O que é Generative Engine Optimization? Tudo sobre a nova sigla do marketing!

Resposta direta: Generative Engine Optimization, ou GEO, é a disciplina de otimizar a presença digital de uma marca para que ela seja compreendida, recuperada e citada pelas inteligências artificiais generativas, como ChatGPT, Gemini, Perplexity, Claude, Copilot e os AI Overviews do Google. Enquanto o SEO tradicional busca posicionar páginas em uma lista de links, o GEO busca colocar a marca dentro da resposta que a IA entrega pronta ao usuário. O termo nasceu em um estudo acadêmico de Princeton publicado em 2023 e apresentado no KDD 2024, que demonstrou ganhos de visibilidade de até 40% com as técnicas certas. Em 2026, cerca de 4 em cada 10 empresas já praticam GEO, segundo a pesquisa de CMOs da Universidade Duke.

Isso é o resumo. Agora vem o guia completo, do zero ao avançado.

Por que essa sigla apareceu na sua frente

Toda década do marketing digital tem a sua sigla inescapável. Nos anos 2000 foi SEO. Nos 2010 foi growth. Agora é GEO.

E não é modismo de LinkedIn. É resposta a uma mudança mensurável de comportamento.

As pessoas pararam de apenas buscar. Começaram a perguntar. E quem responde não é mais uma lista de dez links azuis. É um parágrafo redigido por uma inteligência artificial, que escolhe sozinha quais marcas mencionar, quais fontes citar e quais nomes simplesmente ignorar.

Quando alguém pergunta ao ChatGPT qual o melhor CRM para uma pequena empresa, a resposta vem pronta. Com nomes. Com comparações. Com recomendações. Não existe página 2. Não existe posição 7. Existe quem foi citado e quem não existe.

O GEO é a disciplina que nasceu para vencer esse novo jogo. Este guia explica tudo: o que a sigla significa, de onde veio, como as máquinas decidem quem citar, o que funciona segundo a ciência, o que destrói sua visibilidade, como medir, como começar e para onde isso tudo caminha.

Prepare o café. Vamos do começo.

A definição completa, termo por termo

Vale abrir a sigla, porque cada palavra carrega uma decisão de conceito.

Generative se refere às IAs generativas, sistemas capazes de produzir texto novo em vez de apenas recuperar documentos existentes. É o que separa o ChatGPT de um buscador clássico: um redige a resposta, o outro aponta onde ela pode estar.

Engine indica que estamos falando de motores de resposta, e não de um único produto. O universo inclui chatbots como ChatGPT, Gemini, Claude e Grok, motores de busca com síntese como Perplexity, e as camadas de IA dentro da busca tradicional, como AI Overviews e AI Mode do Google, além do Copilot da Microsoft.

Optimization conecta a disciplina à tradição do marketing de busca. Assim como o SEO otimiza para algoritmos de ranking, o GEO otimiza para os mecanismos de recuperação, síntese e citação dos modelos de linguagem.

Juntando tudo em uma definição de trabalho: GEO é o conjunto de estratégias técnicas, de conteúdo e de autoridade que aumentam a probabilidade de uma marca ser corretamente representada e ativamente citada nas respostas geradas por inteligências artificiais.

Repare em um detalhe da definição: "corretamente representada" vem antes de "citada". Aparecer descrito de forma errada, desatualizada ou negativa pode ser pior do que não aparecer. O GEO cuida das duas coisas: presença e precisão.

De onde veio o termo: a origem acadêmica que pouca gente conhece

Diferente de muitas siglas de marketing, que nascem em post de blog e viram consenso por repetição, o GEO tem certidão de nascimento científica.

O termo foi cunhado por pesquisadores de Princeton, Georgia Tech e institutos parceiros no artigo intitulado justamente GEO: Generative Engine Optimization, divulgado no fim de 2023 e apresentado formalmente no KDD 2024, uma das principais conferências de mineração de dados do mundo. A equipe liderada por Pranjal Aggarwal fez uma pergunta simples e poderosa: é possível otimizar um conteúdo para aumentar a chance de ele ser citado por um motor generativo?

Para responder, os pesquisadores construíram um simulador de motor de resposta em duas etapas, recuperação de fontes e síntese com citações, e testaram nove métodos de otimização sobre milhares de consultas. O resultado fundou a disciplina: as técnicas certas elevaram a visibilidade das páginas nas respostas em até 40%.

