O que ChatGPT e Perplexity realmente citam para servicos locais

Construi um conjunto de consultas com 60 templates em 12 cidades e 4 oficios de prestadores de servicos: telhado, portas de garagem, pavimentacao e cercas. Os templates cobriam consultas transacionais (best garage door repair Lakeland), consultas informacionais (how much does a new roof cost in Polk County) e consultas comparativas (best roofers in Bartow vs Auburndale). Cada template foi renderizado para cada cidade, produzindo 720 consultas distintas por oficio por semana.

Toda segunda-feira durante 26 semanas, rodei o conjunto completo de consultas pelo ChatGPT, Perplexity, Claude, Google AI Overviews e Gemini. Para cada consulta, registrei as URLs citadas, os nomes dos negocios citados e a formulacao exata da citacao. Os negocios citados foram cruzados com seus dados estruturados, completude do perfil GBP, contagem de avaliacoes, profundidade de conteudo nas paginas citadas e presenca em dominios terceiros confiaveis.

O dataset na semana 26 incluia cerca de 93.000 eventos individuais de citacao. Grande o suficiente para ver padroes. Pequeno o suficiente para eu ler cada URL citada manualmente para os negocios que apareciam com mais frequencia. Os padroes que vou descrever se mantiveram em todos os cinco modelos, com particularidades por modelo que vou apontar quando relevante.

Paginas com blocos de FAQ nomeados e estruturados no topo foram citadas desproporcionalmente. LLMs adoram pares de pergunta e resposta semanticamente limpos, e quanto mais perto esses pares ficam do topo da pagina, mais provavel que sejam citados. Paginas com FAQs no terco inferior foram citadas cerca de um terco das vezes em comparacao com paginas com FAQs no terco superior, mantendo todo o resto constante.

Paginas que incluiam entidades locais especificas pelo nome foram citadas com muito mais frequencia do que paginas genericas de cidade. 'Lakeland' sozinho e fraco. 'Bairro Lake Hollingsworth em Lakeland' e muito mais forte. Marcos nomeados, nomes de bairros, zonas escolares e referencias ao condado se acumularam. Paginas genericas de cidade com template e o nome da cidade trocado eram essencialmente invisiveis.

Negocios com 200 ou mais avaliacoes e uma media sustentada de 4.7 estrelas foram citados numa taxa cerca de 4x maior do que negocios com menos de 100 avaliacoes, mesmo quando o negocio menor ranqueava mais alto no Google classico. LLMs parecem dar muito mais peso a prova social do que o algoritmo do Google Maps, o que e a maior divergencia entre os dois sistemas e o insight mais acionavel de todo este post.

Paginas que continham faixas de preco explicitas, mesmo faixas aproximadas, foram citadas com muito mais frequencia do que paginas que escondiam precos atras de um formulario de contato. Se sua pagina de precos diz 'a partir de $189 para troca de mola padrao,' voce esta dando ao modelo um fato que ele pode citar. Se sua pagina de precos diz 'entre em contato para um orcamento personalizado,' voce nao esta dando nada ao modelo.

Mencoes na Wikipedia e citacoes em dominios confiaveis do nome do negocio potencializaram todo o resto. Um negocio citado uma vez na pagina da Wikipedia da cidade ou no site da camara de comercio local recebeu cerca de 2x mais citacoes de LLMs do que um negocio equivalente sem mencoes em terceiros. Dominios confiaveis funcionam como um tipo de sinal de verdade fundamental.

Paginas programaticas finas de cidade eram essencialmente invisiveis. Vimos dezenas de prestadores de servicos com centenas de paginas de cidade com template que ranqueavam no Google classico mas receberam zero citacoes de LLMs durante todo o teste de 26 semanas. A licao e brutal e simples: SEO programatico funciona para ranqueamento, e nao funciona para citacoes. Os dois sistemas pesam profundidade de conteudo de forma diferente, e LLMs sao muito menos tolerantes com conteudo fino.

Paginas cheias de linguagem de marketing sem fatos foram ignoradas. Frases como 'somos comprometidos com qualidade e excelencia' nao sao citadas porque nao sao citaveis. Nao contem fatos, nem entidades, nem numeros. LLMs sao essencialmente motores de extracao de fatos, e uma pagina sem fatos nao tem nada para extrair.

Negocios que ranqueavam no top 3 do Google Maps mas tinham menos de 50 avaliacoes raramente eram citados. Ranqueamento no Maps e citacao por LLM nao sao o mesmo problema. Um negocio pode dominar o Maps pack e ainda ser invisivel para o ChatGPT se sua base de avaliacoes for fina ou seu conteudo no site for raso.

Sites sem schema LocalBusiness foram citados numa fracao da taxa dos sites com dados estruturados, mesmo quando a qualidade do conteudo era equivalente. Dados estruturados estao fazendo muito trabalho nos bastidores aqui. Se voce so fizer uma coisa tecnica neste trimestre, valide e expanda seu schema LocalBusiness em cada pagina de servico e de cidade.

Paginas longas sem hierarquia clara de headings receberam citacoes parciais ou nenhuma. Uma pagina de 3.000 palavras com tres H2s espalhadas pelo documento inteiro foi citada com muito menos frequencia do que uma pagina de 1.500 palavras com oito H2s limpos e uma estrutura logica. LLMs precisam de ancoras de heading para dividir e citar paginas. De a eles ancoras.

