# RAG e SEO na prática da recuperação por passagem URL: https://lucasferraz.com/blog/rag-e-seo/ Autor: Lucas Ferraz Publicado em: 2026-09-23 RAG e SEO se encontram na etapa de recuperação: antes de gerar a resposta, o sistema busca passagens em um índice e só pode citar o que recuperou. O Google documenta que AI Overviews e AI Mode recuperam com os sistemas centrais de ranking sobre o índice da Busca. O SEO segue dono da indexação e da recuperação. ## Principais pontos - O termo RAG vem do artigo de Patrick Lewis e coautores submetido ao arXiv em maio de 2020 e aceito no NeurIPS 2020. - O guia de IA generativa do Google Search Central, atualizado em julho de 2026, descreve o RAG das AI Overviews e do AI Mode como recuperação feita pelos sistemas centrais de ranking sobre o índice da Busca. - Pelo mesmo guia, só é elegível a esses recursos a página indexada e apta a aparecer na Busca com snippet. - No teste de Contextual Retrieval da Anthropic, de setembro de 2024, contexto adicionado a cada trecho reduziu em 49% as falhas de recuperação, e em 67% com reranking. - O artigo GEO, aceito no KDD 2024, mediu ganho de até 40% de visibilidade em respostas de motores generativos com otimizações de conteúdo. ## Onde o RAG encontra o SEO? **O RAG, descrito por Patrick Lewis e coautores em 2020, gera texto a partir de passagens recuperadas de um índice externo.** No artigo original, o índice era um conjunto vetorial da Wikipédia consultado por um recuperador neural. Nas superfícies de busca com IA, o índice é a web, ou uma fatia dela. A definição curta do mecanismo está no [verbete de RAG da agência](https://lucasferrazseo.com/glossario/rag-retrieval-augmented-generation/); aqui interessa o encaixe com o trabalho de SEO. O encaixe ficou documentado. O guia de IA generativa do Google Search Central, atualizado em julho de 2026, descreve o RAG das AI Overviews e do AI Mode como grounding. Os sistemas centrais de ranking recuperam páginas do índice da Busca, e o modelo escreve a resposta a partir delas, com links para as fontes. O mesmo guia diz que, na visão do Google, otimizar para busca generativa continua sendo SEO. ## As etapas do pipeline e o que o SEO controla **O pipeline de RAG em busca tem quatro etapas, e o SEO pesa mais nas duas primeiras.** A tabela resume onde cada decisão técnica entra. | Etapa | O que acontece | O que o SEO controla | |---|---|---| | Indexação | A página é rastreada, processada e guardada no índice | Rastreabilidade, render, canonical, elegibilidade a snippet | | Recuperação | Consultas, inclusive as do fan-out, buscam candidatos por termo e por significado | Termo exato em título e heading, cobertura das subintenções | | Reranking | Um modelo relê pergunta e trecho juntos e reordena | Passagem autossuficiente, entidade nomeada, número com data | | Geração | O modelo escreve e anexa as fontes usadas | Fato verificável e fácil de atribuir | O guia do Google fixa a porta de entrada. Para aparecer em AI Overviews e AI Mode, a página precisa estar indexada e apta a ser exibida na Busca com snippet. Uma diretiva `nosnippet` ou uma página fora do índice encerra o assunto antes de qualquer discussão sobre conteúdo. ## O que a Anthropic mediu sobre contexto no trecho? **A Anthropic publicou em setembro de 2024 um teste que mostra bem por que um trecho sem contexto se perde na recuperação.** Em RAG tradicional, o documento é quebrado em pedaços de algumas centenas de tokens, e cada pedaço vira um vetor. O exemplo do próprio texto é uma frase sobre receita que cresceu 3% no trimestre sem dizer qual empresa nem qual período. Isolada, ela não casa com a pergunta certa. A técnica testada, Contextual Retrieval, acrescenta a cada trecho de 50 a 100 tokens de contexto antes de gerar o vetor e o índice BM25. O resultado, medido como falha de recuperação entre os 20 primeiros trechos:

O resultado, medido como falha de recuperação entre os 20 primeiros trechos:

