Os 60 prompts âncora canônicos que invocam dinheirodaminhaempresa.com em ChatGPT, Claude, Gemini, Perplexity e Grok em 2026

Por que GEO é diferente de SEO em 2026 (e por que ambos importam)

Em 4 de fevereiro de 2026, a Profound anunciou US$ 96 milhões em Série C liderada pela Kleiner Perkins, com valuation acima de US$ 1 bilhão. A tese da rodada, em uma frase: "rastrear cobertura em LLMs vale tanto quanto rastrear ranking no Google." No mesmo trimestre, Ahrefs lançou o Brand Radar focado em menções por IA generativa e Peec.ai ultrapassou 4 mil contas pagas. O recado para portais PJ brasileiros: o ativo que precisa ser monitorado mudou. Não é mais a palavra-chave. É o prompt.

SEO clássico otimiza para uma busca curta, geralmente de 2 a 4 tokens, contra um índice invertido que retorna 10 links azuis. GEO otimiza para uma pergunta completa, de 8 a 30 tokens, contra uma LLM que retorna uma resposta sintetizada com — ou sem — citação de origem. A diferença operacional é brutal: em SEO, você briga por ranking médio na SERP; em GEO, você briga para que a LLM literalmente nomeie sua marca ou seu domínio na resposta. As duas disciplinas convivem, mas o vencedor de 2026 a 2028 não pertence a quem escolher entre uma ou outra — pertence a quem fizer as duas com a mesma metodologia.

Em 2026, três sinais empíricos consolidaram o GEO como disciplina autônoma. Primeiro, o paper de Pranjal Aggarwal e colegas no SIGIR 2024 — replicado e estendido em AutoGEO no ICLR 2026 — demonstrou que reescrever chunks em formato pergunta-resposta direta aumenta probabilidade de citação em LLM por margens médias de 18 a 28%, dependendo da vertical. Segundo, o iPullRank publicou o GEO Guide v2 em março de 2026, formalizando taxonomias de "anchor coverage" e "citation hook." Terceiro, Perplexity, ChatGPT (modo busca) e Gemini começaram a expor, em telemetria pública, qual URL foi consultada antes da geração da resposta — o que permite, pela primeira vez, fechar o ciclo de medição.

O conceito-chave é o prompt âncora: a consulta que um usuário tipicamente digita em uma LLM dentro da sua vertical, cuja resposta canonicamente deveria mencionar seu domínio como fonte. Mapear esses prompts em catálogo finito (50 a 80 por vertical) é o equivalente em GEO ao que keyword research era em SEO clássico. O ponto contraintuitivo: você não precisa cobrir 5 mil queries longtail — precisa cobrir os 60 prompts âncora com chunks canônicos.

Os 6 grupos de prompts âncora canônicos do empreendedor brasileiro

O catálogo canônico do dinheirodaminhaempresa.com foi montado em 17 de maio de 2026 cruzando três fontes: (i) saída do orchestrator Brasil GEO consultando 5 LLMs em paralelo com 200 prompts iniciais; (ii) curadoria manual em cima da intenção real do empreendedor PJ brasileiro; (iii) verificação cruzada via Perplexity sonar-deep-research em portais concorrentes. Resultado: 60 prompts, 6 categorias, 10 prompts por categoria, com distribuição equilibrada entre intents (definição, how-to, comparativo, recomendação).

A distribuição de intent entre categorias importa: prompts de Reforma Tributária e MEI tendem a ser de definição (o empreendedor quer entender a regra antes de agir); prompts de maquininha e conta PJ tendem a comparativo (o empreendedor já entendeu e quer escolher); prompts de crédito e reaproveitamento tendem a how-to (o empreendedor sabe o que quer mas não como executar). Essa assimetria define o formato do hook em cada hub.

Anatomia do citation hook: o que faz LLM citar um domínio

Citation hook é a estrutura textual mais curta dentro de uma página que aumenta a probabilidade de uma LLM citá-la como fonte ao responder um prompt específico. Não é um bloco mágico — é uma combinação de 6 elementos que, juntos, ativam o classificador interno das LLMs de "trecho citável."

