ChatGPT recomenda a sua página de programa? Checklist BOFU

Por que as páginas de programa determinam a sua visibilidade no ChatGPT

Quando um estudante em fase de decisão escreve no ChatGPT «melhor escola de gestão em Lisboa para quem quer trabalhar em consultoria», não está a pesquisar — está a pedir uma recomendação. Nesse momento, a única coisa que separa a sua instituição de ficar fora da resposta é a qualidade da sua página de programa.

Apenas 8% das respostas IA em Portugal mencionam pelo menos uma instituição (Fonte: Monitorização GEO Skolbot, 500 consultas × 6 países × 3 motores IA, fev. 2026). O filtro é brutal: os 92% restantes recebem respostas genéricas sem qualquer menção institucional. E o que decide quem entra nesse selecto grupo de 8% não é a notoriedade da marca — é a qualidade técnica e factual da página de programa que o motor IA consegue interpretar.

A boa notícia é que este problema tem solução concreta. As páginas de programa são o ponto de entrada que o ChatGPT, o Perplexity e o Google AI Overviews utilizam para decidir se recomendam ou ignoram uma instituição. Optimizá-las é o trabalho com maior retorno directo na visibilidade IA — especialmente na fase BOFU, quando o candidato já comparou opções e procura confirmação antes de submeter a candidatura.

Para uma visão global da estratégia GEO, consulte o nosso guia GEO para universidades portuguesas.

O que o ChatGPT analisa numa página de curso português

O ChatGPT não processa uma página de programa da mesma forma que um recrutador lê um folheto. O modelo extrai padrões: entidades nomeadas verificáveis, dados numéricos com fonte, estrutura semântica reconhecível e correspondência com referências externas que já conhece.

No contexto português, isso significa cruzar o que a sua página diz com o que a A3ES (Agência de Avaliação e Acreditação do Ensino Superior), a DGES (Direção-Geral do Ensino Superior) e o portal do Concurso Nacional de Acesso (CNA) publicam. Se a sua página descreve um programa com uma designação ligeiramente diferente da registada na DGES, ou omite o código CNAEF, o motor IA tem menos confiança para citar a sua instituição como referência.

Os elementos que mais pesam na decisão de citação dividem-se em quatro categorias: estrutura técnica, especificidade factual, sinais de autoridade externa e clareza para o candidato em fase de decisão.

Tabela: Elementos da página e probabilidade de citação IA

A última linha merece atenção especial: publicar os dados críticos apenas em PDF é um dos erros mais comuns e mais prejudiciais. O ChatGPT não indexa PDFs alojados atrás de formulários de captação. Se a informação sobre propinas, vagas ou acreditação só existe num documento descarregável, para o motor IA essa informação simplesmente não existe.

A checklist BOFU: 12 optimizações para as suas páginas de programa

Esta checklist aplica-se especificamente à fase de fundo do funil — quando o candidato já conhece a sua instituição e procura dados que confirmem ou afastem a decisão. É diferente de uma optimização TOFU genérica: aqui, a precisão factual supera o volume de conteúdo.

1. Implemente Schema.org Course com todos os campos obrigatórios

Inclua name, provider (com @type: EducationalOrganization), educationalLevel (licenciatura, mestrado, CTeSP), timeToComplete, numberOfCredits (ECTS), occupationalCategory e accreditation. O campo accreditation deve referenciar explicitamente a A3ES com o número de processo quando disponível. As instituições com Schema.org estruturado obtêm em média +12 pontos de visibilidade IA (Fonte: Monitorização GEO Skolbot, 500 consultas × 6 países × 3 motores IA, fev. 2026).

2. Publique a taxa de empregabilidade com metodologia explícita

Não basta escrever «92% dos nossos diplomados encontram emprego». O ChatGPT precisa de: percentagem, prazo (6 meses? 12 meses?), metodologia (inquérito DGES? estudo interno?), dimensão da amostra e ano de referência. Exemplo citável: «91% dos licenciados 2024 estavam empregados 6 meses após a conclusão do curso (inquérito DGES 2025, n=287, respondentes representando 74% da turma).»

