Opinião de Rui Patarrana, cofundador da RankPanda – Consultoria em eCommerce SEO
A nova era da pesquisa já começou, e quem compreender como o ChatGPT interpreta, classifica e prioriza conteúdo terá uma vantagem estratégica inigualável em SEO.
Como funciona realmente a pesquisa no ChatGPT?
Para conquistar visibilidade no ChatGPT, é essencial compreender como este modelo “pensa” e, sobretudo, como decide o que mostrar.
Ao contrário do que muitos imaginam, o ChatGPT não “inventa” respostas do nada. Por trás de cada sugestão apresentada, existe uma sequência lógica altamente estruturada, registada num ficheiro JSON. Esse ficheiro permite visualizar, passo a passo, como o LLM (Large Language Model) processa cada pergunta.
Tudo começou com uma imagem partilhada na plataforma X (anteriormente conhecida como Twitter), onde se expunha esse rasto invisível de raciocínio. A partir de um simples ID de conversa e através das ferramentas de inspeção do browser, é possível aceder ao JSON completo com toda a lógica que sustentou a resposta gerada.
O que revela o JSON sobre a forma como o ChatGPT pensa?
A análise deste ficheiro não é um mero exercício técnico: é uma entrada directa para o modelo de inferência que sustenta o ChatGPT. É lá que se torna claro que intenção, contexto e metadados pesam mais do que palavras-chave isoladas.
Por exemplo, numa interação com uma pergunta simples — “Qual a melhor farinha para fazer massa mãe?” — o modelo inferiu o nível de conhecimento do utilizador (iniciante), o foco temático (culinária) e até a localização implícita (Lisboa), sem que esta tivesse sido explicitada inicialmente.
Através de prompts adequados, é possível extrair do JSON os campos mais relevantes:
- Termos de pesquisa utilizados pelo modelo;
- Metadados dos resultados (URLs, títulos, snippets, data);
- Excertos das páginas (1-2 parágrafos);
- Estrutura do search_result_group, que evidencia dependência da SERP do Bing.
Esta análise confirma um ponto crítico: quanto melhor estiver uma entidade posicionada no Bing, maior é a probabilidade de surgir no ChatGPT com browsing ativo.
Outro dado revelador: o modelo processa várias fontes, para além daquelas que mostra no output. Lê e avalia conteúdo renderizado, com um limite médio de 300 a 500 tokens por URL. Isto significa que há um critério de seleção implícito que pode ser influenciado estrategicamente.
Como é que os LLMs geram as suas respostas (…e porque isso importa para o SEO)
Responder a uma pergunta é apenas a superfície do processo. Por baixo, existem camadas de treino, inferência e decisão estatística que os profissionais de SEO têm condições de influenciar.
Treino (pré-treino + fine-tuning)
O pré-treino consiste na absorção de grandes volumes de texto da internet para identificar padrões de linguagem. Já o fine-tuning ajusta o comportamento do modelo, definindo como deve responder segundo critérios de veracidade, segurança e alinhamento editorial.
A famosa mensagem “o meu conhecimento vai até Junho de 2024” é precisamente um reflexo desse corte no processo de treino.
Inferência (quando o utilizador faz uma pergunta)
Na fase de inferência, o modelo não consulta apenas o que já sabe. Pode ativar ferramentas externas, como pesquisa na web (via Bing), cálculo ou acesso a bases de dados.
Se for esse o caso, o ficheiro JSON revela esse comportamento. E aqui surge uma janela crítica para o SEO: se o modelo recorre à web, o conteúdo de um site pode ser efetivamente analisado e usado na resposta final.
Como transformar o JSON numa vantagem competitiva em SEO
O desafio não está em ler o ficheiro. Está em compreender onde ocorrem as decisões do modelo, e como essas decisões podem ser influenciadas.
Este ficheiro JSON funciona como um mapa da mente algorítmica do ChatGPT. Mas como qualquer mapa, só é útil se soubermos o que procurar:
- Quais os elementos semânticos que surgem recorrentemente?
- Que critérios levaram o modelo a selecionar determinada fonte?
- Os termos de pesquisa usados alinham com a nossa estratégia de keywords?
- Que tipo de páginas aparecem: blogs, páginas de produto ou serviço, coleções, institucionais?
- Quais os campos HTML valorizados (meta titles, headings, body)?
Estas perguntas abrem caminho para uma análise macro dos URLs analisados, revelando padrões de estrutura, schemas, atualização e autoridade reconhecida pelo modelo.
A análise das fun out queries é também vital, pois permite compreender que tipo de palavras-chave e entidades o modelo relaciona com o tópico original… e se essa relação ocorre em inglês ou em português, pois isso impacta diretamente a estratégia de internacionalização.
Por fim, o JSON revela prioridades subtis: expertise, antiguidade, reputação e marcadores linguísticos que pesam na decisão final. Tudo está lá, basta saber ler com os olhos certos.
Tomei a liberdade de analisar com super detalhe todo o ficheiro JSON e dissecar ao máximo este tópico durante o último episódio do meu podcast…
🎙️ SEO WARS PODCAST #03 — Como aparecer no ChatGPT em 2025
Contudo é importante referir um elemento, compreender o JSON é apenas o ponto de partida. A verdadeira vantagem está em conseguir redesenhar conteúdo, estrutura e estratégia editorial para encaixar, de forma natural, no raciocínio do modelo.
Não existem atalhos. Mas também já não há desculpas.
