Estudo · 10 de outubro de 2026 · Preprint arXiv
What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization (GEO)
Selecionado por Luis Da Silva
Antes de citar uma página, um sistema de IA precisa normalmente de a encontrar. Este preprint recente acompanha perguntas comerciais ao longo do tempo e distingue recuperação, citação e menções de marcas. Os resultados questionam a ideia de que acrescentar um conjunto habitual de elementos produz visibilidade de forma previsível. A correspondência com as perguntas dos leitores parece mais esclarecedora do que várias recomendações genéricas. Para uma firma pequena, sugere publicar explicações específicas e observar se são encontradas. O estudo é observacional, limitado a mercados americanos em inglês e ainda sem revisão por pares estabelecida. É um contraponto útil, não uma fórmula universal.
Estudo e evidência
Estudo observacional longitudinal de recuperação, citações e menções de marcas, com repetição por API e experiências adicionais controladas.
Como ler
Preprint recente, de 10 de outubro de 2026; não foi estabelecida revisão por pares. O DOI está assinalado como pendente de registo. Perguntas comerciais americanas em inglês e repetição por API não validam resultados setoriais em Portugal nem um efeito causal na procura.
Porque importa
Interpretação editorial nossa: Liga o trabalho de comunicação do Luis a uma distinção mensurável entre ser conhecido, ser encontrado e ser citado. Em longevidade e floresta, justifica um pequeno conjunto bilingue de perguntas reais dos compradores e respostas documentadas, sem apresentar schema ou llms.txt como garantias de criação de procura.
Luis Da Silva, Sócio e Diretor de Marketing
Sobre o editor
Mahe Chen, Nick Koudas. arXiv preprint.
Útil para
Equipas de comunicação e conteúdo em longevidade e floresta. As aplicações setoriais são uma inferência nossa e exigem teste local.
Crédito e licença Mahe Chen, Nick Koudas. 2026. What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization (GEO). arXiv preprint. arXiv:2610.15033v1, submitted 2026-10-10. DOI registration pending: 10.48550/arXiv.2610.15033. Author-version licence: CC BY 4.0, https://creativecommons.org/licenses/by/4.0/. Original study and licence: https://arxiv.org/abs/2610.15033v1. General Value supplies an original editorial summary. Preprint arXiv v1, de 10 de outubro de 2026, alojado sem alterações ao abrigo de CC BY 4.0. Não é uma edição de atas com revisão por pares; usar o registo arXiv enquanto o DOI está pendente.
A investigação original pertence aos autores identificados. O resumo bilingue e a aplicação proposta são uma interpretação editorial da General Value, não resultados testados para a firma.