Uma marca SaaS mid-market com vários produtos, integrações e sites regionais estava a perder citações em IA e rich results após um redesign.
Entidades foram duplicadas, IDs mudaram e bios ficaram desatualizadas.
Reconstruímos o grafo de entidades, standardizámos o schema e montámos uma medição que ligava fixes diretamente a receita.
Neste estudo de caso vai ver o que fizemos, o stack que usámos e os resultados — mais uma checklist reutilizável.
Use-o em conjunto com o nosso pilar de entidades Entity Optimization: The Complete Guide & Playbook e o pilar de dados estruturados Structured Data: The Complete Guide for SEO & AI.
O problema
Valores
@idduplicados para produtos e autores em EN/PT/FR.Páginas de integração sem nomes consistentes; assistentes citavam concorrentes.
Preços de produto e disponibilidade não batiam certo entre schema e página.
Bios de autores desatualizadas; schema de revisor em falta em conteúdo sensível.
Links internos partidos após o redesign; pilares e supports ficaram órfãos.
AI Overviews deixaram de citar a marca para queries core de “AI search optimization”.
Objetivos
Restaurar clareza de entidades para marca, produtos, integrações, autores e localizações.
Recuperar rich results e citações em IA; melhorar CTR e pedidos de demo.
Criar governação para evitar deriva de ID e quebras de schema em futuras releases.
Visão geral da abordagem
Auditar entidades, IDs, cobertura de schema e citações em IA.
Reconstruir o mapa de entidades e a política de sameAs.
Atualizar templates e conteúdo com schema estável e intros answer-first.
Reconfigurar interligações internas para refletir o grafo de entidades.
Monitorizar citações IA, cobertura e performance com dashboards.
Passo 1: auditoria
Crawling de 5 mil URLs para presença de JSON-LD, campos obrigatórios, IDs duplicados e campos about/mentions.
Extração de Search Console para queries de marca/entidade e relatórios de rich results.
Testes de prompts em AI Overviews, Perplexity e Copilot para as principais entidades.
Recolha de scores de saliência via Google NLP em páginas pilar para ver se marca/produtos surgiam como entidades principais.
Registo de mismatches: preço vs página, horários vs schema, autor vs byline.
Passo 2: mapa de entidades e políticas
Criação de um único mapa de IDs para Organization, Products, Features (ProductModel), Integrations (SoftwareApplication), Authors (Person) e Locations (LocalBusiness).
Definição de convenções de naming com desambiguação (por ex. “Product X — Analytics” vs “Product X — Integrations”).
Standardização de links sameAs (LinkedIn, GitHub, Crunchbase, app stores) e remoção de perfis com baixa confiança.
Documentação de regras de about/mentions por template.
Passo 3: fixes em templates e conteúdo
Atualização dos templates Article, Product e Integration para referenciar IDs a partir do registo.
Adição de schema Product/SoftwareApplication com offers, identificadores e links de brand; correção da paridade de preços.
Refresh de bios de autores com credenciais e sameAs; adição de schema de revisor em conteúdo YMYL.
Inclusão de about/mentions em artigos para os ligar a produtos e integrações; reescrita de intros para definir entidades nos primeiros 100–150 palavras.
Implementação de BreadcrumbList e WebSite searchAction em todos os templates.
Passo 4: reconstrução de interligações internas
Pilares passaram a ligar a todos os supports; supports ligam de volta e entre tópicos irmãos.
Guias de integração passaram a ligar a páginas de parceiros e pilares de produtos com âncoras ricas em entidades.
Cartões de autor adicionados em clusters relevantes; informação de localização ligada a conteúdo de suporte local.
Páginas órfãs corrigidas; supports ficaram a no máximo três cliques da home.
Passo 5: validação e monitorização
Linting em CI para campos obrigatórios e IDs duplicados; checks Playwright para schema renderizado.
Crawls semanais a extrair JSON-LD; scripts de paridade para preço/disponibilidade.
Banco de prompts registado mensalmente; citações acompanhadas por entidade e por mercado.
Dashboards em Looker a mostrar cobertura, erros, citações IA, CTR e pedidos de demo por cluster.
Resultados (90 dias)
Elegibilidade para rich results restaurada para Product e Article; erros reduzidos em 92 %.
