As respostas de IA citam o YouTube mais que qualquer site, e views não têm nada a ver com isso

A Otterly.ai publicou em 2 de março de 2026 um estudo que olhou mais de 100 milhões de instâncias de citação de IA numa janela de 30 dias, cobrindo ChatGPT, Google AI Overviews, Google AI Mode, Perplexity, Microsoft Copilot e Gemini. Um número dali deveria parar qualquer pessoa que já se sentiu pequena demais para competir: 40,83% das citações de YouTube foram para vídeos com menos de 1.000 views.

Não 4%. Quarenta vírgula oitenta e três por cento. Em quatro de cada dez vezes que um sistema de IA citou um vídeo do YouTube como fonte, aquele vídeo tinha uma audiência que cabe num auditório de escola. E 35% dos canais citados tinham menos de 10.000 inscritos. O canal citado mediano tinha 41 vídeos publicados no total.

Isso não é erro de arredondamento nem manha de uma plataforma só. É uma diferença estrutural entre como funciona um motor de recomendação e como funciona um motor de recuperação. A home do YouTube é uma máquina de popularidade: ela mostra o que gente parecida com você assistiu até o fim. Uma resposta de IA é uma máquina de referência: ela precisa de uma fonte que afirme o fato de forma limpa, e não liga para quem mais assistiu aquilo.

A consequência prática é desconfortável para quem passou dois anos perseguindo o algoritmo, e é notícia muito boa para quem está começando agora. Existe um canal de distribuição em 2026 onde um canal novo e um canal de 500 mil inscritos entram genuinamente empatados, e quase ninguém está trabalhando para ele.

O segundo estudo é o da Surfer, publicado em maio de 2026, montado sobre 46 milhões de citações extraídas de 36 milhões de AI Overviews entre março e agosto de 2025. Ele responde outra pergunta: de tudo que o AI Overview do Google cita, quanto é YouTube? A resposta é 23,3%. A Wikipédia vem em segundo com 18,4% e o Google.com em terceiro com 16,4%. Toda marca de jornalismo tradicional fica abaixo desses três.

Ou seja, o YouTube é o domínio mais citado nas respostas de IA do Google. Vale ler duas vezes, porque significa que vídeo deixou de ser canal secundário da web escrita. Ele virou a camada de referência primária sobre a qual a resposta escrita é construída.

Os números da Otterly então separam as citações de YouTube por qual assistente está citando, e a distância entre eles é brutal:

• Perplexity: 38,7% de todas as citações de YouTube
• Google AI Overviews: 36,6%
• Google AI Mode: 19,6%
• ChatGPT: 4,4%
• Microsoft Copilot: 0,5%
• Gemini: 0,2%

Três quartos da oportunidade estão dentro das superfícies do próprio Google quando você soma AI Overviews e AI Mode, e o Perplexity bate muito acima do peso porque nasceu orientado a citação. O ChatGPT, que é o assistente que a maioria imagina quando fala em busca com IA, responde por 4,4% das citações de YouTube. Isso não o torna inútil, torna outro jogo com outra mecânica.

Existe também um retorno mensurável em simplesmente ser citado. Análises do comportamento do AI Overview em 2026 acharam que marcas citadas dentro de um AI Overview ganham cerca de 120% mais cliques orgânicos por impressão do que marcas não citadas aparecendo nas mesmas buscas. Ao mesmo tempo, as buscas sem clique no Google chegaram a 68% no começo de 2026. As duas coisas são verdade juntas: menos gente clica, e quem clica vai desproporcionalmente para quem foi citado.

Nenhum desses números é oficial do YouTube nem do Google. Nenhuma das duas empresas publica participação de citação. São medições de terceiros feitas por ferramentas que observam respostas de IA em escala, e devem ser lidas como evidência direcional forte, não como tabela oficial. Essa distinção pesa mais aqui do que na maioria dos posts, porque o campo inteiro tem dezoito meses de idade.

Se você quer o fundamento de como é impossível arrancar um número real da própria plataforma, destrinchamos isso quando olhamos que dado de volume de busca do YouTube realmente existe. Resumo: a plataforma nunca publicou volume, e toda ferramenta que mostra um está modelando.

