Em 2025, o ChatGPT fazia em média 2,17 buscas para responder um prompt. Em 2026, com o GPT 5.6 Sol, a média saltou para 7,61, um crescimento de 250%. Os dados são de um estudo novo da Nectiv, agência americana de SEO e GEO, que rodou o mesmo conjunto de prompts nos dois anos e comparou o que a máquina faz nos bastidores. E o volume é só metade da história: o que o ChatGPT busca mudou mais do que o quanto ele busca.
Se o conceito de queries fan-out (as buscas derivadas que a IA gera sozinha) for novo para você, expliquei o mecanismo em detalhe no post de quinta. Aqui o assunto é o que os dados de 2026 revelam sobre a evolução dele.
O que o estudo mediu
A Nectiv pegou cerca de 4 mil prompts do estudo original de 2025, com representação equilibrada entre verticais (software, e-commerce, viagem, imobiliário e outros), e extraiu via API da OpenAI todas as queries de fan-out que o GPT 5.6 Sol gerou para cada um. A comparação com a base do ano anterior é o que dá força ao trabalho: mesmos prompts, modelos diferentes, comportamento medido.
Os números centrais: a média de buscas por prompt foi de 2,17 para 7,61. O máximo registrado numa única cadeia saltou de 4 para 29 buscas, e cadeias acima de 15 ficaram corriqueiras. As queries também ficaram mais longas, de 5,48 para 6,82 palavras em média. Na distribuição, 55% dos prompts geraram entre 6 e 12 buscas, com 8 sendo a faixa mais comum. Software lidera o aprofundamento, com média de 10,7 buscas por prompt, seguido de imobiliário (8,7) e moda (8,5).
A mudança qualitativa importa mais
O achado mais estratégico do estudo está nos unigramas, os termos que o ChatGPT adiciona às buscas sem que estivessem no prompt. Em 2025, os mais comuns eram “reviews”, o ano corrente, “free”, “features” e “comparison”. Vocabulário de quem compara opções. Em 2026, o topo da lista virou outra coisa: “site:”, “official” e “gov” aparecem entre os cinco termos mais usados.
O dado que resume a virada: o ChatGPT usa o operador “site:” em 64% de todas as queries de fan-out. O padrão observado é consistente. A máquina faz algumas buscas abertas para montar a lista de candidatos e depois vai direto na fonte, vasculhando o site de cada fornecedor, órgãos oficiais de governo e entidades que considera confiáveis. Num exemplo do estudo sobre software de home care, o modelo fez buscas site: direto nos portais do Medicaid e do CMS americano.
Sobre frescor, uma nuance: os termos de ano saíram do top 5 de unigramas, e o ChatGPT agora faz busca multiano, procurando conteúdo de 2026 e de 2025 juntos, técnica que o Gemini já usava. Frescor segue relevante, com uma janela de tolerância maior do que a de um ano atrás.
O que isso muda na sua estratégia
A leitura fria dos dados aponta uma direção: o jogo de aparecer em buscas abertas está dividindo espaço com o jogo de ser a fonte que a máquina consulta diretamente. Se dois terços das buscas derivadas são site:, a pergunta operacional muda. Deixa de ser apenas “para quais termos eu ranqueio” e passa a incluir “o que a IA encontra quando entra no meu domínio procurando um fato específico”.
Isso valoriza um tipo de conteúdo que muita operação negligencia: página própria com informação factual, extraível e completa. Preço publicado, funcionalidades documentadas, especificações claras, políticas acessíveis. A máquina que entra via site: procurando um dado e não encontra vai buscar no concorrente ou numa fonte terceira, e a resposta final cita quem entregou o fato. O estudo também sugere otimizar para o termo “official” onde fizer sentido, já que ele virou o segundo unigrama mais buscado, funcionando como filtro de autenticidade.
E o crescimento das cadeias de busca amplia o que discuti no post de quinta: com até 29 buscas por prompt, cada prompt virou um torneio com mais vagas de citação em disputa. Cobrir as subintenções do seu tema em profundidade gera mais bilhetes nesse sorteio.
As ressalvas de sempre
O estudo é de uma agência que vende serviço de GEO, o que não invalida os dados, mas pede a leitura com esse contexto. A amostra de 4 mil prompts é razoável e a metodologia comparativa é o ponto forte, mas a extração foi feita via API, e o comportamento do produto de consumo pode divergir do que a API expõe (a OpenAI, inclusive, escondeu as queries de fan-out do console do ChatGPT no início do ano). E dados de mercado americano não se transferem automaticamente para o comportamento em português, onde o ecossistema de fontes que a máquina considera oficiais é outro. A direção da mudança, porém, é corroborada por medições independentes de outras equipes, o que dá confiança na tendência mesmo com variação nos números exatos.