Como a Otimização de Motor Generativo (GEO) Reescreve as Regras da Pesquisa

Avançado6/4/2025, 9:56:00 AM
À medida que os grandes modelos de linguagem se tornam os principais Portais para a distribuição de informações, o SEO está sendo substituído pelo GEO—Otimização de Motor Generativo. a16z oferece uma análise aprofundada dessa mudança de paradigma nas dinâmicas de tráfego, destacando que na era da IA, a capacidade de uma marca de ser “lembrada” se tornará sua principal vantagem competitiva.

É o fim da busca como a conhecemos, e os profissionais de marketing se sentem bem. Meio que.

Por mais de duas décadas, SEO foi o manual padrão para visibilidade online. Ele gerou uma indústria inteira de recheadores de palavras-chave, corretores de backlinks, otimizadores de conteúdo e ferramentas de auditoria, junto com os profissionais e agências para operá-los. Mas em 2025, a busca começou a mudar.longe da navegação tradicional para plataformas LLM. Com o anúncio da Apple de que mecanismos de busca nativos em IA como Perplexity e Claude serão integrados ao Safari, o controle de distribuição do Google é em questão. A fundação do mercado de SEO de mais de $80 bilhões acaba de rachar.

Um novo paradigma está emergindo, um impulsionado não por classificação de páginas, mas por modelos de linguagem. Estamos entrando no Ato II da busca: Otimização de Motores Gerativos (GEO).

De links a modelos de linguagem

A busca tradicional foi construída com base em links. GEO é construído com base em linguagem.

Na era de SEO, visibilidade significava ter uma boa classificação em uma página de resultados. As classificações de página eram determinadas pelo indexamento de sites com base na correspondência de palavras-chave, profundidade e amplitude de conteúdo, backlinks, engajamento da experiência do usuário e mais. Hoje, com LLMs como GPT-4o, Gemini e Claude atuando como a interface para como as pessoas encontram informações, visibilidade significa aparecer diretamente na resposta em si, em vez de ter uma boa classificação na página de resultados.

À medida que o formato das respostas muda, também muda a forma como pesquisamos. A busca nativa de IA está se fragmentando em plataformas como Instagram, Amazon e Siri, cada uma alimentada por diferentes modelos e intenções do usuário. As consultas são mais longo(23 palavras, em média, contra 4), as sessões são mais profundas (com média de 6 minutos) e as respostas variam conforme o contexto e a fonte. Ao contrário da busca tradicional, os LLMs lembram, raciocinam e respondem com síntese personalizada e de múltiplas fontes. Isso muda fundamentalmente a maneira como o conteúdo é descoberto e como ele precisa ser otimizado.

SEO tradicional recompensa precisão e repetição; motores gerativos priorizam conteúdo que é bem organizado, fácil de interpretar e denso em significado (não apenas palavras-chave). Frases como "em resumo" ou formatação em tópicos ajudam LLMs a extrair e reproduzir conteúdo de maneira eficaz.

Vale a pena notar também que o mercado de LLM é fundamentalmente diferente do mercado de busca tradicional em termos de modelo de negócios e incentivos. Motores de busca clássicos como o Google monetizavam o tráfego dos usuários por meio de anúncios; os usuários pagavam com seus dados e atenção. Em contraste, a maioria dos LLMs são serviços com pagamento por assinatura. Essa mudança estrutural afeta a forma como o conteúdo é referenciado: há menos incentivo por parte dos provedores de modelo para destacar conteúdo de terceiros, a menos que seja aditivo à experiência do usuário ou reforce o valor do produto. Embora seja possível que um mercado de anúncios possa eventualmente surgir nas interfaces de LLM, as regras, incentivos e participantes provavelmente seriam muito diferentes dos de busca tradicional.

Enquanto isso, um sinal emergente do valor nas interfaces LLM é o volume de cliques de saída. O ChatGPT, por exemplo, já está direcionando tráfego de referência para dezenas de milhares de domínios distintos.

