Ferramentas de IA para SEO: meu conjunto e os testes que o moldaram

Meu conjunto de ferramentas de IA para SEO são modelos de linguagem, dados pagos de resultados do Google, um programa de rastreamento de sites e scripts próprios. O modelo organiza bem os dados, os descreve e escreve código. Mas o resultado de uma única coleta de resultados ou de uma única resposta do modelo pode ser casual. Por isso mostro os testes que mudaram a forma como uso essas ferramentas. Não monto um ranking de 1 a 10, porque não comparei essas ferramentas lado a lado com os mesmos dados.

O que a IA faz bem em SEO, e o que não faz?

O modelo de linguagem lê, organiza e escreve bem, mas calcula mal de memória e não vê os dados que você não lhe der. Em 26 e 27 de setembro de 2026, testei modelos de linguagem em 17 tipos de tarefas de SEO, cada um em nível fácil e difícil. Parte dos tipos montei com base em 103 vagas de emprego para especialistas em SEO. As vagas mencionavam com mais frequência auditoria técnica, relatórios e análise de dados. Entre as ferramentas, mencionavam com mais frequência Search Console, Google Analytics 4 (GA4), Ahrefs, Semrush e Screaming Frog.

Os modelos mais fortes tiveram quase 100% em praticamente todos os tipos de tarefa, então as diferenças só apareceram nos modelos mais fracos. Entre os da ponta estavam, entre outros, Claude Opus 5.5, Fable 5.1, Codex e Gemini 3.1 Pro. No cálculo a partir de um arquivo, em nível difícil, o Claude Haiku 4.5 teve 2 de 10 pontos. O Gemini 3.8 Flash com nível baixo de raciocínio teve 1 de 10, e o Gemma 4 12B local, 0 de 10. Nas tarefas em que o modelo podia calcular os dados com um script em Python, todos os modelos na nuvem testados tiveram a pontuação completa. Até os mais fracos tiveram. Os dados dessas tarefas são exportações do Screaming Frog, 45 mil eventos do GA4 e um log de servidor com 160 mil linhas. Por isso, na minha prática, quem calcula os números é um script que o modelo escreve e executa.

Dois modelos avaliaram às cegas um texto em polonês, e aí as diferenças foram grandes. Os avaliadores não sabiam qual modelo tinha escrito o texto. A escala tinha 5 níveis, e 5 significava um texto pronto para enviar ao cliente sem correções. Só o Claude Opus 5.5 e o Claude Sonnet 5 tiveram 5 na tarefa de redação difícil. O Gemini 3.1 Pro teve 2, porque inventou uma “conversa de ontem” com o destinatário. O avaliador Claude Opus foi mais rigoroso que o avaliador Gemini, tanto com as respostas do Claude quanto com as dos demais modelos.

O mesmo modelo pode dar um resultado diferente na execução seguinte do mesmo teste. O Claude Haiku 4.5 teve em duas execuções 62 e 39 pontos de 102. No texto sobre auditoria SEO descrevi por que um modelo de IA não faz sozinho uma auditoria completa de um site.

Meu conjunto: qual ferramenta uso para quê?

Divido as ferramentas em seis usos no trabalho, e não por fabricantes. O mesmo modelo aparece em vários usos, porque o uso de um jeito para ler dados e de outro para verificar. Em cada uso informo o teste depois do qual mudei meu modo de trabalhar.

Quais modelos de linguagem uso e para quê?

Faço o trabalho principal no Claude Code, ou seja, no Claude executado no terminal, com acesso a arquivos, scripts e dados. O Claude escreve e executa scripts, lê exportações e prepara rascunhos de relatórios. O Codex (OpenAI) e o Gemini (Google) recebem os mesmos materiais para a segunda verificação.

Verifico textos e relatórios com um segundo modelo, de outro fabricante, em duas rodadas. A primeira rodada procura erros de fato e lacunas. A segunda verifica só as correções, porque ao corrigir surgem novos erros. Em outubro de 2026, em um projeto, a segunda rodada encontrou em um guia um número errado do total de links sobre o qual se calculava a porcentagem: 79 em vez de 76. Esse erro surgiu só nas correções. Meu script de verificação não o encontrou.

