Quando alguém pergunta algo ao ChatGPT, ao Gemini, à Perplexity, ao Claude ou ao Copilot e a resposta traz links, essas fontes vêm de algum lugar. Entender de onde evita dois erros caros: otimizar para a plataforma errada e bloquear, sem querer, o rastreador que colocaria a sua marca na resposta.
Este guia reúne o que a documentação oficial de cada plataforma diz sobre a origem das fontes, quais rastreadores existem e o que controlam, onde medir a presença da marca e o que fazer primeiro. Também deixa claro o que não está documentado. Em vários pontos, o fornecedor simplesmente não informa qual índice de busca usa, e a resposta honesta é “não publicado”, em vez de uma afirmação sem fonte.
Duas formas de uma IA responder
Um assistente de IA pode responder de duas formas. A primeira usa apenas o que o modelo aprendeu no treinamento. A segunda busca informação na web no momento da pergunta e a incorpora à resposta, com links. A otimização para busca com IA (GEO, de Generative Engine Optimization) trata sobretudo da segunda. O treinamento é um processo lento e fora do seu controle direto; a recuperação em tempo real é onde a sua página pode ser encontrada hoje.
A distinção importa porque as empresas separam os rastreadores. A OpenAI, por exemplo, documenta três robôs com funções diferentes: o OAI-SearchBot, que faz o site aparecer nos resultados de busca do ChatGPT; o GPTBot, que coleta conteúdo para treinamento de modelos; e o ChatGPT-User, acionado por uma ação do usuário. A Anthropic e a Perplexity seguem lógica parecida. Bloquear um não bloqueia os outros.
Como a busca com IA funciona por dentro
O Google descreve o processo de forma mais detalhada. Segundo o guia de otimização para IA do Google Search, os sistemas usam geração aumentada por recuperação (RAG): buscam páginas relevantes e atualizadas no índice da Pesquisa, analisam as informações e exibem links relacionados à resposta. Antes disso, aplicam o query fan-out: o modelo gera várias consultas relacionadas ao mesmo tempo para cobrir melhor a pergunta. Outras plataformas descrevem versões equivalentes, embora com menos detalhe.
- 1Pergunta. O usuário escreve o que quer saber.
- 2Consultas derivadas. O modelo decide se precisa buscar e gera uma ou mais consultas (fan-out).
- 3Recuperação. O sistema consulta um índice de busca e traz páginas candidatas. Aqui entram indexação, rastreadores e acesso.
- 4Síntese e citação. O modelo escreve a resposta e cita as fontes que usou.
O diagrama resume o fluxo em quatro etapas. A etapa 3 é a que depende de você: se a sua página não está no índice que a plataforma consulta, ela nem chega a ser candidata. Por isso a pergunta “de onde vêm as fontes?” é, na prática, a pergunta “em qual índice a minha página precisa estar?”.
Plataforma por plataforma
As seções a seguir separam o que a documentação oficial afirma do que fica em aberto.
Google: AI Overviews e AI Mode
A documentação do Google sobre recursos de IA é a mais completa. Para ser um link de apoio, a página precisa estar indexada e elegível para aparecer na Pesquisa com um snippet. Não há requisitos técnicos adicionais, nem marcação específica, nem arquivos de texto para IA. AI Overviews e AI Mode podem usar modelos e técnicas diferentes, por isso os links variam entre eles. O desempenho aparece no relatório de Desempenho do Search Console, no tipo de pesquisa Web, junto com os demais resultados. O controle de rastreamento é o robots.txt do Googlebot; para treinamento de IA e para grounding em outros sistemas do Google, o controle é o Google-Extended.
Gemini
Na documentação da API, o grounding com a Pesquisa Google conecta o modelo a conteúdo da web em tempo real. Quando a ferramenta google_search está ativa, o modelo analisa o prompt, decide se uma pesquisa melhoraria a resposta, gera uma ou mais consultas e sintetiza o resultado, com citações que trazem URL e título. A página descreve a API; ela não detalha o comportamento do aplicativo Gemini para o consumidor. Como a fonte é a Pesquisa Google, a indexação no Google continua sendo a base.