Das classificações à relevância do modelo

Não se trata mais apenas de taxas de cliques, mas de taxas de referência: com que frequência sua marca ou conteúdo é citado ou usado como fonte em respostas geradas por modelos. Em um mundo de saídas geradas por IA, GEO significa otimizar para o que o modelo escolhe referenciar, não apenas se ou onde você aparece em buscas tradicionais. Essa mudança está reformulando como definimos e medimos a visibilidade e o desempenho da marca.

Já, novas plataformas como Profundo, Bom, e Devaneio permitir que as marcas analisem como elas aparecem nas respostas geradas por IA, rastreiem o sentimento nas saídas dos modelos e entendam quais publicadores estão moldando o comportamento dos modelos. Essas plataformas funcionam ajustando modelos para refletir a linguagem de prompts relevantes para a marca, injetando estrategicamente as principais palavras-chave de SEO e executando consultas sintéticas em larga escala. As saídas são então organizadas em painéis acionáveis que ajudam as equipes de marketing a monitorar visibilidade, consistência de mensagens e participação de voz competitiva.

A Canada Goose usou uma dessas ferramentas para obter insights sobre como os LLMs referenciavam a marca — não apenas em termos de características do produto, como calor ou impermeabilidade, mas sim sobre o reconhecimento da marca em si. As conclusões foram menos sobre como os usuários descobriram a Canada Goose, mas se o modelo mencionou espontaneamente a marca, um indicador de consciência não auxiliada na era da IA.

Esse tipo de monitoramento está se tornando tão importante quanto os painéis de SEO tradicionais. Ferramentas como AhrefsO Brand Radar agora rastreia menções de marcas em Visões Gerais de IA, ajudando as empresas a entender como são enquadradas e lembradas por motores generativos.Semrushtambém possui um kit de ferramentas de IA dedicado, projetado para ajudar marcas a rastrear a percepção em plataformas gerativas, otimizar o conteúdo para visibilidade em IA e responder rapidamente a menções emergentes nas saídas de LLM, um sinal de que os players de SEO tradicionais estão se adaptando à era GEO.

Estamos vendo o surgimento de um novo tipo de estratégia de marca: uma que considera não apenas a percepção do público, mas a percepção no modelo. Como você é codificado na camada de IA é a nova vantagem competitiva.

Claro, o GEO ainda está em sua fase experimental, muito parecido com os primeiros dias do SEO. A cada grande atualização de modelo, corremos o risco de reaprender (ou desaprender) como interagir melhor com esses sistemas. Assim como as atualizações do algoritmo de busca do Google uma vez fizeram com que empresas se esforçassem para contornar classificações flutuantes, os provedores de LLM ainda estão ajustando as regras por trás do que seus modelos citam. Múltiplas escolas de pensamento estão surgindo: algumas táticas de GEO são bastante bem compreendidas (por exemplo, ser mencionado em documentos fonte que os LLMs citam), enquanto outras suposições são mais especulativas, como se os modelos priorizam conteúdo jornalístico em relação às redes sociais, ou como as preferências mudam com diferentes conjuntos de treinamento.

Lições da era do SEO

Apesar de sua escala, o SEO nunca produziu um vencedor monopolista. Ferramentas que ajudaram as empresas com SEO e pesquisa de palavras-chave, como Semrush, Ahrefs, Moz, e Similarweb, foram bem-sucedidos por si próprios, mas nenhum capturou toda a pilha (ou cresceu por meio de aquisições, como a Similarweb). Cada um criou um nicho: análise de backlinks, monitoramento de tráfego, inteligência de palavras-chave ou auditorias técnicas.

SEO sempre foi fragmentado. O trabalho era distribuído entre agências, equipes internas e operadores freelancers. Os dados eram bagunçados e as classificações eram inferidas, não verificadas. O Google detinha as chaves algorítmicas, mas nenhum fornecedor jamais controlou a interface. Mesmo em seu auge, os maiores players de SEO eram fornecedores de ferramentas. Eles não tinham o engajamento do usuário, controle de dados ou efeitos de rede para se tornarem centros onde a atividade de SEO está concentrada. Os dados de clickstream — registros dos links que os usuários clicam enquanto navegam em sites — são, sem dúvida, a janela mais clara para o comportamento real dos usuários. Historicamente, no entanto, esses dados têm sido proibitivamente difíceis de acessar, trancados atrás de ISPs, SDKs, extensões de navegador e corretores de dados. Isso tornou quase impossível construir insights precisos e escaláveis sem uma infraestrutura profunda ou acesso privilegiado.

