SEO para IA: checklist técnico para seu site

SEO para IA é a parte técnica do GEO: garantir que os sistemas que alimentam respostas de IA consigam acessar, ler e interpretar corretamente as páginas do seu site. Na prática, isso significa liberar os rastreadores de busca que você quer receber, não bloquear páginas públicas por engano, servir o conteúdo principal no HTML, manter uma única URL por página e descrever a empresa com dados estruturados fiéis ao que está visível. Com essa base resolvida, o seu site fica pronto para ser lido, entendido e usado como fonte quando as IAs pesquisam na web.

Por onde começar o diagnóstico?

Comece por um teste de cinco minutos. Abra a home e uma página de serviço numa janela anônima e veja o código-fonte recebido (no navegador, a opção “exibir código-fonte”), não apenas a página já desenhada na tela. O nome da empresa, o serviço, a região atendida e os links principais estão nesse código? Depois confira o status HTTP de cada página importante com um comando como curl -I https://www.seusite.com.br/servicos: a resposta deve ser 200, não um redirecionamento em cadeia, um 403 ou uma página de desafio anti-robô.

Se algo falhar aqui, o resto do checklist pode esperar.

Quais rastreadores de IA existem e para que servem?

Os provedores separam os agentes por finalidade. Há rastreadores de busca, que indexam páginas para que apareçam em respostas com pesquisa; agentes de acesso a pedido do usuário, que visitam uma página porque alguém pediu algo numa conversa; e rastreadores ou controles de treinamento, que tratam do uso do conteúdo para treinar modelos. Bloquear um não equivale a bloquear os outros.

Fontes: documentação de rastreadores da OpenAI, da Anthropic, da Perplexity, do Google e da Apple, além da página do Google sobre recursos de IA na Busca.

Duas consequências práticas. Primeiro, permitir o uso para treinamento e permitir a busca são decisões separadas: segundo a OpenAI, a pesquisa do ChatGPT depende do OAI-SearchBot, e o GPTBot é usado para treinamento. Bloquear treinamento é uma escolha legítima e não precisa afetar a busca, desde que os agentes de busca continuem liberados. Segundo, agentes acionados por um pedido do usuário podem não seguir o robots.txt, como informam a OpenAI e a Perplexity; o controle que vale para eles está no servidor.

Uma ressalva sobre o Google-Extended: segundo o Google, ele também controla o uso do conteúdo para fundamentar respostas em apps Gemini e na Vertex AI. Bloqueá-lo não afeta a Busca do Google, mas é uma decisão que vai além do treinamento.

Como configurar o robots.txt?

O robots.txt fica na raiz do domínio e define o que cada rastreador pode acessar. Um exemplo para um site que libera busca e acesso a pedido do usuário, mantém áreas privadas fora do rastreamento e declara o sitemap:

• User-agent: *
• Disallow: /minha-conta/
• User-agent: OAI-SearchBot
• User-agent: Claude-SearchBot
• User-agent: PerplexityBot
• Disallow: /minha-conta/
• Sitemap: https://www.seusite.com.br/sitemap.xml

No arquivo real, cada grupo começa por uma ou mais linhas User-agent seguidas das regras, e os grupos ficam separados por uma linha em branco: no exemplo, as três linhas User-agent consecutivas formam um único grupo, que vale para os três robôs de busca.

Três regras evitam surpresas. A primeira: segundo a especificação de robots.txt do Google, só um grupo vale para cada rastreador, o do user agent mais específico que corresponde a ele, e os outros grupos são ignorados. Como prática segura para qualquer robô, repita as restrições de áreas privadas em cada grupo específico: um grupo criado para o OAI-SearchBot não deve depender das regras escritas em User-agent: *. A segunda: decida o treinamento de forma explícita, com grupos para GPTBot, ClaudeBot, Google-Extended e Applebot-Extended, sem misturar com os de busca. A terceira: confira o arquivo final linha por linha; uma linha Disallow: / no grupo errado bloqueia o site inteiro para aquele robô.

O robots.txt tira uma página do Google?

Não. O Google afirma que o robots.txt não é um mecanismo para manter uma página fora dos resultados: uma URL bloqueada ainda pode aparecer, sem trecho, se outros sites apontarem para ela. Para tirar uma página do índice, use noindex (meta tag ou cabeçalho HTTP) ou proteja-a com senha. E não combine as duas coisas: se o robô não pode acessar a página, ele não lê o noindex.

Páginas de login, checkout, painéis e relatórios de clientes devem ficar fora do índice e, de preferência, atrás de autenticação.

O servidor deixa os robôs entrarem?

Um robots.txt permissivo não resolve nada se o servidor recusa o acesso. Firewalls de aplicação, proteções anti-robô, desafios de JavaScript, bloqueios por país e limites de requisição podem devolver 403, 429 ou uma página de desafio para os rastreadores. Confira nos logs do servidor ou da CDN se as requisições com os user agents da tabela recebem 200. Se a sua proteção bloqueia robôs por padrão, crie exceções conscientes para os agentes de busca que você quer receber.

O conteúdo importante está no HTML?

Nem todo rastreador executa JavaScript da mesma forma que um navegador. Servir o conteúdo principal no HTML inicial deixa a informação disponível para qualquer robô. Na prática:

• Coloque o texto que explica o serviço, a região, o público e as condições no HTML da página, não apenas em componentes carregados depois.
• Não esconda informações essenciais atrás de abas, cliques ou formulários.
• Não publique o conteúdo principal só em PDF ou imagem.
• Use links <a href> comuns na navegação interna, com textos descritivos.