E o achado mais provocador do estudo ganhou nome próprio: o efeito equalizador. Páginas mal posicionadas na busca tradicional ganharam proporcionalmente mais visibilidade com as otimizações do que as páginas do topo. Em outras palavras, o novo jogo redistribui as cartas. Quem perdia no ranking pode vencer na citação.

Existe inclusive validação do fenômeno em português. Em 2026, uma replicação sistemática do experimento de Princeton foi publicada no Brasil, com 200 consultas reais em finanças, saúde e turismo, 6.000 execuções experimentais, DOI registrado e dataset aberto. Os resultados confirmaram o padrão original no nosso idioma, com números que veremos em detalhe mais adiante. O ponto por ora é este: GEO não é achismo de consultor. É disciplina com base experimental replicada.

Os dados que explicam a urgência

Uma sigla nova só merece a sua atenção se o comportamento por trás dela for real. É. E os números são difíceis de ignorar.

Comece pela busca tradicional. Nos primeiros meses de 2026, cerca de 68% das pesquisas no Google terminaram sem nenhum clique, segundo dados compilados pelo Search Engine Land. Os AI Overviews já aparecem em quase metade dos resultados monitorados, e estudos da Ahrefs com centenas de milhares de palavras-chave mostram que, quando o bloco de IA está presente, a taxa de cliques da primeira posição orgânica despenca mais de 50%.

Agora olhe para o B2B. A pesquisa anual da Forrester com 18 mil compradores globais, publicada no início de 2026, registrou um marco histórico: a IA generativa superou sites de fornecedores, especialistas de produto e contato com vendas como fonte de informação mais relevante para decisões de compra. Pesquisas complementares mostram que mais de 90% dos compradores B2B usam IA em alguma etapa do processo e que a lista de fornecedores finalistas, o famoso shortlist, já nasce dentro da conversa com o chatbot.

No consumo, o padrão se repete. Consultas de compra estão entre os usos mais populares da IA generativa, e cerca de metade dos consumidores já pesquisa produtos e serviços conversando com modelos de linguagem.

E o efeito no caixa das empresas apareceu rápido. Companhias B2B relatam quedas de tráfego de 10% a 40% em um ano, conforme a pesquisa migra dos sites para os motores de resposta. Ao mesmo tempo, o tráfego que ainda chega dessas plataformas converte de forma surpreendente: a busca com IA registra as maiores taxas de conversão do Brasil, com mediana de 7,80% segundo o Panorama PRO da Leadster. Menos volume, mais decisão.

Feche com a projeção de futuro. O Gartner estima que, até 2028, 90% das compras B2B serão intermediadas por agentes de IA, que vão pesquisar, comparar e montar shortlists de forma autônoma. E a adoção do outro lado do balcão acompanha: a pesquisa de CMOs da Universidade Duke, na sua 35ª edição, encontrou o GEO em uso em 4 de cada 10 empresas, uma categoria que nem existia no questionário até pouco tempo atrás.

Resumo da ópera: a atenção mudou de interface, o dinheiro está seguindo a atenção, e a disciplina que organiza essa disputa tem nome. Agora vamos entender como ela funciona por dentro.

Como um motor generativo decide quem citar

Para otimizar para uma máquina, é preciso entender como ela pensa. Um motor generativo constrói respostas por dois caminhos, e cada um pede um trabalho diferente.

Caminho 1: o conhecimento treinado

Modelos de linguagem aprendem durante o treinamento, consumindo volumes gigantescos de texto da web, de livros, de enciclopédias e de bases de dados. Nesse processo, eles formam associações entre entidades: marcas, pessoas, produtos, categorias, atributos.

Quando você pergunta algo e o modelo responde de memória, ele está consultando esse consenso aprendido. Se a sua marca aparece de forma consistente, em múltiplas fontes confiáveis, associada à sua categoria e aos seus diferenciais, o modelo aprende isso. Se a sua marca é invisível ou inconsistente nas fontes, o modelo simplesmente não tem o que dizer sobre ela.

O trabalho de GEO aqui é de longo prazo: construir um rastro de menções coerente nas fontes que alimentam os treinamentos, de veículos de imprensa a diretórios do setor, de sites de review a bases estruturadas como a Wikidata.