A Otterly rodou correlações de Pearson entre frequência de citação e cada atributo óbvio do vídeo. Um coeficiente de Pearson vai de -1 a 1, e qualquer coisa perto de zero significa que as duas grandezas se movem independentes uma da outra. A tabela abaixo é a coisa mais útil publicada sobre descoberta de vídeo neste ano.

Views: -0,03. Likes: -0,02. Inscritos: -0,03. Duração: 0,02. Toda métrica que o YouTube coloca na frente do seu painel fica em zero estatístico. Um -0,03 não quer dizer que view atrapalha, quer dizer que não existe relação nenhuma.

Aí duas coisas se mexem de verdade. Tamanho da descrição: 0,31. Descrições com hashtags: 0,20. Recência: por volta de 0,3. Um 0,31 é correlação positiva fraca a moderada, o que num conjunto de 100 milhões de observações é sinal de verdade e não ruído.

Correlação não é causa, e descrição mais longa não invoca citação por mágica. A leitura honesta é mecânica: sistema de recuperação trabalha com texto. A descrição é o maior bloco de texto escrito por autor e legível por máquina preso a um vídeo, tirando a transcrição. Um vídeo com descrição de duas linhas entrega quase nada para a camada de recuperação casar com uma pergunta. Um vídeo com 300 palavras de descrição específica e factual entrega muita coisa.

O vídeo citado médio carrega uma descrição de 334 palavras e um título de 19 palavras. Vá olhar seu último upload. Se sua descrição é um link para o Instagram e uma linha de hashtags, você publicou um vídeo sem superfície de texto, e a camada de recuperação não tem onde segurar.

Dezenove palavras de título também é mais longo do que a maioria dos criadores escreve. Não é tamanho de clickbait, é tamanho de especificidade: a pergunta inteira que o vídeo responde, não uma provocação de três palavras. Os dois estudos concordam no formato de fundo aqui. Os vídeos que estão sendo citados são os que se leem como material de referência.

É aqui que o custo manual aparece. Escrever 334 palavras de descrição correta e não repetida para todo upload dá uns 20 a 30 minutos por vídeo contando o tempo de acertar os fatos. Em 30 vídeos por mês são 10 a 15 horas de digitação pura, em cima de roteiro, narração e edição, e é a primeira coisa que cai quando a semana aperta.

É também a coisa mais barata de automatizar, porque a descrição sai do roteiro que já existe. O FalconVid escreve título, descrição e tags a partir do roteiro finalizado dentro da mesma execução que produz o vídeo, no idioma do próprio vídeo, e faz isso em todo upload sem depender de alguém lembrar. O que o humano mais pula é justo o que um pipeline nunca pula.

Só 31% dos vídeos citados carregam timestamps. Dentro do Google AI Overviews, 73% das citações de YouTube apontam para um timestamp em vez do vídeo inteiro, e no AI Mode são 27%. No ChatGPT, no Perplexity, no Copilot e no Gemini o número é zero: nenhuma citação de YouTube com timestamp apareceu.

O número que importa comercialmente é este: 78% dos vídeos com timestamp foram citados mais de uma vez, em dois a cinco capítulos diferentes. Um vídeo com capítulos limpos não é uma oportunidade de citação, são duas a cinco, porque cada capítulo responde uma pergunta diferente e é recuperado por conta própria.

Lido contra a tabela de correlação, esta é a instrução mais clara dos dois estudos. View não faz nada. Capítulo multiplica. E capítulo é de graça.

Já escrevemos sobre capítulos como ferramenta de retenção, e a conclusão honesta na época foi que capítulos e timestamps ajudam mais a navegação do que o tempo assistido. Aquilo continua valendo para retenção. O que mudou em 2026 é que a mesma marcação ganhou um segundo emprego que paga melhor que o primeiro, e o trabalho de colocar não mudou nada.

A divisão por formato nos dados da Otterly não é disputada. Vídeo longo responde por 94% das citações de IA. Shorts respondem por 5,7%. Playlists, canais e lives somados dão 0,3%.

O motivo é o mesmo pelo qual a descrição pesa: um Short de 45 segundos produz talvez 120 palavras de transcrição, o que não basta para um sistema de recuperação montar resposta com confiança. Um vídeo de 12 minutos produz por volta de 1.700 palavras de texto falado. Um é uma afirmação, o outro é uma fonte.

