A forma como as pessoas pesquisam produtos e serviços está mudando de maneira acelerada, e as empresas que ainda tratam o SEO como a estratégia central de descoberta começam a enfrentar uma realidade incômoda: parte do tráfego que antes chegava pelo Google agora começa dentro de uma conversa com uma inteligência artificial.
Na roundtable "LLM-Friendly: Lições Reais de Quem Já Está Investindo em Buscas por IA", realizada durante o CMO Summit 2026, Adriano Meirinho, CMO da Celcoin, Thaís Souza Nicolau, Diretora de Marketing do Nomad, e Larissa Sanches, Executiva Sênior de Marketing da Pluxee, compartilharam os dados, experimentos e aprendizados de quem já está adaptando as operações ao novo comportamento.
A conversa, mediada por Rafael Rez, fundador da Web Estratégica, parte de uma premissa que nasce destes dados e aprendizados: os modelos de linguagem deixaram de ser curiosidade tecnológica e agora funcionam como o ponto de entrada da jornada de compra. A questão é como estruturar uma estratégia de conteúdo e autoridade capaz de responder a este fenômeno.
Uma métrica incipiente
Os números da Pluxee ajudam a dimensionar a velocidade da mudança. Nos últimos três anos, a empresa registrou um crescimento de 700% no volume de leads qualificados originados de modelos de linguagem, principalmente o ChatGPT. O dado, porém, vem acompanhado de uma ressalva importante: esse tráfego ainda representa cerca de 1% do volume total de aquisição da empresa.
"Nós notamos esse crescimento exponencial. Ainda é incipiente dentro do nosso volume total, em torno de 1%, mas já está crescendo de forma muito rápida. Isso levantou o alerta sobre como garantir boa visibilidade orgânica nesses canais", disse Larissa Sanches.
A Nomad chegou a uma percepção semelhante por um caminho diferente. O SEO sempre foi uma alavanca relevante para a fintech, chegando a representar 10% das novas contas abertas mensalmente. A partir do segundo semestre de 2024, a empresa observou uma queda simultânea de tráfego no blog e no site, causada tanto pelas mudanças nos algoritmos do Google quanto pelo deslocamento de parte das buscas para os modelos de linguagem. A discrepância forçou uma revisão completa da estratégia de conteúdo.
"Antes, pensávamos muito em palavras-chave e em ranqueamento. Hoje, também olhamos muito para quais soluções podemos entregar ao cliente, quais são as ferramentas e as dicas que ele não encontrará em outro lugar", afirmou Thaís Souza Nicolau.
A busca mudou de forma, não de função
Uma das distinções mais importantes que emerge do debate é a diferença entre o comportamento de quem busca no Google e o de quem consulta uma inteligência artificial. No modelo tradicional, o usuário digita uma palavra-chave e navega por resultados. No modelo baseado em LLMs, ele descreve um problema e aguarda uma recomendação. A mudança de forma é pequena, mas a mudança de intenção é significativa.
A Celcoin observou isso diretamente nas consultas relacionadas ao seu mercado. Enquanto no Google os usuários buscavam termos como "Bank as a Service" ou "Bank as a Service e pagamento de contas", nas LLMs as perguntas chegavam com mais contexto: qual é a melhor plataforma de Banking as a Service no Brasil, ou qual a diferença entre determinadas soluções.
“Há uma diferença de contexto. No Google, os usuários normalmente pesquisam termos mais objetivos, como ‘Bank as a Service’. Já nas plataformas baseadas em IA, as consultas tendem a ser mais elaboradas e contextualizadas. Em vez de buscar apenas um termo, os usuários fazem perguntas como ‘qual é a melhor plataforma de Banking as a Service no Brasil?’. Pensamos nessas diferenças ao produzir conteúdo, pontua Adriano Meirinho.
Rafael Rez nomeia esse padrão como um template de comportamento: em vez de uma busca por palavras-chave, o usuário faz uma consulta por problema e solução. A implicação prática para as marcas é direta. “Se o modelo de linguagem responde a perguntas sobre qual é a melhor solução para determinada necessidade, a marca que não aparece nessa resposta simplesmente não existe para aquele usuário naquele momento”, explica.
O que funciona na prática
O ponto de convergência entre as três empresas é a combinação entre ajustes técnicos nos ativos digitais existentes, produção de conteúdo orientado a perguntas e soluções, e construção de autoridade por meio de menções externas. A Pluxee estruturou o processo em etapas. A primeira foi identificar as principais fontes que os modelos de linguagem utilizam para se alimentar.
