GPTBot e JavaScript: por que o HTML inicial é a base de GEO mais segura

O que sabemos de fato

A Vercel, junto com a MERJ, analisou o tráfego de crawlers em sua rede. Na amostra estudada, o GPTBot fez mais de meio bilhão de requisições sem execução de JavaScript observada. Ele baixou arquivos JS em parte das requisições (cerca de 11,5%), mas a Vercel não viu execução. Essa é uma observação específica do GPTBot. A análise não demonstra que os fetchers do Claude, do Perplexity ou de outros serviços funcionem da mesma forma.

Os bots precisam ser separados por função:

• OpenAI: OAI-SearchBot dá suporte à busca, ChatGPT-User busca páginas a pedido de um usuário, GPTBot coleta conteúdo que pode ser usado em treinamento.
• Anthropic: Claude-SearchBot dá suporte à busca, Claude-User às visitas solicitadas por usuários, ClaudeBot ao treinamento potencial.
• Google: Googlebot rastreia para o Google Search, inclusive AI Overviews e AI Mode. Google-Extended é um token de controle para certos usos de treinamento e grounding do Gemini; não é crawler da Busca, e sua configuração não afeta inclusão nem ranking no Google Search.

Uma página em React ou Vue renderizada apenas no cliente pode entregar um HTML inicial quase vazio. Um fetcher sem a etapa de renderização necessária talvez não veja a descrição do produto ou os preços. Isso não significa que o conteúdo no cliente “não existe” para toda plataforma de IA: o Google consegue renderizar JavaScript rastreável e não bloqueado. O HTML inicial reduz a dependência dessas capacidades específicas de cada plataforma.

Verifique seu site em três minutos

1. Desative o JavaScript nas ferramentas de desenvolvedor do navegador e recarregue as páginas principais (produto, preços, empresa). Se o texto essencial continuar visível, ele já está no documento inicial utilizável; o teste, porém, não prova o comportamento de cada bot.
2. Ou clique com o botão direito → “Exibir código-fonte da página” e confirme que o texto do corpo existe no HTML de origem. Um <div id="root"></div> vazio é o sinal de alerta.
3. Verifique separadamente o robots.txt e as configurações da CDN/WAF para os bots de busca, de usuário e de treinamento que você quer permitir. Uma regra de permissão não adianta se o firewall devolve 403.

Suas opções

• Geração estática (SSG) — primeira escolha para sites de conteúdo: o HTML fica completo no momento do build, o que ganha em crawlers, velocidade e operação. Este site funciona assim.
• Renderização no servidor (SSR) — para páginas que precisam de dados em tempo real; o servidor retorna o HTML a cada requisição.
• Isolar a interatividade — em vez de uma SPA completa, rode no cliente apenas os widgets que precisam disso (arquitetura de ilhas), para que o texto do corpo permaneça sempre no HTML estático.

O Google Search consegue renderizar JavaScript. Para AI Overviews e AI Mode, o Google exige que a página esteja indexada e apta a aparecer com snippet na Busca; texto rastreável e não bloqueado continua sendo a base. SSG, SSR ou pré-renderização não são uma obrigação universal, mas são a opção mais segura quando o conteúdo principal precisa estar disponível no maior número de plataformas sem depender de uma etapa extra de renderização.

Resumo

A maior parte dos conselhos de GEO foca no que escrever. Antes disso, verifique a prontidão técnica: o conteúdo essencial está no HTML inicial, e os bots de busca ou de usuário desejados conseguem de fato buscá-lo? Essas verificações removem possíveis barreiras. Não preveem nem garantem que uma plataforma vá selecionar ou citar a página.

Termos relacionados: Crawler de IA, RAG, GEO