Faça um teste agora.
Pergunte ao Google (Veja aba de resposta por IA), ChatGPT ou ao Perplexity uma dúvida que seu cliente teria antes de fechar com você.
Preço, prazo, integração, requisito técnico, comparação de abordagem, se sua empresa é confiável.
Leia a resposta e veja quem foi citado como fonte.
Eu fiz para o meu caso, pesquisando numa aba privada:
Quem é Israel Degasperi?
Israel Degasperi é confiável?
Resolvi perguntar também sobre alguns dos meus produtos.
O que é o Radar de Growth?
O que são Growth Sessions? Uma pergunta bem mais genérica. Mas ainda em aba privada.
Se a resposta a sua pesquisa, veio de um concorrente, de um marketplace ou de um fórum, o problema não é falta de conteúdo.
Sua empresa provavelmente já respondeu essa pergunta em algum lugar. Numa página de vendas, num PDF comercial, numa conversa de pré-venda que nunca virou texto público.
O ponto é outro.
A resposta existe, mas não existe num formato que um motor de IAs generativas consiga recuperar e citar.
E o FAQ, aquela seção que a maioria trata como acessório de rodapé, virou uma das unidades de conteúdo mais recuperáveis do AI Search.
Só que quase nenhuma FAQ B2B foi escrita para isso.
O diagnóstico errado: tratar FAQ como página de suporte
Na maioria das operações que analiso, o FAQ nasceu com um de dois propósitos.
Reduzir chamados de suporte ou preencher um bloco no final da landing page porque o template pedia.
O resultado é previsível.
Perguntas escritas do ponto de vista da empresa, não do comprador.
“Como funciona nosso onboarding?”
em vez de
“quanto tempo leva para implementar”
Respostas de duas linhas que remetem para “fale com nosso time”.
Uma página única com trinta perguntas misturando preço, suporte técnico e política de privacidade.
Tem também o outro extremo.
O time de SEO descobriu o schema FAQPage anos atrás, marcou tudo em dados estruturados e considerou o trabalho feito.
A marcação existe, mas o conteúdo dentro dela é raso demais para sustentar uma resposta.
Nos dois casos, o raciocínio implícito é o mesmo: FAQ é conteúdo de segunda classe. O conteúdo “de verdade” está no blog, no pitch, na página de produto.
Esse raciocínio fazia algum sentido quando o destino final era um humano navegando.
Deixou de fazer quando o primeiro leitor do seu site passou a ser um modelo de linguagem montando uma resposta para alguém que talvez nunca clique.
Como a IA escolhe qual FAQ citar
Para entender por que sua FAQ é ignorada, ajuda saber como esses sistemas trabalham.
O comportamento prático é este: diante de uma pergunta, o motor busca trechos de conteúdo que respondam aquela pergunta de forma direta, sem depender do resto da página.
Depois compõe a resposta citando as fontes que usou.
A palavra importante é trecho.
O modelo não lê sua página inteira como um humano leria.
Ele recupera blocos.
E um par de pergunta e resposta bem construído é o bloco perfeito: a pergunta espelha a consulta do usuário, a resposta resolve sozinha.
É por isso que FAQs bem estruturadas aparecem com frequência desproporcional em respostas de AI Overviews, ChatGPT com navegação e Perplexity.
Não porque a IA “gosta” de FAQ.
Porque o formato coincide com a unidade de recuperação que esses sistemas usam.
Escrevi no artigo sobre análise de visibilidade em AI Search para B2B que a decisão do comprador começa antes do clique.
O FAQ é um dos lugares onde essa decisão é alimentada.
Quando alguém pergunta ao ChatGPT “qual a diferença entre a abordagem X e a abordagem Y”, a resposta que o modelo monta vem de quem estruturou essa comparação em formato recuperável.
Se esse alguém foi seu concorrente, ele está participando da decisão. Você não.
5 Sinais para identificar se sua FAQ é invisível para a IA
Alguns sinais aparecem com consistência nos projetos em que faço auditoria de presença em AI Search.
Primeiro sinal
As perguntas da sua FAQ não são as perguntas que o cliente faz.
Compare o texto das perguntas com o que aparece nas transcrições de pré-venda ou nos e-mails de prospects. Se o vocabulário não bate, o modelo não conecta a consulta do usuário ao seu conteúdo.
Segundo Sinal
As respostas não se sustentam sozinhas. Se a resposta só faz sentido para quem leu a página inteira, ou termina em “entre em contato para saber mais”, ela não serve como fragmento citável.
O modelo precisa de respostas que resolvem.
Terceiro Sinal
Tudo está numa página só. Uma FAQ genérica com dezenas de perguntas sobre temas diferentes dilui o sinal temático. O motor tem dificuldade de entender do que aquela página trata.
Quarto Sinal
A resposta que a IA dá sobre sua empresa contradiz o que sua FAQ afirma. Isso indica que o modelo está montando a resposta a partir de outras fontes, porque a sua não foi recuperada ou não foi considerada confiável.
Quinto Sinal
Sua FAQ é renderizada em JavaScript, escondida em acordeões que não existem no HTML, ou nem marcada com dados estruturados.
O conteúdo pode até estar lá.
Para o crawler de um motor de IA, não está.
Teste isso abrindo sua página com o JavaScript desabilitado no navegador. Se a FAQ some, o conteúdo não existe para o crawler.
E se não existe para o crawler, não existe para a resposta que o modelo vai montar.
Abaixo algumas perguntas que meu FAQ possui.
O que fazer: a estrutura de FAQ que a IA consegue citar
Não existe truque aqui.
