ChatGPT e Google Maps na resposta local

O que a OpenAI documenta sobre busca local?

A central de ajuda da OpenAI descreve três mecanismos que explicam por que uma resposta do ChatGPT chega com empresas do mapa. O primeiro é a localização. O ChatGPT pode estimar a região pelo IP, e a localização precisa do aparelho é opcional e vem desligada. O segundo é a reescrita. Antes de consultar os provedores de busca, o ChatGPT transforma o pedido em uma ou mais consultas, e o exemplo da própria OpenAI converte restaurantes perto de mim em top restaurants San Francisco quando o IP aponta para lá. O terceiro é a memória, que pode levar para a busca uma cidade citada em conversas anteriores.

Para montar a resposta local, a OpenAI diz que pode compartilhar a localização com provedores terceiros confiáveis de listagens de empresas próximas, e que no iOS e no Android o resultado pode incluir um mapa. O texto não nomeia a base de mapas. Os nomes que aparecem são outros: Microsoft e Shopify entre os provedores de busca, e OpenTable, Resy e Yelp nas reservas de restaurante. A mesma página avisa que o posicionamento não é garantido e que o site precisa liberar o OAI-SearchBot para ser elegível.

O que a medição externa encontrou?

O estudo da BrightLocal de 2024 é a medição externa com método aberto sobre as fontes locais do ChatGPT, e o resultado já tem data para envelhecer. A equipe fez 800 buscas manuais em 20 cidades dos EUA em novembro de 2024 e não encontrou Google Maps, Yelp nem Facebook entre os diretórios citados. Sites de empresas foram 58% das fontes e diretórios só 15%, e mesmo assim as respostas traziam avaliações do Google.

A busca do ChatGPT mudou desde essa coleta, e a OpenAI continua sem nomear a base de mapas. O que o estudo mostra com segurança é que a fonte local do ChatGPT não é óbvia a partir das citações visíveis e precisa ser medida com data, que é o que o achado do benchmark abaixo reforça.

O que o estudo mostra com segurança é que a fonte local do ChatGPT não é óbvia a partir das citações visíveis e precisa ser medida com data, que é o que o achado do benchmark abaixo reforça.

Lucas Ferraz, especialista em SEO

O achado do benchmark de advocacia

No benchmark de advocacia que registrei em 21 de setembro de 2026, o ChatGPT em conta logada respondeu a uma pergunta de alcance nacional com escritórios de Belo Horizonte vindos do Google Maps. A pergunta pedia escritórios das áreas trabalhista, criminal e de família no Brasil, sem cidade. As cinco IAs consultadas citaram 25 escritórios, e só 4 apareceram em duas superfícies.

A leitura mais provável é o efeito do contexto de quem perguntou, sem preferência da IA pela cidade. Belo Horizonte era a cidade de onde a consulta partiu, e o comportamento bate com o que a OpenAI documenta sobre IP, reescrita e memória. Desde essa rodada, registro conta e localização em toda medição, e a ficha completa está no registro do benchmark de advocacia.

O que muda no Perfil da Empresa no Google?

Os dados do perfil passam a contar para o ChatGPT se a camada local dele lê dados do Google, hipótese que o benchmark de advocacia e as avaliações vistas pela BrightLocal sustentam, sem confirmação da OpenAI. O Google informa que ordena os resultados locais principalmente por relevância, distância e destaque, e que o destaque considera links para a empresa, número de avaliações e notas. Se o ChatGPT herda a lista do Google, herda também o critério que a ordenou.

Para quem audita perfis, a consequência prática é tratar o Google Perfil da Empresa como fonte de dados para mais de uma superfície. Categoria principal correta, nome, endereço e telefone idênticos em todo lugar, horário atualizado e avaliações reais continuam sendo o trabalho de quem cuida de aparecer no Google Maps, agora com um risco a mais, porque um dado errado no perfil pode reaparecer em uma resposta de IA.

Como separar localização de preferência na medição?

A medição local no ChatGPT só é comparável quando conta, localização e memória ficam registradas em cada rodada. O desenho que uso tem quatro variações da mesma pergunta:

• Logado e deslogado, com a memória desligada na conta;
• Com e sem cidade na pergunta, para ver se a lista muda quando a região vem explícita;
• De duas cidades diferentes, por rede ou VPN, anotando a região que o IP indica;
• Na mesma data e em conversa nova, para não misturar contexto entre as variações.

Se a lista acompanha a cidade do IP, o resultado mede o contexto de quem pergunta, e não a reputação nacional da empresa citada. Essa separação entra no desenho das rodadas para medir visibilidade em IA e ajuda a ler a discordância entre superfícies que registrei em quanto as IAs discordam entre si.