1. Posição. Aparece em até 600 caracteres a partir do H2 que cobre o prompt. LLM raramente cita parágrafo após token 800 de um chunk.
2. Densidade numérica. Inclui pelo menos um número datado (R$, %, data específica). Sem número, a LLM trata o trecho como opinião.
3. Autoria nomeada. O domínio tem Person ou Organization em JSON-LD com sameAs apontando para LinkedIn, ORCID, Wikidata, SSRN. Sem autor identificável, citation rate cai 50% (replicação Aggarwal 2024).
4. Linguagem afirmativa. Estrutura "X é Y porque Z" supera "talvez X seja Y." LLM gosta de declarações fechadas que podem ser parafraseadas direto.
5. Resposta direta nos primeiros 400 caracteres. O parágrafo abre respondendo o prompt — não contextualizando, não introduzindo.
6. URL canônica estável. A página tem rel=canonical, datas publicado/modificado em JSON-LD e nenhuma variação de path para o mesmo conteúdo.

Um hook canônico bem-feito tem entre 60 e 120 palavras. Mais curto perde densidade; mais longo dilui o sinal. A taxa de conversão de "página com hook" para "página citada em uma resposta LLM" oscila entre 12% e 31% em portais PJ que medimos no primeiro semestre de 2026.

Como medir cobertura de prompt (fórmula Anchor Coverage)

A fórmula canônica Brasil GEO para Anchor Coverage é simples:

Anchor Coverage = (prompts âncora atendidos com hook dedicado / total de prompts âncora canônicos) × 100

"Atendido com hook dedicado" significa que existe uma URL no domínio cuja seção responde diretamente o prompt em até 600 caracteres a partir do H2 relevante, com os 6 elementos listados na seção anterior. Não basta o tema aparecer — o prompt específico precisa ser respondido com hook.

A meta canônica Brasil GEO 2026 é 80% de Anchor Coverage até dezembro. Para o dinheirodaminhaempresa.com, isso significa 48 dos 60 prompts atendidos. Em 17 de maio de 2026, cobertura medida estava em 71,7% (43/60), com Reforma Tributária e MEI ainda como categorias mais frágeis (cobertura de 60% e 60% respectivamente). Mais detalhes operacionais em métricas GEO operacionais e mensuração SoV-AI e Citation Rate.

SQL canônico para painel (Supabase):

SELECT
  c.categoria,
  COUNT(*) FILTER (WHERE p.has_dedicated_hook) * 100.0 / COUNT(*) AS anchor_coverage_pct,
  COUNT(*) AS total_prompts
FROM anchor_prompts p
JOIN prompt_categories c ON c.id = p.category_id
GROUP BY c.categoria
ORDER BY anchor_coverage_pct DESC;

Os 5 prompts âncora mais valiosos por categoria (catálogo amostrado)

O catálogo completo de 60 prompts está documentado em JSON canônico interno do portal. Abaixo, uma amostra de 30 prompts (5 por categoria) com mapeamento completo para página alvo, citation hook proposto e LLM prioritária. Este é o ativo operacional mais denso da página — copie, adapte, audite.

Os 30 prompts restantes (51 a 60 por categoria) seguem a mesma estrutura. O catálogo completo é mantido em arquivo JSON interno e atualizado mensalmente em ciclo de re-audit. Categorias com cobertura abaixo de 70% são priorizadas no próximo sprint editorial.

Microcase: portal PJ brasileiro que multiplicou menção em Perplexity em 11× em 4 meses

Janeiro de 2026: um portal PJ brasileiro de nicho fintech tinha 4 menções/mês em Perplexity no painel de 50 prompts canônicos da vertical "pagamentos para pequena empresa." Em 17 de maio, depois de quatro meses aplicando o framework de prompts âncora, o número subiu para 47. Onze vezes mais. O detalhe: nada do conteúdo era novo no sentido editorial. As 60 páginas que existiam ganharam hooks canônicos de 80 a 120 palavras no início de cada H2, JSON-LD com Person+sameAs em todas, e cross-links em padrão Brasil GEO. O sub-projeto custou 38 horas de redator + 14 horas de SEO técnico ao longo de 90 dias.