Um modelo como juiz de qualidade pode medir algo diferente do que uma pessoa mede, por isso o verifico em textos que já avaliei. Em 7 de outubro de 2026, dei a dois modelos para avaliar 87 descrições de patentes do Google. Entre elas havia 8 descrições que eu mesmo tinha considerado prontas, e os juízes não sabiam disso. O Fable, modelo da Anthropic, considerou prontas 5 dessas 8. O Codex com nível alto de raciocínio considerou 1 de 8.

Esses dois resultados dizem respeito só aos textos que eu mesmo considerei prontos. Não avaliei as outras 79 descrições, então não sei quantas rejeições foram justas. O Codex rejeitou ao todo 51 das 87 descrições, porque comparava cada frase da descrição com as reivindicações, ou seja, com o escopo jurídico da patente. A concordância entre os juízes foi próxima da casual. O Kappa de Cohen foi de 0,06, em que 0 significa concordância casual e 1, concordância total.

Uso modelos locais no meu computador com placa de vídeo para rótulos em massa, porque não pago por cada unidade. Em 1º de outubro de 2026, testei modelos locais em quatro tarefas simples. Os dados eram páginas de três lojas virtuais polonesas. O Gemma 4 31B reconheceu o tipo de página em 98,5% de 403 páginas. Os tipos de página eram produto, lista de produtos, artigo ou outra. Um script com regras acertava 84% dessas páginas.

O Gemma leu os preços e avaliou a concordância dos números quase sem erros, mas parte dos gabaritos desse teste veio de um modelo, e não de uma pessoa. O gabarito do tipo de página eram rótulos de um script corrigidos pelo modelo Claude Opus. O Gemma leu corretamente o preço em todas as 177 páginas de produto. O gabarito era o preço dos dados estruturados, de acordo com o texto da página. Em 99,3% de 134 casos, o Gemma avaliou corretamente se o número da frase concordava com os dados. Metade dessas frases tinha o número alterado de propósito. O Gemma reconheceu também o tipo de demanda em uma palavra-chave (oferta, fora da oferta ou conselho) em 97,7% de 218 palavras-chave. O gabarito aqui eram rótulos do modelo Claude Opus.

A mesma família de modelos falhou ao comparar números entre dois arquivos em uma proposta real. Em 12 de outubro de 2026, duas versões do Gemma 4, 26B e 31B, compararam 63 linhas e apontaram apenas contradições falsas. Consideraram, por exemplo, que “-34%” e “um terço” são valores contraditórios. O único problema real nesse texto não era de números, e sim uma palavra exagerada ao lado de um resultado da tabela. Portanto, não era uma tarefa do Gemma. Agora um script verifica se cada número de um arquivo aparece no outro. É uma verificação da presença dos números, e o significado deles é conferido por uma pessoa ou por um segundo modelo.

Quais ferramentas uso para dados de posições e demanda?

Tiro os dados dos resultados do Google do DataForSEO, do Search Console e do Ahrefs, e cada uma dessas fontes tem uma armadilha diferente. O DataForSEO vende coletas de resultados do Google e dados de demanda, com cobrança por cada consulta. De 17 de setembro a 14 de outubro de 2026, encomendei lá 17.076 tarefas por 99,89 USD. Entre elas, 13.085 foram coletas de resultados do Google.

Uma única coleta de resultados não basta para medir a posição, porque coletas seguidas da mesma palavra-chave são diferentes. Em 7 de outubro de 2026, baixei os resultados de 94 palavras-chave três vezes, de hora em hora, e duas vezes no mesmo minuto, por 1,57 USD. Depois comparei os domínios do top 10 em duas coletas da mesma palavra-chave. Os domínios em comum representaram na mediana cerca de 15% de todos os domínios diferentes das duas coletas. Nas coletas do mesmo minuto, foram cerca de 8%. Uma palavra-chave teve na mediana 4 variantes de resultados. Por isso, em vez da posição, calculo a porcentagem de coletas em que o domínio está no top 10. São cerca de 10 coletas, enviadas todas ao mesmo tempo.

