1. O site da agência responde aos crawlers de IA?
curl -sS -o /dev/null -w "%{http_code}\n" -A "GPTBot" https://dominio.com.br/
O que procurar. Rode uma vez para GPTBot, uma para ClaudeBot e uma para PerplexityBot, e compare com a resposta a um navegador comum. Códigos diferentes entre eles significam bloqueio por nome de robô. Repita no caminho /llms.txt: já vi o arquivo feito exclusivamente para modelos de linguagem responder 403 justamente a eles.
Por que importa. É a contradição mais barata de encontrar e a mais cara de ignorar. Uma agência que bloqueia o GPTBot no próprio domínio não tem como demonstrar no cliente um resultado que não consegue produzir em casa.
2. O robots.txt é coerente consigo mesmo?
curl -sS https://dominio.com.br/robots.txt
O que procurar. Procure mais de um grupo para o mesmo user-agent, o que acontece quando um bloco gerenciado por CDN convive com um bloco escrito à mão. Procure também a diretiva Content-Signal: um ai-train=no declarado ao lado de um discurso de venda de GEO é contradição de posicionamento, não de configuração.
Por que importa. Parsers tratam grupos conflitantes de maneiras diferentes. Vários crawlers param no primeiro grupo que casa com o próprio nome, então um Disallow escrito acima de um Allow decide o resultado, independentemente da intenção.
3. O llms.txt é documento ou resíduo de plugin?
curl -sS -o /dev/null -w "%{content_type} %{size_download}\n" https://dominio.com.br/llms.txt
O que procurar. Content-type text/html nesse caminho significa que a URL serve uma página, não o arquivo. Um tamanho de poucas centenas de bytes indica um esqueleto de navegação; centenas de quilobytes gerados por plugin costumam ser uma lista de posts sem uma linha sobre a empresa. O que interessa é se o arquivo descreve a entidade: quem é, o que faz, como deve ser referenciada.
Por que importa. Não é sinal de ranqueamento no Google e não substitui indexabilidade. Serve para desambiguar entidade em agentes que o consomem, e é exatamente aí que o arquivo automático não entrega nada.
4. O sitemap tem data de edição ou carimbo de build?
curl -sS https://dominio.com.br/sitemap.xml | grep -o '<lastmod>[^<]*' | sort -u | wc -l
O que procurar. Compare o número de valores distintos com o número total de URLs. Dez valores para mil endereços significa que a data não descreve edição de documento, e sim a hora em que o site foi publicado.
Por que importa. Recência é um dos poucos fatores com evidência consistente sobre probabilidade de citação. Um lastmod que se move sozinho a cada deploy não comunica frescor, comunica ruído — e vale aplicar essa régua também ao próprio fornecedor que a ensina.
5. Cada estatística tem fonte primária?
Busque a frase exata entre aspas: "trecho literal da estatística"
O que procurar. Siga a cadeia de citações até a publicação original. Se ela termina no blog de uma agência, sem amostra, sem universo e sem período de campo, o número não é dado de mercado. Desconfie especialmente de estatísticas que aparecem em dois ou três documentos e em nenhum instituto.
Por que importa. Há números circulando no mercado brasileiro de GEO cuja única origem rastreável é material promocional de um fornecedor. Quando esse número sustenta a urgência da compra, o argumento inteiro fica de pé sobre nada.
6. A medição de citação é reproduzível?
Peça por escrito antes de assinar
O que procurar. Número de execuções por prompt, modelos consultados, linha de base, critério de classificação de menção, e o que o relatório faz quando um modelo falha na coleta. Peça os dados brutos em formato aberto.
Por que importa. Resposta de modelo de linguagem é estocástica: a mesma pergunta feita cinco vezes pode citar marcas diferentes. Uma execução por prompt não é medição, é anedota. E tratar falha de API como ausência de citação deflaciona a série e fabrica lacunas que não existem.