ChatGPT
A página de ajuda do ChatGPT search afirma que a busca pode enviar consultas a provedores terceiros e cita o Bing como exemplo. As respostas com busca trazem citações em linha e um botão “Sources” com todas as fontes. A página não lista todos os provedores nem descreve um índice próprio. O controle por rastreador é separado: segundo a documentação de bots, quem sai do OAI-SearchBot não aparece nas respostas de busca, mas pode continuar aparecendo como link de navegação. O GPTBot trata de treinamento. O ChatGPT-User atua por ação do usuário, e as regras do robots.txt podem não se aplicar a ele.
Perplexity
A documentação de rastreadores da Perplexity diz que o PerplexityBot foi projetado para exibir e linkar sites nos resultados da Perplexity e que não é usado para coletar conteúdo para modelos de fundação. A recomendação é permitir o PerplexityBot no robots.txt e aceitar os IPs publicados. O Perplexity-User executa pedidos do usuário e, por ser uma busca solicitada por uma pessoa, em geral ignora as regras do robots.txt. A página não descreve um índice próprio da plataforma.
Claude
Na documentação da ferramenta de busca na web do Claude, o modelo decide quando pesquisar, a API executa as buscas e a resposta traz citações com URL, título e um trecho de até 150 caracteres. A página não informa qual provedor ou índice de busca é usado. Sobre rastreadores, a Central de Ajuda da Anthropic descreve três: o ClaudeBot (treinamento), o Claude-User (acessos a pedido do usuário) e o Claude-SearchBot (melhoria dos resultados de busca). Desativar o Claude-SearchBot impede a indexação do site para essa finalidade e pode reduzir a visibilidade nas buscas.
Microsoft Copilot
A documentação de privacidade do Microsoft 365 Copilot afirma que, ao usar a pesquisa na web, o Copilot gera uma consulta e a envia ao serviço Bing Search. A Microsoft também oferece o relatório AI Performance no Bing Webmaster Tools, em fase de prévia pública, que mostra o total de citações, a média de páginas citadas, as consultas de grounding e a atividade por página no Copilot e nos resumos de IA do Bing. Segundo a Microsoft, as métricas não indicam posição nem importância da página.
| Plataforma | Origem das fontes (documentação oficial) | Controle de rastreamento | Onde medir |
|---|---|---|---|
| Google AI Overviews e AI Mode | Índice da Pesquisa Google (RAG e fan-out) | Googlebot; Google-Extended para treinamento e grounding em outros sistemas | Search Console |
| Gemini (API) | Pesquisa Google, via ferramenta google_search | Google-Extended, conforme o Google | Metadados de citação; Search Console |
| ChatGPT search | Provedores terceiros; o Bing é citado como exemplo | OAI-SearchBot (busca), GPTBot (treinamento), ChatGPT-User (ação do usuário) | GA4 e logs do servidor |
| Perplexity | Não descreve índice próprio na página lida | PerplexityBot (busca); Perplexity-User (pedido do usuário) | GA4 e logs do servidor |
| Claude | Provedor não informado na documentação | Claude-SearchBot (busca), Claude-User, ClaudeBot (treinamento) | GA4 e logs do servidor |
| Microsoft Copilot | Bing Search | Não descrito na página lida; verificar o site no Bing Webmaster Tools | Bing Webmaster Tools, AI Performance |
A tabela resume o que está documentado. Onde a célula diz que a informação não foi publicada, não complete com suposições: relatos de terceiros sobre o índice de cada IA mudam com frequência e raramente têm fonte oficial. O que resiste ao tempo é a regra geral: ser indexável no Google e no Bing, liberar os rastreadores de busca e medir o resultado por plataforma.
O que fazer primeiro: prioridades em ordem
- Garanta a indexação no Google. Ela é a base de AI Overviews, AI Mode e do grounding do Gemini. Use o guia de auditoria de GEO para o diagnóstico.
- Verifique o site no Bing Webmaster Tools. O Copilot consulta o Bing, e o ChatGPT cita o Bing como exemplo de provedor. A verificação também libera o relatório AI Performance.
