas de AEO, e a pontuação aqui testada é um dos nossos produtos. Um resultado segundo o qual a pontuação não prevê a aparição não é o que teríamos escolhido; publicamo-lo porque os critérios foram definidos antes da chegada dos dados e porque os proprietários devem saber o que uma pontuação pode e não pode dizer-lhes.
O que estamos a fazer: não apresentamos a pontuação de legibilidade para IA como um preditor da aparição nas respostas de IA. Em vez disso, medimos a aparição diretamente: o plano Pro mede com que frequência o Perplexity nomeia ou cita um site (beta), e estamos a acrescentar uma pequena verificação mensal de aparição para os sites dos planos Free e Standard. Estamos também a desenvolver uma segunda versão da pontuação que combina a visibilidade em IA medida com os sinais do site, em vez de depender apenas destes.
Os nomes e os sites das empresas medidas não são divulgados.
Perguntas frequentes
Os dados estruturados fazem com que a IA mencione a minha empresa?
Neste estudo de 62 empresas locais no Perplexity, não se encontrou qualquer relação entre os sinais do site, como os dados estruturados, e a frequência com que uma empresa foi mencionada (ρ = 0.03). Os dados estruturados ajudam a IA a ler corretamente as suas informações, mas, por si só, não previram a menção.
O llms.txt ajuda uma empresa a aparecer nas respostas de IA?
Não encontrámos qualquer relação neste estudo: ρ = −0.02 entre a componente llms.txt e a taxa de aparição (p com correção de Holm = 1.000). O estudo foi pequeno e utilizou um único motor, pelo que isto não prova que o llms.txt nunca tenha importância.
Isto significa que o AEO não serve para nada?
Não. O AEO no site torna exato o que a IA diz sobre uma empresa. Este estudo sugere que não é suficiente para ser recomendado e que a menção deve ser medida diretamente, em vez de deduzida a partir de uma pontuação de legibilidade.
Que motor de IA foi medido?
Apenas o Perplexity, através da sua Agent API com o preset "fast", a 24 de outubro de 2026. Os resultados não se transpõem para o ChatGPT, o Gemini, os AI Overviews da Google ou o Copilot.