Como tornar o seu site visível para AI e LLMs

#Introdução

O seu site posiciona-se no Google. Os Core Web Vitals estão a verde. O schema valida. E, mesmo assim, quando alguém pergunta ao ChatGPT, Claude, Perplexity ou Google AI Overviews sobre a sua área, a sua marca nunca aparece. Esse fosso entre o SEO clássico e o que as pesquisas com AI efetivamente citam é o problema que o Generative Engine Optimization existe para resolver.

GEO não substitui SEO. É uma disciplina paralela, focada em como os grandes modelos de linguagem recuperam, interpretam e citam conteúdo, e não em como os crawlers de pesquisa o indexam e ordenam. As técnicas sobrepõem-se em alguns pontos, divergem noutros, e o campo move-se mais depressa do que qualquer norma publicada. Este guia reúne o que realmente funciona, o que é mito e a ordem pela qual uma equipa de engenharia competente deve abordar cada alavanca.

#Porque a visibilidade em AI já não é opcional

No primeiro trimestre de 2026, o tráfego mediado por AI representa uma fatia mensurável e crescente dos acessos qualificados na maioria dos sites com forte componente de conteúdo. O ChatGPT Search está embutido na barra de endereço do Safari no iOS para quem tem a app instalada. A Perplexity passou de ferramenta para power users a produto mainstream. O Claude lê a web aberta através da sua ferramenta de pesquisa. O Google AI Overviews aparece numa grande fatia das pesquisas informativas em mercados anglófonos e alarga-se a mais idiomas a cada trimestre.

A consequência económica é simples. Mesmo quando um potencial cliente acaba por comprar, registar-se ou marcar uma consulta através da pesquisa clássica, a sua lista curta foi muitas vezes filtrada por um LLM antes. Se não entra nessa lista, não concorre. O SEO clássico continua a importar, porque alimenta a mesma infraestrutura de crawling usada por muitos sistemas de AI. Mas SEO isolado já não chega.

#AI ou LLMs: uma nota sobre terminologia

Ambos os termos aparecem na prática e a coerência importa mais do que a escolha. “Pesquisa com AI” é o termo mais amplo e voltado para o utilizador. Cobre chatbots, ferramentas de RAG, AI Overviews e sistemas híbridos. “LLM” refere-se concretamente aos modelos de linguagem por trás. Neste guia usamos “AI” para a superfície de descoberta e “LLM” para a tecnologia que a suporta. O objetivo de otimização é o mesmo.

#O ecossistema dos crawlers de AI

Antes de tocar em código, saiba para quem está a otimizar. Em abril de 2026, os principais user agents são:

• GPTBot, OpenAI, treino e retrieval offline.
• OAI-SearchBot, pesquisa ao vivo do ChatGPT.
• ChatGPT-User, pedidos a pedido disparados por prompts.
• ClaudeBot e Claude-User, Anthropic.
• PerplexityBot e Perplexity-User, Perplexity AI.
• Google-Extended, controlo de opt-out do treino do Gemini.
• CCBot, Common Crawl, alimenta muitos LLMs mais pequenos.
• Applebot-Extended, opt-out do treino do Apple Intelligence.
• Bytespider, ByteDance.
• Meta-ExternalAgent, Meta AI.

Nenhum executa JavaScript. Todos respeitam o robots.txt. A maioria identifica-se com honestidade. Uma parte vai buscar conteúdo no instante em que o utilizador envia o prompt, o que reduz o ciclo de dias para segundos.

#O que não funciona

O espaço GEO está cheio de folclore. A maior parte não tem suporte empírico.

