llms.txt
O llms.txt é um arquivo de texto proposto que o lojista coloca na raiz do site para indicar a rastreadores de IA e modelos de linguagem quais páginas e informações são mais relevantes, escrito em Markdown para que o modelo leia o conteúdo sem processar o HTML completo de cada página.
A ideia é simples: em vez de fazer um modelo percorrer menus de navegação, scripts e conteúdo de apoio, você entrega um mapa curado do seu melhor conteúdo, com descrições curtas e links. O formato é deliberadamente simples. Um cabeçalho nomeia o site, uma ou duas frases descrevem o que ele faz, e uma lista de links agrupa as páginas que valem a leitura, cada uma com um resumo de uma linha. O arquivo segue o espírito do robots.txt e do sitemap.xml, mas é uma proposta da comunidade, não um padrão acordado, e nenhum grande provedor de IA confirmou que ele altera a forma como seus sistemas rastreiam, classificam ou citam conteúdo.
A leitura honesta é que o llms.txt é barato de publicar e tem pouco efeito mensurável hoje. Os grandes motores de resposta constroem sua compreensão a partir das páginas que já buscam e da corroboração em toda a web, não de um arquivo autodeclarado que qualquer site poderia preencher com afirmações de marketing. Tratar o arquivo como um mecanismo de posicionamento é uma leitura equivocada. Tratá-lo como higiene de baixo custo que pode ter importância mais tarde, quando as convenções e as ferramentas se consolidarem, é a posição razoável.
Considere um lojista no Shopify que vende cosméticos naturais. Ele publica o llms.txt na raiz da loja listando o guia de rotina de cuidados com a pele, a página de ingredientes e três páginas de produtos principais, cada uma com uma descrição curta como "Sérum vitamina C vegano, 30ml, pele mista a oleosa". O arquivo é organizado e não tem custo de manutenção. O que ele não vai fazer por conta própria é fazer o ChatGPT ou o Perplexity recomendar a marca quando um cliente pesquisa por um sérum facial sem parabenos. Esses sistemas consideram as páginas de produto ativas, as avaliações nelas e o que sites e fóruns independentes dizem, não o resumo que o próprio lojista faz de si mesmo.
Para a busca por IA e os motores de resposta, o arquivo importa principalmente como sinal de intenção, não como fonte de verdade. Um modelo pode ler uma autodescrição, mas tem todo o motivo para descontar afirmações que uma marca faz sobre si mesma e para privilegiar evidências que pode corroborar em outros lugares. Essa assimetria é o ponto central de como o Google AI Overviews, o Perplexity e ferramentas semelhantes decidem o que citar: eles recompensam fatos que se sustentam em múltiplas fontes, não afirmações publicadas em um caminho conhecido.
O que de fato impulsiona a citação por IA é mais simples: páginas limpas e rastreáveis, respostas claras e específicas no início de cada uma, dados estruturados onde fazem sentido, e os mesmos fatos confirmados por fontes independentes que um modelo já considera confiáveis. As avaliações são uma das formas mais fortes de corroboração, porque são a linguagem do cliente sobre o produto, na página de produto, repetida por muitos compradores. Tornar as avaliações existentes legíveis, indexáveis e citáveis por buscadores e IA é a lacuna que o BeyondReviews fecha, e isso faz muito mais pela visibilidade do que qualquer arquivo de texto na raiz. Publique o llms.txt se você valoriza essa higiene, depois dedique o esforço real às páginas e evidências que um modelo pode verificar.