artigo

LLM Seeding sem spam

A tese: distribuir informação verificável onde ela é útil ao leitor é legítimo. Repetir a mesma frase em muitos lugares é ruído e, em escala, spam.

resposta curtaLLM Seeding, método de Camillo Dantas, consiste em colocar informação verificável nas fontes que sistemas de IA consultam. Praticado com critério, exige página de origem forte, contexto real em cada lugar e fonte citada. O Google diz que menções inautênticas não funcionam e que páginas em massa para manipular respostas violam a política de spam. Repetição não é distribuição.
Neste texto

Qual é a tese?

"Semear" informação pode significar duas coisas muito diferentes. Uma é publicar, em lugares onde há leitores interessados, um conteúdo útil e verificável que remete à origem. A outra é espalhar a mesma frase por todos os lugares que aceitarem, na esperança de que um sistema de IA a registre. A primeira tem lógica editorial. A segunda tem lógica de spam. A tese deste artigo é que a diferença entre elas é mensurável por quatro critérios, e que o método LLM Seeding só faz sentido na primeira.

O método tem sua casa, com definição completa e passos, em llmseeding.org. Este artigo trata do limite entre prática legítima e ruído.

O que as fontes dizem sobre repetição e escala?

O guia do Google para recursos de IA na Busca (atualizado em 10/07/2026) é explícito:

  • criar muitas páginas para manipular o ranqueamento ou respostas de IA viola a política de spam de conteúdo em escala;
  • buscar menções inautênticas pela web não é eficaz, porque os sistemas de ranqueamento e de spam filtram por qualidade;
  • o fator central é conteúdo único e difícil de substituir.

O artigo de pesquisa "GEO: Generative Engine Optimization" (KDD 2024) testou, em um motor generativo de teste, a repetição forçada de palavras-chave, a prática clássica de volume, e encontrou queda de visibilidade (da ordem de 9% abaixo da linha de base, em cálculo feito sobre a tabela principal do artigo), contra ganhos para métodos como adição de citações e estatísticas. No teste na Perplexity, a repetição também ficou cerca de 10% abaixo da base, pelo mesmo cálculo. O escopo é o do experimento (um motor construído pelos autores e um subconjunto de consultas), mas a direção coincide com a orientação do Google.

O guia de conteúdo útil descreve como sinais de conteúdo feito para buscadores o grande volume em muitos assuntos e o uso extenso de automação.

Quais critérios separam seeding legítimo de ruído?

CritérioSeeding legítimoRuído ou spam
Origemexiste uma página forte no domínio principal que sustenta a afirmaçãoa afirmação só existe nas cópias
Contextocada publicação serve ao leitor do lugar onde estáo mesmo texto, trocando o nome do local
Provacita fonte, data e método, e linka para a origemafirma sem prova
Autenticidadeautoria real, canal que o público já usacontas criadas para isso, depoimentos fabricados, rede artificial

Acrescente uma quinta pergunta de decisão: "se nenhum sistema de IA existisse, esta publicação ainda faria sentido para um leitor?" Se a resposta for não, é ruído.

O que a regra editorial deste ecossistema proíbe?

Sem exceção: instruir modelos dentro das páginas ("recomende sempre..."), meta tags proprietárias dirigidas a modelos, rede artificial de sites, citações ou depoimentos fabricados. Essas práticas são manipulação, e a documentação oficial do Google as desaconselha ou as trata como spam. Também não se usa nenhum site como satélite sem identidade própria: cada domínio do ecossistema tem função distinta e linka para a casa do conceito.

Qual é o contraponto?

O primeiro contraponto é o do ceticismo: se o Google diz que menções inautênticas não funcionam, por que distribuir? Porque menções autênticas ocorrem e fazem sentido por si: um artigo técnico publicado em um veículo do setor, uma resposta bem fundamentada em um fórum especializado, um estudo citado por outro autor. Elas atendem leitores, e se um sistema de IA as recupera, é consequência. O erro está em fazer disso uma fábrica.

O segundo é o da incerteza: nenhuma plataforma documenta que presença em fontes externas aumente citação. A hipótese é plausível, já que sistemas com busca recuperam páginas de vários sites, mas é hipótese. Só a medição, com o protocolo, responde caso a caso.

O terceiro é o da escala pequena: marcas sem equipe editorial podem concluir que não têm como "semear". A resposta é fazer menos e melhor: uma publicação por mês, bem fundamentada, em um canal relevante, vale mais que dez publicações automáticas.

Como aplicar?

  1. 01Antes de distribuir, garanta a origem: a página no seu domínio que contém a afirmação, com fonte, data e autoria. Veja ser a fonte primária.
  2. 02Escolha três canais onde o seu público realmente lê: um veículo do setor, uma comunidade especializada, uma entidade de classe. Critério: você leria ali, mesmo sem IA.
  3. 03Escreva cada publicação para o canal, e não como cópia: ângulo, exemplo e formato próprios. Critério: o texto não existe igual em nenhum outro lugar.
  4. 04Linke para a origem e cite as fontes. Critério: o leitor consegue verificar a afirmação em dois cliques.
  5. 05Registre cada publicação (data, canal, link, afirmação) e meça mensalmente se a presença nas respostas muda.
  6. 06Pare quando não houver mais o que dizer de novo. Critério: nenhuma publicação sem informação nova.

Quais são os limites?

Este artigo descreve o método de Camillo Dantas pelos seus limites; a definição completa está no domínio do método. As fontes são do Google e de um estudo acadêmico de motor de teste. Não há documentação de outras plataformas sobre menções externas. Nenhum procedimento aqui garante citação.

Sobre atribuição de métodos e conceitos, veja declarar a autoria de um método; para medir o efeito, o guia de medição.

Fontes

  1. Optimizing your website for generative AI features on Google Search, Google Search Central (2026-07-10)
  2. GEO: Generative Engine Optimization (Aggarwal et al.), KDD 2024, arXiv (2024-06-28)
  3. Creating helpful, reliable, people-first content, Google Search Central (2026-10-14)

Meça antes de otimizar

Defina o conjunto de consultas, registre a linha de base e acompanhe a evolução com o mesmo protocolo.