O mapeamento apontou sites institucionais, Wikipedia e Reddit como os canais mais relevantes. Assim, a empresa passou a atuar de forma mais consistente na Wikipedia e iniciou experimentos no Reddit, ainda que com resultados iniciais mistos. Em paralelo, integrou as equipes de conteúdo e de relações públicas, com o objetivo de garantir que os releases e materiais institucionais também fossem otimizados para leitura por algoritmos.
O segundo ato da Pluxee foi selecionar os 20 prompts mais relevantes para o negócio, com base nos dados do CRM, e trabalhar para que a empresa aparecesse em primeiro lugar nas citações desses prompts em um prazo de três meses. A meta foi atingida.
"Fizemos todo um trabalho de housekeeping no nosso blog, no site, na Wikipedia. Garantimos a parte semântica e técnica, a autoridade, e a organização dos conteúdos em formato de tabela, perguntas e respostas e FAQ, para facilitar a leitura pelos modelos", afirma Larissa.
A Nomad apostou em três frentes simultâneas. A primeira foi ampliar a presença em PR especificamente na vertical de viagens internacionais, área onde a marca tinha menos cobertura espontânea do que na vertical de investimentos. A segunda foi reforçar o canal no YouTube, que conta com 1,3 milhão de inscritos e sempre funcionou como fonte educacional sobre investimentos no exterior, expandindo-o para conteúdos de roteiros e experiências de viagem produzidos em parceria com influenciadores.
A terceira foi tratar o conteúdo como ecossistema integrado, e não como conjunto de páginas otimizadas para palavras-chave. "Quando começamos a olhar para o conteúdo como um ecossistema de fato, conseguimos estancar as quedas de tráfego que estávamos sofrendo", afirmou Thaís Souza Nicolau.
Rez destaca a importância estratégica da aposta da Nomad em relações públicas e em criadores de conteúdo externos. Se o comportamento dominante nas LLMs é a busca pela melhor solução para um problema, a marca que acumula mais menções positivas de terceiros tem vantagem objetiva sobre a que depende apenas da autopublicação.
"Não é a marca dizendo que o produto é bom, são os outros dizendo que é bom. Esse trabalho de PR, de fazer os outros falarem bem de você, tem um impacto direto na forma como as LLMs respondem sobre a marca", disse o mediador.
Conversão melhor, atribuição mais difícil
Os dados de conversão apresentados no painel sugerem que o usuário que chega por meio de uma LLM está em um estágio mais avançado de decisão do que o usuário originado pelo SEO tradicional.
A Pluxee observou que a taxa de conversão de lead para o cliente vindo de ChatGPT é pelo menos 50% maior do que a originada por SEO orgânico – a melhor fonte de conversão que a empresa tinha anteriormente. "O cliente chega mais quente, mais pronto e mais informado. O processo de venda é mais eficiente quando ele chega ao fundo do funil", disse Sanches.
A Nomad registrou um evento semelhante: mesmo com queda de tráfego absoluto, a taxa de conversão para abertura de conta melhorou nos últimos meses. A hipótese é que o conteúdo mais orientado a soluções e menos dependente de palavras-chave atrai um usuário com intenção mais definida.
O lado oposto dessa equação é a dificuldade crescente de atribuição. Não existe API, analytics ou ferramenta capaz de monitorar o que o usuário conversa dentro de uma LLM antes de tomar uma decisão de compra. As ferramentas de prompt research disponíveis no mercado, como Profound, Peak AI e SEMrush, trabalham com processos de inferência baseados em dados de buscas tradicionais e amostragens, e não com leitura direta das conversas.
A consequência prática é que parte do impacto das LLMs sobre o comportamento do consumidor vai aparecer disfarçada em outras métricas. Um usuário que pesquisou em duas IAs diferentes antes de decidir pode chegar à empresa via tráfego direto, busca orgânica por marca ou clique em mídia paga, sem que nenhum desses canais registre a influência real da LLM na decisão. "A atribuição é um direcional, mas nunca vai dizer exatamente o que está acontecendo", finaliza Thaís Souza Nicolau.
Leia também: Como líderes do B2B estão repensando marca, dados e relacionamento
COMPARTILHAR ESSE POST