Existe critério.
E o primeiro movimento é editorial: trocar a origem das perguntas.
As perguntas certas não saem de um brainstorm de marketing.
Saem das transcrições de vendas, dos e-mails de objeção, das dúvidas que travam negócio.
Em projetos onde isso foi feito, o exercício de listar as vinte perguntas mais frequentes da pré-venda já muda a FAQ inteira, porque as perguntas reais quase nunca são as que estavam na página.
Um critério que ajuda a priorizar: comece pelas perguntas de fundo de funil.
Preço, prazo, integração, comparação com alternativas, requisitos técnicos.
São essas que o comprador faz ao ChatGPT quando está entre duas opções.
Se sua FAQ responde essas perguntas com clareza e o concorrente não responde, o modelo cita você.
Se os dois respondem, cita quem estruturou melhor.
Se nenhum dos dois responde, o modelo monta a resposta com o que encontrar em fóruns, portais e marketplaces.
Nenhuma dessas fontes fala a favor da sua empresa.
Com as perguntas certas, a estrutura da resposta segue uma lógica simples.
A primeira frase responde a pergunta de forma completa.
As seguintes qualificam e apontam exceções.
Quem lê só a primeira frase sai com a resposta. Isso vale para o humano apressado e vale para o modelo que vai recortar exatamente aquele trecho.
Na prática, a diferença entre uma resposta que o modelo ignora e uma que ele cita costuma estar nessa primeira frase.
Exemplo:
Uma empresa B2B de tecnologia tinha no FAQ a seguinte resposta para “quanto tempo leva a implementação”:
“Depende do escopo do projeto. Entre em contato com nosso time comercial para um diagnóstico personalizado.”
Duas frases que não resolvem nada.
Quando reescrevemos para “A implementação padrão leva de 4 a 6 semanas, incluindo integração com CRM e treinamento do time. Projetos com customização de API podem levar até 10 semanas, dependendo do volume de endpoints”, a resposta passou a ser citada.
A primeira frase resolve. As seguintes qualificam.
O modelo consegue recortar o bloco e usá-lo.
Outro ponto que parece óbvio mas quase ninguém faz: testar.
Depois de reescrever as respostas, faça as mesmas perguntas ao ChatGPT, ao Perplexity e ao Google com AI Overviews.
Anote quem foi citado.
Espere o recrawl (geralmente duas a quatro semanas para páginas já indexadas) e teste de novo.
Sem esse ciclo de verificação, você não sabe se a reescrita funcionou ou se a estrutura do HTML ainda está bloqueando a recuperação.
Sobre a distribuição, o padrão que funciona é FAQ contextual em vez de FAQ central.
Cada página de produto ou serviço carrega as perguntas daquele tema, cinco a oito pares bem escritos, marcados com schema FAQPage.
A página genérica de ajuda pode continuar existindo, mas ela não é o ativo de AI Search.
A marcação em dados estruturados continua importando, com uma ressalva: schema sem conteúdo denso é embalagem vazia.
A ordem certa é resposta forte primeiro, marcação depois.
E o conteúdo precisa estar no HTML renderizado, não atrás de um clique.
Por fim, coerência entre fontes.
O que sua FAQ afirma precisa bater com o que está no seu llms.txt, no LinkedIn, nas páginas institucionais.
Motores generativos cruzam fontes.
Se o prazo de implementação que está na FAQ contradiz o que aparece na página de serviço, o modelo perde confiança nas duas versões e busca a informação em outro lugar.
O padrão que aparece nos projetos
Um caso recente ilustra o ciclo completo.
Empresa B2B de serviços, ticket alto, ciclo de venda de dois a três meses.
A FAQ do site tinha doze perguntas institucionais, todas escritas pelo time interno, nenhuma marcada com dados estruturados.
No teste de presença, as perguntas típicas de fundo de funil do segmento eram respondidas pelo ChatGPT e pelo AI Overviews citando dois concorrentes e um portal de conteúdo.
A empresa não aparecia nem quando a pergunta mencionava a categoria exata do serviço dela.
O trabalho foi menos glamouroso do que parece.
Levantamento das perguntas reais com o time comercial.
Reescrita das respostas no formato de primeira frase resolutiva.
Distribuição das FAQs nas páginas de serviço correspondentes, marcação com FAQPage, conferência de renderização.
Um detalhe que parecia menor fez diferença: três das respostas originais começavam com “Depende”.
O modelo ignorava todas.
Quando a primeira frase passou a entregar o dado concreto e a qualificação ficou para a segunda, essas respostas começaram a aparecer nas citações.
O “Depende” é honesto.
Mas para um sistema que precisa recortar um trecho autocontido, uma frase que começa sem resolver não serve como bloco de recuperação.
Oito semanas depois, nas rodadas de teste seguintes, a empresa passou a ser citada em parte das consultas de comparação e de requisito do segmento.
Não em todas.
AI Search não tem garantia de posição, tem probabilidade de recuperação.
O que dá para controlar é o quanto o seu conteúdo é recuperável.
E antes do trabalho, essa probabilidade era zero.
O detalhe mais revelador: as perguntas que mais geraram citação eram as que o time comercial respondia todos os dias por e-mail.
O conteúdo mais valioso da empresa estava preso na caixa de saída de três vendedores.
Quantas respostas que fecham negócio estão presas na sua?
A propósito, essa mesma pergunta se aplica ao restante da operação.
Visibilidade em AI Search é uma camada.
Se o que chega da aquisição não avança no CRM e no pipeline, ser citado pela IA só antecipa a frustração.
