Análise aprofundada · Cerca de 4 min de leitura
A visibilidade na busca com IA depende de onde é medida
Uma auditoria de Toronto separa local declarado, rede e variação natural das respostas; não demonstra um atalho para subir no ranking.
- Publicado aqui
- Data da fonte
- Fonte verificada
O preprint enviado em 16 de outubro reúne 31.200 respostas nos experimentos principais com APIs OpenAI e Gemini. Encontra canais de localização distintos nessas configurações, não uma pontuação universal.
Ouça as notícias
Ouça este artigo ou continue ouvindo as notícias.
Preparando a leitura…
Voz do dispositivo
O navegador ou dispositivo processa a voz. O AISubHub não envia o texto a uma API de áudio. As vozes e a reprodução com a tela bloqueada variam conforme o dispositivo.
Ao continuar, uma frase curta pode se repetir.
Resumo
- Usa 300 perguntas em inglês, 19 cidades declaradas e cinco locais de rede, com repetições para estimar ruído.
- A configuração OpenAI segue o local declarado; a Gemini, o país da rede. Aplicativos de consumo podem agir de outro modo.
Dois canais de localização
A aplicação declara um lugar à ferramenta; a rede revela de onde chega a requisição. O estudo usa gpt-5.4-mini via Responses API com web search e gemini-3.1-flash-lite com Google Search grounding, não todos os aplicativos ChatGPT e Gemini.
As 300 perguntas comerciais dividem-se igualmente em proximidade, dependência do lugar e não locais, sem nome geográfico no texto. Há 15 cidades dos EUA, Londres, Toronto, Sydney e Dublin, além da condição sem declaração. Isso separa parâmetro de localização de lugar digitado na pergunta.
Repetições como controle do ruído
O experimento declarado tem 24.000 respostas: perguntas normais e com pedido de busca, duas repetições por configuração. O de rede acrescenta 7.200 de cinco lugares em quatro países, repetindo a conexão canadense após três dias: seis sessões, não seis locais. O teste com modelo maior é separado.
O índice subtrai a sobreposição Jaccard entre locais da sobreposição entre pedidos idênticos. Zero significa nenhum efeito além do ruído observado. Não é porcentagem de sites trocados ou probabilidade de recomendar uma marca. Sem controle, variação aleatória pode parecer ganho editorial.
Os serviços testados leem canais diferentes
Na configuração OpenAI, cidade declarada muda fontes em perguntas próximas e dependentes do lugar; trocar país da rede sem declarar local dá índices próximos de zero. O efeito vem tanto das consultas geradas quanto do buscador, mesmo sem lugar escrito nas consultas.
No piloto Gemini, coordenadas declaradas não afetaram, mas o país de rede sim. O índice entre países foi 0.43 para proximidade e 0.23 mesmo para questões não locais; Nova York e Los Angeles ficaram perto de zero. Isso não prova ausência de localização urbana em redes residenciais nem que OpenAI sempre ignore toda rede.
Cobertura não prova uma otimização
No conjunto de proximidade de 15 cidades americanas, medir uma cidade aleatória capturou 9% dos negócios recomendados no total; cinco cidades, 36%. O denominador é aquele conjunto experimental, não uma regra universal de amostragem.
A extração de nomes foi inteiramente correta em 29 de 36 verificações. Diretórios, sites de avaliações e órgãos públicos estavam excluídos: recomendação de negócios e citação de diretório são métricas diferentes. Não há distribuição aleatória de mudanças de conteúdo nem prova de que inserir cidades, backlinks ou marcação cause ganho de visibilidade.
Como tornar o acompanhamento confiável
Propomos guardar pergunta, idioma, versão, modo de busca e ambos os locais e repetir condições antes de interpretar mudanças. Um serviço multinacional hipotético compararia cada mercado em condições equivalentes, em vez de chamar uma cidade de nota global. É proposta de auditoria, não experimento nosso.
As limitações incluem inglês, modelos API e o período medido. Saídas VPN de data centers podem diferir de conexões residenciais; a checagem de modelo grande cobre só OpenAI. Outra língua ou aplicação precisa de avaliação com controles estáveis. Não há garantia de indexação, visitas ou receita de anúncios.
Por que importa
Análise AISubHub: registrar pergunta, modelo, busca, localização e repetições ajuda a separar mudanças do serviço de efeitos do conteúdo.
Limites e disponibilidade
Lemos artigo e histórico completos, sem reproduzir APIs ou redes. Só cobre inglês, poucos locais e outubro de 2026; não prova regras de indexação, tráfego ou eficácia de intervenção.
Fontes e evidências
Data da fonte: · Fonte verificada:
Leituras complementares
Fonte verificada:
Conteúdo editorial com apoio de IA, verificado em fontes primárias. Alegações dos fornecedores são atribuídas; inclusão não é recomendação.