GEO Técnico: se a IA não acessa o seu site, ela nunca vai citar a sua marca

Onde isso vive no GEO: a primeira camada, antes de qualquer outra

Todo bot de IA que rastreia a web se identifica por um nome técnico — o user-agent — a assinatura que ele deixa registrada a cada requisição feita ao seu servidor. A lista abaixo cobre os que hoje dominam qualquer log e continua crescendo a cada trimestre, o que torna a checagem periódica parte do trabalho, não um evento único.

Sabendo o nome de cada um, é possível filtrar diretamente no log de acesso do servidor e verificar, com data e hora, quem passou por ali — e o que recebeu de volta: um 200 OK, liberando leitura completa, ou um 403 / bloqueio via robots.txt, cortando o acesso na origem.

Lista completa de user-agents de IA para filtrar no seu log

Não existe uma lista fechada — bots novos aparecem a cada trimestre — mas esta cobre os que hoje respondem pela imensa maioria do tráfego de IA em qualquer log de servidor. Estão organizados por função, porque função é o que determina se bloquear um bot custa uma citação ou não custa nada.

Treinamento — alimentam o modelo, não geram citação imediata

Busca / retrieval — constroem o índice que gera a resposta citada

Acionados pelo usuário — buscam sua página no momento exato da pergunta

Índice tradicional que também alimenta produtos de IA

Verificação extra: qualquer user-agent pode ser forjado por terceiros. Para confirmar que uma requisição é legítima, cruze o IP de origem com a lista oficial publicada pela empresa (OpenAI, Google, Perplexity e Common Crawl publicam ranges de IP em formato aberto).

Filtrar o log pelo nome do bot é a primeira camada do que venho chamando de GEO Técnico: garantir que a IA consiga acessar, ler e interpretar o seu site — antes de qualquer discussão sobre conteúdo, semântica ou estrutura de resposta. — Raphael Sousa Pereira

O que costuma bloquear o acesso sem ninguém perceber

• robots.txt herdado de template ou plugin que bloqueia bots de IA por padrão, sem o dono do site saber
• Regras de firewall / WAF genéricas que tratam qualquer bot desconhecido como ameaça
• CDN ou proxy configurado para servir conteúdo só após execução de JavaScript pesado, que muitos bots de IA não renderizam
• Bloqueio de user-agent feito na instalação do WordPress por segurança, sem revisão desde então
• Rate limiting agressivo que derruba o bot no meio do rastreamento

Renderização de JavaScript: o que um 200 OK não garante

Aqui está a lacuna mais cara que este tipo de auditoria costuma deixar passar. Um 200 OK no log confirma que o servidor entregou uma resposta — não confirma o que havia dentro dela. Se o conteúdo principal da página só existe depois que o JavaScript roda no navegador (React, Vue, Next.js mal configurado, Angular), a resposta HTTP que o bot recebeu pode ser uma casca vazia, mesmo com status 200.

A razão é simples: a esmagadora maioria dos crawlers de IA faz uma única requisição HTTP, lê o HTML bruto devolvido nessa requisição, e segue em frente. Eles não esperam o JavaScript executar, não fazem uma segunda passada e não têm fila de renderização.

Como testar em dois minutos, sem ferramenta paga

• Abra a página e use “Exibir código-fonte” (Ctrl+U) — não o painel Elements do DevTools, que já mostra o DOM depois do JavaScript rodar
• Procure, no código-fonte bruto, uma frase real do conteúdo principal da página
• Se a frase aparece no código-fonte, o bot provavelmente lê o conteúdo. Se só aparece no Elements do DevTools, o conteúdo é renderizado no cliente e fica invisível para a maioria dos bots de IA
• Alternativa por linha de comando: curl -A “GPTBot” https://seusite.com.br/pagina e leia o HTML devolvido — é exatamente o que o bot recebe

Como corrigir

A correção estrutural é servir o conteúdo essencial já no HTML devolvido pelo servidor: SSR (server-side rendering, com frameworks como Next.js ou Nuxt), SSG (geração estática) ou um serviço de prerendering que entrega uma versão pré-renderizada para bots. Uma alternativa mais rápida — detectar o user-agent e servir uma versão estática só para bots — funciona, mas precisa ser implementada com cuidado: se o conteúdo servido ao bot for materialmente diferente do que um humano vê, isso se aproxima de cloaking, prática que pode gerar penalização em vez de citação.

Estrutura de dados para extração: acesso não é o fim da linha

Acesso e renderização resolvem se o bot consegue chegar ao conteúdo. Mas um bot que lê um parágrafo de texto corrido ainda precisa inferir o que naquele texto é um fato, uma entidade, um atributo. Marcação estruturada reduz esse trabalho de inferência — não é sobre agradar o Google, é sobre entregar o dado já organizado para quem vai extrair.

Schema.org via JSON-LD é o formato de referência: um bloco de dados estruturados, separado do HTML visível, que descreve explicitamente entidades como organização, autor, artigo, FAQ ou produto.

{
  "@context": "https://schema.org",
  "@type": "TechArticle",
  "headline": "GEO Técnico: se a IA não acessa, a marca não existe na resposta",
  "author": { "@type": "Person", "name": "Raphael Sousa Pereira" },
  "datePublished": "2026-08-15",
  "about": "GEO Técnico, auditoria de acesso de bots de IA"
}

Estrutura de dados é tratada em profundidade nos artigos da série voltados a evidência e formatação de resposta; aqui ela entra apenas como o passo que vem logo depois do acesso confirmado — a ponte entre “o bot chegou” e “o bot entendeu”.

