Colab SoWhat · Grupo Boticário
Oito motores de IA leram o relatório. Eu tenho os logs.
Um relatório corporativo de sustentabilidade reconstruído para que modelos de linguagem o lessem e citassem com precisão. Depois instrumentado, para que a afirmação pudesse ser verificada em vez de alegada.
- Papel
- Product lead e construção
- Stack
- Next.js App Router · JSON-LD · llms.txt · Vercel
A busca devolvia uma lista. Agora devolve uma resposta.
Quando alguém pergunta a um assistente sobre as metas climáticas de uma empresa, o assistente responde com o que conseguiu ler. Se o relatório oficial é ilegível para ele, a resposta vem de outro lugar — um resumo, uma notícia, um número de dois anos atrás. Para uma empresa cuja posição ESG é o ponto, ser citada com o número errado é pior do que não ser citada.
Então o pedido não era ranquear. Era ser a fonte que o modelo busca, e estar correto quando ele busca.
Seis mecanismos, cada um uma coisa dentro do repositório.
Renderizado no servidor de ponta a ponta, para que os rastreadores recebam HTML de verdade em vez de esperar por JavaScript que eles não vão executar.
Um convite explícito, não o padrão
Um arquivo de robôs gerado dinamicamente, liberando acesso total ao coringa e a 17 agentes de IA nomeados. Também corrigiu uma falha que devolvia erro para quem pedia.
GPTBot · ClaudeBot · PerplexityBot · Google-Extended · Applebot-Extended · CCBot
Significado, marcado
JSON-LD do Schema.org em cada página, nos tipos que o conteúdo realmente tem — não um bloco genérico só.
Organization · Report · FAQPage · Dataset · DefinedTermSet · Person · Brand · TechArticle
Um resumo em texto puro para os modelos
Um llms.txt gerado dos mesmos arquivos de dados que renderizam as páginas visíveis, para que ele não possa divergir do que uma pessoa lê.
/llms.txt — dinâmico, zero manutenção manual
72 perguntas, no formato que os modelos usam
Uma central de FAQs agregada, páginas dinâmicas por marca do portfólio e uma seção editorial documentando as correções de dados abertamente.
/faqs · /faqs/marca/[marca] · /faqs/editorial
Pessoas e robôs roteados em separado
Um middleware entrega as páginas de apresentação direto aos rastreadores para que possam ser indexadas, enquanto as pessoas seguem o fluxo de navegação. Otimização para IA sem comprometer a experiência.
middleware — ciente do user-agent
Uma fonte única de dados verificados
Cada número, meta e resposta vive em arquivos de dados compartilhados que alimentam as páginas, os dados estruturados e o llms.txt ao mesmo tempo. O Capítulo 4 foi reconferido meta a meta contra o relatório oficial; números resumidos voltaram ao literal.
3 idiomas · 10 seções · 100% reconciliado
Eu não queria afirmar que funcionou, então instrumentei.
Um log drain da Vercel escrevendo num banco, capturando dois sinais diferentes: o fetch, quando um rastreador leu o conteúdo, e o clique vindo de IA, quando uma pessoa chegou a partir de uma citação. A maioria dos projetos de GEO vende uma história. Esta é a parte que sustenta a história.
Acessos por motor
- OpenAI668
- Anthropic341
- Microsoft185
- Outros rastreadores135
- Perplexity29
- Apple27
- Meta25
- ByteDance17
Por que vieram
Nem todo acesso significa que alguém perguntou.
O user-agent diz qual é qual. Os agentes sob demanda buscam a página no instante em que uma pessoa faz a pergunta ao assistente. Os demais varrem o site no próprio ritmo, porque nós os convidamos. Separar os dois é a diferença entre tráfego e demanda.
Buscado no instante em que alguém fez uma pergunta a um assistente. Indício de leitor real por trás do pedido.
Rastreadores de coleta geral e de treino, lendo porque o site se oferece. Sem pergunta por trás.
Rastreadores que alimentam os índices que os assistentes consultam. Autônomos, mas num caminho real de recuperação.
Citações que viraram visita
| Origem | Cliques | Downloads do PDF |
|---|---|---|
| ChatGPT | 57 | 12 |
| Copilot | 2 | — |
| Perplexity | 1 | — |
Janela: 29/08/2026, 17:13 → 13/09/2026. 8.047 requisições no total, 1.427 delas acessos de rastreadores de IA.
A leitura honesta desses números
O coletor subiu depois do site, então não existe antes e depois. São leituras absolutas dentro de uma janela fechada, não um ganho medido — se eu começasse de novo, a instrumentação subiria no primeiro deploy, não depois dele.
Um fetch é ingestão, não citação: prova que um modelo leu a página, não que a usou numa resposta. Só os 60 cliques referidos provam que uma citação chegou a uma pessoa e a trouxe de volta. É o menor número da página e o primeiro que eu defenderia.
Quer isso para um relatório seu?
A mesma construção e a mesma instrumentação, para você ver quem leu e o que voltou.