 |
| Bellacosa Mainframe e tecnicas SEO para 2027 |
☕ Um Café no Bellacosa Mainframe
SEO 2027 — Quando Gregory House Internou o Google, Diagnosticou Zero-Click e Descobriu que GEO Não Era Lúpus
Ou: o paciente ocupava a primeira posição, não recebia visitas, o ChatGPT conhecia sua marca, o GA4 jurava que nada havia acontecido — e Igor tentou curar tudo aplicando três doses de JSON-LD diretamente no Blogger
O elevador abriu no andar da Infectologia Digital do Hospital Bellacosa Mainframe às 03h17.
Dentro dele havia um paciente deitado numa maca, abraçado a um relatório do Google Search Console. Apresentava impressões relativamente estáveis, posição média respeitável e uma queda misteriosa nos cliques. Ao lado da maca, um analista de marketing gritava que SEO havia morrido. Um consultor de GEO vendia um pacote de cinquenta menções em sites que ninguém lia. Igor, assistente do laboratório — pronuncia-se Eye-gor — preparava uma seringa contendo FAQPage, HowTo, Organization, Person e algo que ele encontrara num fórum chamado SuperUltraAIRankingSchema.
Gregory House entrou mancando, olhou para o paciente, olhou para o relatório e tomou o café de alguém sem pedir licença.
— SEO não morreu — disse ele. — Se tivesse morrido, não estaria produzindo impressões. O paciente perdeu cliques. São coisas diferentes.
No quadro branco, escreveu:
Sintoma: primeira posição, menos visitas.
Hipóteses: zero-click, AI Overviews, mudança de intenção, concorrência multimídia, resposta direta, medição incompleta ou conteúdo que envelheceu mal.
Depois riscou a palavra “lúpus”. Alguém sempre escrevera lúpus no quadro, embora desta vez o suspeito se chamasse GEO.
Este é o novo caso clínico do datacenter: como manter um site brasileiro visível quando mecanismos de busca deixam de apenas indicar páginas e começam a responder no lugar delas? E, principalmente, como um programador COBOL iniciante pode entender essa mudança sem precisar fazer residência médica em marketing digital?
Sirva o café. House já pediu uma bateria de exames.
1. O prontuário antigo: posição, clique, sessão e conversão
Durante muitos anos, o fluxo clássico da busca parecia um programa batch bastante comportado:
PALAVRA-CHAVE
↓
RESULTADO DO GOOGLE
↓
CLIQUE
↓
SESSÃO NO SITE
↓
CONVERSÃO
Em COBOL, poderíamos imaginar algo assim:
IF SEARCH-POSITION = 1
ADD 1 TO EXPECTED-CLICK
END-IF.
Era uma simplificação, mas funcionava como modelo mental. Quanto melhor a posição, maior a chance de clique. Quanto mais cliques, mais sessões apareciam no Analytics. Depois alguém comprava, assinava a newsletter, baixava um material ou descobria que SOC7 não era um novo modelo de processador.
O problema é que a busca deixou de ser apenas uma lista de dez links azuis. Hoje a página de resultados pode mostrar mapa, vídeo, painel de conhecimento, trecho destacado, produto, fórum, perguntas relacionadas e uma resposta produzida por inteligência artificial.
O usuário pergunta, por exemplo:
“Qual é a diferença entre COBOL, JCL e z/OS?”
O AI Overview pode responder suficientemente bem para um iniciante não clicar em nenhum site. Talvez use informações de várias páginas. Talvez mostre uma referência para o Bellacosa Mainframe. Talvez o leitor guarde o nome e procure a marca uma semana depois. Talvez ele simplesmente feche a aba e vá fazer café.
Em todos esses casos, a influência do conteúdo não é igual a zero. Mas o GA4 pode registrar exatamente zero sessões.
House bateu a bengala no chão:
— O monitor não mostra pulso porque você colocou o sensor no dedo errado.
Essa é a primeira lição: ausência de clique não é necessariamente ausência de influência.
2. Zero-click: o paciente não saiu da recepção
Chama-se zero-click search a busca que termina sem um clique para fora da página do buscador. Isso não nasceu com a IA. Antes dos grandes modelos generativos, Google Maps, previsão do tempo, calculadora, placar esportivo, conversão de moeda, painéis e featured snippets já respondiam a muitas perguntas sem enviar visitantes ao site de origem.