Script de auditoria automatizada

O comando grep citado antes já resolve uma checagem pontual. Para uma auditoria recorrente, o script abaixo varre o log inteiro, tabula requisições por bot e por status, e imprime um relatório direto no terminal — sem dependência, sem instalação, roda em qualquer servidor Linux com bash e awk.

#!/usr/bin/env bash
# audit-bots.sh — relatório de acesso de bots de IA a partir do access.log
# Uso: ./audit-bots.sh /caminho/para/access.log

LOG="${1:-access.log}"

BOTS="GPTBot|OAI-SearchBot|ChatGPT-User|ClaudeBot|anthropic-ai|Claude-User|Claude-SearchBot|PerplexityBot|Perplexity-User|Google-Extended|Applebot-Extended|Meta-ExternalAgent|CCBot|Bytespider|Amazonbot|Diffbot|cohere-ai|DuckAssistBot|YouBot"

echo "Relatório de bots de IA — $(date '+%d/%m/%Y %H:%M')"
echo "Log: $LOG"
echo "----------------------------------------"

grep -Eio "($BOTS)" "$LOG" | sort | uniq -c | sort -rn | \
  awk '{printf "%-22s %s requisições\n", $2, $1}'

echo "----------------------------------------"
echo "Status code por bot:"
grep -Ei "($BOTS)" "$LOG" | \
  awk '{for(i=1;i<=NF;i++) if($i ~ /^[0-9]{3}$/) print $i}' | \
  sort | uniq -c | sort -rn

O script cobre os bots listados nas tabelas acima. Como novos user-agents aparecem a cada trimestre, vale revisar a variável BOTS periodicamente — a lista completa segue mantida nesta página.

Conclusão

GEO Técnico não é a parte sofisticada do trabalho — é a parte que precisa estar resolvida antes de qualquer outra existir. Autoridade semântica, formatação para extração, densidade de evidência e estrutura de resposta são inúteis para um bot que nunca conseguiu ler a página, ou que leu apenas uma casca vazia porque o conteúdo dependia de JavaScript. O funil começa no acesso — passa pela renderização e pela estrutura de dados — e só então chega ao conteúdo.

#GEO #GEOTecnico #IA #LLMs #WordPress

Raphael Responde

Perguntas recorrentes de quem está abrindo o log do próprio site pela primeira vez.

Glossário

Os termos deste artigo, sem jargão adicional.

User-agent

Identificação textual que todo bot envia ao servidor a cada requisição, informando quem ele é. É o campo que aparece no log e permite filtrar o tráfego por origem.

Crawler / bot

Programa automatizado que visita páginas na web sem intervenção humana direta, para coletar, indexar ou processar conteúdo.

robots.txt

Arquivo público na raiz de um site que declara, por convenção voluntária, quais bots podem ou não acessar quais caminhos. Não é uma barreira técnica — é uma regra que bots bem-comportados escolhem respeitar.

Server log / access log

Registro bruto, gerado pelo servidor, de cada requisição recebida: data, hora, IP, user-agent, caminho acessado e código de resposta.

Status code (200 / 403)

Código numérico que o servidor devolve a cada requisição. 200 significa conteúdo entregue com sucesso; 403 significa acesso negado.

Indexação

Processo pelo qual o conteúdo lido por um crawler é organizado em uma estrutura de busca, para ser recuperado depois.

Retrieval

Etapa em que um sistema de IA busca, dentre o conteúdo indexado, os trechos mais relevantes para responder a uma pergunta específica.

Reranking

Reordenação dos resultados de retrieval por um modelo adicional, antes de decidir o que efetivamente entra no contexto da resposta.

Citação (em GEO)

Menção explícita a uma fonte dentro de uma resposta gerada por IA, geralmente com link ou atribuição visível.

GEO (Generative Engine Optimization)

Disciplina que estuda e otimiza a presença de marcas e conteúdos nas respostas de motores de busca generativos e assistentes de IA.

LLM (Large Language Model)

Modelo de linguagem de grande escala, a tecnologia por trás de sistemas como ChatGPT, Claude, Gemini e Perplexity.

GEO Técnico

Camada de GEO focada em condições de infraestrutura — acesso, rastreio, renderização — que precisam estar resolvidas antes de qualquer trabalho de conteúdo ou semântica fazer sentido.

SSR (Server-Side Rendering)

Técnica em que o servidor monta o HTML completo da página antes de enviá-la, garantindo que o conteúdo esteja presente na primeira resposta — sem depender de JavaScript no navegador.

Prerendering

Geração antecipada de uma versão estática e renderizada da página, servida a crawlers no lugar da versão dinâmica original.

Cloaking

Prática de servir conteúdo materialmente diferente para bots e para humanos. Distinta de prerendering legítimo, que serve a mesma informação em formato diferente — a linha entre os dois é a fidelidade do conteúdo, não a técnica em si.

JSON-LD / Schema.org

Formato de dados estruturados inserido no HTML para descrever explicitamente entidades (artigo, autor, organização, FAQ) de forma que um bot não precise inferir essa estrutura a partir de texto corrido.

Recursos e leitura complementar