Verificado em 24/09/2026 · https://www.nytimes.com/
Há 2 bloqueios críticos para a descoberta por IA — corrija-os primeiro.
Matriz de rastreadores de IA
Por cada bot: o que o seu robots.txt permite — e o que o seu servidor devolve realmente ao agente de utilizador do bot. Linhas destacadas a vermelho: o robots permite, mas o servidor bloqueia (normalmente uma regra de WAF ou de proteção anti-bots).
| Bot | Operador | robots.txt | Resposta do servidor |
|---|---|---|---|
| GPTBot | OpenAI | bloqueado | bloqueado (403 / WAF) |
| OAI-SearchBot | OpenAI | bloqueado | bloqueado (403 / WAF) |
| ChatGPT-User | OpenAI | bloqueado | bloqueado (403 / WAF) |
| ClaudeBot | Anthropic | bloqueado | bloqueado (403 / WAF) |
| Claude-SearchBot | Anthropic | bloqueado | bloqueado (403 / WAF) |
| Claude-User | Anthropic | bloqueado | bloqueado (403 / WAF) |
| PerplexityBot | Perplexity | bloqueado | bloqueado (403 / WAF) |
| Perplexity-User | Perplexity | bloqueado | bloqueado (403 / WAF) |
| Google-Extended | Google (Gemini-Training) | bloqueado | — |
| Googlebot | Google (KI-Übersichten) | permitido | bloqueado (403 / WAF) |
| CCBot | Common Crawl (Trainingsdaten vieler LLMs) | bloqueado | bloqueado (403 / WAF) |
| Bytespider | ByteDance (Doubao) | bloqueado | bloqueado (403 / WAF) |
| Amazonbot | Amazon (Alexa/Rufus) | permitido | bloqueado (403 / WAF) |
| Applebot-Extended | Apple (Intelligence-Training) | bloqueado | — |
| Meta-ExternalAgent | Meta (Llama/Meta AI) | bloqueado | bloqueado (403 / WAF) |
Como é calculada a pontuação?
| Bots de pesquisa de IA bloqueados no robots.txt | -32 |
| O servidor bloqueia bots que o robots.txt permite | -12 |
| Muito pouco texto no HTML | -10 |
| Sem dados estruturados (JSON-LD) | -8 |
| Título da página demasiado curto ou demasiado longo | -6 |
| Não exatamente um título H1 | -5 |
| Meta descrição ausente ou inadequada | -5 |
| Sem llms.txt | -5 |
| Sem sinal de autor ou autoria | -4 |
| Sem ligações sameAs | -3 |
| Sem ligação a informação legal / sobre / contacto | -3 |
| Sem data visível ou marcada | -3 |
| Sem URL canónica | -3 |
| Resultado | 1 / 100 |
Acesso para rastreadores de IA
Bots de pesquisa de IA bloqueados no robots.txt
O seu robots.txt bloqueia 6 bots que obtêm conteúdo para respostas de assistentes de IA e motores de pesquisa: OAI-SearchBot, ChatGPT-User, Claude-SearchBot, Claude-User, PerplexityBot, Perplexity-User. Enquanto estiverem bloqueados, o seu site não pode aparecer lá como fonte.
Isto é o que deve fazer: Verifique para cada bot se o bloqueio é intencional. Se quiser excluir apenas o treino de IA, bloqueie os bots de treino (GPTBot, ClaudeBot, Google-Extended) e permita os bots de pesquisa.
User-agent: OAI-SearchBot Allow: / User-agent: ChatGPT-User Allow: / User-agent: Claude-SearchBot Allow: / User-agent: Claude-User Allow: / User-agent: PerplexityBot Allow: / User-agent: Perplexity-User Allow: /
O servidor bloqueia bots que o robots.txt permite
Para 2 bot(s) de Google (KI-Übersichten), Amazon (Alexa/Rufus), o robots.txt diz «permitido», mas o servidor responde com um 403 ou uma página de proteção anti-bots. Normalmente uma regra de WAF, firewall ou CDN que exclui o rastreador contornando o robots.txt.
Isto é o que deve fazer: Adicione os agentes de utilizador e/ou intervalos de IP dos rastreadores de IA pretendidos a uma lista de permitidos no seu WAF / Cloudflare / firewall. Verifique-os por DNS inverso, não apenas pela cadeia de agente de utilizador.
Treino de IA excluído
O seu robots.txt bloqueia crawlers que recolhem conteúdo para treinar modelos de linguagem: GPTBot, ClaudeBot, Google-Extended, CCBot, Applebot-Extended. Isto não impede citações — bots de pesquisa e obtenção como OAI-SearchBot, PerplexityBot e o Googlebot para as AI Overviews são separados.
Isto é o que deve fazer: Nada a fazer se a exclusão for intencional. Garanta apenas que os bots de pesquisa continuam permitidos.
Conteúdo sem JavaScript
Muito pouco texto no HTML
O HTML inicial contém apenas cerca de 55 caracteres de texto visível. É pouco para os sistemas de IA compreenderem com segurança o tema da página.
Isto é o que deve fazer: Garanta que o conteúdo real está totalmente no HTML e não em imagens, iframes ou blocos carregados via JavaScript.
Estrutura e compreensão pela máquina
Sem dados estruturados (JSON-LD)
A página não contém JSON-LD. Os dados estruturados ajudam os sistemas de IA a reconhecer sem ambiguidade entidades, autor, organização, data e tipo de página — sem eles, tudo tem de ser deduzido do texto.