Essa medição invalidou meu teste anterior, em que comparei a posição de uma única coleta com as citações de cinco coletas. O resultado “aprovado” desse teste se mostrou falso, então suspendi o teste. A AI Overview, ou seja, a resposta de IA acima dos resultados do Google, foi estável nessa medição: apareceu em 97-99% das coletas, e a lista das páginas citadas não mudou.

O Search Console mostra cliques medidos pelo próprio Google, mas a exportação do painel corta a tabela em 1.000 linhas. Mil consultas ordenadas por cliques são a parte mais clicável dos dados. Em 20 de setembro de 2026, em um site, a exportação do painel mostrou CTR de 4,28% para as posições 1-3 nos EUA. O CTR é a porcentagem de impressões que terminam em clique. Dados de 16 meses baixados sem o limite de 1.000 linhas, ou seja, 123.498 consultas, deram 1,40%. Baixo esses dados pela API do Search Console, isto é, a interface para programas. A segunda forma é um relatório no Looker Studio, a ferramenta gratuita do Google para relatórios, com o conector do Search Console.

Uso o Ahrefs para links, palavras-chave e concorrência, mas confiro no Search Console as estimativas de tráfego dele. A coluna de tráfego no Rank Tracker do Ahrefs é uma estimativa: a demanda estimada multiplicada por uma porcentagem de cliques adotada. Em um site, essa estimativa foi de 10 a 50 vezes maior que os cliques no Search Console, e em outro, cerca de 3 vezes menor. O Rank Tracker também conta blocos da página de resultados como posições. Em um caso, a queda da 1ª para a 13ª posição significava apenas que uma AI Overview tinha aparecido acima dos resultados.

Quais ferramentas uso na auditoria técnica?

Para a auditoria uso o Screaming Frog e o navegador Chrome sem janela, e o modelo de IA lê os resultados, mas não substitui o rastreamento do site. O Screaming Frog percorre o site como um robô de busca. O Chrome executado sem janela mostra a página depois da execução do JavaScript, então comparo as duas versões da página. Em uma auditoria, rastreamentos com e sem JavaScript executados em paralelo deram um sinal falso sobre a renderização. Desde então, executo-os um depois do outro.

Quando o firewall do site auditado bloqueia meu programa de rastreamento, baixo endereços isolados pelo serviço Apify Web Fetch. No teste de 12 de outubro de 2026, o serviço leu 8 de 8 páginas que eu não conseguia baixar do meu endereço IP. Duas delas pertenciam a sites de clientes, e seis a sites públicos de avaliações, comparadores e lojas virtuais. Custou 0,00155 USD por endereço. O serviço às vezes informava, porém, um download bem-sucedido com o código 200, embora tivesse baixado só a página de verificação. Por isso, considero um bloqueio um texto muito curto ou um texto de verificação e repito o download.

Esse serviço não mostra o que vê um robô real do Google ou um robô de IA. Ele se conecta de outro endereço IP, e mesmo quando informo o nome do robô, os outros cabeçalhos revelam um Chrome comum. Por isso verifico os bloqueios de robôs no Search Console e com um script próprio que compara as respostas do servidor para diferentes robôs. No texto sobre o arquivo llms.txt descrevi como verifico, pelo endereço IP, se a requisição foi enviada por um robô real.

Construí o assistente de auditorias técnicas com as auditorias da minha agência de 2020 a 2026 e o meço em auditorias feitas antes por uma pessoa. O assistente é um agente de IA que reúne dados sobre o site e os verifica segundo um catálogo de regras registradas a partir dessas auditorias. Aprovo eu mesmo o escopo da auditoria e as prioridades, no início do trabalho e antes de enviar a auditoria. O resultado da medição acrescentarei aqui depois da segunda medição em um site novo.

Quais ferramentas uso para conteúdo e semântica?

Atribuo a palavra-chave à página com busca híbrida, porque a versão anterior da minha ferramenta acertava só um terço das palavras-chave. Em 14 de outubro de 2026, peguei palavras-chave do Search Console de dois sites, sem as que tinham o nome da marca. Para cada palavra-chave, o gabarito era a página que recebeu pelo menos 60% dos cliques dessa palavra-chave e estava entre as páginas rastreadas do site. A versão anterior da ferramenta usava o modelo MiniLM para embeddings, ou seja, a transformação de texto em um vetor de números. Apontou a página de referência como a primeira em 34% das palavras-chave.

