AI Citation Recovery: Corrigir marca mal representada em respostas de IA

Quando um prospecto pergunta ao ChatGPT sobre sua marca e recebe resposta errada, não é só "desinformação": é receita perdida. Dois LLMs diferentes classificaram a thMenu em categoria concorrente; corrigimos ambos em 21 dias. Este é o protocolo replicável.

Passos 1-2: Rastrear fonte, publicar correction record

Pergunte primeiro ao LLM "qual fonte você usou?". Perplexity mostra citações; em ChatGPT/Claude, exija a fonte específica. Depois envie email à página culpada (blog, diretório): citação textual, fato documentado, prazo de 7 dias.

Abra uma página /about/corrections em formato P&R. Crawlers de LLM ponderam altamente correções autopublicadas porque vêm do domínio de entidade canônico.

Passo 3: Atualizar entrada na Wikidata

Wikidata é a referência canônica para Wikipedia e todas as pipelines de treino LLM. Atualize "instance of", "industry", "country of origin" com fontes. Edições sem fonte são revertidas em horas.

Reforce com Organization JSON-LD na homepage: array sameAs com URI Wikidata, LinkedIn, Crunchbase. Sinal de desambiguação mais forte.

Passos 4-5: Feedback formal e verificação

OpenAI: polegar para baixo no ChatGPT + privacy.openai.com. Anthropic: support@anthropic.com com captura. Perplexity: "Report" → "Inaccurate". Após 14-30 dias, repita o mesmo prompt em navegador anônimo. Para thMenu, dia 18 e dia 21.

FAQ

O modelo não fica congelado até o próximo treinamento? Os pesos fundacionais sim, mas a camada retrieval/RAG atualiza em dias.

A página de correções prejudica o SEO? Não — formulada "X é falso, Y é correto" ganha buscas negativas.

Qual passo é mais crítico? Combinação Wikidata + correction record no site.

Achou útil? Compartilhe.