Caminho 2: a busca em tempo real

O segundo caminho é o RAG, sigla para geração aumentada por recuperação. Antes de responder, o sistema faz buscas na web, seleciona um conjunto de fontes, extrai os trechos relevantes e sintetiza a resposta citando de onde tirou cada informação. É assim que funcionam o Perplexity, os AI Overviews, o AI Mode e os modos de busca do ChatGPT e do Gemini.

Aqui o jogo tem duas etapas, e você precisa vencer as duas. Primeiro, a sua página precisa ser recuperada, o que depende da velha base de SEO: rastreabilidade, indexação e relevância. Depois, o seu trecho precisa ser escolhido para compor a resposta, o que depende de fatores novos: clareza, autocontenção, dados verificáveis e autoridade percebida da fonte.

Uma técnica específica merece menção, porque muda a estratégia de conteúdo: o query fan-out, usado pelo AI Mode do Google. Ao receber uma pergunta complexa, o sistema a quebra em várias subconsultas simultâneas e sintetiza tudo em uma resposta única. Quem cobre um tema em profundidade, com todos os subtópicos e entidades adjacentes, tem chance de ser fonte em várias dessas buscas paralelas ao mesmo tempo.

O que os dois caminhos têm em comum

Nos dois, a moeda é a mesma: consenso verificável. Modelos de linguagem não têm um PageRank para ser manipulado. Eles operam sobre padrões de menção, consistência de informação e confiabilidade de fonte. Essa característica tem uma consequência estratégica enorme, e ela merece a próxima seção.

GEO vs SEO: o que muda de verdade

A comparação mais honesta não é "GEO substitui SEO". É "GEO se apoia no SEO e muda o objetivo final". Vamos aos contrastes, um por um.

O resultado disputado. No SEO, você disputa uma posição em uma lista. No GEO, você disputa uma menção dentro de um texto. A lista tem dez vagas visíveis. A resposta costuma citar duas, três, cinco fontes. O funil de visibilidade ficou mais estreito e mais valioso.

A unidade de otimização. No SEO, a unidade é a página. No GEO, a unidade é o trecho e a entidade. A IA não recomenda URLs, recomenda marcas e extrai parágrafos. Cada seção do seu conteúdo precisa funcionar sozinha, e a sua marca precisa existir como entidade clara na cabeça do modelo.

A métrica de sucesso. No SEO, posição média, cliques e tráfego. No GEO, taxa de citação, share of voice em IA, sentimento das menções e tráfego de referência vindo de assistentes. O clique não morreu, mas deixou de contar a história inteira.

O mecanismo de confiança. O SEO clássico foi construído sobre links: cada link é um voto. O GEO é construído sobre menções e consenso: cada citação consistente em fonte confiável ensina o modelo sobre quem você é. Links continuam importando, porque sustentam a autoridade das fontes, mas a moeda primária mudou.

A tolerância a atalhos. Aqui está talvez a diferença mais importante. O SEO conviveu décadas com táticas black hat que funcionavam até a atualização seguinte. No GEO, os atalhos clássicos já nascem mortos. O estudo de replicação brasileiro mediu isso diretamente: keyword stuffing, a tática manipulativa mais tradicional do SEO, derrubou a visibilidade nas respostas de IA em 25,2%. Não existe black hat escalável para IA generativa. Existe marca construída, ou não existe citação.

O que não muda. A fundação técnica. Nenhuma IA cita o que não consegue rastrear, renderizar e entender. Crawl, indexação, performance, arquitetura de informação e dados estruturados continuam sendo o pré-requisito invisível de tudo. Quem abandonar o SEO técnico em nome do GEO vai descobrir que serrou o galho em que estava sentado.

A sopa de siglas: GEO, AEO, LLMO, AIO e afins

O mercado adora multiplicar siglas, e vale meio minuto para organizar a prateleira.

AEO, de Answer Engine Optimization, é o termo mais antigo do grupo, nascido na era dos featured snippets e assistentes de voz. Foca em estruturar conteúdo para responder perguntas diretamente.

LLMO, de Large Language Model Optimization, e AIO, de AI Optimization, são variações que enfatizam a otimização para os modelos em si.

GEO é o termo que venceu a disputa, por dois motivos práticos: tem a origem acadêmica mais sólida, no estudo de Princeton, e foi o que o mercado adotou em pesquisas, ferramentas e orçamentos. A pesquisa de CMOs da Duke, por exemplo, mede a adoção usando exatamente essa sigla.