Lucas Ferraz, especialista em SEO

- **Só embeddings contextuais:** falhas caíram 35%, de 5,7% para 3,7%. - **Embeddings e BM25 contextuais:** queda de 49%, para 2,9%. - **Com reranking somado:** queda de 67%, para 1,9%. O teste roda sobre bases de conhecimento, e não sobre a busca aberta. A leitura que levo para o texto de site é de direção. O trecho que já traz a entidade, o período e o número dispensa o contexto que o sistema teria de adivinhar. ## Por que o Google diz para não fatiar o texto? **O mesmo guia do Google que documenta o RAG diz que não é preciso quebrar o conteúdo em pedaços pequenos para a IA.** Os sistemas entendem uma página com vários tópicos e mostram a parte relevante. As duas ideias convivem. O corte em trechos é feito pelo sistema, e o trabalho de quem escreve é garantir que cada bloco continue verdadeiro e completo depois do corte, em prosa normal, sem versão paralela para máquina. Detalhei esse ponto em [chunking de conteúdo para IA](/blog/passagem-citavel-e-chunking/). O guia também afasta a ideia de escrever uma página para cada variação de pergunta ou de subconsulta do fan-out. Produzir páginas em escala para manipular respostas geradas entra na política de abuso de conteúdo em escala. A cobertura das subintenções cabe melhor em seções de uma página forte do que em dezenas de páginas rasas. ## Como eu testo a recuperação de uma página? **A recuperação só se prova quando a URL aparece entre as fontes da resposta, e por isso meço em rodadas datadas.** Repito as mesmas perguntas em cada superfície, em conversa isolada, e anoto quais URLs foram citadas. Uma execução só engana, porque o [query fan-out muda a cada execução](/blog/como-observar-query-fan-out/), e as superfícies [discordam entre si](/blog/quanto-as-ias-discordam-entre-si/) sobre quem citar. No lado do Google, cruzo as rodadas com o relatório de desempenho de IA generativa do Search Console. No [estudo com DOI sobre quatro sites de pequenas empresas](/estudos/como-sistemas-de-ia-citam-sites-de-pequenas-empresas-brasileiras/), a IA do Google expôs sobretudo páginas informacionais, de 74% a 94% das impressões conforme o site. Esse tipo de achado só aparece quando a medição separa superfície e tipo de página. Nos dois sites que mantenho, a camada de leitura para agentes inclui uma versão em Markdown de cada página, em /md/ e por `Accept: text/markdown`. O Google diz que a Busca não usa arquivos ou Markdown especiais, então trato essa camada como conveniência para agentes e ferramentas, sem expectativa de efeito no ranking nem na recuperação do AI Mode. ## Minha posição sobre o tema A recuperação só se prova quando a URL aparece entre as fontes da resposta, por isso meço em rodadas datadas: uma execução só engana, porque o fan-out muda a cada execução e as superfícies discordam entre si sobre quem citar. Do teste da Anthropic sobre contexto no trecho, a leitura que levo para o texto do site é de direção: o trecho que já traz a entidade, o período e o número dispensa o contexto que o sistema teria de adivinhar. (Lucas Ferraz) ## Perguntas frequentes ### O RAG das IAs de busca usa o mesmo índice do Google? No caso do Google, sim. O guia do Search Central afirma que AI Overviews e AI Mode recuperam páginas do índice da Busca usando os sistemas centrais de ranking. As outras superfícies não dependem necessariamente desse índice, então a mesma página pode ser recuperada em uma IA e ignorada em outra. ### Dá para otimizar a etapa de reranking? Dá para influenciar, sem controle direto. O reranker lê a pergunta e o trecho juntos e reordena os candidatos por relevância fina. Passagem que nomeia a entidade, traz o número com data e responde logo na primeira frase tende a ganhar essa leitura, enquanto trecho vago fica parecido com dezenas de concorrentes. ### Como saber se uma página foi recuperada pela IA? A prova mais direta é a URL aparecer entre as fontes citadas na resposta. Eu repito as mesmas perguntas em rodadas datadas, por superfície, e anoto quais URLs aparecem. No Google, o relatório de desempenho de IA generativa do Search Console complementa essa leitura com dados da própria propriedade. ## Fontes - Lewis e coautores, Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (arXiv 2005.11401) (2020) - https://arxiv.org/abs/2005.11401 - Google Search Central, guia de otimização para recursos de IA generativa (2026) - https://developers.google.com/search/docs/fundamentals/ai-optimization-guide - Anthropic, Introducing Contextual Retrieval (2024) - https://www.anthropic.com/news/contextual-retrieval - Aggarwal e coautores, GEO, Generative Engine Optimization (arXiv 2311.09735, KDD 2024) (2024) - https://arxiv.org/abs/2311.09735 --- Sobre o autor: Especialista em SEO, criação de sites e Generative Engine Optimization, Lucas Ferraz é fundador da agência Lucas Ferraz SEO, sediada em Belo Horizonte, e atua desde 2007 ajudando empresas de todo o Brasil a aparecerem no Google, serem compreendidas por sistemas de inteligência artificial e transformarem buscas em oportunidades comerciais.