Meta tags personalizadas como <meta name="ai-content-url"> ou <meta name="llms"> não têm implementação conhecida em qualquer produto LLM em produção. Ficheiros como /.well-known/ai.txt e /ai.txt têm propostas concorrentes e zero adoção. Comentários HTML dirigidos a bots são removidos por todos os crawlers mainstream antes do processamento. Botões de alternância humano-ou-AI exigem clique, e os bots não clicam. O sniffing de user agent para servir conteúdo diferente aos LLMs viola a política de cloaking do Google e pode despoletar ações manuais. Páginas dedicadas a AI não mostram tratamento diferenciado em citações. Puro JSON-LD e Schema.org são lidos pelo Microsoft Copilot via Bing e continuam a influenciar o SEO clássico, mas testes controlados mostram que ChatGPT, Claude e Perplexity ignoram em grande medida dados estruturados na síntese de respostas.

O padrão é sempre o mesmo. Alguém propõe uma especificação, escreve um post, e outros posts citam esse. Antes de adotar uma técnica GEO, pergunte se há prova de consumo real ou apenas prova da existência da proposta.

#Seis técnicas que funcionam mesmo

Ordenadas por impacto para um site típico de conteúdo.

#1. Comece pela auditoria ao robots.txt

Nada mais funciona se estiver a bloquear os crawlers por engano. Muitos sites herdaram regras agressivas de disallow do pânico de 2023 sobre treino de AI. Quem deixa passar e quem bloqueia é decisão sua, mas tem de ser explícita. Um padrão razoável para um negócio que quer visibilidade em AI:

User-agent: GPTBot
Allow: /

User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Google-Extended
Allow: /

User-agent: CCBot
Allow: /

Se quer visibilidade no ChatGPT sem que o conteúdo seja usado para treino, permita OAI-SearchBot e ChatGPT-User e bloqueie GPTBot. A OpenAI documenta esta separação. A Apple, a Google e a Anthropic oferecem controlos equivalentes.

#2. Sirva irmãos Markdown para cada página

A mudança técnica de maior alavanca na lista. Exponha uma versão Markdown limpa de cada página no mesmo URL com .md no fim, por exemplo /blog/post e /blog/post.md. A versão Markdown corta navegação, rodapés, snippets de analítica, banners de cookies e tudo o resto que inflaciona tokens sem acrescentar informação.

Medições independentes em vários sites de conteúdo mostram de forma consistente reduções de tokens na casa dos 70 a 85 por cento quando o Markdown substitui o HTML renderizado. Um post de 15.000 tokens passa tipicamente a 3.000. Isso importa porque, quando um LLM puxa a sua página para responder a um prompt, tem um orçamento de contexto finito. Conteúdo mais pequeno e mais limpo cabe mais inteiro e é citado com mais fidelidade.

Em Astro, Next.js ou qualquer framework static-first, gerar endpoints .md a partir da mesma content collection que alimenta a vista HTML é uma manhã de trabalho. O Markdown deve incluir o título, a data de publicação, o autor, um resumo curto, o corpo e as fontes claramente assinaladas.

#3. Anuncie a versão Markdown

Um crawler de LLM que aterra na sua página HTML precisa de descobrir que existe um irmão Markdown. Dois mecanismos complementares cobrem as duas classes de clientes.

Na head do HTML:

<link rel="alternate" type="text/markdown" href="/blog/post.md" />

Num cabeçalho de resposta HTTP:

Link: </blog/post.md>; rel="alternate"; type="text/markdown"

A tag HTML chega a parsers que leem o DOM. O cabeçalho HTTP chega a agentes headless que fazem HEAD ou GET e não analisam markup. Custo: uma linha no layout e uma entrada na configuração de cabeçalhos do CDN. Ganho: os crawlers deixam de adivinhar o padrão de URL.

#4. Negociação de conteúdo em Accept: text/markdown

A negociação de conteúdo HTTP está no standard desde 1997. Quando um cliente envia Accept: text/markdown, devolva a representação Markdown a partir do mesmo URL. Combine com Vary: Accept para que os CDNs façam cache de cada representação corretamente. Claude Code, Cursor e vários agentes de investigação já enviam este cabeçalho por defeito. A negociação de conteúdo é o padrão de longo prazo mais provável porque não exige novas especificações e reaproveita a stack HTTP existente. Em Cloudflare Workers, a implementação cabe em menos de vinte linhas.

