Plano de ação 90 dias: ser citado pelo ChatGPT e Perplexity

Por que o ChatGPT e o Perplexity ainda não citam a sua escola

Apenas 8 % das respostas do ChatGPT mencionam uma instituição portuguesa de ensino superior, contra uma média europeia de 19 % — um fosso de 11 pontos que representa candidatos que não encontram a sua escola quando pedem recomendações à IA (Fonte: Monitorização GEO Skolbot, 500 consultas × 6 países × 3 motores IA, fev. 2026). A razão não é falta de qualidade académica: é falta de sinal legível pelos motores IA.

O ChatGPT e o Perplexity não funcionam como o Google. Não classificam páginas por relevância; sintetizam respostas a partir de fontes estruturadas, verificáveis e citadas por terceiros de confiança. Um site universitário com texto de marketing, sem dados, sem marcação Schema.org e sem menções externas é invisível para estes sistemas — independentemente do seu prestígio real.

O contexto português agrava o problema. As universidades privadas e os politécnicos portugueses têm ainda menos conteúdo GEO do que os seus homólogos europeus. A acreditação pela A3ES e o registo na DGES são dados de autoridade que os motores IA procuram — mas que raramente aparecem de forma estruturada nos sites institucionais.

O bom lado: a janela de oportunidade está aberta. A investigação de Princeton sobre GEO demonstrou que os melhores métodos de otimização melhoram a visibilidade em IA em 30 a 40 %. Este plano de 90 dias operacionaliza esses métodos para o contexto das escolas superiores em Portugal.

Para enquadrar este plano na estratégia global de visibilidade IA da sua instituição, consulte o nosso guia GEO completo para universidades.

Os 4 pilares da visibilidade em IA

A visibilidade no ChatGPT e no Perplexity assenta em quatro pilares interdependentes. Nenhum por si só é suficiente; os quatro em conjunto produzem um efeito cumulativo significativo.

A sequência importa: os pilares 1 e 2 criam a base técnica; o pilar 3 fornece a matéria-prima citável; o pilar 4 amplifica a credibilidade junto dos motores que cruzam fontes, como o Perplexity.

Para auditar o seu ponto de partida no Perplexity antes de começar, o nosso guia de auditoria de visibilidade no Perplexity fornece uma grelha de 10 consultas prontas a usar.

Fase 1 – Dias 1 a 30: Fundamentos técnicos

A primeira fase instala a infraestrutura sem a qual nenhum conteúdo é citável. Pode ser executada pela equipa de comunicação e pelo webmaster em paralelo.

Passo 1.1 – Implementar Schema.org nas páginas prioritárias

Adicione marcação EducationalOrganization em JSON-LD à página inicial e à página Sobre nós. Os campos obrigatórios para visibilidade IA são: name, address, foundingDate, accreditation (com link para a ficha A3ES), numberOfStudents, areaServed e url. Um campo frequentemente omitido mas muito valorizado: alumni, com exemplos de percursos verificáveis.

Para cada página de curso ou mestrado, adicione o schema Course com educationalLevel, provider, coursePrerequisites, timeRequired e offers (propinas). O schema FAQPage é aplicado a todas as páginas que contêm perguntas e respostas, incluindo artigos de blog. O guia técnico completo está no nosso artigo sobre dados estruturados para universidades.

Passo 1.2 – Auditar e corrigir as páginas de curso

Identifique as 5 páginas de programa mais procuradas (licenciaturas e mestrados com maior volume de candidaturas). Para cada uma, verifique se contém: propinas por ano letivo, duração do curso em semestres, taxa de empregabilidade com fonte e metodologia, acreditações visíveis (A3ES no mínimo), e uma tabela com dados comparativos.

Substitua os textos de marketing genéricos por parágrafos de resposta direta. O modelo é simples: a primeira frase responde à pergunta implícita do título; as frases seguintes fornecem dados específicos. Um texto do tipo «o nosso Mestrado em Gestão dura 4 semestres, custa 1.063 €/ano e apresenta uma taxa de emprego de 89 % a 6 meses (inquérito DGES 2025, 287 respondentes)» é extraível por um LLM. Uma afirmação do tipo «formação de excelência com dimensão internacional» não é.

Passo 1.3 – Criar ou atualizar a página FAQ principal

Crie uma página FAQ central com as 15 perguntas mais frequentes dos candidatos. Não escreva FAQs de marketing («Porque escolher a nossa escola?»); escreva FAQs informativas («Quais são os requisitos de acesso para a Licenciatura em Direito?», «Existe possibilidade de equivalência para candidatos com CET?»). Aplique a marcação FAQPage em JSON-LD a esta página e ative a monitorização no Google Search Console para acompanhar a indexação dos dados estruturados.