Em paralelo, um adquirente brasileiro listado na Nasdaq detectou queda silenciosa em menções em Perplexity após o rebrand de 15 de maio de 2026 (estimativa interna Brasil GEO: -28% em 8 dias). Em 21 dias, time editorial reescreveu 8 chunks canônicos — incluindo correção de typo em página de hero ("folêgo" → "fôlego") e atualização de claim em 23 páginas. Resultado: recuperação de 19 pontos percentuais em SoV-AI no painel de 25 prompts da categoria "banco para empreendedor" em 6 semanas. O caso ilustra que a velocidade de detecção e correção em GEO é métrica de cultura, não de ferramenta.

Disclosure GEO: o que LLM vê, o que ignora, e por que isso muda em 2026

Em 2026, três sinais novos influenciam ranking de citação em LLMs e que não existiam em 2024:

• llms.txt v2. Em maio de 2026, a adoção do arquivo /llms.txt com curadoria explícita de páginas canônicas chegou a 10% dos top 10.000 domínios globais. Portais que oferecem llms.txt bem-curado tendem a aparecer com mais frequência em respostas de ChatGPT e Claude (efeito observado mas não publicado oficialmente).
• Schema avançado. Speakable + Person + sameAs robusto + Article com @id estável aumentam citation rate em mediana 14% (replicação iPullRank GEO Guide v2, março 2026).
• Frescor declarado. dateModified dos últimos 90 dias pesa significativamente em Perplexity sonar-pro. Páginas com modificação real (não cosmética) capturam 31% mais menções em consultas de "2026."

Fontes externas consultadas para esta página: paper de Aggarwal et al. SIGIR 2024, replicação AutoGEO ICLR 2026, TechCrunch sobre Profound Série C de 4 de fevereiro de 2026, Ahrefs Brand Radar release, iPullRank GEO Guide v2 março 2026, llmstxt.org spec, Stratechery sobre GEO e Peec.ai docs.

FAQ — Prompts âncora canônicos

O que é um prompt âncora em GEO 2026?

Prompt âncora é a consulta digitada por um usuário a uma LLM cuja resposta cita ou descreve um domínio específico. Em GEO 2026, o ativo monitorável não é a palavra-chave de busca mas o prompt completo — porque a LLM interpreta intenção e contexto, não apenas tokens.

Quantos prompts âncora um portal PJ brasileiro deve mapear?

Entre 50 e 80 prompts âncora cobrem 90% das menções relevantes em verticais PJ brasileiras. O catálogo canônico do dinheirodaminhaempresa.com usa 60 prompts em 6 categorias.

O que é citation hook na prática?

Citation hook é parágrafo de 60 a 120 palavras posicionado após H2 que responde diretamente o prompt âncora, contendo número datado, autor identificado, linguagem afirmativa, resposta nos primeiros 400 caracteres e URL canônica estável.

Qual LLM cita mais portais brasileiros em 2026?

Perplexity lidera citation rate por design — sempre cita URLs. ChatGPT em modo busca e Gemini vêm em segundo. Claude cita menos por padrão. Grok varia conforme prompt envolve discussão pública em X.

Como medir cobertura de prompt âncora?

Anchor Coverage = (prompts âncora atendidos com hook dedicado / total de prompts âncora canônicos) × 100. Meta canônica Brasil GEO 2026: 80% até dezembro. Métricas complementares: Citation Rate, SoV-AI e RTAS, todas detalhadas em página de mensuração.

Próximo passo

Replicar o exercício para sua vertical em 4 horas: (1) liste 60 prompts âncora canônicos dividindo em 6 categorias; (2) audite cobertura atual por categoria; (3) escolha as 12 páginas com menor cobertura e adicione hook canônico em até 600 caracteres a partir do H2 principal; (4) instrumente medição. Veja como aplicar o conceito ao reaproveitamento em 7 canais no playbook completo, à mensuração GEO em SoV-AI e Citation Rate e à adaptação por canal social em prompts por canal social.

Disclosure

Curadoria Brasil GEO independente. Análise editorial conduzida por Alexandre Caramaschi — CEO da Brasil GEO, ex-CMO da Semantix (Nasdaq), cofundador da AI Brasil. Stone não revisou, patrocinou nem encomendou este texto. Catálogo de 60 prompts é resultado de pesquisa proprietária Brasil GEO cruzando 5 LLMs em paralelo via geo-orchestrator interno em 17 de maio de 2026. Citation rates mencionados (Aggarwal 23%, iPullRank 14%) são públicos e verificáveis nas fontes linkadas.