- Libere os rastreadores de busca. Confira o robots.txt, a CDN e o firewall para OAI-SearchBot, PerplexityBot e Claude-SearchBot, sem confundi-los com os de treinamento.
- Decida o que fazer com os rastreadores de treinamento. É uma decisão de negócio, separada da visibilidade na busca.
- Meça por plataforma. Combine Search Console, Bing Webmaster Tools e GA4, como mostra o guia de como provar o valor do GEO.
- Melhore o conteúdo. Texto original, bem organizado, com respostas diretas e entidades claras (veja o checklist de formatação para ser citado).
Exemplo de robots.txt separando busca e treinamento
A documentação da OpenAI traz um exemplo ilustrativo: permitir o OAI-SearchBot para continuar aparecendo na busca do ChatGPT e bloquear o GPTBot para que o conteúdo não seja usado no treinamento. As configurações são independentes, e a atualização pode levar cerca de 24 horas.
User-agent: OAI-SearchBot
Allow: /
User-agent: GPTBot
Disallow: /O mesmo raciocínio vale para a Anthropic, cuja Central de Ajuda mostra o formato com User-agent: ClaudeBot e Disallow: /, trocando o nome do robô conforme a finalidade. Se a decisão for bloquear tudo, fique ciente de que o site deixa de ser candidato à citação nessas plataformas. Para um panorama de menções e autoridade fora do site, consulte o guia de menções de marca e PR digital.
Atenção a firewalls e CDNs. A Perplexity recomenda liberar os rastreadores combinando o User-Agent com os IPs oficiais publicados em arquivo JSON, que devem ser atualizados periodicamente. Um bloqueio no firewall tem o mesmo efeito de um Disallow, e é mais difícil de notar.
Plano de 30 dias
| Semana | Ação | Resultado esperado |
|---|---|---|
| 1 | Verificar Search Console e Bing Webmaster Tools; revisar robots.txt, CDN e firewall | Rastreadores de busca liberados e propriedade verificada |
| 2 | Levantar 20 páginas prioritárias e conferir indexação no Google e no Bing | Lista de páginas não indexadas e causas |
| 3 | Criar a lista de perguntas a monitorar (veja o guia de monitoramento de prompts) e registrar a linha de base | Baseline de citações por plataforma |
| 4 | Corrigir pendências e medir o primeiro ciclo (referrals no GA4, AI Performance, Search Console) | Painel com visibilidade por plataforma |
Para montar a lista de perguntas da semana 3, use o guia de monitoramento de prompts. Como as respostas de IA variam de uma consulta para outra, a linha de base deve ser repetida em ciclos, e não lida como um número único.
Cruzar Search Console, GA4 e dados da loja em um só lugar facilita comparar plataformas e acompanhar a evolução. A Athena, plataforma de BI para e-commerce da Analytikos que reúne loja, GA4 e mídia em um só painel, tem teste de 30 dias grátis.
Erros comuns ao otimizar para as fontes das IAs
Os erros abaixo vêm de confundir rastreadores, tratar o GEO como disciplina isolada e medir mal. Cada um tem o motivo e a correção.
Erros de acesso e de rastreamento
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Bloquear todos os robôs de IA de uma vez | Treinamento e busca são separados; bloquear o de busca tira o site das citações | Decidir por função: busca, treinamento e ação do usuário |
| Achar que bloquear o GPTBot tira o site do ChatGPT search | O GPTBot trata de treinamento; a busca usa o OAI-SearchBot | Controlar cada robô separadamente |
| Firewall ou CDN barrando rastreadores legítimos | O bot não consegue ler a página mesmo com robots.txt liberado | Liberar por User-Agent e IPs oficiais, e revisar periodicamente |
| Esperar que o robots.txt barre toda visita de IA | Perplexity-User e ChatGPT-User atuam a pedido do usuário e podem não seguir o robots.txt | Se o conteúdo é restrito, proteger com autenticação, não só com robots.txt |
O primeiro erro é o mais caro, porque o efeito é silencioso: a marca some das respostas e ninguém percebe até medir. Já o quarto confunde preferência com garantia. O robots.txt é um pedido educado aos robôs; para conteúdo realmente restrito, o controle precisa estar no servidor.