Para verificar o estado atual da visibilidade do ChatGPT antes de avançar para a fase 2, o nosso diagnóstico de visibilidade ChatGPT detalha o protocolo de teste em 20 consultas.

Fase 2 – Dias 31 a 60: Conteúdo que pode ser citado

Com a infraestrutura técnica instalada, a fase 2 produz o conteúdo que os motores IA vão extrair e citar. O foco é a criação de «cápsulas de resposta» — blocos de texto autossuficientes de 40 a 60 palavras que respondem a uma pergunta concreta.

Passo 2.1 – Cápsulas de resposta por programa

Para cada um dos 5 programas prioritários identificados na fase 1, crie uma página dedicada com pelo menos 4 cápsulas de resposta. Cada cápsula corresponde a um H2 ou H3 que formula (ou implica) uma pergunta. Os temas obrigatórios: admissão e requisitos, estrutura curricular, estágios e empregabilidade, propinas e apoios financeiros.

Exemplo de cápsula otimizada para a consulta «MBA Lisboa propinas 2026»:

O MBA em Gestão Empresarial da [escola] tem duração de 18 meses, propina de 9.800 € (2026-2027), acreditação A3ES com classificação Muito Bom e uma taxa de emprego de 93 % a seis meses (inquérito inserção profissional 2025, 112 respondentes). O programa inclui um projeto aplicado em empresa parceira no último semestre.

Esta cápsula contém seis dados verificáveis num texto <70 palavras. É o formato que o ChatGPT e o Perplexity extraem.

Passo 2.2 – Tabelas de dados comparativos

Publique tabelas de dados no corpo das páginas de programa — não apenas em PDFs. Os motores IA não leem PDFs protegidos por formulários de captação. Uma tabela com cabeçalhos claros e dados numéricos é o formato mais facilmente extraível por um LLM.

Inclua tabelas de: comparação entre programas do mesmo nível (duração, propinas, vagas, taxa de emprego), evolução das notas de ingresso dos últimos três anos, e distribuição das saídas profissionais por setor. A DGES e a A3ES publicam parte destes dados; referencie as suas fontes explicitamente para aumentar a credibilidade junto dos motores IA.

Passo 2.3 – Conteúdo de atualidade com data visível

Os motores IA, em particular o Perplexity, privilegiam fontes recentes. Publique pelo menos dois artigos por mês com data visível e dados atuais: resultados de inserção profissional da turma do ano corrente, dados de candidaturas do concurso nacional de acesso, novas acreditações ou renovações A3ES, e parcerias académicas recentes.

A data de publicação e de última modificação deve estar visível no cabeçalho da página — não apenas nos metadados. Um artigo «Empregabilidade turma 2025 — resultados do inquérito», publicado em maio de 2026, tem mais peso para o Perplexity do que uma página «Porque nos escolher», sem data, de 2022.

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

Fase 3 – Dias 61 a 90: Amplificação e menções externas

Os motores IA cruzam fontes. Uma instituição citada apenas no seu próprio site tem menor credibilidade do que uma citada também pela A3ES, pela DGES e por publicações independentes. A fase 3 constrói este ecossistema de menções externas.

Passo 3.1 – Menções institucionais de autoridade

Verifique que a sua escola está corretamente registada e atualizada nos seguintes portais: a ficha da A3ES com todas as acreditações e renovações recentes, o portal da DGES com dados de vagas e colocações, e os dados do concurso nacional de acesso disponíveis no portal da DGES. Estes portais são fontes de autoridade que os motores IA consultam para corroborar a informação dos sites institucionais.

Para instituições presentes em rankings internacionais, assegure que a ficha está atualizada no QS, no Times Higher Education ou no ranking da área específica (AACSB, EQUIS, AMBA para escolas de gestão). Cada menção ativa nestes rankings é um «voto de confiança» que reforça a citabilidade da sua escola.

Passo 3.2 – Presença em meios externos especializados

Produza pelo menos dois artigos de opinião ou contribuições para publicações sectoriais com link para o seu site. Os temas mais eficazes são os que se alinham com consultas reais dos candidatos: análise do mercado de trabalho na área de especialidade da escola, perspetivas sobre a evolução do concurso nacional de acesso, ou dados de empregabilidade com comentário de um docente ou responsável académico.

Contacte jornalistas de publicações como o Público Educação, o Expresso, a Visão, ou publicações sectoriais relevantes para a sua área. Uma menção com link numa publicação de referência tem impacto direto na visibilidade no Perplexity, que cita fontes externas nas suas respostas.

