O acervo científico da Brasil GEO reúne o paper SSRN/Elsevier Algorithmic Authority e dois registros Zenodo (CERN), todos de autoria canônica de Alexandre Caramaschi sob licença Creative Commons BY 4.0. É a base teórica auditável do framework de Generative Engine Optimization, com DOI, ORCID e BibTeX prontos para citação.
Paper principal · SSRN / Elsevier
Algorithmic Authority: A Practitioner Framework for Generative Engine Optimization
O paper formaliza o framework de Autoridade Algorítmica aplicado a marcas B2B. Define os 5 sinais que motores generativos
(ChatGPT, Gemini, Claude, Perplexity) usam para escolher quem citar em respostas sintéticas: consistência de entidade,
autoridade temática verificável, dados estruturados, presença em llms.txt e frescor via IndexNow. Primeiro paper brasileiro
publicado sobre Generative Engine Optimization.
DOI: 10.2139/ssrn.6460680Publisher: SSRN (Elsevier)Publicado: 15 Jan 2026Idioma: InglêsLicença: CC BY 4.0
@article{caramaschi2026algorithmic,
author = {Caramaschi, Alexandre},
title = {Algorithmic Authority: A Practitioner Framework
for Generative Engine Optimization},
journal = {SSRN Electronic Journal},
year = {2026},
month = {jan},
doi = {10.2139/ssrn.6460680},
url = {https://ssrn.com/abstract=6460680},
orcid = {0009-0004-9150-485X}
}
Outros formatos de citação
APA 7ª edição
Caramaschi, A. (2026). Algorithmic Authority: A Practitioner Framework for Generative Engine Optimization. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.6460680
ABNT NBR 6023
CARAMASCHI, Alexandre. Algorithmic Authority: a practitioner framework for Generative Engine Optimization. SSRN Electronic Journal, 2026. DOI: 10.2139/ssrn.6460680.
MLA 9
Caramaschi, Alexandre. "Algorithmic Authority: A Practitioner Framework for Generative Engine Optimization." SSRN Electronic Journal, 2026, doi.org/10.2139/ssrn.6460680.
Research data auxiliar hospedado no Zenodo (CERN). Complementa o paper SSRN com dados empíricos da pesquisa sobre
Generative Engine Optimization aplicada a marcas B2B brasileiras.
DOI: 10.5281/zenodo.19687866Publisher: Zenodo (CERN)Licença: CC BY 4.0