Construi uma metrica interna que chamo de densidade factual: o numero de fatos verificaveis e especificos (numeros, entidades nomeadas, eventos datados) por 100 palavras numa pagina. Paginas acima de uma densidade factual de 5 foram citadas numa taxa cerca de 7x maior do que paginas abaixo de 2. O padrao foi consistente em todos os quatro oficios e todos os cinco LLMs.

Para a Rocket, reescrevemos cada pagina de servico para atingir pelo menos 6 fatos por 100 palavras. Parece alto ate voce realmente contar. Uma frase como 'Substituimos ambas as molas de torcao numa porta dupla em Auburndale em 14 de marco, usando molas de 27.000 ciclos com vida util de 12 anos em uso residencial tipico' contem seis fatos verificaveis em 24 palavras. Quando treinamos a equipe a pensar em fatos, as reescritas ficaram mais faceis do que esperavamos.

As taxas de citacao nos LLMs que rastreamos para a Rocket melhoraram significativamente semanas apos as reescritas de densidade factual entrarem no ar. O ChatGPT comecou a mostrar a Rocket pelo nome em varias consultas do tipo 'best garage door repair Polk County', e o Perplexity comecou a linkar conteudo da Rocket diretamente em respostas sobre portas de garagem locais. A pratica que seguimos agora e perguntar a cada novo cliente como nos encontrou e registrar cada resposta, que e como sabemos que chamadas atribuidas a LLMs sairam de perto de zero para uma fatia pequena mas constante do total de entrada. Ainda nao e um canal majoritario, mas e um canal real, e a curva esta indo na direcao certa todo mes.

O ChatGPT da mais peso a velocidade de avaliacoes e presenca na Wikipedia entre os cinco modelos. Se voce so pode otimizar para um modelo, otimize para o ChatGPT, porque tem a maior base de usuarios e o sinal mais forte de velocidade de avaliacoes.

O Perplexity da mais peso a dados estruturados e precos explicitos do que o ChatGPT. O Perplexity tambem e o mais provavel de linkar diretamente para o site do negocio em vez de um diretorio terceiro, o que o torna o modelo com maior conversao por citacao no nosso rastreamento.

O Claude e o citador mais conservador. Raramente cita negocios locais pelo nome a menos que multiplas fontes confiaveis concordem. Ser citado pelo Claude e o mais dificil dos cinco, mas a validacao mais forte de que sua autoridade e ampla o suficiente para ser incontestavel.

Google AI Overviews se comportam mais como o local pack existente: presenca no Maps e avaliacoes dominam. Otimizacao para AI Overviews e essencialmente a mesma que otimizacao para Maps, com enfase adicional em FAQ schema.

O Gemini e o mais ruidoso e o menos previsivel. Atualmente nao otimizamos para o Gemini especificamente porque os padroes de citacao mudam de semana para semana e a base de usuarios continua sendo a menor. Monitoramos, mas nao perseguimos.

Audite suas 10 principais paginas de servico e cidade para densidade factual. Reescreva qualquer uma abaixo de 4. Mire em 6 ou mais. Use numeros reais, bairros nomeados, exemplos datados e produtos especificos. Cada frase e uma chance de adicionar um fato, e cada fato e uma chance de ser citado.

Adicione blocos de FAQ estruturados na metade superior de cada pagina de servico e cidade. Use perguntas reais de clientes, nao fabricadas. Responda em 2 a 4 frases com entidades locais nomeadas na resposta. O bloco de FAQ deve parecer que foi escrito por alguem que responde essas perguntas todos os dias, porque LLMs sao surpreendentemente bons em detectar incompatibilidades de voz.

Publique faixas de preco. Precos vagos matam citacoes de LLMs. Se voce tem medo de concorrentes verem seus numeros, publique faixas em vez de precos fixos. 'Troca de molas normalmente custa de $180 a $360 em Polk County dependendo do tamanho da porta' e fato suficiente para um LLM citar e insuficiente para um concorrente te subcotando.

Busque velocidade de avaliacoes agressivamente. O limite de 200 avaliacoes nao e metrica de vaidade, e o piso para visibilidade seria em LLMs. Se voce esta com 80 avaliacoes hoje, seu plano de 90 dias deveria ser chegar a 200. Todo trabalho deveria disparar um pedido de avaliacao em ate 24 horas apos a conclusao. Faca follow-up uma vez. Rastreie a taxa de conversao.

Construa schema LocalBusiness completo com area de servico, NAP verificado, lista de servicos e FAQ schema em cada pagina. Esse e trabalho de fundacao tecnica que a maioria dos prestadores de servicos pula. Pular e a forma mais barata de ter performance abaixo do esperado em busca por IA.

Seja citado por dominios confiaveis. Paginas de camara de comercio, noticias locais, diretorios de nicho e paginas de cidade na Wikipedia quando apropriado. Uma citacao confiavel supera dez de baixa qualidade. Pare de perseguir volume e comece a perseguir confianca.

Re-teste suas consultas todo mes. O comportamento de LLMs muda mais rapido que SEO classico. Modelos atualizam, pesos de ranqueamento mudam, padroes de citacao evoluem. Os prestadores de servicos que vencem em busca por IA tratam isso como um alvo movel e checam o placar com frequencia.