Você já ouviu falar sobre llms.txt? Essa ferramenta tem gerado debates acalorados no mundo da otimização de sites. Vamos explorar juntos o que os dados mais recentes revelam sobre sua eficácia!
llms.txt: O Novo “Tênis Mágico” do SEO ou Só Mais um Mito da Pista?
E aí, galera do asfalto digital! Tudo na paz? Hoje a gente vai desbravar um tema que tá dando o que falar no mundo do SEO, tipo aquele novo tênis que promete baixar seu tempo em 5k… o tal do llms.txt. É uma discussão que divide a galera: uns acham que é a base de tudo, outros veem como pura especulação. É como se fosse uma nova planilha de treino que alguns juram que é a solução, enquanto outros olham com desconfiança.
O Debate do llms.txt: Mais Fumaça ou Fogo?
A verdade é que o llms.txt virou um dos assuntos mais polarizados na otimização web. Tem gente que trata ele como uma infraestrutura essencial, enquanto muitos veteranos do SEO descartam como puro teatro especulativo. Ferramentas de plataforma até sinalizam a falta de arquivos llms.txt como problemas no site, mas os logs do servidor mostram que os rastreadores de IA raramente os solicitam. É uma contradição, né? Tipo quando seu relógio GPS diz uma coisa e a placa da rua, outra.
Até o Google entrou nessa, meio que sim, meio que não. Em dezembro, a empresa adicionou arquivos llms.txt em muitos de seus sites de desenvolvedores e documentação. O sinal parecia claro: se a empresa por trás do padrão de sitemaps está implementando llms.txt, provavelmente importa. Mas, pasmem, o Google removeu o arquivo de suas docs de desenvolvedores de busca em menos de 24 horas! O John Mueller, do Google, explicou que a mudança veio de uma atualização de CMS em todo o site, e que muitas equipes de conteúdo nem sabiam que estava acontecendo. Quando perguntado por que os arquivos ainda existem em outras propriedades do Google, Mueller disse que eles não são “encontráveis por padrão porque não estão no nível superior” e “é seguro assumir que estão lá para outros propósitos”, não para descoberta. Meio confuso, né? Tipo quando a gente não sabe se o treino de tiro tá valendo a pena ou não…
A Pesquisa: O Que os Dados Reais nos Contam?
Mas a gente que corre sabe: papo de corredor é bom, mas o que vale é o tempo no relógio, o dado real. Por isso, a gente foi atrás de números, não de papo furado. A gente acompanhou a adoção do llms.txt em 10 sites de diferentes áreas — finanças, SaaS B2B, e-commerce, seguros e pet care. Olhamos 90 dias antes e 90 dias depois da implementação. O que a gente queria saber? Se a frequência de rastreamento de IA mudava, se o tráfego de IA (ChatGPT, Claude, Perplexity e Gemini) aumentava, e o que mais esses sites mudaram no mesmo período.
E os resultados? Bom, foram bem diretos, como uma subida íngreme no final da prova:
- Dois dos 10 sites tiveram um aumento no tráfego de IA de 12,5% e 25%, mas o
llms.txtnão foi a causa. - Oito sites não viram mudança mensurável.
- Um site, pasmem, caiu 19,7%.
Os “Sucessos” e os “Fracassos”: O Que Realmente Impulsionou o Tráfego?
Aqueles dois “sucessos” que mencionei? Eles não foram por causa do llms.txt, não. O primeiro, um Neobank, viu um salto de 25% no tráfego de IA depois de implementar o arquivo no terceiro trimestre de 2025. Mas, olha só o que mais rolou na mesma época:
- Uma campanha de PR gigante em torno de sua licença bancária, com cobertura em grandes publicações nacionais, como a Bloomberg.
- Páginas de produtos reestruturadas com tabelas comparativas extraíveis para taxas de juros, tarifas e mínimos.
- Doze novas páginas de FAQ otimizadas para extração.