A inteligência artificial ampliou o fenômeno porque consegue combinar várias fontes e apresentar uma explicação coerente dentro da própria interface.
Um levantamento da SparkToro baseado em painel de clickstream da Similarweb estimou que 68,01% das buscas no Google observadas nos Estados Unidos, entre janeiro e abril de 2026, terminaram sem clique. O número é importante, mas não deve ser importado para o Brasil como se fosse uma copybook universal. O estudo mediu um mercado específico, durante um período específico e com limitações próprias. Aplicativos, webviews, WhatsApp e outros hábitos brasileiros mudam o diagnóstico.
Curiosidade clínica: no mesmo levantamento, apenas 0,34% das buscas observadas passaram pelo AI Mode naquele período. Isso significa que a queda de cliques não pode ser atribuída somente a ele. AI Overviews, elementos tradicionais do Google e mudanças de comportamento também estão no prontuário.
O erro de análise seria escrever:
IF CLICKS-DOWN
MOVE 'AI MODE' TO GUILTY-PARTY
END-IF.
Faltou um EVALUATE. E faltaram exames.
3. A busca generativa executa vários SELECTs
No SEO tradicional, observávamos a posição de uma página para determinada consulta. Na busca generativa, uma pergunta pode ser decomposta em diversas pesquisas auxiliares. O Google chama essa técnica de query fan-out.
Considere a pergunta:
“Vale a pena migrar uma aplicação COBOL bancária do IBM Z para cloud?”
Para formular a resposta, o mecanismo pode investigar subtemas como:
custo de processamento no IBM Z;
riscos de reescrita de sistemas legados;
latência de transações bancárias;
disponibilidade e resiliência;
modernização por APIs;
segurança e compliance;
casos de migração;
integração híbrida entre mainframe e cloud.
É como se a pergunta principal fosse um programa coordenador disparando vários passos:
//DIAGNOSE JOB ...
//STEP01 EXEC PGM=CUSTO
//STEP02 EXEC PGM=LATENCIA
//STEP03 EXEC PGM=SEGURANCA
//STEP04 EXEC PGM=APIS
//STEP05 EXEC PGM=COMPARA
Seu artigo talvez não seja a melhor resposta para a pergunta inteira, mas pode ser a melhor fonte para o STEP03. A IA pode recuperar aquele trecho, combiná-lo com outras fontes e citar o Bellacosa Mainframe.
Isso muda a otimização. O objetivo não é repetir mecanicamente uma palavra-chave. É produzir blocos de conhecimento claros, verificáveis e suficientemente originais para resolver partes reais da dúvida.
Não significa cortar todo texto em parágrafos microscópicos ou criar uma página para cada variação de frase. O próprio Google afirma que não existe obrigação de “fatiar” conteúdo especialmente para a IA. A velha disciplina continua válida: títulos úteis, organização lógica, HTML compreensível, links internos, fontes e conteúdo feito para pessoas.
House observou o JCL projetado na parede.
— Cinco exames para responder a uma pergunta. Finalmente uma máquina aprendeu a faturar como hospital.
4. SEO, AEO e GEO entram numa sala de diagnóstico
SEO é Search Engine Optimization: otimização para mecanismos de busca.
AEO costuma significar Answer Engine Optimization: otimização para mecanismos de resposta.
GEO significa Generative Engine Optimization: otimização para mecanismos generativos.
Os três termos descrevem áreas que se sobrepõem. O perigo começa quando alguém vende GEO como uma ciência completamente separada, com rituais secretos capazes de hipnotizar o ChatGPT.
Para aparecer nas experiências generativas do Google, a orientação oficial continua surpreendentemente tradicional:
a página precisa poder ser rastreada;
deve estar indexada;
precisa estar qualificada para aparecer com snippet;
deve seguir as políticas da busca;
o conteúdo deve ser útil, confiável e feito para pessoas.
Não existe um formulário “favor citar minha empresa”. Também não existe uma palavra mágica no HTML.