#5. Publique llms.txt e llms-full.txt

Dois ficheiros na raiz do site fazem o trabalho.

/llms.txt é um índice Markdown curado. Lista as páginas mais importantes agrupadas por tema, com descrições de uma linha. Pense nele como um README para um LLM a quem perguntaram sobre o seu site.

/llms-full.txt junta o conteúdo Markdown completo das páginas centrais num único ficheiro. Analítica em vários editores mostra que recebe bastante mais tráfego de LLM do que o índice curto. Gere os dois em tempo de build a partir da mesma content collection que já mantém, e regenere a cada deploy. Nenhum grande fornecedor de LLM se comprometeu formalmente a ler estes ficheiros, mas aparecem nos logs com frequência suficiente para justificar o tempo.

#6. Invista na qualidade do conteúdo visível

A maior alavanca e a mais ignorada. Os LLMs sintetizam respostas ponderando frases candidatas das páginas que vão buscar. Frases com informação concreta e atribuível ganham peso superior a afirmações vagas. “Estudos mostram que a visibilidade em AI importa” é quase inútil. “Testes independentes em 2026 concluíram que citações diretas de peritos nomeados elevam a taxa de citação em cerca de 43 por cento” é o que é citado.

Três movimentos aumentam de forma consistente a taxa de citação em conteúdo antes pouco citado:

• Citações diretas de peritos nomeados.
• Estatísticas verificáveis com fonte claramente atribuída.
• Ligações autoritativas para fontes primárias.

Todos são sinais de conteúdo visíveis. Nenhum está escondido. Para uma agência WordPress, uma empresa SaaS ou qualquer negócio com especialização setorial, a tradução prática é: deixe de escrever listas genéricas e passe a escrever artigos que nomeiam versões, datas, pessoas e números concretos. Cite fontes inline. Cite a sua equipa pelo nome. Inclua o ano e a versão de cada ferramenta que menciona. É bom jornalismo e é GEO.

#Checklist combinada SEO e GEO para 2026

Crawlabilidade e indexação:

• O robots.txt permite crawlers clássicos de pesquisa e os user agents de AI onde quer estar visível.
• O sitemap XML está atualizado e submetido ao Google Search Console e ao Bing Webmaster Tools.
• A ligação interna segue uma estrutura temática clara. Hub and spoke ou mapas temáticos.
• Tags canonical corretas em URLs duplicados ou parametrizados.

On-page, continua a valer para humanos e para o retrieval de LLM:

• Títulos e H1 descritivos e alinhados com a intenção de pesquisa, em sentence case.
• Um H1 por página, hierarquia lógica de H2 e H3.
• Meta descrições escritas para humanos, sem stuffing.
• Tipos Schema.org que correspondem ao conteúdo, como Article, FAQPage, Product, Organization, Person e HowTo.
• Alt de imagem a descrever a imagem, não a keyword.

Core Web Vitals. Os crawlers de AI não correm JavaScript, mas a pesquisa clássica corre:

• LCP abaixo de 2,5 segundos em mobile.
• CLS abaixo de 0,1.
• INP abaixo de 200 milissegundos.

Específico de GEO:

• Endpoints Markdown para cada página de conteúdo.
• <link rel="alternate" type="text/markdown"> em cada layout.
• Cabeçalho HTTP Link: ao nível do CDN.
• Negociação de conteúdo em Accept: text/markdown.
• /llms.txt e /llms-full.txt na raiz, regenerados a cada deploy.
• Citações, aspas e estatísticas visíveis no próprio conteúdo.
• Entidades nomeadas, incluindo pessoas, produtos, empresas, versões e datas, usadas de forma consistente.

Medição:

• Registo server-side de User-Agent e Referer no edge.
• Um dashboard que separa o tráfego de crawlers de AI do tráfego humano e da pesquisa clássica.
• Prompts de teste mensais em ChatGPT, Claude, Perplexity e Gemini para seguir menções da marca.

#Uma ordem de implementação pragmática

Para um site que ainda não tem nada disto, trabalhe por esta ordem. Cada passo tem valor por si.