Isto é o que deve fazer: Adicione pelo menos um esquema «Organization» e um adequado ao tipo de página (Article, Product, FAQPage …) como JSON-LD no <head>.
<script type="application/ld+json">
{"@context":"https://schema.org","@type":"Organization",
"name":"A sua empresa","url":"https://o-seu-dominio.pt",
"sameAs":["https://www.linkedin.com/company/…"]}
</script>Título da página demasiado curto ou demasiado longo
O <title> tem 11 caracteres. Cerca de 30 a 60 caracteres são razoáveis: descritivo o suficiente para nomear o tema, curto o suficiente para não ser cortado.
Isto é o que deve fazer: Escreva um título conciso que contenha o tema e, se pertinente, a marca.
Não exatamente um título H1
A página tem 0 títulos H1. Um H1 único e inequívoco indica a pessoas e máquinas o tema principal da página.
Isto é o que deve fazer: Defina exatamente um H1 que nomeie o tema principal da página. Tudo o resto começa em H2.
Meta descrição ausente ou inadequada
A meta descrição tem 0 caracteres. É frequentemente a primeira coisa que os sistemas de IA e os motores de busca leem como resumo da página.
Isto é o que deve fazer: Escreva um resumo autónomo da página em uma ou duas frases (cerca de 120 a 200 caracteres), não uma sequência de palavras-chave.
Sem llms.txt
Não há qualquer ficheiro em /llms.txt. O llms.txt é uma breve visão geral em Markdown dos seus conteúdos-chave que alguns sistemas de IA usam para se orientarem.
Isto é o que deve fazer: Crie um /llms.txt: um H1 com o nome, um parágrafo curto sobre a oferta e uma lista de ligações às páginas centrais.
# A sua empresa > Descrição numa frase. ## Páginas-chave - [Produto](https://o-seu-dominio.pt/produto): … - [Preços](https://o-seu-dominio.pt/precos): … - [Sobre](https://o-seu-dominio.pt/sobre): …
Sinais de confiança e de entidade (E-E-A-T)
Sem sinal de autor ou autoria
Nenhum autor é reconhecível (nem meta tag, nem rel=author, nem JSON-LD Person). Para «experiência» e «perícia» no sentido E-E-A-T importa uma autoria nomeada e verificável.
Isto é o que deve fazer: Em conteúdos editoriais, nomeie um autor e ligue uma página de autor; marque-o também como JSON-LD «Person».
Sem ligações sameAs
No JSON-LD falta «sameAs». Permite aos sistemas de IA associar claramente a sua marca ou pessoa a entidades conhecidas (Wikidata, LinkedIn, diretórios do setor).
Isto é o que deve fazer: Adicione um «sameAs» em Organization ou Person com as URLs dos seus perfis oficiais e registos em diretórios.
Sem ligação a informação legal / sobre / contacto
Na página verificada não é reconhecível qualquer ligação a informação legal, a uma página «Sobre» ou a contacto. Essas páginas são um forte sinal de confiança e ajudam a associação de entidade.
Isto é o que deve fazer: Ligue a informação legal ou «Sobre» e o contacto de forma visível, normalmente no rodapé de cada página.
Sem data visível ou marcada
Nenhuma data de publicação ou modificação é reconhecível (nem <time>, nem article:published_time, nem datePublished no JSON-LD). Para muitas perguntas, os sistemas de IA preferem fontes atuais.
Isto é o que deve fazer: Em conteúdos com referência temporal, mostre uma data de forma visível e marque datePublished / dateModified no JSON-LD.
Base técnica
Sem URL canónica
A página não define um <link rel="canonical">. Sem canónica, pode ficar pouco claro qual a versão de referência quando existem várias variantes de URL.
Isto é o que deve fazer: Defina um <link rel="canonical"> autorreferente com a URL preferida em cada página.
Conforme (3)
- O sitemap está acessível.
- Tempo de resposta do servidor rápido.
- Sem noindex — a página pode ser indexada.
Próximos passos
- Bots de pesquisa de IA bloqueados no robots.txt. Verifique para cada bot se o bloqueio é intencional. Se quiser excluir apenas o treino de IA, bloqueie os bots de treino (GPTBot, ClaudeBot, Google-Extended) e permita os bots de pesquisa.
- O servidor bloqueia bots que o robots.txt permite. Adicione os agentes de utilizador e/ou intervalos de IP dos rastreadores de IA pretendidos a uma lista de permitidos no seu WAF / Cloudflare / firewall. Verifique-os por DNS inverso, não apenas pela cadeia de agente de utilizador.
- Muito pouco texto no HTML. Garanta que o conteúdo real está totalmente no HTML e não em imagens, iframes ou blocos carregados via JavaScript.
Nova análise semanal com alerta por e-mail a cada alteração. Em preparação — introduza o seu endereço.
Método e limites
Verificado em 24/09/2026. O citeglass obtém nytimes.com e os ficheiros associados (robots.txt, llms.txt, sitemap.xml) via HTTP — uma vez como navegador normal, uma vez por cada agente de utilizador de rastreador de IA. Não é executado JavaScript. Tempo até ao primeiro byte: 99 ms.
O que isto não é: Nenhum acompanhamento de posições ou citações, nenhuma afirmação sobre se um modelo o nomeia realmente, e nenhuma verificação de conteúdo carregado via JavaScript. Um instantâneo do ponto de vista de um IP de servidor.