GEO é mais bem compreendido como uma extensão do SEO para um ambiente onde o resultado pode ser uma resposta sintetizada, e não apenas um link.
SEO continua cuidando da estrada. GEO pergunta se sua informação é clara e confiável o bastante para ser usada quando a ambulância passar por ela.
5. Como auditar uma IA sem acesso ao cérebro dela
Uma dúvida legítima apareceu nos comentários do artigo analisado: como medir presença em LLMs se não temos os logs de treinamento nem sabemos exatamente quais fontes foram usadas?
House sorriu. Era o tipo de pergunta de que ele gostava.
— Você não precisa abrir o cérebro do paciente para perceber que ele mente. Você faz perguntas, repete os exames e procura padrões.
Uma auditoria de LLM é um teste de caixa-preta. Não revela os pesos do modelo, mas registra saídas observáveis.
Primeiro, separe três fenômenos:
5.1 Memória paramétrica
É o conhecimento incorporado durante o treinamento. Atualizar uma página hoje não reescreve imediatamente os pesos do modelo.
5.2 Recuperação atual
Algumas respostas usam pesquisa ou fontes recuperadas no momento da consulta. Nesse caso, conteúdo atualizado e rastreável pode influenciar respostas sem esperar um novo treinamento completo.
5.3 Contexto fornecido pelo usuário
Se alguém anexou seu artigo ou colou o texto na conversa, a resposta não demonstra descoberta orgânica. O usuário entregou o prontuário diretamente ao médico.
Auditoria prática em sete passos
Liste entre 30 e 50 perguntas que seu público realmente faria.
Separe perguntas informativas, comparativas, navegacionais e transacionais.
Execute-as em sessões novas, sem histórico contaminando o resultado.
Teste português e inglês quando houver público internacional.
Repita cada pergunta em dias ou horários diferentes.
Registre modelo, data, país, formulação e fontes citadas.
Compare mensalmente, não a cada quinze minutos.
Exemplos para o Bellacosa Mainframe:
“Quais são os melhores recursos em português para aprender COBOL?”
“Quem produz conteúdo brasileiro sobre segurança no IBM Z?”
“Explique ICH408I para um programador iniciante.”
“Compare modernização de mainframe com migração completa para cloud.”
“Indique especialistas brasileiros em mainframe.”
Monte uma planilha com presença da marca, exatidão, posição da citação, fonte utilizada, atualidade e estabilidade da resposta.
Não pergunte apenas “você conhece o Bellacosa Mainframe?”. Essa consulta mede reconhecimento explícito. O teste mais valioso é verificar se a marca aparece espontaneamente quando o usuário descreve uma necessidade.
6. Como corrigir uma IA que trouxe o prontuário antigo
Não é possível obrigar todos os modelos a esquecer imediatamente uma informação errada. O que podemos fazer é reduzir contradições nas fontes públicas.
Imagine que uma página descreva Vagner Bellacosa como analista de sistemas IBM Mainframe; outra diga apenas “blogueiro”; uma terceira fale em cultura pop; o LinkedIn destaque segurança; e o YouTube misture tecnologia, cinema e história.
Nada disso é necessariamente falso. O problema surge quando não existe uma fonte canônica explicando que essas atividades pertencem à mesma pessoa e ao mesmo projeto editorial.
O procedimento é:
Criar uma página “Sobre” completa e atualizada.
Usar o mesmo nome profissional nas principais superfícies.
Manter uma descrição central consistente.
Ligar perfis oficiais entre si.
Corrigir páginas antigas conflitantes.
Informar datas de publicação e atualização.
Solicitar novo rastreamento quando aplicável.
Conseguir referências editoriais legítimas em fontes independentes.
Consistência não é um fator mágico de ranqueamento publicamente comprovado. Ela funciona como mecanismo de desambiguação. Ajuda buscadores e modelos a responderem: “estas referências falam da mesma pessoa, organização ou projeto?”
Em termos de banco de dados, estamos tentando evitar registros duplicados da mesma entidade por falta de chave confiável.
7. Menções, backlinks e o caso do caminhão de bombeiros
Um estudo da Ahrefs examinou 75 mil marcas e encontrou correlação forte entre menções na web, menções no YouTube e visibilidade em respostas de IA. As menções no YouTube apresentaram correlação próxima de 0,737, superior a vários indicadores tradicionais.