1. Auditar e corrigir o robots.txt. Sem isto, nada mais funciona.
2. Adicionar <link rel="alternate" type="text/markdown"> a apontar para um futuro endpoint Markdown. Pode ser entregue antes do endpoint existir.
3. Construir a pipeline de rendering Markdown. Comece pelo tipo de conteúdo com mais tráfego e expanda.
4. Adicionar o cabeçalho Link: e negociação de conteúdo em Accept: text/markdown ao CDN.
5. Gerar /llms.txt e /llms-full.txt a partir da content collection em tempo de build.
6. Refazer os artigos de referência com entidades nomeadas, citações diretas e estatísticas com fonte. Trabalho editorial contínuo e de maior impacto a longo prazo.
7. Instrumentar analítica server-side para tráfego de crawlers de AI.

Os passos um a cinco são engenharia pura e cabem num sprint. O passo seis é editorial e compõe-se ao longo de trimestres. O passo sete diz-lhe se algo disto resultou.

#Como medir a visibilidade em AI

A analítica tradicional não vê a maior parte do tráfego de crawlers de AI. Como não executam JavaScript, o GA4 e o Plausible não os registam. É preciso logging server-side.

Capture no edge: User-Agent completo, cabeçalho Referer, caminho pedido, status HTTP devolvido e tamanho da resposta. Segmente por padrões de user agent como GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot, Bytespider, CCBot, Applebot-Extended e Google-Extended para construir um dashboard semanal.

Complemente com tracking de menções de marca. Uma vez por semana, corra um conjunto fixo de prompts no ChatGPT, Claude, Perplexity e Gemini e registe se a marca foi citada, em que posição e com que excerto. Ferramentas como Profound, Peec AI e Otterly automatizam este trabalho. Uma folha de cálculo disciplinada cumpre o mesmo papel.

Se um crawler vai buscar o endpoint Markdown mas a marca nunca surge no conjunto de citações, o conteúdo é alcançável mas não é competitivo. Regresse à alavanca editorial.

#Objeções comuns e respostas honestas

Servir Markdown vai canibalizar o meu tráfego de SEO? Não. O Google indexa o HTML canónico. O irmão Markdown é anunciado como representação rel="alternate", o que indica ao Google que não deve ser tratado como duplicado.

Isto vai ser abusado? Os LLMs avaliam candidatos a fonte por sinais de confiança percebida, não pelo formato de ficheiro. Publicar Markdown não torna conteúdo fraco em citável. O investimento protege contra o risco de ser ilegível, sem garantir o retorno de ser citado.

Devo bloquear os crawlers de AI? Decisão de negócio. Se vive de tráfego direto, bloquear treino e permitir retrieval é um meio-termo razoável. Se vive de descoberta, não bloqueie nada.

Quanto tempo até ver resultados? A camada de engenharia atua em dias, assim que os crawlers voltam a buscar. A camada editorial compõe-se ao longo de trimestres. Espere mudanças mensuráveis nas citações de AI entre quatro e oito semanas após o lançamento conjunto das duas camadas.

#Uma estratégia duradoura

O campo GEO é instável. Todos os meses surge uma nova norma proposta, um novo crawler ou uma mudança na forma como um dos grandes LLMs pondera citações. A estratégia duradoura não é correr atrás de cada tendência, mas investir na camada de que qualquer sistema de retrieval precisa: conteúdo limpo, bem estruturado e rico em citações, entregue num formato barato de processar.

A parte técnica, ou seja, irmãos Markdown, negociação de conteúdo e llms.txt, é entrada. O trabalho editorial, ou seja, entidades nomeadas, citações diretas, estatísticas verificáveis e fontes autoritativas, é o fosso. A concorrência copia a infraestrutura numa semana. Cinco anos de escrita substancial por peritos nomeados na sua empresa não se copiam.

Construa a parte técnica uma vez. Passe o resto do tempo a escrever coisas dignas de serem citadas.