GEO muda isso.

Como fazer as menções: O surgimento das ferramentas GEO

Isso não é apenas uma mudança de ferramentas, é uma oportunidade de plataforma. As empresas de GEO mais atraentes não pararão na medição. Elas irão aperfeiçoar seus próprios modelos, aprendendo com bilhões de prompts implícitos em diferentes verticais. Elas possuirão o ciclo — insight, input criativo, feedback, iteração — com tecnologia diferenciada que não apenas observa o comportamento de LLM, mas o molda. Elas também descobrirão uma maneira de capturar dados de clickstream e combinar fontes de dados de primeira e terceira parte.

As plataformas que vencerem em GEO irão além da análise de marca e fornecerão a infraestrutura para agir: gerando campanhas em tempo real, otimizando para a memória do modelo e iterando diariamente, à medida que o comportamento do LLM muda. Esses sistemas estarão operacionais.

Isso desbloqueia uma oportunidade muito mais ampla do que a visibilidade. Se o GEO é como uma marca garante que é referenciada nas respostas da IA, também é como ela gerencia seu relacionamento contínuo com a camada de IA em si. O GEO se torna o sistema de registro para interagir com LLMs, permitindo que as marcas acompanhem presença, desempenho e resultados em plataformas generativas. Possua essa camada, e você possui o orçamento por trás dela.

Esse é o potencial monopolista: não apenas servir insights, mas se tornar o canal. Se SEO fosse um mercado descentralizado, adjacente a dados, GEO pode ser o inverso — centralizado, impulsionado por API e embutido diretamente nos fluxos de trabalho da marca. No final, o GEO por si só é talvez a cunha mais óbvia, especialmente à medida que vemos uma mudança no comportamento de busca, mas, em última instância, é realmente uma cunha para o marketing de desempenho, de forma mais ampla. As mesmas diretrizes de marca e a compreensão dos dados do usuário que alimentam o GEO podem impulsionar o marketing de crescimento. É assim que um grande negócio é construído, à medida que um produto de software é capaz de testar múltiplos canais, iterar e otimizar entre eles. A IA possibilita ummarcador autônomo.

O tempo importa. A busca está apenas começando a mudar, mas os dólares de publicidade se movem rápido, especialmente quando há arbitragem. Nos anos 2000, isso era o Adwords do Google. Nos anos 2010, era o motor de segmentação do Facebook. Agora, em 2025, são os LLMs e as plataformas que ajudam as marcas a navegar sobre como seu conteúdo é ingerido e referenciado por esses modelos. Em outras palavras, GEO é a competição para entrar na mente do modelo.

Em um mundo onde a IA é a porta de entrada para o comércio e a descoberta, a pergunta para os profissionais de marketing é: O modelo vai se lembrar de você?

As opiniões expressas aqui são aquelas dos indivíduos da AH Capital Management, L.L.C. (“a16z”) citados e não são as opiniões da a16z ou de suas afiliadas. Certas informações contidas aqui foram obtidas de fontes de terceiros, incluindo empresas do portfólio de fundos geridos pela a16z. Embora tenham sido retiradas de fontes consideradas confiáveis, a a16z não verificou independentemente tais informações e não faz representações sobre a precisão duradoura das informações ou sua adequação para uma situação específica. Além disso, este conteúdo pode incluir anúncios de terceiros; a a16z não revisou tais anúncios e não endossa nenhum conteúdo publicitário contido neles.

