10
kenimo49
5 min de leitura ·

CTR do #1 do Google caiu 34,5% com AI Overview — o checklist LLMO de 1 hora

Fiquei em primeiro no Google por uma query técnica durante seis meses. E vi o tráfego cair pela metade sem sair do #1. O culpado apareceu no topo da SERP num quadradinho cinza chamado AI Overview.

O CTR do #1 do Google caiu 34,5% quando a AI Overview aparece — número da Ahrefs de abril de 2025. A Sistrix atualizou a conta em março de 2026 e agora fala em queda de 60%: de 27% para 11% na primeira posição. Continuo em primeiro. E continuo perdendo tráfego.

Passei 3 meses medindo a queda no meu próprio site. E este é o checklist LLMO que rodei em 1 hora quando parei de reclamar e comecei a mexer.

Por que o #1 não protege mais

O AI Overview aparece hoje em 48% das buscas do Google (dado de março de 2026, contra 34,5% em dezembro de 2025). Ou seja, praticamente metade das suas queries agora tem uma resposta pré-mastigada no topo da SERP. O usuário lê a resposta e vai embora sem clicar em ninguém — nem no #1, nem no #2, em ninguém.

E aqui vem a parte que dói: a fonte que o AI Overview cita nem sempre é o #1 do ranking clássico. O SurferSEO mostrou que conteúdo que rankeia para sub-queries do Query Fan-out tem 49% mais chance de ser citado do que conteúdo que rankeia só para a query principal.

Traduzindo: você pode estar em primeiro para "melhor CRM para startup" e o AI Overview citar um blog que está em 8º lugar mas fala bem sobre "preço do HubSpot para startup". A IA quebra a pergunta em várias sub-perguntas e monta a resposta com trechos de vários blogs.

O SEO clássico assumia que a página ganhava a query. LLMO assume que o parágrafo ganha a sub-query.

O que eu vi nos meus dados

CTR do #1 antes e depois do AI Overview

Peguei o Search Console e cruzei as queries que agora têm AI Overview com as que ainda não têm. Nos três meses (maio a julho de 2026):

  • Queries com AI Overview no #1: CTR médio caiu de 22,4% para 8,7% (-61%)
  • Queries sem AI Overview no #1: CTR médio ficou em 24,1% (praticamente estável)
  • Queries onde meu conteúdo é citado dentro do AI Overview: CTR médio 14,2% (queda menor)

O padrão bate com o número da Sistrix. E revela o único caminho que sobrou: ser citado dentro do AI Overview, não competir contra ele.

O checklist de 1 hora

Não é um plano de 6 meses. É a próxima hora do seu dia. Sete itens, cada um entre 5 e 15 minutos.

1. Coloque um llms.txt na raiz (10 min)

Arquivo Markdown em seusite.com/llms.txt. Funciona como concierge: você diz para a IA "as páginas que importam por aqui são estas". Estrutura mínima:

# Nome do Site

> Descrição em 1-2 frases do que este site cobre

## Conteúdo Principal

- [Título do artigo](URL): descrição de 1 frase

Padrão proposto pela Answer.AI em 2024, adoção subindo rápido. Custa 10 minutos para escrever e colar.

2. JSON-LD Article + Author em todas as páginas de conteúdo (15 min)

Se você não tem structured data, a IA lê seu HTML no escuro. Coloque no <head> de cada post:

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "...",
  "author": { "@type": "Person", "name": "..." },
  "datePublished": "...",
  "dateModified": "..."
}

dateModified é o campo que faz diferença: AI Overview privilegia conteúdo fresco. Se você atualizou o post há uma semana, esse campo grita "sou recente".

3. Libere os crawlers de IA no robots.txt (2 min)

Este é o mais rápido e o mais esquecido. Abra seu robots.txt e garanta que estes user-agents não estão bloqueados:

  • GPTBot (OpenAI)
  • ClaudeBot (Anthropic)
  • PerplexityBot
  • Google-Extended (Gemini training)
  • Applebot-Extended (Apple Intelligence)

Muito site bloqueou tudo em 2024 numa onda de pânico e nunca mais reviu. Se você não quer que seu conteúdo apareça em resposta de IA, ok — mas então não venha reclamar do CTR.

