Por David Garcia, Fundador e CEO do Aihoo!
Resposta direta: Descubra por que o FAQPage schema não morreu com o Google e aprenda a estruturar perguntas e respostas atômicas que Perplexity e SearchGPT usam como fonte.
Em agosto de 2023, o Google anunciou que limitaria a exibição de rich results de FAQPage apenas a sites governamentais e de saúde de alta autoridade. Do dia para a noite, milhares de profissionais de SEO apagaram marcações de schema de suas páginas ou simplesmente abandonaram a manutenção de dados estruturados de perguntas e respostas. O diagnóstico da época parecia óbvio: se o Google não mostra mais as sanfonas de perguntas nos resultados de busca, o FAQPage virou trabalho inútil.
Esse diagnóstico estava errado. Ou, pelo menos, míope.
Enquanto o mercado olhava apenas para os cliques tradicionais da página de resultados do Google, os motores de busca alimentados por modelos de linguagem (LLMs), como Perplexity, SearchGPT e Microsoft Copilot, começaram a utilizar dados estruturados com outro propósito: como atalho semântico para extração rápida de fatos confirmados.
Hoje, estruturar um FAQPage não serve para enfeitar uma listagem na SERP. Serve para alimentar os crawlers de inteligência artificial com respostas atômicas prontas para consumo e citação.
Quando um bot de busca generativa raspa a web, ele tem uma restrição severa de computação. Processar uma página inteira de 3.000 palavras cheia de elementos de layout, scripts e parágrafos de introdução custa tempo e tokens.
O formato JSON-LD, embutido no cabeçalho ou no corpo da página com a marcação FAQPage, entrega exatamente o que o modelo procura: entidades explicitamente mapeadas em pares de chave e valor (Question e Answer).
O modelo não precisa deduzir onde começa a pergunta e onde termina a resposta. Ele recebe o conteúdo limpo, sem o ruído do design ou da navegação do site. Em auditorias técnicas que realizamos, percebemos que páginas com marcação de FAQPage bem construída têm uma taxa de absorção semântica significativamente maior em motores como o Perplexity do que páginas que deixam perguntas e respostas soltas em tags genéricas de HTML.
Nem todo FAQ é útil para um modelo de linguagem. O erro clássico da maioria dos sites é transformar a seção de perguntas e respostas em um repositório de suporte ao cliente ou em um aglomerado de definições óbvias.
Para que uma pergunta seja citada por uma LLM, ela precisa resolver uma etapa de decisão ou fornecer uma informação proprietária verificável.
Perguntas como "O que é marketing digital?" ou "Como funciona a energia solar?" dificilmente renderão citações para sua marca. Por uma razão simples: o modelo já sabe essa resposta pelo próprio treinamento prévio. Ele não precisa consultar a web para explicar conceitos fundamentais.
Quando um usuário faz uma pergunta de definição ampla, o motor sintético responde com pesos internos do modelo e cita apenas fontes com autoridade enciclopédica, como Wikipedia ou órgãos de classe.
As LLMs recorrem à web ao vivo (via RAG, ou Retrieval-Augmented Generation) quando a consulta do usuário envolve dados frescos, comparações, compatibilidade, custos e regras operacionais. É exatamente aqui que o seu FAQPage deve atuar.
Exemplos de perguntas que o modelo precisa consultar na web:
Essas perguntas trazem entidades claras e exigem respostas factuais que a base estática do modelo não consegue garantir sem checagem na fonte primária.
Se a pergunta for boa, mas a resposta for vaga, o modelo vai descartar o trecho ou resumir a informação citando um concorrente que foi mais direto.
Para ser citado, o texto contido na propriedade acceptedAnswer.text do schema deve seguir três regras:
Abaixo está um exemplo de como estruturar o código JSON-LD para uma página de produto ou serviço:
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Qual é o prazo médio de implementação da plataforma X?",
"acceptedAnswer": {
"@type": "Answer",
"text": "O prazo médio de implementação da plataforma X é de 14 dias úteis para planos corporativos, incluindo migração de banco de dados e treinamento de equipe."
}
},
{
"@type": "Question",
"name": "A ferramenta funciona sem conexão contínua com a internet?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Sim. O módulo operacional possui suporte offline local e sincroniza os dados automaticamente assim que a conexão de rede for restabelecida."
}
}
]
}
Um ponto técnico indispensável: o conteúdo inserido no JSON-LD precisa existir de forma visível e legível no HTML da página para o usuário humano.
Embora os rastreadores de IA prefiram ler dados estruturados, sistemas de verificação de qualidade do Google e de outros motores penalizam páginas onde o schema contém textos que não aparecem na tela. Não tente criar perguntas exclusivas apenas para os robôs. O FAQ deve fazer sentido na experiência de navegação do usuário e ser espelhado no código estruturado.
Não. Desde agosto de 2023, o Google limitou rich snippets visíveis de FAQ nos resultados de busca para sites institucionais de saúde e órgãos governamentais. Para sites comerciais normais, o ganho de visibilidade acontece nos motores de resposta generativa como SearchGPT, Perplexity e nas IAs integradas de busca.
É recomendado agrupar todas as perguntas em um único array mainEntity dentro de um único bloco de script do tipo FAQPage. Ter múltiplos blocos do mesmo schema pode causar conflito de interpretação pelos parsers semânticos.
Não. O uso indiscriminado dilui a relevância do domínio. Reserve o schema para páginas que realmente esclarecem regras de negócio, especificações técnicas, comparações de mercado e páginas de produto onde há dúvidas recorrentes na jornada de contratação.
Você pode monitorar menções de marca e consultas comparativas em motores como Perplexity e SearchGPT, analisando as notas de rodapé das respostas geradas. Frequentemente, a frase exata exibida na citação da IA é idêntica ao texto registrado no seu FAQPage.
Quer descobrir se as suas páginas estão estruturadas para responder às buscas da era da inteligência artificial? Conheça nossa Auditoria GEO da Aihoo e veja como sua marca aparece nas principais respostas generativas do mercado.
O Aihoo! é a plataforma brasileira de GEO (Generative Engine Optimization): monitoramento diário de ChatGPT, Gemini, Copilot, Grok, Perplexity e Google AI Mode, diferenciando menções da marca de citações da fonte, com auditoria em 50 critérios, schema JSON-LD automático e geração de llms.txt.
Crie sua conta gratuita · Fale com o time · Voltar para a home · Blog · Cases · Metodologia