Na prática do dia a dia, os termos se sobrepõem quase por completo. Se um fornecedor usa AEO e outro usa GEO, olhe para o escopo do serviço, não para a sigla. Neste guia, e no consenso atual do mercado, GEO é o guarda-chuva.

O que funciona: as técnicas com evidência experimental

Chegamos ao coração do guia. O que, comprovadamente, aumenta a chance de citação? A resposta vem dos experimentos, o original de Princeton e a replicação brasileira em português, que testou os nove métodos do estudo com 6.000 execuções. Três técnicas se destacaram com significância estatística, e vale entender por que cada uma funciona.

Adicionar estatísticas: o maior ganho medido

Incluir dados quantitativos relevantes no conteúdo elevou a visibilidade nas respostas em 34,2% na replicação em português. O motivo é quase intuitivo: motores generativos precisam ancorar afirmações, e números são âncoras perfeitas. Um texto que diz "a maioria das buscas termina sem clique" é opinião. Um texto que diz "68% das buscas terminaram sem clique no início de 2026" é fonte citável.

A aplicação prática: audite seus principais conteúdos e pergunte quantas afirmações centrais estão quantificadas. Onde houver dado próprio, use. Onde não houver, produza. Pesquisas originais, mesmo simples, viram ímãs de citação.

Incluir citações diretas: a voz de especialistas

Trechos de declarações atribuídas, de especialistas, executivos ou fontes reconhecidas, elevaram a visibilidade em 26,0%. A lógica é a mesma da âncora: uma citação atribuída é um elemento verificável e extraível, que dá à IA material concreto para compor a resposta.

A aplicação prática: incorpore declarações de especialistas do seu time e do seu setor nos conteúdos estratégicos. Entrevistas curtas rendem dezenas de trechos citáveis.

Referenciar fontes: mostrar de onde veio

Apontar as origens das informações elevou a visibilidade em 22,3%. Conteúdo que demonstra lastro é tratado como mais confiável pelos sistemas de síntese, que precisam decidir em quem apostar a credibilidade da resposta.

A aplicação prática: nomeie os estudos, as instituições e os levantamentos por trás de cada dado que você usa. Além do ganho de citação, isso disciplina a qualidade do próprio conteúdo.

As técnicas de apoio

Além do trio campeão, o corpo de evidências e a prática de mercado sustentam um segundo escalão de técnicas: clareza e fluência do texto, que facilitam a extração; respostas autocontidas no início de cada seção, que permitem ao modelo recortar um trecho completo; uso de vocabulário técnico preciso em temas especializados; e estrutura semântica com dados estruturados, que ajudam a máquina a entender entidades e relações.

E existe a camada fora da página, que nenhum experimento de conteúdo captura, mas que toda a lógica dos modelos confirma: a construção de consenso. Digital PR, presença em sites de review, menções em veículos de referência, perfis consistentes em bases estruturadas. É o trabalho que ensina os modelos, no treinamento e na recuperação, que a sua marca existe, o que ela faz e por que merece confiança.

O que não funciona: a lista negra do GEO

Tão importante quanto saber o que fazer é saber o que queima dinheiro e visibilidade.

Keyword stuffing. O dado já apareceu, mas merece repetição pelo tamanho do estrago: queda de 25,2% na visibilidade, medida experimentalmente. A tática que um dia enganou algoritmos de correspondência de termos é veneno para modelos que leem significado.

Conteúdo raso em escala. Produzir centenas de artigos genéricos de "o que é" sem dado próprio, sem profundidade e sem perspectiva única é fabricar matéria-prima gratuita para respostas que citarão outra fonte. A IA sintetiza o consenso; quem só repete o consenso é dispensável por definição.

Ignorar a base técnica. Sites lentos, mal estruturados, com conteúdo escondido atrás de scripts que os rastreadores não processam, simplesmente não entram no jogo. A resposta não cita o que a máquina não leu.

Informação inconsistente sobre a própria marca. Descrições diferentes do que a empresa faz no site, no LinkedIn, nos diretórios e na imprensa confundem a formação de entidade. Modelo confuso não recomenda.

