Podes ter um site lindo que a IA simplesmente não vê. Quando alguém pergunta ao ChatGPT, ao Claude ou ao Perplexity por uma ferramenta como a tua, o modelo não "navega" como uma pessoa: pede páginas, lê o que recebe e decide quem citar. Se o teu conteúdo não chega nessa leitura, para a IA não existes. Este guia explica como as IA rastreiam, como confirmar em dez minutos se te veem, os erros que mais vezes o impedem e como os corrigir consoante a forma como o teu site está feito.
Como uma IA rastreia o teu site (e porque há três bots diferentes)
Cada fornecedor usa vários rastreadores com fins diferentes, e convém distingui-los porque podes permitir uns e bloquear outros:
- Treino.
GPTBot(OpenAI),ClaudeBot(Anthropic),Google-Extended(controla o uso para o Gemini, não o motor de busca),Bytespider(ByteDance),CCBot(Common Crawl, de onde bebem muitos modelos). Recolhem páginas para treinar modelos futuros. - Pesquisa com IA.
OAI-SearchBot(a pesquisa do ChatGPT),Claude-SearchBot,PerplexityBot. Constroem o índice que o assistente consulta quando responde com fontes. - Visita em direto.
ChatGPT-User,Claude-User,Perplexity-User: o assistente abre a tua página no momento porque um utilizador lho pediu.
Bloquear o treino e permitir a pesquisa é uma decisão perfeitamente razoável. Bloquear tudo por acidente, com um template herdado, é o que acontece a muitas apps.
Ver não é o mesmo que renderizar
Muitos vibe coders lançam apps com um frontend que se monta inteiro no browser com JavaScript (uma SPA feita com Vite, Lovable, Bolt ou v0). Para um humano fica perfeito. Mas a maioria dos bots de IA pede o HTML e lê o que chega antes de executar o que quer que seja; alguns nunca executam JavaScript. Se o teu conteúdo só aparece depois do JS, esses bots veem uma página quase vazia: um <div id="root"> e pouco mais.
Passo 1: olha para o teu HTML em bruto
Abre o teu site, clica com o botão direito e escolhe ver código-fonte (não "inspecionar", que já mostra o DOM renderizado). Procura o teu título principal e um par de parágrafos. Se não estiverem nesse HTML, a IA provavelmente também não os vai ver. Outro teste rápido: desativa o JavaScript no browser e recarrega. O que ficar é, mais ou menos, o que um bot básico vê.
Se preferires o terminal, pede a página como o faria o bot do ChatGPT e conta quanto texto chega:
curl -s -A "GPTBot" https://oteudominio.com/ | sed 's/<[^>]*>//g' | wc -wUmas dezenas de palavras significam que o conteúdo está no JavaScript. Várias centenas, que chega no HTML.
Passo 2: revê o teu robots.txt
Visita oteudominio.com/robots.txt. Confirma que não estás a bloquear os bots de IA sem querer. Um Disallow: / genérico, um template copiado ou o "modo de combate a bots" do teu CDN podem estar a fechar-lhes a porta. Se quiseres permitir a pesquisa e as visitas em direto mas não o treino, o ficheiro fica assim:
User-agent: GPTBot
Disallow: /
User-agent: Google-Extended
Disallow: /
User-agent: OAI-SearchBot
Allow: /
User-agent: ChatGPT-User
Allow: /
User-agent: *
Allow: /
Sitemap: https://oteudominio.com/sitemap.xmlBloquear é uma decisão legítima, mas que seja de propósito, não por acidente. E lembra-te de que o robots.txt é um pedido, não uma barreira: os bots bem-comportados cumprem-no; os outros, não.
Passo 3: oferece um llms.txt
O ficheiro llms.txt na raiz do teu domínio é um resumo em texto simples (Markdown) do que és e das páginas que importam. Não é obrigatório nem mágico, e nem todos os modelos o leem ainda, mas dá um ponto de entrada limpo ao teu site e obriga-te a escrever a frase que define o teu produto. Um exemplo mínimo:
# O teu produto
> O teu produto é um [o que é] para [quem] que [o que consegue]. Uma frase, sem adjetivos.
## Páginas principais
- [O que faz](https://oteudominio.com/produto): descrição numa linha
- [Preços](https://oteudominio.com/precos): planos e o que cada um inclui
- [Documentação](https://oteudominio.com/docs): como começarEssa primeira frase, a que começa por "O teu produto é…", convém repeti-la tal e qual na home, na meta description e nos dados estruturados: é a que os modelos acabam por citar.