Erros de estratégia
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Otimizar para uma única plataforma | As fontes variam entre elas, e uma só não representa o público | Cobrir a base comum: indexação no Google e no Bing, conteúdo útil, entidades claras |
| Ignorar o Bing | Copilot consulta o Bing e o ChatGPT cita o Bing como exemplo | Verificar o site no Bing Webmaster Tools |
| Criar um arquivo llms.txt esperando efeito no Google | O Google afirma que a Pesquisa não usa esses arquivos | Priorizar SEO básico e conteúdo original |
| Tratar GEO como algo separado do SEO | Para o Google, otimizar para IA generativa ainda é SEO | Integrar GEO ao plano de SEO |
| Seguir relatos de terceiros sobre o índice de cada IA | Sem fonte oficial, a informação envelhece e pode estar errada | Usar documentação oficial e testar na prática |
A tentação de montar uma estratégia para cada IA é grande, mas as bases se sobrepõem: o que ajuda no Google ajuda no Gemini, no AI Mode e nas AI Overviews; o que ajuda no Bing ajuda o Copilot. Concentre o esforço no que é comum e use as diferenças para ajustar rastreadores e medição.
Erros de medição
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Medir presença com uma consulta isolada | As respostas de IA variam entre consultas | Monitorar uma lista de perguntas e repetir em ciclos |
| Tratar as métricas do Bing como ranking | A Microsoft informa que citações e páginas citadas não indicam posição | Usar para tendência, não para ordenar páginas |
| Não separar tráfego de IA no GA4 | As visitas se misturam em canais genéricos | Criar um agrupamento de canais para origens de IA |
Quando a medição é feita por uma única pergunta, qualquer variação parece vitória ou derrota. A leitura confiável vem de um conjunto de perguntas acompanhado por semanas, e do cruzamento com tráfego, busca de marca e conversão.
Checklist
- Propriedade verificada no Google Search Console e no Bing Webmaster Tools.
- Páginas prioritárias indexadas nos dois buscadores.
- robots.txt, CDN e firewall liberando OAI-SearchBot, PerplexityBot e Claude-SearchBot.
- Decisão registrada sobre GPTBot, ClaudeBot e Google-Extended.
- Lista de perguntas de monitoramento definida.
- Agrupamento de canais de IA criado no GA4.
- Relatório AI Performance do Bing acompanhado.
- Ciclo de revisão mensal marcado.
Perguntas frequentes
De onde o ChatGPT tira as fontes?
A página de ajuda do ChatGPT search diz que a busca pode enviar consultas a provedores terceiros e cita o Bing como exemplo. A página não lista todos os provedores nem descreve um índice próprio. Os links aparecem como citações e no botão Sources.
Bloquear o GPTBot remove meu site do ChatGPT?
Não da busca. Segundo a OpenAI, o GPTBot trata de treinamento de modelos, e o OAI-SearchBot é o que faz o site aparecer nos resultados de busca do ChatGPT. As configurações são independentes.
O Gemini usa a Pesquisa Google?
Na documentação da API, o grounding com Google Search conecta o modelo a conteúdo da web em tempo real e devolve citações com URL e título. A página não descreve o comportamento do aplicativo para o consumidor.
Qual índice o Claude usa para buscar?
A documentação da ferramenta de busca na web não informa o provedor ou índice. Ela descreve as citações e os controles de domínio. A Anthropic descreve três robôs: ClaudeBot, Claude-User e Claude-SearchBot.
Preciso criar um arquivo llms.txt?
Para o Google, não. O guia de otimização para IA afirma que a Pesquisa não usa esses arquivos e que criá-los para outros serviços não ajuda nem prejudica a visibilidade no Google.
Como saber se minha marca aparece nas respostas de IA?
Combine o relatório de desempenho do Search Console, o relatório AI Performance do Bing Webmaster Tools, referrals de IA no GA4 e uma lista fixa de perguntas monitorada em ciclos.