Citações em AI Overviews: de 0 para 18 menções em queries core; Perplexity/Copilot a citarem specs corretas de produto.
CTR: +14 % em guias de produto; +9 % em páginas de integração.
Pedidos de demo: +11 % em clusters orientados a entidades; lift mais forte em conteúdo de integrações.
Tempo de resolução para incidentes de schema caiu de 10 dias para menos de 2 dias.
Snapshot de dashboard (métricas seguidas)
Cobertura: % de páginas com schema obrigatório por template; contagem de IDs duplicados.
Citações IA: volume/parte por entidade; notas de exatidão.
Performance: impressões/CTR em queries de entidade; demos/contactos de páginas de entidade.
Frescura: idade de bios, preços e screenshots; alertas > 120 dias.
Confiança: ratings de reviews (quando aplicável), autoridade de novas citações.
Stack de ferramentas usada
Registo de IDs: Airtable com
@id, tipo, sameAs, owner, última atualização.Templates de schema: JSON-LD baseado em componentes no design system; versionado em Git.
Validação: lint em CI para campos/IDs obrigatórios; checks de renderização com Playwright; extração personalizada em Screaming Frog semanalmente.
Scripts de paridade: Python a comparar schema vs valores on-page para preço, disponibilidade, nomes de autores.
NLP: API Google NLP para seguir saliência de marca e produtos em pilares.
Logger de prompts: harness Python a capturar mensalmente outputs de AI Overviews/Perplexity/Copilot.
Dashboards: Looker com Search Console API + GA + logs de prompts + resultados de crawl.
Alertas: webhooks Slack em erros de schema, IDs duplicados, queda de citações > 20 %.
Timeline e milestones
Semana 1: auditoria e rascunho do mapa de IDs; criação de banco de prompts; captura de métricas de baseline.
Semana 2: limpeza de sameAs; lint de schema em CI; fixes nas 20 páginas prioritárias.
Semana 3: bios de autores atualizadas e schema de revisor adicionado; about/mentions implementados em pilares.
Semana 4: scripts de paridade de preço em produção; checks de renderização Playwright introduzidos.
Semana 5: páginas de integração reescritas com IDs e âncoras consistentes; alinhamento com páginas de parceiros.
Semana 6: dashboards lançados; primeiro log de prompts com 6 citações e 4 erros.
Semana 8: erros resolvidos; citações subiram para 12; aumento de CTR visível.
Semana 10: ronda de localização mantendo IDs estáveis; adição de descrições em português; citações adicionadas em PT.
Semana 12: review final: Entity Health Score de 54 → 82; checklist de governação adotada.
Banco de prompts (exemplos)
“What is [Brand]'s AI search platform?”
“Does [Brand] integrate with [Partner]?”
“How much does [Product] cost?”
“Who leads AI search at [Brand]?”
“Where is [Brand] headquartered?”
“What features are in [Product]?”
Registados mensalmente com notas de exatidão e fixes.
Alterações de conteúdo que mais impactaram
Definições claras e preços logo no primeiro parágrafo de páginas de produto; alinhados com offers em schema.
Inserção de resumos de integrações com nomes de parceiros e links; mentions em schema espelhavam as âncoras.
Adição de FAQs a responder a principais perguntas PAA e prompts de IA; schema FAQ usado quando elegível.
Atualização de screenshots e imagens com alt text a repetir nomes e contextos canónicos.
Armadilhas que encontrámos (e respetivos fixes)
- Problema: schema Person duplicado gerado por plugin além dos templates custom.
Fix: schema do plugin desativado, JSON-LD de autor standardizado.
- Problema: moedas misturadas em Offers para páginas localizadas.
Fix: injeção de preços dependente da locale; códigos de moeda ISO obrigatórios.
- Problema: nomes de integrações desatualizados em sameAs.
Fix: revisão trimestral de sameAs, validação a falhar builds quando sameAs devolvem 404.
- Problema: URLs legadas órfãs após redirecionamentos.
Fix: crawl para 404; rewire de links internos e atualização de sitemaps.
Como a governação evitou regressões
CI bloqueava releases quando campos obrigatórios estavam vazios ou IDs duplicados eram detetados.