- Um centro de recursos reconstruído com novas informações e conceitos bancários.
- Problemas técnicos de SEO, como estruturas de cabeçalho, corrigidos.
Ou seja, quando uma empresa consegue cobertura na Bloomberg no mesmo mês em que lança conteúdo otimizado e corrige erros de rastreamento, não dá pra isolar o llms.txt como o motor do crescimento, né? É tipo atribuir um RP a um tênis novo quando você também mudou a alimentação e fez um treino de força pesado.
O segundo caso, uma plataforma SaaS B2B, viu o tráfego saltar 12,5% duas semanas depois de implementar o llms.txt. Perfeito, certo? Caso encerrado. Exceto que… três semanas antes, a empresa publicou 27 templates de IA para download, cobrindo estruturas de gerenciamento de projetos, modelos financeiros e planejadores de fluxo de trabalho. Ferramentas funcionais, não apenas marketing de conteúdo, impulsionaram o engajamento por trás do pico. O tráfego orgânico do Google para os templates subiu 18% durante o mesmo período e continuou subindo ao longo dos 90 dias que medimos. Motores de busca e modelos de IA destacaram os templates porque eles resolviam problemas reais e lançaram uma seção de site totalmente nova — não porque estavam listados em um arquivo llms.txt.
E os outros oito sites? Nada. Um deles, de seguros, até caiu 19,7% depois de implementar o llms.txt no início de setembro. Mas a queda provavelmente não teve nada a ver com o arquivo, pois o mesmo padrão apareceu em todos os canais de tráfego. O llms.txt não impediu a queda nem criou qualquer vantagem. Os outros sete sites — e-commerce (suprimentos para pets, artigos para casa, moda), SaaS B2B (tecnologia de RH, análise de marketing), finanças e pet care — todos documentaram seu melhor conteúdo existente no llms.txt. Isso incluía páginas de produtos, estudos de caso, documentos de API e guias de compra. Noventa dias depois, nada mudou. O tráfego permaneceu estável. A frequência de rastreamento foi idêntica. O conteúdo já estava indexado e detectável, e o arquivo não alterou isso. Sites que lançaram conteúdo novo e funcional tiveram ganhos. Sites que documentaram conteúdo existente não tiveram ganhos.
Por Que a Desconexão? O llms.txt é um Sitemap, Não uma Estratégia
Então, por que essa desconexão toda? Por que a gente fala tanto de llms.txt se os dados não mostram um impacto direto? A real é que nenhum dos grandes provedores de LLM (OpenAI, Anthropic, Google, Meta) confirmou oficialmente que usa o llms.txt. O John Mueller foi bem claro:
“Nenhum dos serviços de IA disse que está usando
llms.txt, e você pode ver nos seus logs de servidor que eles nem verificam por ele.”
É a realidade nua e crua. O arquivo existe, a discussão existe, mas a adoção pelas plataformas… ainda não. A defesa mais forte para o llms.txt é a tal da “eficiência de tokens”. Tipo, um arquivo markdown economiza tempo e tokens quando agentes de IA analisam a documentação. Uma estrutura limpa em vez de HTML complexo com navegação, anúncios e JavaScript. A Vercel, por exemplo, diz que 10% dos seus cadastros vêm do ChatGPT, e o llms.txt deles inclui descrições contextuais de API que ajudam os agentes a decidir o que buscar. Isso faz sentido, mas quase que só para ferramentas de desenvolvedores e documentação de API. Se seu público usa assistentes de codificação de IA como Cursor ou GitHub Copilot para interagir com seu produto, a eficiência de tokens melhora a integração. Mas para um e-commerce que vende suprimentos para pets, uma seguradora que explica a cobertura ou um SaaS B2B que visa compradores não técnicos, a eficiência de tokens não se traduz em tráfego. É como ter um tênis super leve para corrida de pista, mas você só corre na trilha. Não faz sentido.