Esperar resultado da noite para o dia. Citação é consequência de consenso, e consenso leva tempo para se formar. Motores com busca em tempo real reagem em semanas; o conhecimento treinado dos modelos, em ciclos de meses. Promessa de resultado instantâneo em GEO é sinal de alerta sobre o fornecedor.

Como medir: as métricas da disciplina

O que não se mede, não se gerencia, e o GEO já tem painel próprio. Quatro métricas formam o núcleo.

Taxa de citação. De todas as vezes que os motores respondem às perguntas relevantes da sua categoria, em quantas a sua marca aparece? É a métrica mais direta, medida testando um banco de prompts em escala, motor por motor.

Share of voice em IA. A sua fatia de menções comparada à dos concorrentes, nas mesmas perguntas. É o equivalente generativo da participação de mercado em visibilidade, e a métrica que tende a frequentar as reuniões de diretoria nos próximos anos.

Sentimento e precisão das menções. Aparecer é metade do jogo. Como você aparece é a outra metade. A IA descreve seu produto corretamente? Recomenda com entusiasmo ou cita com ressalvas? Monitorar a qualidade da representação é o que separa presença de reputação.

Tráfego e conversão de referência. As visitas que chegam de ChatGPT, Perplexity, Gemini e afins, e o que elas fazem no site. O volume ainda é menor que o da busca clássica, mas a qualidade surpreende, como mostram os dados de conversão do mercado brasileiro.

A frequência ideal de medição é mensal, com um banco de prompts estável para permitir comparação ao longo do tempo. E vale registrar o ponto de partida antes de qualquer otimização: sem a foto do dia zero, nenhum resultado futuro será demonstrável.

Como começar: um roteiro em quatro fases

Teoria organizada, vamos ao plano de execução. O caminho abaixo funciona para empresas de qualquer porte, ajustando a escala.

Fase 1: diagnóstico

Monte um banco de 30 a 50 perguntas que seus clientes fariam às IAs, do topo ao fundo do funil. Teste todas nos principais motores. Registre onde sua marca aparece, como é descrita, quem são os concorrentes citados e quais fontes as respostas usam. Esse mapa define tudo o que vem depois, e revela as fontes que você precisa conquistar.

Fase 2: fundação

Corrija a base que impede a leitura: rastreabilidade, indexação, performance, dados estruturados de organização, produto e FAQ. Alinhe a descrição da empresa em todos os pontos de presença, do site aos diretórios. É a fase menos glamourosa e a mais inegociável.

Fase 3: conteúdo e consenso

Reescreva os conteúdos estratégicos aplicando as técnicas de evidência: estatísticas, citações de especialistas, fontes nomeadas, respostas autocontidas, cobertura profunda dos subtemas. Em paralelo, inicie a construção de menções: imprensa do setor, sites de review, participação em levantamentos e rankings, pesquisa proprietária que outros queiram citar.

Fase 4: medição e ciclo

Reaplique o banco de prompts mensalmente. Compare com o dia zero. Identifique o que moveu e o que não moveu. Dobre a aposta no que funciona. GEO não é projeto com fim; é operação contínua, como o SEO sempre foi.

O futuro próximo: da citação ao agente

Fechando o guia, um olhar para onde isso caminha, porque a disciplina não vai parar onde está.

A fronteira seguinte é o comércio agêntico. Se hoje a IA recomenda e o humano executa, a próxima etapa é a IA executar: pesquisar, comparar, preencher, reservar e comprar em nome do usuário. A projeção do Gartner de 90% das compras B2B intermediadas por agentes até 2028 descreve exatamente esse mundo. Nele, estar na resposta deixa de ser vantagem de marketing e vira requisito de transação: o agente só compra de quem consegue encontrar, entender e validar.

A boa notícia é que a preparação é a mesma. Entidade clara, informação estruturada, consenso verificável e presença nas fontes certas servem tanto para ser citado hoje quanto para ser transacionado amanhã. Quem constrói agora acumula a vantagem composta; quem esperar vai disputar espaço num jogo consolidado, pagando o preço de desafiante.

Perguntas frequentes

O que significa a sigla GEO no marketing?

GEO significa Generative Engine Optimization, ou otimização para motores generativos. É a disciplina que torna marcas visíveis, compreendidas e citadas nas respostas de inteligências artificiais como ChatGPT, Gemini, Perplexity, Claude, Copilot e os AI Overviews do Google.

Quem criou o termo Generative Engine Optimization?

