Seu site lido por buscas com IA

Aula 1 · O texto está no HTML entregue? (8 min)

O curl mostra o HTML que o servidor entrega, antes de qualquer JavaScript. Se o texto da página só aparece depois do script, qualquer leitor que não execute JavaScript vê uma página vazia. Por isso a conferência usa o HTML bruto.

1. Escolha a página de conteúdo mais importante do seu site (um artigo, uma página de serviço).
2. Copie uma frase do meio do texto visível, de uns 4 a 6 palavras.
3. Baixe o HTML e conte as linhas com a frase. No Git Bash: curl -s https://SEU-SITE/pagina | grep -a -c "sua frase". No PowerShell: curl.exe -s https://SEU-SITE/pagina | Select-String -SimpleMatch "sua frase" | Measure-Object.
4. Se o número for 1 ou mais, o texto está no HTML entregue. Se for 0, o texto vem depois do JavaScript, ou a frase está partida por uma tag: teste outra frase, curta, de uma só linha de texto.

O que o teste mostrou em dnacx.online: na página /recursos/artigos/nps-vs-csat, a frase "Como Funciona a Metodologia NPS" apareceu em 2 linhas do HTML bruto (a contagem é de linhas, não de ocorrências; o mesmo resultado, 2, saiu no Git Bash e no PowerShell), e o <main> tinha 2.150 palavras sem executar nenhum script. Na página /pesquisas/nova, da área logada, o <main> tinha só "Verificando sessão…": o conteúdo vem depois do JavaScript. Ali isso é esperado, porque é uma ferramenta com login e a página declara noindex. Numa página pública que você quer ver encontrada, seria um defeito a corrigir.

Anote na sua lista: página, frase testada, resultado (no HTML ou só depois do script).

Aula 2 · O robots.txt libera os robôs (8 min)

1. Abra https://SEU-SITE/robots.txt no navegador ou rode curl -s https://SEU-SITE/robots.txt.
2. Confirme que a resposta é um texto, com status e tipo: curl -s -o /dev/null -w "HTTP %{http_code} tipo=%{content_type}" https://SEU-SITE/robots.txt (no teste: HTTP 200, text/plain). No PowerShell: curl.exe -s -o NUL -w "HTTP %{http_code} tipo=%{content_type}" https://SEU-SITE/robots.txt. Se der 404, o arquivo não existe.
3. Procure linhas Disallow:. Cada uma é um caminho que robôs não devem rastrear. Veja se alguma bloqueia a pasta de conteúdo que você quer ver encontrada.
4. Procure User-agent: com nomes de robôs. O arquivo pode tratar cada robô de um jeito.
5. Procure a linha Sitemap:. Ela aponta o endereço do sitemap.

Três pontos que evitam erro:

• robots.txt controla rastreamento, e não indexação. A documentação do Google diz que o arquivo não é um mecanismo para manter uma página fora do Google; para isso a indicação é noindex ou senha. Uma página bloqueada pode ter a URL indexada, sem descrição. No dnacx.online isso aconteceu: o Bing indexou /login enquanto o robots.txt a bloqueava, e a correção foi liberar o rastreamento e pôr noindex na página (observado pela DNACX em 08/09/2026).
• Robô de treino e robô de busca são coisas diferentes. Segundo a OpenAI, o OAI-SearchBot serve à busca do ChatGPT e o GPTBot ao treinamento, e cada um tem configuração independente. Bloquear um não bloqueia o outro. A decisão de permitir ou recusar treino é de negócio. Se você bloquear os robôs de busca, o seu conteúdo pode não aparecer nas respostas de busca desses produtos.
• O ChatGPT-User age quando uma pessoa pede. A OpenAI diz que ele não rastreia sozinho e que as regras do robots.txt podem não valer para ele.

O que o teste mostrou em dnacx.online: User-agent: * com Allow: /, o mesmo Allow: / repetido para Googlebot, GPTBot, ClaudeBot, PerplexityBot, Google-Extended e CCBot, nenhum Disallow ativo e a linha Sitemap:.

A OpenAI informa que uma mudança no robots.txt leva cerca de 24 horas para valer na busca dela.

Anote: existe? tem Disallow em pasta importante? tem Sitemap:? você tomou uma decisão consciente sobre robôs de treino?

Aula 3 · O sitemap lista suas páginas (6 min)

1. Abra o endereço da linha Sitemap: (o padrão é https://SEU-SITE/sitemap.xml).
2. Confirme que abre um XML com blocos <url> e <loc>. Conte as páginas. No Git Bash: curl -s https://SEU-SITE/sitemap.xml | grep -o '<loc>' | wc -l. No PowerShell: (curl.exe -s https://SEU-SITE/sitemap.xml | Select-String "<loc>" -AllMatches).Matches.Count.
3. Procure no arquivo o endereço da página que você testou na Aula 1. Ele precisa estar lá.
4. Abra 5 endereços da lista, escolhidos de pontos diferentes do arquivo, e confira se todos respondem normalmente. Páginas que dão erro não devem estar no sitemap.