Este conteúdo é fornecido apenas para fins informativos e não deve ser considerado como aconselhamento legal, comercial, de investimento ou tributário. Você deve consultar seus próprios assessores sobre essas questões. Referências a quaisquer valores mobiliários ou ativos digitais são apenas para fins ilustrativos e não constituem uma recomendação de investimento ou oferta para prestar serviços de consultoria de investimento. Além disso, este conteúdo não é direcionado nem destinado ao uso por investidores ou investidores em potencial e não pode, sob quaisquer circunstâncias, ser considerado ao tomar uma decisão de investir em qualquer fundo gerido pela a16z. (Uma oferta para investir em um fundo da a16z será feita apenas pelo memorando de colocação privada, contrato de subscrição e outros documentos relevantes de qualquer fundo e deve ser lida em sua totalidade.) Quaisquer investimentos ou empresas de portfólio mencionados, referidos ou descritos não são representativos de todos os investimentos em veículos geridos pela a16z, e não há garantia de que os investimentos serão lucrativos ou que outros investimentos feitos no futuro terão características ou resultados semelhantes. Uma lista de investimentos feitos por fundos geridos pela Andreessen Horowitz (excluindo investimentos para os quais o emissor não forneceu permissão para que a a16z divulgasse publicamente, bem como investimentos não anunciados em ativos digitais negociados publicamente) está disponível em https://a16z.com/investments/.

Os gráficos e tabelas fornecidos aqui são apenas para fins informativos e não devem ser considerados ao tomar qualquer decisão de investimento. O desempenho passado não é indicativo de resultados futuros. O conteúdo fala apenas na data indicada. Quaisquer projeções, estimativas, previsões, metas, perspectivas e/ou opiniões expressas nestes materiais estão sujeitas a alterações sem aviso prévio e podem diferir ou ser contrárias às opiniões expressas por outros. Por favor, vejahttps://a16z.com/disclosures para informações importantes adicionais.

Aviso:

  1. Este artigo é republicado de [a16z]. Todos os direitos autorais pertencem ao autor original [a16z]. Se houver objeções a esta reimpressão, entre em contato com o Gate Learnequipe, e eles vão lidar com isso prontamente.
  2. Isenção de responsabilidade: As opiniões e os pontos de vista expressos neste artigo são exclusivamente do autor e não constituem qualquer aconselhamento de investimento.
  3. As traduções do artigo para outras línguas são feitas pela equipe do Gate Learn. A menos que mencionado, copiar, distribuir ou plagiar os artigos traduzidos é proibido.

Como a Otimização de Motor Generativo (GEO) Reescreve as Regras da Pesquisa

Avançado6/4/2025, 9:56:00 AM
À medida que os grandes modelos de linguagem se tornam os principais Portais para a distribuição de informações, o SEO está sendo substituído pelo GEO—Otimização de Motor Generativo. a16z oferece uma análise aprofundada dessa mudança de paradigma nas dinâmicas de tráfego, destacando que na era da IA, a capacidade de uma marca de ser “lembrada” se tornará sua principal vantagem competitiva.

É o fim da busca como a conhecemos, e os profissionais de marketing se sentem bem. Meio que.

Por mais de duas décadas, SEO foi o manual padrão para visibilidade online. Ele gerou uma indústria inteira de recheadores de palavras-chave, corretores de backlinks, otimizadores de conteúdo e ferramentas de auditoria, junto com os profissionais e agências para operá-los. Mas em 2025, a busca começou a mudar.longe da navegação tradicional para plataformas LLM. Com o anúncio da Apple de que mecanismos de busca nativos em IA como Perplexity e Claude serão integrados ao Safari, o controle de distribuição do Google é em questão. A fundação do mercado de SEO de mais de $80 bilhões acaba de rachar.

Um novo paradigma está emergindo, um impulsionado não por classificação de páginas, mas por modelos de linguagem. Estamos entrando no Ato II da busca: Otimização de Motores Gerativos (GEO).

De links a modelos de linguagem

A busca tradicional foi construída com base em links. GEO é construído com base em linguagem.

Na era de SEO, visibilidade significava ter uma boa classificação em uma página de resultados. As classificações de página eram determinadas pelo indexamento de sites com base na correspondência de palavras-chave, profundidade e amplitude de conteúdo, backlinks, engajamento da experiência do usuário e mais. Hoje, com LLMs como GPT-4o, Gemini e Claude atuando como a interface para como as pessoas encontram informações, visibilidade significa aparecer diretamente na resposta em si, em vez de ter uma boa classificação na página de resultados.

