Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

Em 94% das seleções B2B, o resumo de IA quase não mostra os sites das próprias empresas

O site de um prestador de serviços está no top 10 do Google, mas, quando alguém pergunta ao ChatGPT «quem faz isso na minha cidade», o modelo cita catálogos, e não a empresa. Em 200 consultas B2B, o resumo de IA apareceu em 94 de 100 seleções, e os sites das empresas quase não entraram na lista. O modelo confere a empresa pelo número fiscal em registros externos e não acredita na autodescrição do site. Por isso, é preciso ter um cadastro em um registro externo, com link para o site. O que mostram os dados:

Processado por IA de Habr AI; editado por Hamidun News
Em 94% das seleções B2B, o resumo de IA quase não mostra os sites das próprias empresas
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1O modelo extrai da página o UNP de 9 dígitos e verifica a pessoa jurídica em uma consulta separada
Dado-chave #2O llms.txt foi aberto 14 vezes em 773 704 acessos ao catálogo em 30 dias
Dado-chave #3O GPTBot fez 383 898 requisições; o PerplexityBot, 308 764

O problema é que o site de uma empresa pode estar bem posicionado no top 10 da busca tradicional, e mesmo assim a rede neural não o citar. Imagine: um cliente pergunta ao ChatGPT, ao Perplexity ou ao resumo de IA do Google «quem faz isso na minha cidade». Em vez dos próprios prestadores, o modelo entrega uma seleção de catálogos e diretórios externos.

O autor da análise publicada no Habr rodou 200 consultas B2B reais, ou seja, perguntas sobre como encontrar um prestador de serviços. Em 94 de 100 seleções setoriais, o resumo de IA de fato apareceu, mas os sites corporativos quase não entraram nele. O título sobre «94% das respostas» deve ser lido de forma mais precisa: em 94 de 100 seleções, os sites das próprias empresas quase não entraram na lista.

Se você é responsável pelo site ou pelo marketing, isso indica quais dados da empresa precisam ser publicados fora do domínio próprio.

Como o modelo verifica um prestador

Em seguida, o autor observou manualmente o comportamento dos modelos Gemini 3 Flash e gpt-5-mini com busca na web (testes de 31 de outubro e 1 de novembro de 2026). O esquema foi parecido nos dois:

  • primeiro, uma busca pelo nome da empresa, pela cidade e pela transliteração em alfabeto latino;
  • depois, o modelo extrai da página o número fiscal de 9 dígitos (UNP) e faz uma consulta separada apenas com esses dígitos;
  • por fim, confere se a pessoa jurídica existe e se os serviços dela correspondem à descrição do site.

A lógica é simples: para o modelo, o texto no domínio da própria empresa continua sendo autopromoção. «Vinte anos de experiência» e quaisquer preços não são confirmados por ele. Se não houver confirmação independente pelo UNP nos resultados, o modelo descarta o site ou usa dados de cadastros antigos. Neles costumam aparecer telefones desatualizados e códigos de atividade vagos, como «comércio atacadista de ampla gama de produtos».

Por que o llms.txt não ajuda e os bots leem JSON e Markdown

Em 15 de junho de 2026, o guia do Google Search passou a afirmar explicitamente que o llms.txt não é usado nem no ranqueamento nem nos AI Overviews. Os logs de um catálogo aberto com 30 900 cadastros confirmam isso. Em 30 dias, foram registrados ali 773 704 acessos. Desses, 705 323 foram confirmados por IPs oficiais e DNS reverso, ou seja, são bots verdadeiros, e não tráfego que se passa por eles.

A distribuição foi esta: seleções setoriais, 616 242 acessos; cadastros em JSON, 38 139; cadastros em Markdown, 20 110. Os arquivos /llms.txt e /llms-full.txt foram abertos apenas 14 vezes. No log diário de 16 de novembro, clientes externos fizeram 7 087 requisições à API REST aberta: eles filtravam empresas por cidade, tipo de serviço e presença de site.

