A Regra das 200 Palavras: Como Escrever a Página da Sua Clínica para Ser Citada por IA

Um erro comum em site de clínica é guardar a informação mais importante para o final do texto, como se o paciente precisasse "merecer" a resposta depois de ler um parágrafo de introdução. Para motores de busca por IA, esse formato quase garante que sua página não seja citada.

Por que o início do texto pesa mais

Modelos de IA, ao montar uma resposta, tendem a dar mais peso ao conteúdo que aparece logo no começo de uma seção. Isso acontece porque, na etapa de leitura das páginas candidatas, o sistema prioriza trechos que já respondem à pergunta de forma direta, em vez de garimpar a resposta em meio a um texto longo. Daí a orientação prática conhecida como regra das 200 palavras: a resposta direta à pergunta principal da seção deve aparecer logo nas primeiras frases, idealmente dentro dos primeiros 200 caracteres ou duas frases.

Como aplicar isso numa página de clínica

Pegue como exemplo uma página sobre um procedimento, digamos, colonoscopia. Em vez de abrir com "a colonoscopia é um exame importante para a saúde do intestino, realizado há décadas...", a página deveria abrir respondendo diretamente: "a colonoscopia é um exame que permite visualizar o interior do intestino grosso para identificar pólipos, inflamações ou sinais de câncer colorretal." Só depois dessa resposta direta é que entra o contexto adicional, como preparo, duração ou indicações específicas.

Esse mesmo princípio vale para cada H2 da página, não só para a abertura do artigo. Cada seção deve responder sua própria pergunta implícita logo nas primeiras linhas.

Combinado com sinais de autoridade, como os discutidos no artigo sobre E-E-A-T e AI Overviews, esse formato de resposta direta aumenta consideravelmente a chance de a página ser a fonte escolhida. É também o mesmo princípio por trás da forma como o Perplexity organiza suas respostas, tema do próximo grupo de artigos: Perplexity: o Buscador que Mostra as Fontes.

Fontes: AGGARWAL, P.; MURAHARI, V.; RAJPUROHIT, T.; KALYAN, A.; NARASIMHAN, K.; DESHPANDE, A. GEO: Generative Engine Optimization. KDD 2024. Disponível em: https://arxiv.org/abs/2311.09735.