Ser citado por mecanismos de resposta com IA: o que está documentado e o que não está

A documentação do Google Search Central sobre o AI Overviews (Visões gerais criadas por IA) e o AI Mode (Modo IA) é direta. Não há requisitos adicionais para aparecer em nenhum dos dois recursos, e nenhuma otimização especial é necessária. Para ser elegível como link de apoio, uma página precisa estar indexada e apta a aparecer na Pesquisa Google com um snippet. O guia de otimização do Google acrescenta que o site precisa estar incluído nos recursos de IA generativa da Pesquisa no Search Console para ser elegível.

O Google também descreve o mecanismo em termos gerais. Os recursos usam geração aumentada por recuperação, que se apoia nos sistemas centrais de ranqueamento da Pesquisa para recuperar páginas do índice, e o "query fan-out", em que o modelo faz várias buscas relacionadas sobre subtemas antes de compor a resposta. O AI Overviews só aparece quando os sistemas do Google julgam que ele acrescenta algo aos resultados clássicos, e o Google diz que muitas vezes ele não é acionado. O AI Mode e o AI Overviews podem usar modelos diferentes, por isso os links exibidos para a mesma pergunta podem variar.

Na prática, a visibilidade nos recursos de IA do Google se apoia nas mesmas bases da visibilidade na busca comum. Uma página que não pode ser rastreada, não pode ser indexada ou está impedida de exibir um snippet não é elegível.

A OpenAI documenta rastreadores separados para finalidades separadas. O OAI-SearchBot exibe sites nos recursos de busca do ChatGPT, e os sites que o bloqueiam não aparecerão nas respostas de busca do ChatGPT, embora ainda possam aparecer como links de navegação. O GPTBot rastreia conteúdo que pode ser usado para treinar os modelos de base da OpenAI. As duas configurações são independentes, de modo que um site pode permitir o OAI-SearchBot e bloquear o GPTBot. O ChatGPT-User busca páginas quando um usuário faz uma pergunta ao ChatGPT, e a OpenAI observa que as regras do robots.txt podem não se aplicar a essas solicitações iniciadas pelo usuário. A OpenAI afirma que uma alteração no robots.txt pode levar cerca de 24 horas para afetar os resultados de busca.

A documentação da Perplexity segue um padrão semelhante. O PerplexityBot exibe sites e cria links para eles nos resultados de busca da Perplexity e, segundo a empresa, não é usado para rastrear conteúdo destinado a modelos de base de IA. O Perplexity-User busca páginas em resposta a perguntas de usuários e geralmente ignora o robots.txt. A Perplexity também recomenda que os donos de sites protegidos por um firewall de aplicação web incluam na lista de permissões as faixas de IP que ela publica.

Um modo de falha fica abaixo do nível da equipe de conteúdo. Uma regra de firewall ou de CDN criada para barrar scrapers pode bloquear o OAI-SearchBot ou o PerplexityBot sem que ninguém tenha decidido isso. A própria lista de verificação do Google para os recursos de IA inclui garantir que o rastreamento esteja permitido "por qualquer CDN ou infraestrutura de hospedagem", além do robots.txt.

Nenhum provedor publica os critérios que seu sistema usa para escolher uma fonte em vez de outra em determinada resposta. Recomendações que afirmam conhecer esses pesos são inferência. O guia de otimização do Google diz que nenhuma ferramenta de terceiros tem acesso aos sistemas internos de ranqueamento ou de IA do Google e orienta os donos de sites a desconfiar de ferramentas que alegam usar métricas internas do Google.

O guia também trata do llms.txt. O llms.txt é uma proposta, publicada em llmstxt.org, de um arquivo markdown que oferece aos modelos de linguagem uma visão geral selecionada de um site, com links para versões limpas de suas páginas. O Google diz que a Pesquisa Google não usa o llms.txt nem arquivos de texto semelhantes para IA. Publicar um não ajuda nem prejudica a visibilidade ou o ranqueamento na Pesquisa Google. A documentação dos rastreadores da OpenAI e da Perplexity não o menciona. Um site ainda pode publicá-lo para agentes de programação ou outras ferramentas que o leem, mas não há base publicada para tratá-lo como fator de ranqueamento em nenhum dos três mecanismos de resposta discutidos aqui.

O Google lista outras táticas populares que, segundo ele, os donos de sites podem ignorar no que diz respeito aos seus recursos de IA. Entre elas estão dividir o conteúdo em pequenos "blocos" (chunks), reescrever páginas especificamente para sistemas de IA, buscar menções não autênticas pela web e acrescentar marcações especiais do schema.org para IA.

Um mecanismo de resposta que cita uma organização precisa descobrir de qual organização se trata. Isso fica mais difícil quando o nome comercial difere da razão social, o número de registro não aparece em nenhum lugar do site e os perfis em diretórios, redes sociais e marketplaces descrevem a empresa em termos diferentes.

A documentação do Google sobre dados estruturados de Organization descreve marcações que ajudam o Google a entender os dados administrativos de uma organização e a distingui-la de outras. As propriedades disponíveis incluem legalName, links sameAs para perfis em outros sites, vatID, taxID e iso6523Code, que pode conter um Legal Entity Identifier (LEI) com o prefixo 0199. Nenhuma das propriedades é obrigatória. As orientações do Google sobre recursos de IA acrescentam duas ressalvas. Os dados estruturados devem corresponder ao texto visível na página, e não são obrigatórios para a busca com IA generativa. Seu valor está em eliminar ambiguidades, e eles ajudam na elegibilidade para resultados avançados.

É um trabalho pouco vistoso. Coloque a razão social, o número de registro e o endereço registrado no site em texto simples. Marque-os de forma consistente e aponte o sameAs para os perfis que você controla. Mantenha atualizadas as informações do Perfil da Empresa no Google e, no caso de varejistas, do Merchant Center. O Google diz que ambos podem ajudar produtos e serviços a aparecer em suas respostas de IA.

Defina a política de rastreadores de forma deliberada. Na OpenAI, o acesso para treinamento e o acesso para busca podem ser configurados separadamente por meio do GPTBot e do OAI-SearchBot. No Google, o token Google-Extended rege o uso no treinamento e no embasamento (grounding) dos modelos Gemini, e o Google afirma que ele não afeta a inclusão nem o ranqueamento na Pesquisa Google. Registre a decisão e o motivo para cada user agent.

Teste se a política se sustenta na borda da rede. Revise os logs do firewall e da CDN em busca de solicitações bloqueadas dos user agents e das faixas de IP publicados, e verifique o robots.txt com os tokens documentados por cada provedor.

Use os controles de snippet apenas onde eles tiverem uma finalidade. O Google trata nosnippet, data-nosnippet, max-snippet e noindex como os controles que limitam o que aparece de uma página na Pesquisa, inclusive em seus recursos de IA. Uma página que bloqueia snippets também se exclui da elegibilidade como link de apoio.

Meça o que pode ser medido. O Google reporta o tráfego do AI Overviews e do AI Mode no relatório de desempenho do Search Console e oferece um relatório de desempenho de IA generativa. Acompanhe as citações em outros mecanismos testando um conjunto fixo de perguntas em um calendário fixo, e trate os resultados como observações, e não como um ranking.

Dê aos mecanismos algo que valha a pena citar. O guia do Google pede conteúdo "não genérico", baseado em experiência de primeira mão. Para uma organização estabelecida, isso normalmente significa publicar as evidências, os métodos e os dados específicos que ela já possui, com autoria e data em cada página.