Wikipedia, LinkedIn, imprensa: fontes que os LLM citam

Os LLM não visitam o seu site antes de responder a um candidato. Apoiam-se num corpus fixo, treinado ou indexado com meses de antecedência, onde um pequeno grupo de fontes terceiras domina — Wikipedia, LinkedIn e imprensa especializada à frente de tudo o resto.

Isto muda o problema de raiz. Otimizar a própria página de curso com marcação Schema.org (tema tratado noutro artigo da série GEO) ajuda o modelo a compreender o conteúdo quando o encontra. Mas se a instituição nunca aparecer nas fontes que o modelo já consultou e em que confia, essa otimização técnica fica sem efeito prático. Este artigo mapeia o que precisa de existir fora do site.

Por que os LLM quase nunca leem o seu site diretamente

Os LLM apoiam-se num corpus fixo dominado por terceiros de confiança, não numa leitura em tempo real do seu site. O ChatGPT gera respostas a partir de dados de treino e de um número limitado de resultados de pesquisa recuperados no momento — normalmente uma dezena, segundo a análise da Profound sobre padrões de citação (tryprofound.com).

Um estudo da 5W Research de 2026, divulgado via PR Newswire, mostra a dimensão do fenómeno: Wikipedia e Reddit geram em conjunto mais de 25% das citações do ChatGPT nos EUA. Wall Street Journal, New York Times e Bloomberg — três das marcas de imprensa mais respeitadas do mundo — não aparecem sequer no top 20 das fontes citadas (PR Newswire, 2026).

A Profound confirma o padrão com outro ângulo: a Wikipedia sozinha representa 7,8% de todas as citações do ChatGPT, e quase metade (47,9%) das citações dentro do top 10 de fontes do motor. O Perplexity segue uma lógica diferente — privilegia LinkedIn, NIH e G2, plataformas comunitárias e profissionais, e cita em média 21,9 fontes por resposta contra 10,4 no ChatGPT (Profound, 2026).

Para uma instituição de ensino superior privada, a conclusão prática é simples: o site institucional é o ponto de chegada do candidato, não o ponto de partida do modelo. É por isso que os 15 sinais que os LLM avaliam para recomendar uma escola incluem tanta coisa que acontece fora do domínio próprio.

Wikipedia: a página que não se pode comprar

Uma entrada Wikipedia bem construída pesa mais nas citações do ChatGPT do que qualquer outra fonte isolada — mas não se cria por decreto interno. As regras de notoriedade da própria Wikipedia para organizações e empresas exigem cobertura significativa em fontes secundárias fiáveis e independentes do sujeito (Wikipedia:Notability (organizations and companies)). Um comunicado de imprensa, um artigo patrocinado ou um texto escrito pela própria instituição nunca contam para esse critério.

A autoedição é o erro mais comum e o mais detetável. Os editores voluntários da Wikipedia identificam com facilidade padrões de conflito de interesses — contas novas que só editam uma página, texto promocional sem fontes independentes, remoção sistemática de críticas. O resultado habitual é a reversão da edição e, por vezes, um aviso de conflito de interesses visível na página de discussão, o que prejudica mais do que ajuda.

O caminho que funciona é indireto. Cobertura de imprensa independente — um artigo no Público sobre a acreditação A3ES de um novo curso, uma peça no Expresso sobre resultados de empregabilidade, uma menção num relatório da DGES — cria as fontes secundárias que um editor de Wikipedia pode citar. Sem essas fontes, não há entrada sólida possível.

Do lado prático, existem dois métodos aceites: submeter um rascunho através do processo Articles for Creation, com fontes já reunidas, ou propor alterações concretas na página de discussão de uma entrada existente, sempre identificando o vínculo institucional. O que nunca deve acontecer é um colaborador da instituição editar diretamente a própria página.

LinkedIn: a identidade que a IA trata como verificada

O LinkedIn funciona, para os motores de IA, como uma espécie de registo profissional verificado — e os dados de 2026 confirmam o peso disso nas citações. Uma análise da ALM Corp sobre 325.000 prompts encontrou que o LinkedIn é o 2.º domínio mais citado em ChatGPT, Gemini, Google AI Overviews, Copilot e Perplexity (ALM Corp, 2026).

Nem todo o conteúdo do LinkedIn pesa da mesma forma. O mesmo estudo mostra que os artigos do LinkedIn (LinkedIn Articles) representam entre 50% e 66% do conteúdo citado consoante a plataforma — muito mais do que publicações comuns ou páginas de empresa. Um artigo longo assinado pela direção da instituição, com dados concretos sobre empregabilidade ou parcerias, tem mais probabilidade de ser recuperado do que um post de três linhas.

A página de empresa continua a ser a base: nome, morada, acreditações e cursos coerentes com o site oficial, sem lacunas nem informação desatualizada. Mas o efeito de maior alcance vem de outro lado — ativar os perfis pessoais de dirigentes e docentes, que captam cerca de 65% do alcance orgânico contra cerca de 5% das páginas de empresa. Um reitor ou diretor de curso que publica regularmente gera mais tração do que a própria conta institucional.

Na prática, isto significa dedicar tempo a três frentes: manter a página de empresa completa e atualizada, publicar artigos assinados com regularidade trimestral, e incentivar dois ou três dirigentes a manterem perfis pessoais ativos com conteúdo sobre a instituição.