O termo foi cunhado por pesquisadores liderados por Pranjal Aggarwal, de Princeton e instituições parceiras, no artigo científico GEO: Generative Engine Optimization, divulgado no fim de 2023 e apresentado na conferência KDD 2024. O estudo demonstrou ganhos de visibilidade de até 40% com técnicas de otimização, e já possui replicação publicada em português brasileiro.

GEO substitui o SEO?

Não. O GEO se apoia no SEO. A base técnica de rastreabilidade, indexação e estrutura continua sendo pré-requisito, porque a IA só cita o que consegue ler e entender. O que muda é o objetivo final: além de ranquear na lista de links, a marca precisa ser citada dentro da resposta gerada.

Quais técnicas de GEO realmente funcionam?

As técnicas com evidência experimental mais forte são três: adicionar estatísticas ao conteúdo, com ganho medido de 34,2% de visibilidade na replicação em português; incluir citações diretas de especialistas, com ganho de 26,0%; e referenciar fontes, com ganho de 22,3%. Completam o quadro a clareza do texto, as respostas autocontidas, os dados estruturados e a construção de menções em fontes confiáveis.

O que derruba a visibilidade em IA?

O principal vilão medido é o keyword stuffing, que reduziu a visibilidade em 25,2% nos experimentos. Também prejudicam: conteúdo raso e genérico, base técnica quebrada, informações inconsistentes sobre a marca entre os canais e ausência de menções em fontes que os modelos consideram confiáveis.

Como saber se minha marca aparece nas respostas de IA?

Monte um banco de perguntas que seus clientes fariam e teste nos principais motores, registrando presença, descrição e concorrentes citados. Para monitoramento contínuo e em escala, existem ferramentas de acompanhamento de citações em LLMs, que medem taxa de citação, share of voice e sentimento ao longo do tempo.

Quanto tempo demora para ver resultado com GEO?

Depende do motor. Sistemas com busca em tempo real, como Perplexity e AI Overviews, refletem melhorias em semanas. O conhecimento treinado dos grandes modelos evolui em ciclos de meses, conforme novos treinamentos e atualizações incorporam o consenso construído. Um horizonte honesto de trabalho é de três a seis meses para movimentos consistentes.

GEO funciona para empresas pequenas?

Funciona, e talvez melhor do que para as grandes. O efeito equalizador documentado desde o estudo original mostra que páginas fora do topo do ranking ganham proporcionalmente mais visibilidade com otimização. E pesquisas de comportamento indicam que reconhecimento de marca pesa pouco na resposta da IA: o que pesa é a precisão com que a empresa atende ao caso de uso perguntado.

Qual a diferença entre GEO e AEO?

Na prática, quase nenhuma no escopo. AEO, de Answer Engine Optimization, é um termo mais antigo, da era dos featured snippets e assistentes de voz. GEO é o termo que o mercado e a academia consolidaram para a otimização voltada às IAs generativas. Ao avaliar fornecedores, importa o escopo do serviço, não a sigla escolhida.

Vale a pena contratar uma agência de GEO ou fazer internamente?

O arranjo mais eficiente costuma ser híbrido: especialistas definindo método, medição e construção de menções, que são as partes mais caras de montar do zero, e o time interno operando o conteúdo. Empresas com equipe madura de SEO e conteúdo conseguem internalizar mais; empresas começando do zero ganham anos de curva contratando quem já opera a disciplina.

 

---

 

Fontes citadas

• Aggarwal et al. (KDD 2024, Princeton): estudo fundador do GEO, com ganhos de visibilidade de até 40% e o efeito equalizador

• Replicação brasileira do estudo de Princeton (2026): 6.000 execuções em português, com ganhos de 34,2% para estatísticas, 26,0% para citações diretas, 22,3% para fontes e queda de 25,2% com keyword stuffing

• The CMO Survey, Universidade Duke (35ª edição, 2026): GEO em uso em 4 de cada 10 empresas

• Search Engine Land (2026): dados de buscas sem clique

• Ahrefs: estudos sobre queda de CTR na presença de AI Overviews

• Forrester (Buyers' Journey Survey, 2026): IA como principal fonte de informação de compra B2B e quedas de tráfego de 10% a 40%

• Gartner: projeção de compras B2B intermediadas por agentes de IA até 2028

• Leadster (Panorama PRO): conversão da busca com IA no Brasil