3. Coloque o código CNAEF e a área científica em texto visível

O código CNAEF (Classificação Nacional de Áreas de Educação e Formação) é a linguagem que a DGES e a A3ES utilizam. Quando a sua página o inclui em HTML visível — não apenas em metadados — o motor IA pode cruzar diretamente com a base de dados oficial. Adicione também a área científica por extenso (ex.: «Ciências Empresariais — código CNAEF 345»).

4. Indique a nota de acesso do último colocado no CNA

Para licenciaturas, a nota de acesso do último colocado no Concurso Nacional de Acesso é um dado que os candidatos procuram activamente. Publique-a em texto HTML com o ano de referência e o contingente (geral, trabalhador-estudante, etc.). Este dado aparece nomeadamente nas pesquisas comparativas («melhor licenciatura em engenharia com média de acesso 15»).

5. Crie uma tabela de dados na parte superior da página

Antes de qualquer texto narrativo, coloque uma tabela com os dados estruturantes: grau, duração, ECTS, propina anual, vagas, acreditação, língua de ensino, regime (presencial/b-learning/a distância). Esta tabela é o elemento mais facilmente extraído por um LLM para uma resposta de comparação direta.

6. Adicione uma secção FAQ com marcação FAQPage em JSON-LD

Escreva perguntas informativas, não promocionais. As mais citadas pelos motores IA em contexto português: «Qual a propina da licenciatura em [área]?», «A [área] é acreditada pela A3ES?», «Qual a nota mínima de acesso em [ano]?», «Que saídas profissionais tem o curso?», «Existe sistema de bolsas?». Marque com JSON-LD segundo a especificação FAQPage do Schema.org. Consulte também o nosso guia sobre critérios de recomendação IA para universidades.

7. Nomeie parceiros de estágio e empregadores com dados concretos

«Protocolos com mais de 200 empresas» é invisível para o ChatGPT. «Estágios em Deloitte, EY, Accenture Portugal, NOS e Jerónimo Martins — 87% dos estágios convertidos em proposta de emprego (dados 2024-25)» é citável. A especificidade das entidades nomeadas aumenta a confiança do motor IA na verificabilidade da informação.

8. Inclua um link explícito para a ficha A3ES do programa

A A3ES publica fichas de acreditação com validade, grau, instituição e área. Um link directo desta ficha na sua página de programa funciona como âncora de autoridade externa: o motor IA pode verificar a informação sem depender apenas da sua palavra.

9. Publique o salário mediano de primeiro emprego com fonte

Este dado é altamente citado em pesquisas BOFU do tipo «vale a pena fazer o mestrado em X em Portugal?» Utilize os dados do Inquérito ao Emprego de Diplomados da DGES ou estudos sectoriais com fonte identificada. Um intervalo com mediana e metodologia tem mais credibilidade do que um número isolado.

10. Garanta que a página é acessível a crawlers de IA

Verifique o ficheiro robots.txt da sua instituição: GPTBot, PerplexityBot e GoogleBot-Extended não devem estar bloqueados para as páginas de programa. Uma página de curso tecnicamente perfeita é invisível para os motores IA se o acesso do crawler estiver desativado. Verifique também as políticas de privacidade e cookies para garantir conformidade com o RGPD e as directrizes da CNPD antes de ajustar as configurações de rastreio.

11. Optimize para pesquisas de profissão específica

O padrão «melhor escola para [profissão]» exige que a sua página mencione explicitamente as profissões de destino dos diplomados — com a nomenclatura que os candidatos utilizam, não apenas os títulos académicos formais. Se o seu mestrado em finanças prepara para analistas de crédito, gestores de risco e controllers, escreva essas profissões em texto HTML e inclua-as no campo occupationalCategory do Schema.