Por bot: GPTBot, 383 898 requisições; PerplexityBot, 308 764; ClaudeBot, 40 614. Entre os buscadores clássicos, YandexBot fez 5 534; Applebot, 2 587; Googlebot, 1 956; bingbot, 975. As consultas de usuários em tempo real são bem mais modestas: ChatGPT-User, 82; OAI-SearchBot, 48. O autor observa que diretórios antigos costumam devolver erros 403 ou 429 aos parsers, não oferecem Markdown limpo e vêm carregados de publicidade. Dados limpos e legíveis por máquina levam vantagem simplesmente porque são fáceis de coletar.

O «passaporte digital» da empresa e as ressalvas

Segundo as conclusões do autor, otimizar apenas a landing page não basta. É preciso um cadastro externo em um registro neutro que atenda a quatro requisitos:

  1. Vínculo com o registro estatal (UNP ou INN): status da pessoa jurídica, data de registro e região são puxados de bases oficiais e não podem ser corrigidos manualmente.
  2. Serviços concretos e localização geográfica em vez de códigos genéricos do OKED, além de referências de preço e respostas às perguntas frequentes.
  3. Entrega sem camadas extras: um único cadastro em HTML renderizado no servidor, Markdown, JSON e marcação Schema.org com o campo taxID.
  4. Ligação bidirecional com o site: a declaração do diretor não basta; é preciso um link do site para o cadastro ou a propriedade sameAs na marcação Organization.

O autor relaciona isso à fusão do Google AI Overviews com o AI Mode (19 de maio de 2026) e ao avanço da especificação WebMCP no W3C: agentes de navegador leem cada vez mais dados estruturados, em vez de interpretar o layout.

Há também ressalvas. Os dados vêm do catálogo do próprio autor, então ele tem interesse comercial, e o texto em alguns trechos lembra uma apresentação de produto. A amostra é pequena (200 consultas), e o tráfego de bots no catálogo ainda não prova que o modelo vá citar uma empresa específica depois.

A conclusão prática é útil independentemente do catálogo. Verifique se o seu UNP ou INN é fácil de achar no site e se coincide com os dados dos registros. Certifique-se de que existam páginas independentes sobre a empresa, com serviços e telefones atualizados. Adicione a marcação Organization com sameAs e taxID. E não conte com o llms.txt: nestes dados, quase ninguém o lê.

História

Perguntas frequentes sobre a notícia

Como o modelo verifica um prestador?

Em seguida, o autor observou manualmente o comportamento dos modelos Gemini 3 Flash e gpt-5-mini com busca na web (testes de 31 de outubro e 1 de novembro de 2026). O esquema foi parecido nos dois: primeiro, uma busca pelo nome da empresa, pela cidade e pela transliteração em alfabeto latino; depois, o modelo extrai da página o número fiscal de 9 dígitos (UNP) e faz uma consulta separada apenas com esses dígitos; por fim, confere se a pessoa jurídica existe e se os serviços dela correspondem à descrição do site.

Por que o llms.txt não ajuda e os bots leem JSON e Markdown?

Em 15 de junho de 2026, o guia do Google Search passou a afirmar explicitamente que o llms.txt não é usado nem no ranqueamento nem nos AI Overviews. Os logs de um catálogo aberto com 30 900 cadastros confirmam isso. Em 30 dias, foram registrados ali 773 704 acessos. Desses, 705 323 foram confirmados por IPs oficiais e DNS reverso, ou seja, são bots verdadeiros, e não tráfego que se passa por eles.

O que se sabe sobre O «passaporte digital» da empresa e as ressalvas?

Segundo as conclusões do autor, otimizar apenas a landing page não basta. É preciso um cadastro externo em um registro neutro que atenda a quatro requisitos: Vínculo com o registro estatal (UNP ou INN): status da pessoa jurídica, data de registro e região são puxados de bases oficiais e não podem ser corrigidos manualmente. Serviços concretos e localização geográfica em vez de códigos genéricos do OKED, além de referências de preço e respostas às perguntas frequentes.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
O que você acha?
Carregando comentários…