Changelog obrigatório em cada release de schema/conteúdo com links de validação.
Revisão mensal de prompts apanhava deriva em descrições de assistentes antes de afetar CTR.
Owners para mapa de IDs atribuídos; alterações requeriam aprovação; IDs obsoletos sinalizados.
Aplicar isto ao seu site: passo a passo
Correr uma auditoria de crawl + prompts; registar erros e afirmações incorretas.
Construir um único mapa de IDs; congelar IDs; limpar sameAs.
Corrigir templates; adicionar linting, checks de renderização e scripts de paridade.
Atualizar bios/definições; adicionar about/mentions e intros answer-first.
Reconfigurar interligações internas; destacar cartões de autor/localização quando relevante.
Lançar dashboards e alertas; iniciar logs de prompts mensais.
Iterar com experiências (adicionar FAQ/HowTo, enriquecer schema, testar âncoras).
Takeaways específicos por vertical
SaaS: clareza de entidades de integração impulsiona citações e demos; mantenha ProductModel limpo; faça link para docs.
Clínicas: IDs de LocalBusiness e Person devem manter-se estáveis; paridade de horários é crítica.
Ecommerce: identificadores e paridade de offers reduzem preços hallucinated; links de acessórios/relacionados ajudam no clustering.
Reporting para liderança
Apresentação de Entity Health Score (0–100) com sub-scores de cobertura, citações, confiança e impacto.
Exemplos antes/depois de respostas de IA a citar a marca; fontes incluídas.
Destaque para ligação com receita: aumento de demos e redução de tickets de suporte graças a info de integrações mais clara.
Partilha de dashboard de risco: erros remanescentes, bios desatualizadas e próximos fixes.
O que faríamos a seguir
Adicionar schema Speakable/Clip onde elegível para orientar snippets.
Expandir banco de prompts para respostas multimodais (imagem/vídeo).
Construir um knowledge graph leve para alimentar chatbot interno e QA de conteúdo.
Automatizar scoring de saliência em CI para sinalizar páginas em que entidades ficam abaixo de limites.
AISO Hub reconstrói sistemas de entidades e medição para pesquisa em IA.
Comece com AISO Audit para identificar deriva.
Use AISO Foundation para implementar mapas de ID, templates e governação.
Escolha AISO Optimize para expandir clusters e testar alterações de schema/conteúdo.
Proteja ganhos com AISO Monitor, acompanhando cobertura, frescura e citações IA.
O que fez mais diferença
IDs estáveis e sameAs limpos: impediram assistentes de misturarem produtos e autores.
Definições answer-first: modelos de IA puxaram as intros quase literalmente.
Checks de paridade: remoção de preços desalinhados reduziu números hallucinated.
Logging de prompts: expôs rapidamente afirmações erradas para corrigir schema/texto depressa.
Checklist reutilizável para os seus projetos
Construir/limpar mapa de IDs com owners e sameAs; aplicar em todos os idiomas.
Corrigir templates de schema; adicionar lint em CI + checks de renderização.
Atualizar bios/credenciais; adicionar revisores para conteúdo YMYL.
Adicionar about/mentions e intros answer-first a pilares/supports.
Reconfigurar interligações internas para refletir o grafo de entidades; remover órfãos.
Montar dashboards: cobertura, erros, citações IA, CTR/conversões, frescura.
Correr banco de prompts mensalmente; registar outputs e fixes.
Manter changelog; exigir anotação de releases.
Métricas adicionais que acompanhámos
Branded refinement rate: % de queries de marca que precisavam de modificadores caiu 12 %.
Exatidão de Knowledge Panel: campos incorretos reduziram-se de cinco para zero após limpeza de sameAs.
IDs duplicados: reduzidos de 146 para três; restantes mapeados e redirecionados.
Cobertura de about/mentions: de 22 % para 94 % em artigos, melhorando desambiguação.
Tempo de resposta a alertas: tempo de reação a incidentes de schema caiu de dias para horas após alertas Slack.
Exemplos de visualizações (descritos)
Gráfico de cobertura: barras empilhadas por template a mostrar campos obrigatórios vs em falta ao longo de semanas.
Tendência de citações: linha de citações IA por entidade com anotações de releases e eventos de PR.