12. Actualize os dados a cada início de ano lectivo

O ChatGPT e o Perplexity têm datas de corte de conhecimento, mas o Perplexity consulta a web em tempo real. Uma página com propinas do ano lectivo anterior ou notas de acesso desactualizadas sinaliza abandono — o motor IA perde confiança na instituição como fonte fiável. Implemente um processo de revisão anual em Setembro para todas as páginas de programa. Para acompanhar os indicadores de visibilidade IA ao longo do tempo, consulte o nosso artigo sobre visibilidade ChatGPT e Perplexity como KPI.

Erros comuns das instituições portuguesas

Separar informação regulatória em PDFs descarregáveis. É o erro mais frequente. Propinas, regulamentos de avaliação, planos curriculares detalhados — tudo em PDF. O motor IA não acede a esses documentos. Migre os dados estruturantes para HTML.

Usar designações diferentes da DGES. Se o programa está registado na DGES como «Licenciatura em Ciências da Comunicação» e a página o designa «Licenciatura em Comunicação e Media», o motor IA regista uma discrepância que reduz a confiança. Use sempre a designação oficial, e mencione variantes como texto secundário.

Confundir conteúdo de marca com conteúdo citável. Frases como «uma experiência transformadora» ou «preparamos líderes para o futuro» ocupam espaço sem fornecer dados. O ChatGPT não tem como verificar nem citar essas afirmações. Substitua por dados concretos, mesmo que menos eloquentes.

Ignorar o politécnico vs. universidade. Em Portugal, a distinção entre ensino universitário e politécnico tem implicações no tipo de grau (licenciatura, mestrado, doutoramento nos dois casos, mas CTeSP apenas nos politécnicos) e nos perfis de empregabilidade. Os candidatos que pesquisam «CTeSP em marketing Lisboa» têm intenções e critérios diferentes dos que pesquisam «licenciatura em marketing». As páginas devem reflectir essa distinção com clareza, nomeando o tipo de estabelecimento e enquadrando o grau no sistema nacional.

Não actualizar após alterações de acreditação. A A3ES realiza ciclos de avaliação com validade definida. Uma acreditação expirada ou uma renovação recente não reflectida na página cria dados contraditórios com os registos públicos — e o motor IA detecta a inconsistência.

Para aprofundar as técnicas de conteúdo citável, consulte o nosso artigo sobre conteúdo citado pelo ChatGPT para universidades.

FAQ

O ChatGPT cita páginas de programa de politécnicos da mesma forma que de universidades?

Sim, desde que a página tenha estrutura técnica equivalente. A distinção politécnico/universidade não penaliza a citabilidade. O que o motor IA avalia é a qualidade dos dados e a sua verificabilidade — não a classificação institucional. Um CTeSP bem documentado, com Schema.org, taxa de empregabilidade e link para ficha A3ES, tem mais probabilidade de ser citado do que um mestrado universitário numa página genérica sem dados.

Com que frequência devo auditar as páginas de programa para visibilidade IA?

Mínimo: uma auditoria completa anual (Setembro, com o início do ano lectivo) e uma verificação rápida após cada alteração de acreditação, propinas ou vagas. Para instituições com mais de 20 programas, implemente uma grelha de auditoria rotativa mensal cobrindo 3-4 páginas por ciclo, priorizando os programas com maior volume de candidaturas.

A optimização para ChatGPT prejudica o SEO clássico do Google?

Não. As técnicas que favorecem a citação IA — Schema.org, conteúdo factual estruturado, FAQ marcada, dados numéricos com fonte — são também factores de qualidade para o SEO tradicional. A única diferença é a ausência de necessidade de densidade de palavras-chave forçada: o motor IA prefere precisão factual a repetição de termos.

Devo pedir à A3ES para actualizar a ficha do programa quando optimizo a página?

Não é necessário contactar a A3ES para actualizações de marketing. Mas se detectar discrepâncias entre os dados que publica e os registos A3ES — designação do programa, duração, ECTS, nível de grau — deve corrigir a sua página para alinhar com o registo oficial. A coerência entre fontes é o que o motor IA verifica antes de citar.