4. Reescreva a lead do artigo com a resposta na primeira frase (15 min por post)

O AI Overview extrai trechos dos primeiros 200 caracteres muito mais do que do meio do artigo. Se sua lead é "Neste artigo vamos explorar as várias facetas do LLMO...", você não vai ser citado. Ninguém vai ser.

Coloque a resposta direta:

LLMO é otimizar seu conteúdo para ser citado nas respostas de IA como ChatGPT, Claude e Google AI Overviews. Diferente do SEO que mira posição no ranking, LLMO mira ser fonte dentro da resposta gerada.

Duas frases. Resposta e definição. O resto do artigo desenvolve.

5. Transforme H2/H3 em perguntas (5 min por post)

Query Fan-out gera sub-perguntas. Se seus H2 já são perguntas, você bate essas sub-perguntas naturalmente.

  • Ruim: "Implementação de llms.txt"
  • Bom: "Como configurar o llms.txt na raiz do site?"

Não é sobre bonito. É sobre bater a sub-query que a IA vai gerar internamente.

6. Cada seção = 1 afirmação principal (10 min de revisão)

LLMs avaliam parágrafos, não páginas inteiras. Se sua seção tem 3 afirmações misturadas, a IA não sabe qual delas responder e não cita nenhuma.

Uma seção, uma afirmação, uma resposta direta no primeiro parágrafo. O resto detalha.

7. Publique no GitHub / Reddit / TabNews de vez em quando (3 min por link)

Os dados de treinamento do GPT-3 deram peso 5-6× maior para conteúdo do Reddit com 3+ upvotes. GitHub tem peso similar. TabNews começa a aparecer como fonte na Perplexity em queries em português.

Cross-post seus artigos. Nem precisa ser o post inteiro — link + resumo já ajuda.

O que aconteceu depois de 1 hora de checklist

Rodei os sete itens em 55 minutos num sábado. Nos 30 dias seguintes:

  • 3 posts que estavam invisíveis para AI Overview começaram a ser citados (medi via prompt direto no ChatGPT/Claude/Perplexity)
  • CTR médio das queries com AI Overview subiu de 8,7% para 12,1%
  • Tráfego total ficou 4% acima do baseline, mas com composição diferente: mais visitantes de LLM, menos de Google clássico

4% não é revolução. Mas é a diferença entre sangrar tráfego e estabilizar. Em 1 hora.

O que não fiz e provavelmente devia ter feito

  • Não escrevi conteúdo novo específico para sub-queries que aparecem no AI Overview
  • Não implementei FAQPage structured data (que a Google removeu do rich result mas AI Overview ainda usa)
  • Não migrei os posts antigos com lead ruim (fiz só os top 10 por tráfego)

Auditoria mais funda de arquivos llms.txt reais, com os 5 anti-padrões que já apareceram no ecossistema, está em Auditei 30 arquivos llms.txt: 5 anti-padrões já se formando.

Resumo

  • AI Overview aparece em 48% das buscas do Google (mar/2026) e derruba o CTR do #1 em 34,5% a 60% dependendo do estudo
  • O SEO clássico assumia que a página ganha a query; LLMO assume que o parágrafo ganha a sub-query
  • Checklist de 1 hora com 7 itens: llms.txt, JSON-LD Article + Author, robots.txt para AI crawlers, lead com resposta direta, H2 em perguntas, 1 afirmação por seção, cross-post seletivo
  • No meu site, 30 dias depois: 3 posts passaram a ser citados, CTR de queries com AI Overview subiu 39%
  • Não é revolução. É estancar o sangramento. Em 1 hora.

ken imoto · WebRTC & Voice AI engineer · kenimoto.dev · TabNews

Carregando publicação patrocinada...
5

Meus 2 cents,

Parabens pelo post !