Antes que Igor compre dez mil comentários dizendo “Bellacosa Mainframe” em vídeos de receita de pudim, House levanta a bengala.
— Correlação não é causalidade. Há mais ambulâncias onde há mais doentes. Isso não prova que ambulâncias provoquem doenças.
Marcas grandes tendem simultaneamente a possuir:
Além disso, o estudo selecionou domínios com DR > 40 e palavras-chave com volume mínimo de busca. Isso favorece marcas já estabelecidas e reduz a capacidade de generalizar o resultado para blogs pequenos.
A interpretação útil é: presença distribuída parece acompanhar a visibilidade generativa.
A interpretação perigosa é: backlinks morreram e basta espalhar o nome da marca.
Backlinks continuam ajudando páginas a serem descobertas, rastreadas e consideradas relevantes. O que perdeu valor estratégico foi o link artificial comprado somente para manipular autoridade.
Uma participação legítima em podcast, uma entrevista técnica, uma palestra, um artigo citado por outra publicação ou um vídeo com transcrição útil constrói contexto. Uma fazenda de links constrói uma placa luminosa no meio do pântano.
8. E-E-A-T não é um campo PIC 9(03)
E-E-A-T representa:
Experience — experiência direta;
Expertise — conhecimento especializado;
Authoritativeness — autoridade reconhecida;
Trustworthiness — confiança.
Não existe evidência de que o Google mantenha algo como:
05 AUTHOR-EEAT-SCORE PIC 9(03) VALUE 087.
O próprio Google afirma que E-E-A-T não é um fator isolado de ranqueamento. É um conceito que ajuda a compreender qualidades que diferentes sinais procuram identificar. Entre os quatro elementos, confiança é o mais importante.
Para um texto sobre COBOL, experiência pode aparecer assim:
“Executei o programa com SSRANGE; o job terminou com IGZ006S porque o índice ultrapassou o limite da tabela.”
Isso vale mais que uma explicação genérica copiada de vinte páginas.
Expertise aparece na correção técnica. Autoridade vem de reconhecimento, histórico e referências. Confiança surge quando o leitor sabe quem escreveu, por que sabe aquilo, quando o texto foi atualizado e quais fontes sustentam a afirmação.
Em assuntos YMYL — saúde, dinheiro, segurança e temas que podem causar dano real — esses cuidados se tornam ainda mais importantes. Um artigo sobre RACF, fraude bancária ou segurança de IA não deveria inventar comandos, estatísticas ou incidentes só para parecer interessante.
Para o Bellacosa Mainframe, sinais concretos incluem:
nome do autor;
biografia verificável;
credencial IBM Champion 2026;
experiência profissional;
fontes oficiais da IBM;
exemplos próprios;
data de revisão;
política de correção;
separação clara entre fato, opinião, metáfora e sátira.
O easter egg aqui é simples: House pode ser arrogante, mas sua equipe nunca deveria administrar um tratamento sem evidência. Conteúdo técnico também não.
9. Dados estruturados: o exame de sangue não cura o paciente
Dados estruturados são informações adicionadas ao HTML em formato padronizado, geralmente JSON-LD, para declarar explicitamente entidades e propriedades.
Um artigo pode informar:
{
"@context": "https://schema.org",
"@type": "BlogPosting",
"headline": "Introdução ao COBOL",
"author": {
"@type": "Person",
"name": "Vagner Bellacosa"
},
"datePublished": "2026-08-25"
}
Isso ajuda a máquina a distinguir título, autor e data. Também pode tornar a página elegível para resultados enriquecidos.
Mas atenção: schema não é medicamento. É exame bem etiquetado.
O Google afirma que dados estruturados não são exigência para a busca generativa e que não existe um schema especial obrigatório para aparecer em AI Overviews ou AI Mode. Mesmo uma marcação perfeitamente válida não garante rich result, posição melhor ou citação por LLM.
Para um blog, as prioridades razoáveis são:
Não aplique FAQPage a qualquer sequência de subtítulos. Não use HowTo quando o texto não contém um procedimento real. E jamais marque informação invisível ou diferente da página.