Passo 4: dados estruturados que te descrevem
Um bloco JSON-LD com Organization (nome, logótipo, URL, descrição) e, se vendes algo, SoftwareApplication ou Product com preços, dá ao modelo factos sem ambiguidade: o que és, quanto custas, onde estás. Se tens perguntas frequentes, marca-as como FAQPage: é o formato mais parecido com a forma como os utilizadores perguntam à IA.
Passo 5: pergunta diretamente à IA
Abre o ChatGPT, o Claude e o Perplexity e faz as mesmas três perguntas em cada um: o que é X, o que faz X e alternativas a X, mais uma quarta, mais útil: recomenda-me uma ferramenta para [o problema que resolves]. Repara em três coisas: se te menciona, se o que diz está correto e se te confunde com outro. Aponta tudo com data. Repete todos os meses: este é o teu verdadeiro ponto de partida e a única forma de saberes se o que mudas funciona.
Passo 6: dá-lhe conteúdo citável
Os modelos citam parágrafos que respondem a uma pergunta sem depender do resto da página. Isso traduz-se em hábitos concretos: um título que seja a pergunta, a resposta direta nas duas primeiras frases, dados concretos (números, nomes, datas) em vez de adjetivos, e uma página por tema em vez de uma página que conta tudo. Se a tua melhor informação está num vídeo, numa imagem ou num PDF, para a IA não existe.
Como corrigir consoante a forma como o teu site está feito
- Next.js ou Nuxt. Já renderizam no servidor, a menos que o tenhas desativado. Confirma que as páginas de marketing não usam
'use client'para tudo nem dependem de dados que só carregam no browser. - SPA com Vite (Lovable, Bolt, v0). O HTML chega vazio. As opções, de menos a mais trabalho: pré-renderizar as páginas públicas no build (plugins de prerender), mover o marketing para um site estático à parte, ou migrar a parte pública para uma framework com SSR.
- Webflow, Framer, WordPress. Servem HTML completo; aqui o problema costuma estar no
robots.txt, numnoindexesquecido ou na proteção anti-bots do CDN. - Atrás de um login. O que exige sessão ninguém vê. Põe numa página pública a descrição do que fazes.
Os erros que mais vezes o impedem
- Um
<meta name="robots" content="noindex">que ficou da fase de testes. - O "modo de combate a bots" ou um desafio JavaScript do CDN que bloqueia todos os rastreadores por igual.
- Um site que carrega o conteúdo com scroll infinito ou depois de carregar num botão.
- Texto em imagens: o nome do produto e a proposta de valor num PNG.
- Uma única página longa para tudo, sem títulos que digam do que trata cada parte.
Como medir ao longo do tempo
Olha para os logs do teu servidor ou do teu CDN e filtra pelos user agents acima: vai dizer-te que bots te visitam, quantas vezes e que páginas pedem. Se não aparecer nenhum, revê primeiro o robots.txt e a proteção do CDN. Junta isso à ronda mensal de perguntas do passo 5 e tens as duas metades: se te leem e se te citam.
O Scanaris automatiza esta verificação
O pilar de visibilidade para IA do Scanaris verifica se o teu conteúdo é legível sem JS, se bloqueias bots de IA no robots.txt, se tens llms.txt e dados estruturados, e até como um modelo te descreve quando lhe perguntam pela tua marca, com um fix prompt para cada falha. Tudo só de leitura, sobre informação pública. E o rastreador de visibilidade vigia todos os dias se apareces quando alguém pede uma recomendação na tua categoria.
Perguntas frequentes
Bloquear o GPTBot tira-me do ChatGPT?
Tira-te do treino de modelos futuros, não das respostas com pesquisa, que usam o OAI-SearchBot e o ChatGPT-User. Se queres aparecer quando alguém pergunta, esses dois têm de estar permitidos.
Quanto tempo demora a notar-se uma alteração?
As visitas em direto, no momento: assim que o HTML trouxer o conteúdo, o assistente lê-o. Os índices de pesquisa, de dias a semanas. O conhecimento "de memória" do modelo, até ao treino seguinte, que não controlas.
Preciso de llms.txt se já tenho sitemap?
Não é obrigatório. O sitemap diz que páginas existem; o llms.txt diz o que és e quais importam, em linguagem natural. Leva dez minutos e não atrapalha.