Passo 3.3 – Sinais de atualidade e redes académicas

Registe a sua escola no Google Business Profile com a categoria «Universidade» e mantenha-o atualizado com eventos, noticias e fotos. Assegure a presença no LinkedIn com publicação regular de dados verificáveis (não apenas comunicados de imprensa). O LinkedIn é indexado tanto pelo Perplexity como pelo ChatGPT com pesquisa na web.

Para os politécnicos e universidades privadas, a participação em redes académicas portuguesas (CRUP, CCISP) e europeias (EUA, EURASHE) gera citações institucionais que os motores IA reconhecem. A proteção de dados dos candidatos durante todo o processo deve respeitar as orientações da CNPD, nomeadamente no que respeita à recolha de dados através de formulários e chatbots no site institucional.

Os AI Overviews do Google constituem uma quarta camada de visibilidade que se alimenta das mesmas fontes. O nosso artigo sobre AI Overviews e ensino superior explica como as otimizações GEO produzem efeito simultâneo neste formato.

Medir os resultados no dia 90

No final do plano, avalie o impacto com um protocolo de medição estruturado. A medição deve comparar o estado inicial (dia 0) com o estado atual (dia 90) nas mesmas condições.

Protocolo de medição

Selecione 20 consultas estratégicas que representam as pesquisas reais dos seus candidatos: 8 consultas de marca (nome da escola, programas específicos, localização), 6 consultas genéricas (tipo de escola, área de estudo, cidade) e 6 consultas comparativas (escola vs. concorrente, ranking de área).

Submeta cada consulta ao ChatGPT e ao Perplexity no mesmo dia, com o mesmo utilizador (sem histórico de conversação). Registe se a sua escola é citada (C), mencionada sem link (M) ou ausente (A).

Indicadores-chave de sucesso aos 90 dias

O objetivo realista para um plano de 90 dias, implementado de forma consistente, é passar de 8 % para 18-20 % de visibilidade nas consultas de marca no ChatGPT — alinhando a sua escola com a média europeia. As instituições que implementam todos os pilares podem alcançar 20-28 %, acima da média continental.

Com Schema.org estruturado e cápsulas de resposta implementadas, as escolas portuguesas ganham em média +12 pontos de visibilidade IA (Fonte: Monitorização GEO Skolbot, 500 consultas × 6 países × 3 motores IA, fev. 2026). Este ganho é mensurável e replicável.

Solicitar uma demonstração personalizada

FAQ

Quanto tempo demora até o ChatGPT começar a citar a minha escola?

O ChatGPT tem um corpus de treino com atualização periódica, pelo que as alterações no site podem demorar 6 a 12 semanas a refletir-se nas respostas. O Perplexity é mais rápido — 2 a 4 semanas — porque consulta a web em tempo real. Por isso, o Perplexity é o melhor indicador de progresso durante o plano de 90 dias; o ChatGPT confirma os ganhos estruturais a médio prazo.

A acreditação A3ES ajuda a aparecer nas respostas da IA?

Sim, diretamente. A A3ES é uma fonte de autoridade reconhecida pelos motores IA. Uma escola com acreditação A3ES explicitamente marcada no Schema.org (accreditation com link para a ficha A3ES) e mencionada na ficha do portal A3ES tem um sinal de credibilidade forte. O ChatGPT e o Perplexity utilizam os dados A3ES para corroborar as afirmações dos sites institucionais.

Este plano é aplicável a politécnicos e não apenas a universidades?

Sim. Os politécnicos têm frequentemente menor visibilidade IA do que as universidades privadas generalistas, mas os mesmos pilares aplicam-se. A chave é focar as cápsulas de resposta nas consultas específicas dos candidatos a politécnicos: cursos de curta duração, CTeSP, licenciaturas profissionalizantes, taxas de empregabilidade regional. O nicho favorece: o Perplexity responde a consultas como «melhor politécnico para enfermagem no norte de Portugal» com fontes mais específicas do que para consultas genéricas.

Como garantir que os dados que a IA cita estão corretos?

O controlo da informação citada é feito pela qualidade do conteúdo do seu próprio site. Se o ChatGPT cita um dado incorreto, é porque esse dado está errado (ou desatualizado) numa das suas fontes. A solução é publicar dados verificáveis, com fonte e data, nas páginas de maior visibilidade — e atualizar quando os dados mudam. O Perplexity cita as fontes visivelmente, o que facilita a identificação e correção de erros.

O que fazer se um concorrente aparecer nas respostas IA com informação incorreta sobre a minha escola?

Este cenário é mais raro do que parece, mas acontece em páginas de comparação ou fóruns de estudantes. A solução é publicar conteúdo próprio que responda diretamente às consultas de comparação — com dados factuais e verificáveis. Não é possível remover conteúdo de terceiros de forma direta; é possível deslocá-lo com conteúdo mais autorizado e mais estruturado no seu site e nos portais de referência (A3ES, DGES).