O que o Google diz: o sitemap ajuda a descobrir URLs e não garante rastreamento nem indexação. Sites pequenos, com cerca de 500 páginas ou menos e bem ligados por links internos, podem não precisar de um.

O que o teste mostrou em dnacx.online: HTTP 200, XML com 345 URLs, a página testada presente, e 10 endereços de amostra com resposta 200. O campo <lastmod> aparecia em 168 das 345 entradas.

Anote: o sitemap abre? sua página-chave está nele? alguma URL da amostra falhou?

Aula 4 · Título, descrição, canonical e meta robots (7 min)

Esses quatro campos ficam no <head> do HTML. Use os comandos abaixo.

1. Título: curl -s URL | grep -a -o '<title>[^<]*</title>'. Cada página precisa de um título próprio, que descreva o assunto dela.
2. Descrição: curl -s URL | grep -a -o '<meta name="description"[^>]*>'. Uma frase que resume a página.
3. Canonical: curl -s URL | grep -a -o '<link rel="canonical"[^>]*>'. Deve apontar para o endereço preferido da própria página. Se apontar para outra página, você está dizendo que ela é a cópia.
4. Meta robots: curl -s URL | grep -a -o '<meta name="robots"[^>]*>'. Se contiver noindex, a página pede para ficar fora da busca. Confirme que isso só acontece nas páginas que você quer escondidas (login, área do cliente, agradecimento).

O que o teste mostrou em dnacx.online: a página testada tinha título e descrição próprios, canonical igual à URL pedida e meta robots index, follow. /login e /pesquisas/nova tinham noindex,nofollow. Uma URL inexistente respondeu HTTP 404, mas o HTML dela trazia index, follow e o título da home. O status 404 está certo; a meta index, follow numa página de erro é uma observação a conferir no seu site.

Anote por página: título (tem? é próprio?), descrição, canonical (aponta para si?), noindex (só onde deve?).

Aula 5 · Dados estruturados (6 min)

Dados estruturados são um bloco de texto no HTML que descreve a página para máquinas. O formato que o Google recomenda é JSON-LD, dentro de uma tag <script type="application/ld+json">.

1. Procure application/ld+json no HTML baixado. Conte quantos blocos existem: curl -s URL | grep -a -o 'application/ld+json' | wc -l.
2. Copie cada bloco e cole em um validador de JSON, ou use o script abaixo, que extrai cada bloco e testa com JSON.parse no Node. Salve como extrai-ld.mjs e rode curl -s URL | node extrai-ld.mjs. O bloco precisa ser JSON válido.

import fs from 'node:fs';
const h = fs.readFileSync(0, 'utf8');
const re = /<script[^>]*type="application\/ld\+json"[^>]*>([\s\S]*?)<\/script>/g;
let m, n = 0, ok = 0;
while ((m = re.exec(h))) { n++; try { JSON.parse(m[1]); ok++; } catch (e) {} }
console.log(n + ' blocos, ' + ok + ' com JSON válido');

1. Leia o campo @type de cada bloco (Article, Organization, BreadcrumbList, FAQPage e assim por diante). Confira se o tipo combina com a página.
2. Confira se as informações do bloco aparecem de fato visíveis na página. A política de dados estruturados do Google diz para não marcar conteúdo que não é visível aos leitores da página.
3. Para saber se a página é elegível a resultado enriquecido, use o Rich Results Test do Google. Sem passar por ele, não afirme elegibilidade.

O que o teste mostrou em dnacx.online: a página testada tinha 5 blocos JSON-LD, todos com JSON válido: Organization, WebSite e Person juntos; ItemList; Article; BreadcrumbList; FAQPage. O teste verificou a sintaxe e o tipo. A elegibilidade a resultado enriquecido é assunto do Rich Results Test, que você roda no seu site.

Um aviso sobre FAQPage: segundo o registro de mudanças do Google Search Central (entrada de 08/05/2026, lida em 27/10/2026), o resultado expandido de perguntas frequentes deixou de aparecer na busca a partir de 07/05/2026. A marcação continua válida. Se ela ajuda motores de resposta, a DNACX trata como hipótese em aberto, sem medição. Não coloque FAQPage por causa do Google e não remova em massa sem motivo.

Anote: quantos blocos, todos válidos, tipos corretos, dados batem com o texto visível.

Aula 6 · Monte a lista de correções (5 min)

1. Para cada item das Aulas 1 a 5, classifique: OK, corrigir ou não sei.
2. Ordene as correções por efeito provável: primeiro o que impede a leitura (texto só depois do script, Disallow em pasta de conteúdo, noindex por engano, canonical errado), depois o que ajuda a entender (título, descrição, sitemap, dados estruturados).
3. Escreva cada correção como uma linha: página, problema, o que mudar, quem muda. Exemplo: "página de serviços, noindex ativo, retirar a meta robots, quem mantém o site".
4. Entregue a lista a quem cuida do site, ou faça a mudança você mesmo se for o caso. Depois de mudar, repita só o teste da correção.