Comparação de CTR: barras para páginas com schema completo vs parcial na mesma faixa de posição.
Heatmap de paridade: matriz com taxas de match para preço, disponibilidade, autor e horários por template.
Tracker de frescura: formatação condicional para bios/imagens com mais de 120 dias.
Destaques de formação da equipa
Workshop de 45 minutos sobre regras de
@id, higiene de sameAs e logging de prompts.Checklist de editor: intros answer-first, match on-page/schema, fontes citadas, revisor indicado.
Checklist de dev: linting, checks de renderização, guardrails para IDs duplicados, plano de rollback.
Brief para liderança: porque é que clareza de entidades impulsiona citações IA e demos.
Riscos que mitigámos
Churn de IDs em futuros redesigns: regras de aprovação para mapa de IDs e checks em CI.
Conflitos de plugins: geradores automáticos de schema desativados; templates como fonte única.
Deriva de localização: IDs bloqueados entre locales; campos dependentes da locale para moeda/fuso horário.
Privacidade de dados: remoção de emails pessoais do schema; uso de contactPoint em Organization.
Performance: JSON-LD reduzido ao essencial; media pesada em lazy-load mas schema inline.
Mini-plano de arranque (30 dias)
Semana 1: auditoria de IDs/schema/citações; criação de mapa de IDs; fixes nas 10 páginas principais; desativar plugins em conflito.
Semana 2: adicionar about/mentions e intros answer-first; atualizar bios chave; configurar linting e checks de renderização.
Semana 3: rewire de links para um cluster; correr banco de prompts; montar dashboards básicos.
Semana 4: corrigir erros de prompts/crawls, alinhar sameAs e apresentar primeiros ganhos para garantir tempo para rollout completo.
O que faríamos a seguir
Adicionar schema Speakable/Clip onde elegível para orientar snippets.
Expandir banco de prompts para respostas multimodais (imagem/vídeo).
Construir um small knowledge graph para suportar chatbot interno e QA de conteúdo.
Automatizar scoring de saliência em CI para sinalizar páginas em que entidades caem abaixo de thresholds.
Lições por vertical
B2B SaaS
Entidades de integração precisam de naming rigoroso; alinhar com páginas de parceiros e sameAs.
Tipos ProductModel ajudam a separar tiers/módulos; ligar ao Product principal.
CTAs de demo junto a blocos de definição aumentaram conversões.
Serviços locais/clínicas
IDs de LocalBusiness e Person têm de permanecer estáveis; paridade de horários é crítica.
Schema de revisor em conteúdo médico aumentou confiança em respostas IA.
Schema Event para workshops impulsionou visibilidade em carrosséis de eventos.
Publishers
Clareza em schema Person e Organization aumentou citações de autor.
About/mentions em artigos melhoraram desambiguação temática; menos citações para marcas parecidas.
Exatidão de Knowledge Panels melhorou após limpeza de sameAs.
Governação incorporada
RACI: SEO dono do mapa de entidades; engenharia dona de templates de schema; conteúdo dono de intros e bios; analytics dono de dashboards; PR dono da qualidade de sameAs.
Cadência: revisão semanal de erros, testes mensais de prompts, auditoria trimestral do mapa de IDs.
Políticas: sem novos IDs para entidades existentes; campos obrigatórios por template; lista de fontes de sameAs; changelog obrigatório.
Semelhantes? AISO Hub reconstrói sistemas de entidades e medição para pesquisa em IA.
AISO Audit: descobrir deriva em IDs, schema e sinais off-site com uma roadmap priorizada
AISO Foundation: implementar mapas de ID, templates, governação e dashboards que mantêm entidades consistentes
AISO Optimize: expandir clusters e testar alterações de schema/conteúdo para subir citações e conversões
AISO Monitor: acompanhar cobertura, frescura e citações IA com alertas e relatórios prontos para a direção
Conclusão: clareza de entidades acumula resultados
Ao estabilizar IDs, schema e definições de conteúdo, transformámos um site em deriva numa fonte citável por IA.
Com monitorização, logs de prompts e governação, melhorias mantiveram-se e receita acompanhou.
Use este playbook para diagnosticar, corrigir e manter as suas próprias entidades claras para pesquisa e assistentes de IA.