À medida que o formato das respostas muda, também muda a forma como pesquisamos. A busca nativa de IA está se fragmentando em plataformas como Instagram, Amazon e Siri, cada uma alimentada por diferentes modelos e intenções do usuário. As consultas são mais longo(23 palavras, em média, contra 4), as sessões são mais profundas (com média de 6 minutos) e as respostas variam conforme o contexto e a fonte. Ao contrário da busca tradicional, os LLMs lembram, raciocinam e respondem com síntese personalizada e de múltiplas fontes. Isso muda fundamentalmente a maneira como o conteúdo é descoberto e como ele precisa ser otimizado.

SEO tradicional recompensa precisão e repetição; motores gerativos priorizam conteúdo que é bem organizado, fácil de interpretar e denso em significado (não apenas palavras-chave). Frases como "em resumo" ou formatação em tópicos ajudam LLMs a extrair e reproduzir conteúdo de maneira eficaz.

Vale a pena notar também que o mercado de LLM é fundamentalmente diferente do mercado de busca tradicional em termos de modelo de negócios e incentivos. Motores de busca clássicos como o Google monetizavam o tráfego dos usuários por meio de anúncios; os usuários pagavam com seus dados e atenção. Em contraste, a maioria dos LLMs são serviços com pagamento por assinatura. Essa mudança estrutural afeta a forma como o conteúdo é referenciado: há menos incentivo por parte dos provedores de modelo para destacar conteúdo de terceiros, a menos que seja aditivo à experiência do usuário ou reforce o valor do produto. Embora seja possível que um mercado de anúncios possa eventualmente surgir nas interfaces de LLM, as regras, incentivos e participantes provavelmente seriam muito diferentes dos de busca tradicional.

Enquanto isso, um sinal emergente do valor nas interfaces LLM é o volume de cliques de saída. O ChatGPT, por exemplo, já está direcionando tráfego de referência para dezenas de milhares de domínios distintos.

Das classificações à relevância do modelo

Não se trata mais apenas de taxas de cliques, mas de taxas de referência: com que frequência sua marca ou conteúdo é citado ou usado como fonte em respostas geradas por modelos. Em um mundo de saídas geradas por IA, GEO significa otimizar para o que o modelo escolhe referenciar, não apenas se ou onde você aparece em buscas tradicionais. Essa mudança está reformulando como definimos e medimos a visibilidade e o desempenho da marca.

Já, novas plataformas como Profundo, Bom, e Devaneio permitir que as marcas analisem como elas aparecem nas respostas geradas por IA, rastreiem o sentimento nas saídas dos modelos e entendam quais publicadores estão moldando o comportamento dos modelos. Essas plataformas funcionam ajustando modelos para refletir a linguagem de prompts relevantes para a marca, injetando estrategicamente as principais palavras-chave de SEO e executando consultas sintéticas em larga escala. As saídas são então organizadas em painéis acionáveis que ajudam as equipes de marketing a monitorar visibilidade, consistência de mensagens e participação de voz competitiva.

A Canada Goose usou uma dessas ferramentas para obter insights sobre como os LLMs referenciavam a marca — não apenas em termos de características do produto, como calor ou impermeabilidade, mas sim sobre o reconhecimento da marca em si. As conclusões foram menos sobre como os usuários descobriram a Canada Goose, mas se o modelo mencionou espontaneamente a marca, um indicador de consciência não auxiliada na era da IA.

Esse tipo de monitoramento está se tornando tão importante quanto os painéis de SEO tradicionais. Ferramentas como AhrefsO Brand Radar agora rastreia menções de marcas em Visões Gerais de IA, ajudando as empresas a entender como são enquadradas e lembradas por motores generativos.Semrushtambém possui um kit de ferramentas de IA dedicado, projetado para ajudar marcas a rastrear a percepção em plataformas gerativas, otimizar o conteúdo para visibilidade em IA e responder rapidamente a menções emergentes nas saídas de LLM, um sinal de que os players de SEO tradicionais estão se adaptando à era GEO.

Estamos vendo o surgimento de um novo tipo de estratégia de marca: uma que considera não apenas a percepção do público, mas a percepção no modelo. Como você é codificado na camada de IA é a nova vantagem competitiva.

