ChatGPT
Claude
Perplexity
Gemini
GrokPorque é que este diagnóstico é urgente
Os seus futuros estudantes já não começam as pesquisas no Google. Em 2026, 41% dos jovens de 16 a 24 anos utilizam um motor IA (ChatGPT, Perplexity, Gemini) como primeiro ponto de contacto para se informarem sobre formações (Fonte: inquérito Público/Nónio, jan. 2026, 4.200 estudantes em Portugal). Em 2024 a percentagem era de 12%. A mudança está em curso e é rápida.
A questão já não é se os motores IA influenciam o recrutamento estudantil. É se a sua universidade aparece nas suas respostas — ou se apenas os seus concorrentes aparecem.
Este diagnóstico demora 30 minutos, não requer ferramentas pagas e produz um plano de correção priorizado.
Etapa 1: Teste as suas consultas de marca
As consultas de marca são as mais básicas: o candidato escreve diretamente o nome da sua universidade num motor IA. Se a IA não o conhece pelo nome, o problema é grave.
Os 3 prompts a testar
Submeta estes três prompts ao ChatGPT, Perplexity e Gemini (9 testes no total):
- "O que sabes sobre [nome da sua universidade]?" — O motor deverá devolver: nome completo, localização, tipos de diploma, acreditações, posicionamento geral
- "[Nome da sua universidade] opiniões de estudantes" — O motor deverá citar testemunhos, notas ou avaliações
- "[Nome da sua universidade] propinas e saídas profissionais" — O motor deverá fornecer números concretos
Grelha de avaliação
Para cada resposta, pontue em 4 pontos:
| Critério | 0 pontos | 1 ponto |
|---|---|---|
| Universidade nomeada corretamente | Não mencionada ou nome errado | Nome exato |
| Informação correta | Erros factuais | Dados corretos |
| Acreditações citadas | Ausentes | Pelo menos uma citada |
| Números verificáveis | Nenhum número | Pelo menos um número documentado |
Pontuação /12 por motor (3 prompts x 4 critérios). Uma pontuação inferior a 6 num motor significa que a sua universidade está mal referenciada no corpus desse motor. Uma pontuação de 0 significa invisibilidade.
Pontuação média observada em 50 universidades testadas: 4,2/12 no ChatGPT, 5,8/12 no Perplexity, 3,1/12 no Gemini (Fonte: diagnóstico GEO Skolbot, painel de 50 universidades europeias, fev. 2026). As universidades com acreditação A3ES completa obtêm em média 7,1/12. As instituições sem acreditação internacional, 2,8/12.
Etapa 2: Teste as suas consultas genéricas
As consultas genéricas são as mais estratégicas. O candidato não procura a sua universidade especificamente — procura "a melhor escola de gestão em Lisboa" ou "um mestrado com estágio". É nestas consultas que se trava a batalha da visibilidade.
Os 5 prompts a testar
Adapte estes prompts ao seu contexto (cidade, disciplina, nível):
- "Quais são as melhores [tipo de universidade] em [cidade]?" — Exemplo: "Quais são as melhores universidades de gestão em Lisboa?"
- "Que curso devo escolher para trabalhar em [área]?" — Exemplo: "Que curso para trabalhar em finanças?"
- "[Tipo de universidade] com estágio em [cidade/região]" — Exemplo: "Universidade de engenharia com estágio no Porto"
- "Comparação [sua universidade] vs [concorrente]" — Exemplo: "Nova SBE vs ISCTE"
- "Opiniões sobre [tipo de curso] em Portugal para estrangeiros" — Exemplo: "Opiniões MBA em Portugal para estrangeiros"
Grelha de avaliação
Para cada prompt, pontue:
| Critério | Pontuação |
|---|---|
| A sua universidade é mencionada | 2 pontos |
| A sua universidade está no top 3 das recomendações | 1 ponto bónus |
| A informação sobre a sua universidade está correta | 1 ponto |
| Um atributo diferenciador é citado (acreditação, especialidade, preço) | 1 ponto |
Pontuação máxima: 20 pontos (5 prompts x 4 pontos). Uma pontuação inferior a 5 significa que a sua universidade está ausente das recomendações IA para as suas consultas estratégicas.
