Como as IAs leem (ou não leem) o seu site

Entre a pergunta do viajante e a resposta da IA existe um caminho de cinco etapas, e ele se interrompe com frequência na primeira: o servidor recusando o robô. Esta página descreve o percurso inteiro, com o nome de cada robô e o que cada etapa exige do seu site.

O que acontece entre a pergunta do viajante e a resposta

Quando alguém pergunta a um assistente onde se hospedar numa cidade, a resposta nasce de duas fontes: o que o modelo aprendeu durante o treinamento e o que ele busca na hora. Nos dois casos, alguém precisou conseguir ler o seu site antes. O caminho tem cinco etapas, e ele pode se interromper em qualquer uma delas.

1. O modelo decide buscar

Perguntas sobre lugares, preços, horários e disponibilidade quase sempre disparam uma busca, porque o modelo sabe que esse tipo de informação envelhece. É aí que a sua página entra na disputa, junto com guias, OTAs, portais oficiais e concorrentes.

2. Um robô bate na porta do seu servidor

A busca não é feita pelo modelo em si, e sim por um robô com nome e crachá próprios, como GPTBot ou PerplexityBot. Ele faz uma requisição comum ao seu endereço, igual à de um navegador, mas se identificando.

3. O seu servidor responde, e essa resposta decide tudo

Se a resposta for 200, o robô recebe a página. Se for 403 ou 429, ele recebe uma porta fechada, e para aquela plataforma o seu site simplesmente não existe naquele momento. Nenhum ajuste de conteúdo conserta uma porta fechada, e é por isso que o diagnóstico começa exatamente por esse teste, com o crachá real de cada robô.

4. O HTML vira texto

O que chega ao modelo não é a sua página como você a vê. Script, estilo e marcação são descartados, e sobra o texto. Menu, rodapé e avisos de cookie entram nessa sopa junto com o conteúdo. Se o texto que importa for curto, estiver em imagem ou só aparecer depois que o JavaScript roda, o que sobra é uma casca.

5. O modelo recorta um trecho e cita a fonte

A citação é quase sempre um pedaço curto: uma definição, um preço, um horário, uma resposta direta a uma pergunta. Páginas escritas em blocos que respondem uma coisa de cada vez são recortadas com mais facilidade do que textos institucionais que demoram três parágrafos para dizer o que fazem.

Por que um site bonito pode ser invisível?

Porque beleza e leitura por máquina são medidas diferentes. Um site premiado pode entregar quase nada de texto no HTML, montar todo o conteúdo por JavaScript, esconder o telefone dentro de uma imagem e ainda estar atrás de uma proteção que recusa robôs. Para o visitante, está tudo funcionando. Para o modelo, aquela marca não tem o que citar.

O inverso também acontece: sites simples, com texto direto, perguntas como subtítulo, dados estruturados e contato legível costumam ser citados acima de concorrentes muito maiores. Essa é a boa notícia do turismo brasileiro hoje, e é o que a lista de verificações do diagnóstico torna concreto.

O que muda quando o texto só aparece depois do JavaScript?

Parte dos robôs não executa JavaScript, e os que executam nem sempre esperam o suficiente. O resultado prático é uma página que, para eles, tem três frases e um menu. No diagnóstico isso aparece em duas medidas juntas: o total de palavras encontradas e a proporção do HTML que é texto de verdade. Quando as duas estão baixas, é quase sempre esse o motivo.

A correção não exige trocar de tecnologia. Servir o conteúdo essencial já pronto no HTML, por renderização no servidor ou pré-renderização das páginas que importam, costuma resolver o problema para todos os robôs de uma vez.

Quais robôs batem na porta hoje

Estes são os robôs que o diagnóstico testa e acompanha. A função de cada um é a documentada pelo próprio fabricante, e essa lista muda com o tempo: nomes novos aparecem e regras mudam de significado, o que é mais um motivo para conferir o robots.txt de tempos em tempos em vez de configurá-lo uma vez e esquecer.

O diagnóstico faz duas leituras diferentes com essa lista. A primeira é a política escrita no seu robots.txt, conferida para 32 robôs, porque ler um arquivo já baixado custa o mesmo para 1 ou para 32. A segunda é a visita real, feita com 7 crachás, porque cada visita é uma requisição ao seu servidor e não queremos pesar no site de ninguém.

Por onde começar depois do resultado

A ordem que funciona é sempre a mesma, e ela vale mesmo sem consultoria nenhuma. Primeiro, porta aberta: robots.txt liberado e servidor respondendo 200 aos robôs de IA. Segundo, conteúdo legível: texto no HTML servido, resposta objetiva no começo, subtítulos que repetem a pergunta do viajante. Terceiro, identidade: schema de organização, contato legível por máquina, perfis oficiais ligados por sameAs, FAQ marcada e data visível.

Nada disso depende de investimento alto, e o efeito aparece na próxima passagem do robô. Os termos usados aqui estão definidos no glossário, e as dúvidas mais comuns sobre a ferramenta estão nas perguntas frequentes.

Perguntas sobre leitura por IA

Bloquear robôs de IA protege o meu conteúdo?

Bloquear impede o uso do seu texto por aquele robô, e impede junto que a sua marca apareça nas respostas daquela plataforma. É uma decisão de negócio legítima, não um detalhe técnico: quem vende quarto, passeio ou destino costuma querer aparecer. O que raramente é intencional é bloquear sem saber, por uma regra herdada de um plugin ou de um firewall.

Preciso de um site novo para ser lido pelas IAs?

Quase nunca. A maior parte dos problemas que encontramos é de configuração: uma regra no robots.txt, uma proteção de borda recusando o robô, falta de dados estruturados, ausência de FAQ marcada, texto que só aparece depois do JavaScript. São correções no site que existe, e não um site novo.

De quanto em quanto tempo os robôs voltam?

Não existe frequência garantida, e ela varia por plataforma e por autoridade do domínio. O que dá para controlar é o que o robô encontra quando vier: acesso liberado, conteúdo no HTML, datas visíveis e sitemap atualizado. Por isso o diagnóstico mede o estado atual, e não uma promessa de prazo.