Uma URL por página: canonical, redirects e sitemap

Variações da mesma página, como http e https, com e sem www, com e sem barra final, ou com parâmetros, competem entre si. O Google descreve três sinais para indicar a URL principal: redirecionamentos e rel="canonical" são sinais fortes, e a inclusão no sitemap é um sinal fraco; os sinais se somam quando apontam para o mesmo lugar, e o Google prefere https quando há equivalência (documentação de URLs duplicadas).

• Escolha um host principal e redirecione os outros com 301 ou 308.
• Padronize a barra final e redirecione a variação.
• Use em cada página um canonical absoluto apontando para ela mesma.
• Liste no sitemap apenas URLs canônicas, públicas, que respondem 200 e não têm noindex.
• Mantenha o lastmod do sitemap ligado a mudanças reais de conteúdo.

Como controlar o que aparece em trechos e respostas?

O Google indica os controles já existentes para limitar o que é exibido a partir das suas páginas, inclusive nos recursos de IA: nosnippet, data-nosnippet, max-snippet e noindex (recursos de IA na Busca). Use-os com critério: quanto mais você restringe, menos material sobre a sua empresa fica disponível para ser exibido.

Dados estruturados ajudam a aparecer em respostas de IA?

O Google afirma que não é necessário adicionar dados estruturados especiais para aparecer em AI Overviews e no AI Mode. Ainda assim, dados estruturados ajudam a declarar fatos de forma inequívoca, e as diretrizes do Google são claras: a marcação deve representar fielmente o conteúdo da página e não pode marcar conteúdo invisível para o visitante nem conteúdo enganoso, como avaliações falsas.

• Organization na home e nas páginas institucionais: nome, URL, logotipo (o Google pede no mínimo 112 × 112 pixels), descrição, contato e identificador fiscal, quando aplicável.
• Article ou BlogPosting nos conteúdos editoriais, com autor, datas de publicação e atualização, título e imagem, como recomenda o guia de dados estruturados de artigos.
• BreadcrumbList quando houver trilha de navegação real.
• FAQPage apenas quando as perguntas e respostas estiverem visíveis na página.
• SoftwareApplication, Product ou Service com preços iguais aos exibidos. Nunca adicione notas ou avaliações que não existam.

E o llms.txt?

O llms.txt é uma proposta apresentada por Jeremy Howard em setembro de 2024: um arquivo em Markdown na raiz do site, com um título, um resumo curto e listas de links para as páginas mais úteis, pensado para que agentes de IA encontrem o conteúdo essencial sem percorrer todo o HTML. É uma proposta aberta, não um padrão de um órgão de normas, e o Google não exige arquivos de texto para IA para aparecer em AI Overviews e no AI Mode.

Na prática, publicar um llms.txt facilita a descoberta e a interpretação das páginas importantes por agentes que leem esse arquivo. Se decidir publicar, gere o arquivo automaticamente a partir das páginas reais do site, para que os links não quebrem, e mantenha-o objetivo: o que a empresa faz e onde estão as páginas principais.

Checklist final

• Páginas importantes respondem 200 e têm o conteúdo principal no HTML.
• O robots.txt libera os rastreadores de busca que você quer receber e declara o sitemap.
• A decisão sobre treinamento está explícita e separada da decisão sobre busca.
• O firewall e a CDN não devolvem 403 ou 429 para os agentes liberados.
• Há um host principal, redirecionamentos para as variações e canonical em cada página.
• O sitemap lista apenas URLs canônicas e indexáveis.
• Não há noindex acidental em páginas públicas.
• Áreas privadas estão protegidas por autenticação e fora do índice.
• Os dados estruturados descrevem apenas o que está visível e é verdadeiro.
• Cada página tem título, descrição e H1 próprios e links internos com textos descritivos.

Com o acesso técnico resolvido, o próximo passo é editorial: publicar páginas que respondam às perguntas dos clientes, como descrito em como aumentar as chances de sua empresa ser citada no ChatGPT. Se a empresa continua ausente mesmo com tudo em ordem, siga o diagnóstico em por que minha empresa não aparece no ChatGPT.

Como a FirstOnAI ajuda com SEO para IA?

O checklist acima prepara o site para ser lido pelos rastreadores. A FirstOnAI mostra o outro lado: o que as IAs respondem quando um cliente faz as perguntas do seu mercado, e se a sua marca está nessas respostas.

• Presença nas perguntas do seu mercado: a plataforma faz perguntas de compra sem o nome da marca, repete cada uma e mostra a presença no geral, por IA e por pergunta, junto com a posição da marca entre as empresas citadas.
• Fontes usadas pelas IAs: nos planos pagos, o recurso de fontes citadas reúne os domínios citados ou consultados nas respostas e mostra se o seu site está entre eles, ao lado dos sites de concorrentes e de terceiros. É a forma de ver se as páginas que você deixou acessíveis estão sendo usadas.
• Evolução depois de cada ajuste: o monitoramento semanal mede as mesmas perguntas no ChatGPT, Gemini e Claude toda semana, e as medições extras do plano permitem medir de novo logo depois de liberar um rastreador ou publicar uma página.

O trabalho técnico do checklist fica com quem cuida do site; a FirstOnAI entrega a medição que mostra onde esse trabalho aparece nas respostas e quais perguntas priorizar em seguida. Para ver o ponto de partida da sua marca, faça a análise gratuita no ChatGPT e compare os planos de monitoramento.

Perguntas frequentes