A busca híbrida combina três listas de páginas e acertou a página de referência em 80,5% e 77,1% das palavras-chave. A primeira lista vem do modelo e5-large. A segunda é a busca por palavras no conteúdo, e a terceira, por palavras no título, no H1 e no endereço. Combino as listas pelo método RRF, que premia as páginas que ficam no alto de várias listas ao mesmo tempo. O melhor modelo de embeddings isolado foi diferente em cada um dos sites, e a híbrida ganhou nos dois.

Neste teste encontrei um erro na minha própria ferramenta: o modelo não via o final da maioria dos trechos de texto. O script dividia o texto em trechos de 80 palavras, e o modelo aceita 128 tokens, ou seja, pedaços de palavras. As palavras polonesas se dividem em mais tokens que as inglesas, então 89-98% dos trechos eram cortados. O resultado de 34% diz respeito, portanto, à versão anterior da ferramenta junto com esse erro, e não ao modelo MiniLM em si. O teste mede a concordância com os cliques no Google, e não qual página responde melhor à consulta.

Extraio entidades, ou seja, nomes de empresas, produtos, pessoas e conceitos, dos textos com o modelo local GLiNER2. No meu teste de julho de 2026, o modelo teve em textos poloneses F1 de 0,94, o mesmo que em textos ingleses. O F1 combina precisão e abrangência, e 1 significa resultado perfeito. Esse resultado diz respeito a rótulos que não se sobrepõem. Quando havia ao mesmo tempo, em uma só consulta, os rótulos “empresa” e “marca”, o F1 caía para 0,85. O modelo roda em um processador comum, cerca de 20 parágrafos por segundo, sem cobrança por página.

Não uso o GLiNER2 para reconhecer a intenção das palavras-chave, porque no meu teste ele acertava só 33-42% dos casos. Muitas vezes errava com confiança de 0,99, ou seja, quase a máxima que ele mesmo informa.

Fiz o mapa de temas desta série de textos a partir de entidades de 71 páginas da concorrência da Polônia e dos EUA. O script extraiu 110 entidades e 1.764 triplas, ou seja, registros na forma entidade, atributo e valor. Os dados custaram 0,072 USD. O mapa mostrou os papéis dos textos, os pares de textos a ligar com links e os temas que faltam neste site.

Quais ferramentas uso para link building?

Para a análise de links uso o Ahrefs, mas verifico ao vivo os links marcados como perdidos, antes de eles entrarem nas conclusões. Em outubro de 2026, em um projeto, o Ahrefs mostrava 360 domínios poloneses como perdidos. 140 deles ainda linkavam para o mesmo endereço. Cerca de 70 endereços respondiam com erro 403 ao download por um programa comum, então os verifiquei em um navegador controlado por script (Playwright).

Dirijo a Linko, uma plataforma de links, em sociedade, então não a descrevo aqui como a ferramenta de outra empresa. No texto sobre link building descrevi como avalio os portais antes de comprar publicações. No texto sobre link building na era da IA descrevi como a IA ajuda a preparar publicações e o contato com os publishers.

Quais ferramentas uso para medir a visibilidade em IA?

Descrevi as ferramentas de medição da visibilidade da marca em IA em um texto à parte, então aqui só informo o princípio. Conto separadamente a menção da marca na resposta e a citação da página dela. Faço cada pergunta várias vezes, porque as respostas dos assistentes mudam. No texto sobre visibilidade da marca em IA descrevi a medição, o número de repetições e as armadilhas das ferramentas. No texto sobre GEO e AI SEO descrevi o que faço na página para que os assistentes de IA possam citá-la.

Que ferramentas de SEO construímos nós mesmos?

Quando nenhuma ferramenta responde à minha pergunta, escrevo com a ajuda da IA um script próprio. A maioria desses scripts serve ao trabalho interno: rastreamento, download de dados, entidades, verificação de textos e números. Antes de começar a usar um script no trabalho, eu o verifico em dados com resposta correta.