Imprensa e media: que cobertura conta (e qual não conta)

Nem toda a cobertura de imprensa pesa da mesma forma nas citações dos LLM. Um comunicado distribuído sem qualquer tratamento editorial raramente é citado diretamente — os motores tratam-no como conteúdo promocional, o mesmo enquadramento que a Wikipedia aplica para efeitos de notoriedade.

A cobertura editorial independente é que conta: um jornalista do Público ou do Expresso que investiga, contacta a instituição, cruza fontes e publica um artigo com assinatura própria. Esse artigo entra no corpus que os LLM recuperam com confiança, pelo mesmo mecanismo que explica o peso da Wikipedia e do LinkedIn — são fontes terceiras, não autoproduzidas.

A relação entre comunicado e artigo de imprensa não é de substituição, é de sequência. Um comunicado bem distribuído raramente é citado sozinho, mas pode desencadear o interesse de um jornalista e originar o artigo que acaba por ser citado. A função do comunicado passa a ser gerar a oportunidade editorial, não ser a fonte final.

Para uma instituição de ensino superior privada em Portugal, os ângulos que geram esse interesse costumam ser recorrentes: resultados de empregabilidade por curso, novas acreditações A3ES, parcerias com empresas para estágios, ou dados sobre a evolução das candidaturas face ao concurso nacional de acesso.

Construir a sua "pilha de fontes" (source stack)

Uma pilha de fontes sólida não se constrói de uma só vez — segue uma sequência de três passos que se reforçam mutuamente. Cada passo depende parcialmente do anterior para ter impacto.

Passo 1 — Consolidar o que já existe. Reveja a página de empresa no LinkedIn, corrija inconsistências de nome e morada, e verifique se existe já uma entrada Wikipedia (mesmo que incompleta). Este passo é rápido e não exige aprovação de terceiros.

Passo 2 — Gerar cobertura independente. Identifique dois ou três ângulos editoriais concretos (dados de empregabilidade, nova acreditação, parceria relevante) e proponha-os a jornalistas do Público, Expresso ou media do setor. Esta cobertura é o combustível que alimenta tanto a Wikipedia como a perceção geral de autoridade.

Passo 3 — Ativar vozes pessoais e formalizar a Wikipedia. Com cobertura de imprensa reunida, submeta ou reforce a entrada Wikipedia via Articles for Creation, e incentive dirigentes a publicarem artigos LinkedIn que referenciem essa mesma cobertura.

Esta pilha de fontes complementa, mas não substitui, dois outros pilares do trabalho GEO da instituição: a marcação Schema.org nas páginas de curso, que ajuda o modelo a interpretar o conteúdo quando o encontra, e o plano de ação de 90 dias para ser citado no ChatGPT e Perplexity, que sequencia estas ações num calendário concreto. Os dados internos da Skolbot mostram que instituições com marcação Schema.org estruturada alcançam, em média, mais 12 pontos percentuais de visibilidade em IA — mas em Portugal o ChatGPT só menciona uma instituição em 8% das respostas, contra uma média europeia de 19% (Fonte: Monitorização GEO Skolbot, 500 pesquisas × 6 países × 3 motores de IA, fev. 2026). A marcação técnica sozinha não fecha essa distância; as fontes externas descritas neste artigo são o complemento que falta.

A reputação também importa neste equilíbrio: avaliações no Google e discussões no Reddit alimentam o mesmo corpus que a Wikipedia e o LinkedIn, e são tratadas em detalhe no plano de reputação em 90 dias para instituições de ensino superior.

Wikipedia vs LinkedIn vs imprensa: comparação prática

FAQ

Um comunicado de imprensa pode aparecer citado diretamente por um LLM? Raramente. Os motores tratam comunicados como conteúdo promocional e preferem citar o artigo editorial independente que esse comunicado eventualmente gera.

Vale a pena editar diretamente a página Wikipedia da própria instituição? Não é recomendável. Os editores da Wikipedia detetam com facilidade padrões de conflito de interesses e a edição direta arrisca reversão e um aviso público na página de discussão — o método correto é o Articles for Creation ou a proposta em página de discussão.

Porque é que o LinkedIn pesa tanto nas citações do Perplexity especificamente? O Perplexity privilegia plataformas comunitárias e profissionais como LinkedIn, NIH e G2, ao contrário do ChatGPT, que se apoia mais em Wikipedia e Reddit — são lógicas de recuperação de fontes diferentes entre motores.

Um perfil pessoal de um dirigente é mesmo mais eficaz do que a página de empresa? Sim, segundo os dados disponíveis: perfis pessoais captam cerca de 65% do alcance orgânico no LinkedIn, contra cerca de 5% das páginas de empresa, o que também se reflete na probabilidade de o conteúdo ser recuperado por um LLM.

Quanto tempo demora a construir esta pilha de fontes? A consolidação do LinkedIn pode fazer-se em semanas; gerar cobertura de imprensa e submeter uma entrada Wikipedia sólida costuma exigir vários meses, por depender de terceiros externos à instituição.

Para acompanhar o impacto destas ações mês a mês, consulte o guia de KPI e ritual mensal para visibilidade no ChatGPT e Perplexity. E para o enquadramento completo da estratégia GEO da sua instituição, o guia GEO para instituições de ensino reúne todos os pilares num só lugar.