Claro, o GEO ainda está em sua fase experimental, muito parecido com os primeiros dias do SEO. A cada grande atualização de modelo, corremos o risco de reaprender (ou desaprender) como interagir melhor com esses sistemas. Assim como as atualizações do algoritmo de busca do Google uma vez fizeram com que empresas se esforçassem para contornar classificações flutuantes, os provedores de LLM ainda estão ajustando as regras por trás do que seus modelos citam. Múltiplas escolas de pensamento estão surgindo: algumas táticas de GEO são bastante bem compreendidas (por exemplo, ser mencionado em documentos fonte que os LLMs citam), enquanto outras suposições são mais especulativas, como se os modelos priorizam conteúdo jornalístico em relação às redes sociais, ou como as preferências mudam com diferentes conjuntos de treinamento.

Lições da era do SEO

Apesar de sua escala, o SEO nunca produziu um vencedor monopolista. Ferramentas que ajudaram as empresas com SEO e pesquisa de palavras-chave, como Semrush, Ahrefs, Moz, e Similarweb, foram bem-sucedidos por si próprios, mas nenhum capturou toda a pilha (ou cresceu por meio de aquisições, como a Similarweb). Cada um criou um nicho: análise de backlinks, monitoramento de tráfego, inteligência de palavras-chave ou auditorias técnicas.

SEO sempre foi fragmentado. O trabalho era distribuído entre agências, equipes internas e operadores freelancers. Os dados eram bagunçados e as classificações eram inferidas, não verificadas. O Google detinha as chaves algorítmicas, mas nenhum fornecedor jamais controlou a interface. Mesmo em seu auge, os maiores players de SEO eram fornecedores de ferramentas. Eles não tinham o engajamento do usuário, controle de dados ou efeitos de rede para se tornarem centros onde a atividade de SEO está concentrada. Os dados de clickstream — registros dos links que os usuários clicam enquanto navegam em sites — são, sem dúvida, a janela mais clara para o comportamento real dos usuários. Historicamente, no entanto, esses dados têm sido proibitivamente difíceis de acessar, trancados atrás de ISPs, SDKs, extensões de navegador e corretores de dados. Isso tornou quase impossível construir insights precisos e escaláveis sem uma infraestrutura profunda ou acesso privilegiado.

GEO muda isso.

Como fazer as menções: O surgimento das ferramentas GEO

Isso não é apenas uma mudança de ferramentas, é uma oportunidade de plataforma. As empresas de GEO mais atraentes não pararão na medição. Elas irão aperfeiçoar seus próprios modelos, aprendendo com bilhões de prompts implícitos em diferentes verticais. Elas possuirão o ciclo — insight, input criativo, feedback, iteração — com tecnologia diferenciada que não apenas observa o comportamento de LLM, mas o molda. Elas também descobrirão uma maneira de capturar dados de clickstream e combinar fontes de dados de primeira e terceira parte.

As plataformas que vencerem em GEO irão além da análise de marca e fornecerão a infraestrutura para agir: gerando campanhas em tempo real, otimizando para a memória do modelo e iterando diariamente, à medida que o comportamento do LLM muda. Esses sistemas estarão operacionais.

Isso desbloqueia uma oportunidade muito mais ampla do que a visibilidade. Se o GEO é como uma marca garante que é referenciada nas respostas da IA, também é como ela gerencia seu relacionamento contínuo com a camada de IA em si. O GEO se torna o sistema de registro para interagir com LLMs, permitindo que as marcas acompanhem presença, desempenho e resultados em plataformas generativas. Possua essa camada, e você possui o orçamento por trás dela.

Esse é o potencial monopolista: não apenas servir insights, mas se tornar o canal. Se SEO fosse um mercado descentralizado, adjacente a dados, GEO pode ser o inverso — centralizado, impulsionado por API e embutido diretamente nos fluxos de trabalho da marca. No final, o GEO por si só é talvez a cunha mais óbvia, especialmente à medida que vemos uma mudança no comportamento de busca, mas, em última instância, é realmente uma cunha para o marketing de desempenho, de forma mais ampla. As mesmas diretrizes de marca e a compreensão dos dados do usuário que alimentam o GEO podem impulsionar o marketing de crescimento. É assim que um grande negócio é construído, à medida que um produto de software é capaz de testar múltiplos canais, iterar e otimizar entre eles. A IA possibilita ummarcador autônomo.