Igor abaixou lentamente a seringa de JSON-LD.
— Então não aplico na veia?
— Apenas se quiser ranquear no necrotério — respondeu House.
10. Atualizar “2024” para “2026” não rejuvenesce o texto
Uma recomendação frequente diz para localizar páginas com anos antigos e atualizar todas. Isso pode melhorar conteúdo realmente vencido, mas também pode destruir contexto histórico.
Compare:
“Melhores ferramentas disponíveis em 2024” provavelmente precisa de revisão.
“Incidentes de segurança ocorridos em 2024” deve preservar o ano.
“Previsões para 2025” é um registro histórico.
“Guia atual do COBOL 6.3, revisado em 2024” precisa ser comparado com versões e práticas atuais.
Trocar somente o número do título é freshness theater: coloca tinta nova na porta sem atualizar o sistema atrás dela.
O procedimento correto:
Verifique se a intenção da consulta exige atualidade.
Teste links e referências.
Revise versões, preços, produtos e recomendações.
Preserve a data original de publicação.
Altere dateModified somente após mudança material.
Registre o que foi revisado.
Consolide páginas duplicadas quando necessário.
Um prontuário de 2019 continua válido como histórico. O problema é entregá-lo como resultado do exame feito esta manhã.
11. O crescimento de 693% e a doença da base minúscula
A Adobe identificou crescimento anual de 693% no tráfego referido por IA para varejistas americanos durante a temporada de fim de ano de 2025. Também encontrou conversão 31% maior que a de outras fontes.
O sinal é relevante: visitantes enviados por ferramentas de IA podem chegar mais informados e próximos da decisão.
Mas porcentagem sem número absoluto pode provocar delírio estatístico.
Se um canal passa de uma visita para oito, cresce aproximadamente 700%. Ainda assim, continua produzindo apenas oito visitas.
Além disso, existe viés de seleção. Quem pesquisou, comparou e discutiu o produto com uma IA antes de clicar provavelmente possui intenção maior que alguém que encontrou um link casualmente.
Portanto, o estudo justifica medir esse tráfego. Não justifica deslocar metade do orçamento de todo site brasileiro para uma agência de GEO.
House resumiu no quadro:
Grande crescimento percentual + base desconhecida = diagnóstico incompleto.
12. GA4: o monitor que não enxerga toda a circulação
O GA4 consegue registrar sessões quando o usuário efetivamente clica e o referrer é preservado. Porém, influência sem clique permanece invisível. Aplicativos, redirecionamentos, proteções de privacidade e webviews também podem eliminar ou alterar a origem.
Até os domínios precisam ser tratados com cuidado. Monitorar apenas chat.openai.com, por exemplo, ignora acessos atuais vindos de chatgpt.com e possíveis variações futuras.
Crie agrupamentos de fontes de IA, mas não confunda essa medição com toda a influência generativa.
O novo relatório generativo do Search Console, anunciado em junho de 2026, apresenta impressões, páginas, países, dispositivos e datas para experiências de IA. O rollout começou em um subconjunto de propriedades e, inicialmente, não oferecia cliques dedicados dentro desse relatório.
Para um site brasileiro, acompanhe ao menos cinco famílias de indicadores:
| Família | Exemplos |
|---|
| Visibilidade | Impressões tradicionais e generativas |
| Citação | Presença, precisão e fontes nas respostas de IA |
| Marca | Buscas por “Bellacosa Mainframe” e “Vagner Bellacosa” |
| Relacionamento | Newsletter, visitantes recorrentes, comentários |
| Resultado | Convites, contatos, cursos, palestras e oportunidades |
Tráfego deixou de ser o único pulso vital. Às vezes, a marca influencia alguém na segunda-feira e recebe uma busca direta na sexta. O Analytics observa a sexta e perde o episódio inicial.
13. O protocolo Bellacosa de 30 dias
House terminou o diagnóstico, mas Cuddy exigiu um plano de tratamento. Ele reclamou, tomou mais café e escreveu quatro semanas no quadro.
Semana 1 — Identidade e autoria
Revise a página “Sobre”.
Defina uma descrição canônica da marca.