Na VerticalSEO, estamos preparando 16 ferramentas de SEO, que ficarão disponíveis pelo site e pela API, também para agentes de IA. As ferramentas ainda não foram publicadas. Os testes de 8 de outubro de 2026 verificaram se as ferramentas funcionam conforme a especificação. Passaram 610 de 610 testes da API e 325 de 325 testes das ferramentas para agentes no navegador. Essas ferramentas funcionam no padrão WebMCP, que disponibiliza funções do site para agentes de IA. Os testes ainda não medem se as ferramentas dão conclusões de SEO corretas.

O teste da ferramenta de verificação de entidades mostrou que só o nome não basta para indicar a entidade. Procurei a plataforma polonesa de comércio Allegro, mas a ferramenta escolhia, no Knowledge Graph do Google, ou seja, na base de entidades dele, uma obra de Vivaldi. Com o meu nome e sobrenome, escolhia um ator. Agora a ferramenta confirma a entidade só quando o Google informa para ela a página que está sendo verificada. A confirmação também pode vir de um identificador indicado pela Wikidata ou pelos dados estruturados do site.

O LemmeGSC, meu painel para os dados do Search Console, está sendo preparado para lançamento como software aberto. O painel baixa os dados do Search Console sem o limite de 1.000 linhas. Mostra, entre outras coisas, a canibalização de palavras-chave, ou seja, várias páginas de um mesmo site para a mesma palavra-chave.

Quais ferramentas gratuitas de SEO bastam para começar?

Para começar bastam o Search Console, o Looker Studio, a versão gratuita de um assistente de IA e a versão gratuita do Screaming Frog. Cada uma dessas ferramentas tem uma função:

• o Search Console mostra cliques, impressões e consultas do Google;
• o Looker Studio com o conector do Search Console baixa esses dados sem o limite de 1.000 linhas;
• a versão gratuita do assistente de IA agrupa palavras-chave, escreve rascunhos e scripts, se você lhe der os dados;
• a versão gratuita do Screaming Frog rastreia até 500 endereços, o que basta para um site pequeno.

Só vale acrescentar ferramentas pagas de palavras-chave e links quando você souber a que pergunta elas devem responder. O assistente de IA gratuito não conhece os seus dados do Search Console. Ele rende mais quando recebe de você uma exportação e o pedido de um script que calcule o resultado.

Como testo uma ferramenta de IA antes de confiar nela?

Verifico a ferramenta em dados para os quais conheço a resposta correta. Nem todo teste deste texto teve todos os elementos da lista abaixo. No teste dos modelos locais, o gabarito do tipo de página foi corrigido por um modelo, e não por uma pessoa. Hoje o teste tem estes elementos:

• um conjunto de referência com decisões de uma pessoa ou com dados do Google, por exemplo a página com a maioria dos cliques de uma palavra-chave;
• o resultado esperado registrado antes de executar o teste;
• a repetição da mesma execução, porque uma única execução de um modelo ou uma única coleta de resultados pode ser casual;
• casos com um erro plantado, para verificar se a verificação o detecta;
• custo e tempo por unidade;
• números conferidos por um script, e não por um modelo.

Os dados dos testes me custaram pouco, e o que mais exige trabalho é o conjunto de referência. O teste de coletas de resultados custou 1,57 USD, e os dados do mapa de temas da série, 0,072 USD. O conjunto de referência exige uma avaliação prévia de uma pessoa. Os custos informados não incluem esse trabalho.

Registro o resultado do teste junto com o que o teste não verificou. Na atribuição da palavra-chave à página, conheço a concordância com os cliques no Google, mas não sei se a página indicada é a que melhor responde à consulta. Nos modelos locais, verifiquei quatro tarefas simples, e não tarefas completas. Sem esse registro, é fácil tomar o resultado de um teste por mais amplo do que é.

Perguntas frequentes sobre ferramentas de IA em SEO

Por onde começar?

Comece por uma tarefa que você faz toda semana e pelos dados que você já tem no Search Console. Dê ao modelo os dados completos e peça um script que calcule o que hoje você calcula à mão. Compare o resultado com alguns casos que você mesmo verificar. Só quando os resultados baterem, execute o script com todos os dados. No texto sobre estratégia de SEO descrevi quais dados do Search Console verifico no início do trabalho.