Mas confesso que os artigos acabam sendo estruturados para LLMO ao inves de humanos, o que eh um saco.

Sera que eh isso que nos resta: consumir conteudo pre-formatado para LLMs, mastigado por eles e regurgitado para nossa boca como se fossemos passarinhos recem-nascidos ?

Enfim, obrigado por compartilhar !

Saude e Sucesso !

Este post foi favoritado via extensão TABNEWS FAVORITOS

Tem curiosidade sobre IA ? Da uma olhada no meu LIVRO: IA PARA ENGENHEIROS

4

Boa parte do tráfego que existe na internet está relacionada a vendas.

É justamente por isso que existe um mercado enorme em torno de posicionamento nos mecanismos de busca que hoje esta saindo do google pra outros locais como chatgpt(agora com anuncios), que vai acabar levando aos sites estarem otimizados ao máximo pra aparecer em qualquer lugar que possa gerar venda.

1

Concordo com o ciclo, e o anúncio no ChatGPT que você citou fecha ele: é o mesmo contrato que o Google assinou em 2000.

A diferença aparece na unidade. No Google eu disputava uma posição por query; no AI Overview quem é citado é o parágrafo. Fiquei em primeiro o tempo todo e mesmo assim o CTR caiu de 22,4% para 8,7%, enquanto as queries em que eu aparecia citado seguraram em 14,2%.

Isso muda quem consegue jogar: site pequeno não briga por posição, briga por uma sub-pergunta que o grande respondeu pela metade.

O que eu ainda não sei é o que acontece com a citação quando o anúncio entrar de vez: vira inventário pago também, ou fica separado como o orgânico ficou? Você aposta em qual? Eu tô sem palpite.

1

Essa é a parte que mais me incomodou enquanto eu escrevia, então valeu por trazer isso.

Três dos sete itens eu fiz achando que era pra IA e acabaram melhorando a leitura pra gente: resposta na primeira frase, H2 em pergunta, uma afirmação por seção. Reli uns posts meus de 2024 depois disso e nem eu achava onde estava o argumento.

Sobre o passarinho: concordo em parte. A estrutura pesa pouco. O que dói de verdade é o leitor ter tudo o que precisa dentro do quadradinho cinza, sem nem abrir o artigo. Isso o checklist não resolve.

O que eu tô medindo agora é a composição, não o volume: nos 30 dias o total subiu 4%, com mais gente vindo de LLM e menos do Google. Se essa parte secar também, aí a conversa muda de assunto.

-2

Excelente síntese! A queda de CTR orgânico era uma consequência matemática previsível: os mecanismos de busca modernos estão se transformando de meros "índices de links" em pipelines de RAG (Retrieval-Augmented Generation) que sintetizam respostas na borda.
Do ponto de vista de como os modelos de linguagem indexam e citam fontes, o checklist de 1 hora toca no ponto central da engenharia de contexto:
Densidade de Informação vs Enrolação:
No SEO antigo, inflar o texto com 1.500 palavras para reter o usuário na página funcionava. Para LLMO, isso é veneno. Modelos de RAG fatiam o documento em chunks semânticos; se a resposta estiver diluída em 4 parágrafos de introdução vaga, o chunker descarta o trecho e escolhe uma fonte concorrente que entregou uma "unidade citável" densa e direta (BLUF).
Estrutura Parseável (Tabelas e Listas):
Tabelas Markdown e schemas JSON-LD são o formato de menor entropia para um LLM. O modelo consegue extrair entidades, relações e números com custo mínimo de inferência e sem alucinar, o que aumenta exponencialmente a chance da sua página ser o link de referência no card da IA.
O Paradoxo do Tráfego Zero-Click:
Quem continuar escrevendo para prender o clique com clickbait vai perder tráfego de qualquer jeito. A estratégia mais inteligente hoje é justamente se posicionar como a fonte primária do fato: mesmo que o usuário não clique para ler o óbvio, quem busca aprofundamento ou auditoria vai clicar na fonte citada pelo AI Overview.
Parabéns pela clareza prática do checklist!