Adicione biografia do autor.
Ligue LinkedIn, YouTube, newsletter e blog.
Mostre credenciais verificáveis.
Semana 2 — Estrutura técnica
Valide BlogPosting ou Article.
Confira canonical, sitemap e indexação.
Teste páginas no Rich Results Test.
Corrija datas e imagens.
Não adicione schema que não corresponda ao conteúdo visível.
Semana 3 — Conteúdo não comoditizado
Selecione dez artigos estratégicos.
Acrescente experiência própria, código, tabela ou diagrama.
Cite fontes primárias.
Crie links entre artigos relacionados.
Construa páginas-hub para COBOL, IBM Z, segurança e IA.
Semana 4 — Distribuição e medição
Transforme artigos em vídeos e posts.
Publique transcrições úteis.
Teste perguntas reais em mecanismos generativos.
Registre citações e erros.
Compare resultados mensalmente.
O checkpoint não deve ser “quantas palavras publicamos?”. Deve ser:
as páginas importantes estão indexadas?
a autoria está clara?
as informações estão corretas?
a marca aparece para perguntas relevantes?
o público procura o nome do projeto?
o conteúdo gera relacionamento e oportunidades?
14. O que realmente diferencia um artigo na era da IA
Modelos generativos conseguem produzir resumos genéricos em segundos. Isso reduz o valor de páginas que apenas reorganizam definições encontradas em outros lugares.
O conteúdo valioso oferece algo que não estava disponível antes:
No Bellacosa Mainframe, a mistura de COBOL, história profissional, segurança, cinema, anime, café e cultura de datacenter não é distração. É identidade editorial. Um LLM pode explicar S0C7; poucos conseguem contar como Igor tentou curá-lo com eletrodos de O Jovem Frankenstein, enquanto Gregory House percebeu que o verdadeiro problema era um campo alfanumérico chegando a uma operação decimal.
O easter egg não substitui a técnica. Ele ajuda a técnica a permanecer na memória.
É essa combinação que transforma informação em autoria.
Epílogo — O paciente nunca teve GEO
Depois de horas de exames, o paciente recuperou os cliques mais importantes, embora não todos. Algumas respostas continuaram acontecendo dentro do Google. Outras passaram a citar corretamente a marca. As buscas pelo nome cresceram. A newsletter recebeu novos inscritos. O GA4 ainda não conseguia explicar toda a jornada.
Cuddy perguntou pelo diagnóstico final.
House apontou para o quadro:
O paciente não tinha morte de SEO. Tinha dependência de clique como única métrica, conteúdo comoditizado em algumas páginas, identidade fragmentada e uma inflamação aguda causada por consultoria de GEO.
SEO não morreu. Perdeu o monopólio da descoberta.
Seu site deixou de ser apenas o lugar aonde o usuário chega. Tornou-se também fonte para buscadores, respostas generativas, vídeos, redes sociais e agentes que podem usar a informação sem produzir uma sessão imediatamente visível.
A resposta não é escrever para robôs. É publicar conteúdo tão claro, verificável, original e humano que tanto pessoas quanto máquinas consigam reconhecer de onde veio.
Para o programador COBOL iniciante, a conclusão cabe em uma estrutura conhecida:
EVALUATE TRUE
WHEN CONTENT-IS-ORIGINAL
ADD 1 TO AUTHORITY
WHEN CONTENT-IS-VERIFIABLE
ADD 1 TO TRUST
WHEN BRAND-IS-CONSISTENT
ADD 1 TO RECOGNITION
WHEN SCHEMA-IS-HONEST
ADD 1 TO MACHINE-CLARITY
WHEN OTHER
MOVE 'IGOR FEZ DE NOVO' TO INCIDENT-REPORT
END-EVALUATE.
House saiu mancando pelo corredor. Wilson observou que, pela primeira vez, ele parecera otimista.
— Não seja ridículo — respondeu House. — Apenas encontrei uma doença que não se cura comprando backlinks.
No laboratório, Igor examinou o Blogger e encontrou um botão escrito “Atualizar todos os títulos para 2027”.
O telefone-sapato tocou às 03h18.
O próximo incidente já estava em produção.
Fontes para continuar a investigação