A comparação mais precisa para o llms.txt é um sitemap. Sitemaps são uma infraestrutura valiosa. Eles ajudam os motores de busca a descobrir e indexar conteúdo de forma mais eficiente. Mas ninguém credita o crescimento do tráfego à adição de um sitemap, certo? O sitemap documenta o que existe; o conteúdo impulsiona a descoberta. O llms.txt funciona da mesma forma. Ele pode ajudar os modelos de IA a analisar seu site de forma mais eficiente, se eles optarem por usá-lo, mas não torna seu conteúdo mais útil, mais autoritário ou mais propenso a responder às perguntas dos usuários.
O Que Realmente Funciona na Otimização de Sites?
Na nossa análise, os sites que cresceram fizeram isso porque:
- Criaram ativos funcionais, como templates para download, tabelas comparativas e dados estruturados.
- Ganharam visibilidade externa através de imprensa e backlinks.
- Corrigiram barreiras técnicas, como problemas de rastreamento e indexação.
- Publicaram conteúdo otimizado para extração, incluindo FAQs e comparações estruturadas.
O llms.txt apenas documentou esses esforços. Ele não os impulsionou. Então, o que realmente funciona? Os dois sites de sucesso mostram o que importa:
- Crie ativos funcionais e extraíveis: A plataforma SaaS construiu 27 templates para download que os usuários podiam usar imediatamente. Modelos de IA destacaram isso porque resolviam problemas reais, não porque estavam listados em um arquivo markdown.
- Estruture o conteúdo para extração: O neobank reconstruiu páginas de produtos com tabelas comparativas de taxas de juros, tarifas e mínimos de conta. São dados que os modelos de IA podem puxar diretamente para as respostas sem interpretação.
- Corrija as barreiras técnicas primeiro: O neobank corrigiu erros de rastreamento que bloqueavam o conteúdo por meses. Se os modelos de IA não conseguem acessar seu conteúdo, nenhuma documentação ajuda.
- Ganhe validação externa: Cobertura da Bloomberg e outras grandes publicações gerou tráfego de referência, buscas de marca e provavelmente influenciou como os modelos de IA avaliam a autoridade.
- Otimize para a intenção do usuário: Ambos os sites responderam a consultas específicas: “melhores templates de gerenciamento de projetos” e “como as taxas de juros [da marca] se comparam?”. Os modelos destacam o conteúdo que corresponde ao que os usuários estão perguntando, não o conteúdo que está apenas bem documentado.
Nada disso exige llms.txt. Tudo isso gera resultados. Então, você deve implementar um arquivo llms.txt? Se você é uma ferramenta de desenvolvedor onde assistentes de codificação de IA são um canal de distribuição primário, então sim — a eficiência de tokens importa. Seu público já está usando agentes para interagir com a documentação. Para todos os outros, trate o llms.txt como um sitemap: infraestrutura útil, não uma alavanca de crescimento. É uma boa prática ter. Não vai fazer mal. Mas a hora gasta implementando llms.txt é muitas vezes melhor gasta reestruturando páginas de produtos com dados extraíveis, publicando ativos funcionais, corrigindo problemas técnicos de SEO, criando conteúdo de FAQ ou buscando cobertura da imprensa. Essas táticas mostraram um ROI real na descoberta por IA. O llms.txt ainda não — pelo menos não por enquanto.
A lição não é que o llms.txt seja ruim. É que estamos buscando controle em um sistema onde as regras ainda não foram escritas. O llms.txt oferece esse conforto: algo concreto, acionável e familiar, moldado como os padrões da web que já conhecemos. Mas parecer infraestrutura não é o mesmo que funcionar como infraestrutura. Foca no que realmente funciona: crie conteúdo útil, estruture-o para extração, torne-o tecnicamente acessível e ganhe validação externa. As plataformas e formatos vão mudar. Os fundamentos, esses não.