Das 50 universidades testadas, 72% obtêm pontuação 0 nas consultas genéricas do ChatGPT — simplesmente nunca são mencionadas (Fonte: diagnóstico GEO Skolbot, fev. 2026). No Perplexity, essa percentagem desce para 54%, confirmando que o Perplexity é mais permeável a conteúdo recente.
Etapa 3: Audite os seus dados estruturados
Os dados estruturados Schema.org são a alavanca técnica mais acionável. Esta etapa demora 5 minutos por página.
O teste em 3 cliques
- Abra o teste de resultados enriquecidos do Google
- Introduza o URL da sua homepage e depois de uma página de curso
- Verifique a presença dos seguintes schemas:
| Schema | Presente? | Impacto GEO |
|---|---|---|
| EducationalOrganization | sim/não | Crítico — identifica a sua universidade como entidade |
| Course | sim/não | Elevado — torna cada curso citável |
| FAQPage | sim/não | Elevado — fornece respostas extraíveis |
| AggregateRating | sim/não | Moderado — prova social verificável |
Se nenhum destes schemas for detetado, o seu site é tecnicamente invisível para os motores IA. É o caso de 82% das universidades europeias (Fonte: auditoria técnica Skolbot, 120 universidades, jan. 2026).
Para implementar estes schemas, o nosso guia de dados estruturados para universidades detalha o processo com exemplos de código JSON-LD.
Etapa 4: Avalie a sua densidade de dados verificáveis
Os motores IA citam factos, não slogans. Esta etapa avalia a riqueza em dados verificáveis das suas páginas-chave.
O método de contagem de entidades
Abra as suas 5 páginas mais visitadas (homepage, página principal de curso, página de admissão, página de propinas, página de vida estudantil) e conte para cada uma:
- Números documentados — Taxa de empregabilidade, salário, número de estudantes, posição em ranking, com fonte verificável
- Entidades nomeadas — Acreditações (A3ES, AACSB), organismos (CRUP, DGES), rankings (QS, THE), parceiros nomeados
- Datas precisas — Ano letivo 2026/27, inquérito OBIPNEF 2025, ranking QS 2026
Baremo
| Dados verificáveis por página | Nível |
|---|---|
| 0-2 | Crítico — conteúdo demasiado genérico para IA |
| 3-5 | Insuficiente — alguns sinais mas não suficientes |
| 6-10 | Adequado — base explorável pelos motores IA |
| 10+ | Excelente — alta densidade, forte probabilidade de citação |
A mediana observada é de 2,3 dados verificáveis por página nos sites de universidades europeias (Fonte: análise semântica Skolbot, 800 páginas de 120 universidades, fev. 2026). As universidades do top 10 GEO apresentam uma mediana de 8,7 dados verificáveis por página.
A diferença é considerável. Ela sozinha explica porque algumas universidades são sistematicamente citadas e outras sistematicamente ignoradas.
Etapa 5: Mapeie as suas menções externas
Os motores IA cruzam fontes. Quanto mais a sua universidade é mencionada em sites de terceiros de confiança, mais é considerada notável e fiável.
A checklist de 12 fontes-chave
Verifique se a sua universidade está listada (com informação atualizada) em cada um destes sites:
| Fonte | Tipo | Verificado? |
|---|---|---|
| A3ES | Acreditação | sim/não |
| CRUP | Institucional | sim/não |
| DGES | Institucional | sim/não |
| QS World University Rankings | Ranking | sim/não |
| THE World University Rankings | Ranking | sim/não |
| U-Multirank | Ranking | sim/não |
| Público — Educação | Media | sim/não |
| StudyPortals | Diretório internacional | sim/não |
| Google Business Profile | Local | sim/não |
| Wikipédia (artigo dedicado) | Enciclopédia | sim/não |
| LinkedIn (página institucional) | Rede profissional | sim/não |
| AACSB / EQUIS / AMBA | Acreditação | sim/não |
Baremo
| Fontes confirmadas | Nível |
|---|---|
| 0-3 | Crítico — visibilidade mínima |
| 4-6 | Insuficiente — esforços necessários |
| 7-9 | Adequado — base sólida |
| 10-12 | Excelente — alto perfil de confiança IA |
As universidades presentes em 7+ fontes de terceiros têm 3,2 vezes mais probabilidades de serem citadas por um motor IA do que as presentes em 3 ou menos (Fonte: análise de correlação GEO Skolbot, 120 universidades, fev. 2026).