O tempo importa. A busca está apenas começando a mudar, mas os dólares de publicidade se movem rápido, especialmente quando há arbitragem. Nos anos 2000, isso era o Adwords do Google. Nos anos 2010, era o motor de segmentação do Facebook. Agora, em 2025, são os LLMs e as plataformas que ajudam as marcas a navegar sobre como seu conteúdo é ingerido e referenciado por esses modelos. Em outras palavras, GEO é a competição para entrar na mente do modelo.

Em um mundo onde a IA é a porta de entrada para o comércio e a descoberta, a pergunta para os profissionais de marketing é: O modelo vai se lembrar de você?

As opiniões expressas aqui são aquelas dos indivíduos da AH Capital Management, L.L.C. (“a16z”) citados e não são as opiniões da a16z ou de suas afiliadas. Certas informações contidas aqui foram obtidas de fontes de terceiros, incluindo empresas do portfólio de fundos geridos pela a16z. Embora tenham sido retiradas de fontes consideradas confiáveis, a a16z não verificou independentemente tais informações e não faz representações sobre a precisão duradoura das informações ou sua adequação para uma situação específica. Além disso, este conteúdo pode incluir anúncios de terceiros; a a16z não revisou tais anúncios e não endossa nenhum conteúdo publicitário contido neles.

Este conteúdo é fornecido apenas para fins informativos e não deve ser considerado como aconselhamento legal, comercial, de investimento ou tributário. Você deve consultar seus próprios assessores sobre essas questões. Referências a quaisquer valores mobiliários ou ativos digitais são apenas para fins ilustrativos e não constituem uma recomendação de investimento ou oferta para prestar serviços de consultoria de investimento. Além disso, este conteúdo não é direcionado nem destinado ao uso por investidores ou investidores em potencial e não pode, sob quaisquer circunstâncias, ser considerado ao tomar uma decisão de investir em qualquer fundo gerido pela a16z. (Uma oferta para investir em um fundo da a16z será feita apenas pelo memorando de colocação privada, contrato de subscrição e outros documentos relevantes de qualquer fundo e deve ser lida em sua totalidade.) Quaisquer investimentos ou empresas de portfólio mencionados, referidos ou descritos não são representativos de todos os investimentos em veículos geridos pela a16z, e não há garantia de que os investimentos serão lucrativos ou que outros investimentos feitos no futuro terão características ou resultados semelhantes. Uma lista de investimentos feitos por fundos geridos pela Andreessen Horowitz (excluindo investimentos para os quais o emissor não forneceu permissão para que a a16z divulgasse publicamente, bem como investimentos não anunciados em ativos digitais negociados publicamente) está disponível em https://a16z.com/investments/.

Os gráficos e tabelas fornecidos aqui são apenas para fins informativos e não devem ser considerados ao tomar qualquer decisão de investimento. O desempenho passado não é indicativo de resultados futuros. O conteúdo fala apenas na data indicada. Quaisquer projeções, estimativas, previsões, metas, perspectivas e/ou opiniões expressas nestes materiais estão sujeitas a alterações sem aviso prévio e podem diferir ou ser contrárias às opiniões expressas por outros. Por favor, vejahttps://a16z.com/disclosures para informações importantes adicionais.

Aviso:

  1. Este artigo é republicado de [a16z]. Todos os direitos autorais pertencem ao autor original [a16z]. Se houver objeções a esta reimpressão, entre em contato com o Gate Learnequipe, e eles vão lidar com isso prontamente.
  2. Isenção de responsabilidade: As opiniões e os pontos de vista expressos neste artigo são exclusivamente do autor e não constituem qualquer aconselhamento de investimento.
  3. As traduções do artigo para outras línguas são feitas pela equipe do Gate Learn. A menos que mencionado, copiar, distribuir ou plagiar os artigos traduzidos é proibido.
Comece agora
Inscreva-se e ganhe um cupom de
$100
!