A duração mediana dos vídeos citados fica abaixo de 8 minutos, e a faixa mais comum é de 10 a 20 minutos com 32,1% das citações. Isso é exatamente a faixa de vídeo longo, e bate com as durações que já funcionavam para retenção e para anúncio no meio.

Então o quadro estratégico de 2026 não é novo, é reforçado. Shorts seguem sendo o jeito mais barato de ser descoberto por humano rolando o feed. Vídeo longo segue sendo o único jeito de ser descoberto por máquina respondendo pergunta, e é também o único formato que qualifica você para horas assistidas. Se você já priorizava o longo, este é um terceiro motivo independente para continuar.

Tudo acima se reduz a três artefatos: um vídeo longo com transcrição real, uma descrição longa e específica, e capítulos limpos. Nenhum deles é decisão criativa. Os três são exatamente o tipo de trabalho que se pula às 23h de uma quinta-feira.

É essa a forma de trabalho em volta da qual o lado de analista de canal com IA da plataforma foi construído. Uma execução do FalconVid produz primeiro o roteiro, depois a narração, depois a edição, e o bloco de SEO sai do mesmo roteiro em vez de ser remendado depois: título, descrição, tags e marcas de capítulo que seguem a estrutura real do roteiro, porque o pipeline sabe onde cada ato começa.

O vídeo de referência da plataforma tem 12 minutos, o que coloca toda execução padrão dentro da faixa de 10 a 20 minutos que recolhe 32,1% das citações. A narração é texto falado de verdade em 63 idiomas, então a transcrição existe no idioma do espectador e não como tradução automática pregada depois. E porque o canal inteiro roda num calendário que você aprova em vez de numa noite que você encontrou livre, a descrição de 334 palavras acontece no vídeo 40 igual aconteceu no vídeo 1.

A conta não tem mistério. Na régua que está em produção hoje um vídeo pronto de 12 minutos custa 1.731 créditos no modo econômico, 4.624 no balanceado e 16.158 no premium. A US$ 0,003133 o crédito, dá US$ 5,42, US$ 14,49 e US$ 50,63 por vídeo pronto. O plano Starter de US$ 47 carrega 15.000 créditos por mês, o que são 8 vídeos no econômico ou 5 se dois deles forem no balanceado. Ninguém roda um mês inteiro num modo só, então cite o modo junto do número ou o número é desonesto.

São só quatro movimentos, e três deles são retroativos, o que é a parte boa. Respostas de IA são recolhidas continuamente, então uma descrição que você reescreve hoje pode ser citada num vídeo que você subiu ano passado.

Primeiro, pegue seus dez vídeos perenes de melhor desempenho e reescreva as descrições para 300 palavras ou mais de prosa específica e factual. Não hashtag, não link, prosa que afirma o que o vídeo estabelece. Segundo, coloque capítulos nesses mesmos dez. De dois a cinco capítulos é a faixa que gerou citação repetida. Terceiro, alongue títulos magros na direção da pergunta específica que o vídeo responde em vez da provocação. Quarto, daqui pra frente publique vídeo longo com os três por padrão.

Você não vai ver nada disso no YouTube Analytics, e essa é a parte frustrante. Não existe relatório de citação. O que dá para observar é a fonte de tráfego marcada como externa e os referenciadores dentro dela, mais o formato lento das impressões em vídeo perene que param de decair. Os dois são atrasados e barulhentos. Trate isso como você trataria a cauda longa de views que continua chegando anos depois do upload: o retorno é real e o ciclo de feedback é lento.

O teto manual disso tudo é honesto e é baixo. Uma pessoa escrevendo descrição de 334 palavras e capitulando todo upload sustenta talvez 8 a 12 vídeos longos por mês antes de a qualidade das descrições desabar, e é a descrição que desaba primeiro porque ninguém a vê. Esse é o teto de fazer na mão. Não é o teto de fazer: no Business de US$ 297 a mesma operação entrega 54 vídeos longos por mês com descrição e capítulos escritos todas as vezes, no Agency de US$ 597 são 109 em até 25 canais, e no Scale de US$ 997 são 184 em 50 canais, com 50 pipelines rodando ao mesmo tempo. O limite nunca foi a estratégia. Era a digitação.