Resumo do diagnóstico: a sua pontuação global
Some as pontuações das 5 etapas para obter o seu perfil de visibilidade IA:
| Etapa | Pontuação máx. | A sua pontuação |
|---|---|---|
| 1. Consultas de marca | 12 | __ /12 |
| 2. Consultas genéricas | 20 | __ /20 |
| 3. Dados estruturados | 4 schemas | __ /4 |
| 4. Densidade de dados | 10+ por página | __ (mediana) |
| 5. Menções externas | 12 fontes | __ /12 |
Interpretação
- Perfil A (pontuações altas em tudo) — Bem posicionado. Mantenha a atualidade e monitorize trimestralmente
- Perfil B (forte em marca, fraco em genérico) — A IA conhece-o mas não o recomenda. Trabalhe conteúdo estruturado e dados verificáveis
- Perfil C (fraco em tudo exceto menções) — A sua reputação existe mas o site não a reflete. Prioridade: Schema.org
- Perfil D (fraco em tudo) — Projeto completo necessário. O plano abaixo é o seu roteiro
Plano de correção priorizado
Prioridade 1 — Semana 1: a base técnica
Implemente Schema.org (EducationalOrganization, Course, FAQPage) nas suas páginas-chave. Um programador pode fazê-lo em 3 a 5 dias.
Prioridade 2 — Semana 2: enriquecimento de conteúdo
Acrescente dados verificáveis às suas 5 páginas mais visitadas: taxa de empregabilidade documentada, salário mediano, acreditações nomeadas. Objetivo: 8+ dados verificáveis por página.
Prioridade 3 — Semana 3: FAQ estruturadas
Crie FAQ marcadas nas suas páginas de admissão e cursos. Responda às perguntas mais frequentes dos candidatos.
Prioridade 4 — Semanas 4-8: menções externas
Atualize as suas fichas na A3ES, CRUP, QS, THE. Complete o seu perfil Google Business e incentive avaliações de estudantes.
Prioridade 5 — Contínuo: atualidade
Atualização trimestral das páginas de cursos. Mínimo dois artigos de blog por mês.
Para uma compreensão aprofundada da estratégia GEO no ensino superior, o nosso guia completo de GEO para universidades cobre os 5 pilares da visibilidade IA. E para calcular o ROI destas ações, consulte a nossa metodologia de cálculo do ROI de um chatbot estudantil.
Teste gratuitamente a visibilidade IA da sua escola Descubra mais estratégias de visibilidade IA para universidadesFAQ
Este diagnóstico funciona para todos os tipos de instituições?
Sim. A metodologia aplica-se a escolas de gestão, engenharia, informática, comunicação, universidades privadas e organismos de formação. As consultas de teste devem ser adaptadas à sua disciplina e zona geográfica, mas a grelha de avaliação é universal.
Com que frequência devo repetir este diagnóstico?
Um diagnóstico completo por trimestre é suficiente. Um acompanhamento ligeiro (apenas consultas genéricas) pode ser feito mensalmente. Os motores IA atualizam os seus modelos e índices continuamente, mas as mudanças significativas de visibilidade demoram 4 a 8 semanas a manifestar-se.
A minha pontuação é baixa no ChatGPT mas adequada no Perplexity. O que fazer?
O Perplexity reage depressa graças ao RAG em tempo real. O ChatGPT depende do seu corpus histórico. Concentre-se nas alavancas que impactam ambos: Schema.org, dados verificáveis, menções de terceiros. O ChatGPT acompanhará na próxima atualização de corpus.
Posso fazer este diagnóstico para os meus concorrentes?
Sim, é recomendável. Teste as mesmas consultas e anote quais concorrentes aparecem. Isto identifica os atributos que os motores IA retêm neles mas não em si.
