O llms.txt não vai colocar seus produtos nos resultados de compras com IA. Seu feed vai.

Em algum momento do último ano, "adicione um arquivo llms.txt" virou um conselho padrão em quase todas as checklists de visibilidade em compras com IA. Raramente funciona. Em um estudo de logs de servidor de 12 semanas, em 83 sites, publicado em 2026, os rastreadores da OpenAI e da Anthropic solicitaram arquivos llms.txt 16 vezes no total, enquanto solicitaram o robots.txt dos mesmos sites mais de 7.100 vezes. Um segundo estudo, com 14 dias de logs de um único site, registrou zero acessos ao llms.txt por qualquer rastreador de IA identificado. Este texto é para quem gerencia um feed de produtos e ouviu que o llms.txt é a alavanca para a visibilidade em compras com IA. Ao final, você saberá qual mecanismo realmente controla se seus produtos aparecem no Google AI Mode, no ChatGPT e no Perplexity, e o que corrigir em vez disso.

O que o llms.txt realmente é (e o que não é)

O llms.txt é uma convenção proposta, e não um padrão de compras ou de e-commerce. O desenvolvedor Jeremy Howard publicou a especificação original em 3 de setembro de 2024, e uma atualização para a versão 2, de agosto de 2026, o descreve como um arquivo markdown em /llms.txt: um H1 com o nome do site ou do projeto (o único elemento obrigatório), um resumo opcional em blockquote, seções descritivas livres e listas de links para outras páginas delimitadas por H2. A intenção é dar a um modelo de linguagem um mapa curto e selecionado de um site, em vez de obrigá-lo a interpretar páginas HTML completas.

Nada na especificação menciona dados de produtos, preços, disponibilidade ou feeds de shopping. É uma convenção de documentação e descoberta de conteúdo, mais próxima de um sitemap selecionado do que de um feed do Google Merchant Center ou de um catálogo de produtos estruturado. Essa distinção importa, porque a maioria dos conselhos que mandam equipes de e-commerce publicar um llms.txt o trata como se fosse um formato de feed.

O Google disse diretamente que não vai usar o llms.txt

No evento Search Central Deep Dive do Google na Ásia-Pacífico, em 23 de julho de 2025, Gary Illyes, do Google, afirmou que o Google não oferece suporte ao llms.txt e não tem planos de oferecer, orientando os participantes a continuar investindo em SEO padrão para aparecer nos AI Overviews, em vez de em um formato de arquivo separado. Nenhuma declaração pública do Google desde então voltou atrás. Parte da cobertura de 2026 também descreveu uma "proposta do W3C para padronizar o llms.txt", o que exagera a situação: a issue correspondente do W3C Technical Strategy está no estágio de "Investigation", explicitamente não introduz nenhum formato novo, e seu último comentário relevante é de maio de 2025. Não existe um padrão W3C, e o Google foi inequívoco ao dizer que não usa o arquivo para ranqueamento nem para os AI Overviews.

O que dois estudos de logs de servidor de 2026 descobriram

Duas medições independentes sustentam a parte do "não está sendo acessado" com dados reais de tráfego, e não apenas com declarações de política.

• EZY Research, de 27 de abril a 19 de julho de 2026, em 83 sites de um painel de 556 domínios: o GPTBot solicitou o llms.txt 7 vezes e o ClaudeBot, 9 vezes; o PerplexityBot, 0 vezes. Os mesmos rastreadores solicitaram o robots.txt 3.990 vezes (OpenAI), 3.120 vezes (Anthropic) e 775 vezes (Perplexity).
• Saaslinks, tráfego de um site de 20 de julho a 3 de agosto de 2026: 147.180 requisições analisadas no total, 723 requisições de rastreadores de IA ao robots.txt, 151 a páginas reais (90 por cento da OpenAI) e zero requisições ao llms.txt de qualquer sistema de IA identificado. As 13 requisições totais ao arquivo vieram de data brokers, ferramentas de perfilamento e visitantes humanos.

Os dois estudos apontam limitações reais: amostras modestas e strings de user-agent autodeclaradas. Nenhum deles afirma saber o que um modelo faz internamente com um conteúdo que nunca acessou. Ainda assim, a direção é consistente nos dois painéis e está alinhada com o que o Google disse publicamente. Se uma anedota muito citada, de que a OpenAI acessa o llms.txt "a cada 15 minutos", estiver circulando na sua equipe, trate-a como uma anedota, contrariada por duas medições sistemáticas.

O mecanismo que realmente alimenta as superfícies de compras com IA do Google

A própria documentação de ajuda do Google Shopping explica de onde o AI Mode, os AI Overviews e o Google Shopping obtêm as informações dos produtos: "Marcas, varejistas e outros provedores de conteúdo enviam as informações de seus produtos diretamente ao Google por meio de ferramentas como o Merchant Center e o Manufacturer Center." Esses dados alimentam o Shopping Graph, descrito como "um repositório dinâmico de informações de produtos que oferece uma visão atualizada dos produtos disponíveis", que "alimenta experiências baseadas em IA, como resumos de avaliações, orientações de compra ou recomendações de produtos". A página não descreve o rastreamento como fonte de dados de produtos para o shopping.

Esse é o motivo prático pelo qual o llms.txt não faz nada pelas superfícies de compras com IA do Google: essas superfícies são alimentadas, e não rastreadas. A alavanca é a qualidade dos dados do feed dentro do Merchant Center, e não um arquivo na raiz do seu domínio. Nosso guia de preparação do feed para o agentic commerce cobre o que o AI Mode, o UCP e o ACP exigem no nível do protocolo; este artigo tem um foco mais restrito, no que faz e no que não faz diferença para a visibilidade em compras com IA.

O que o Instant Checkout do ChatGPT realmente exige

O fluxo de compra do ChatGPT, o Instant Checkout, foi lançado em 29 de setembro de 2025, com base no Agentic Commerce Protocol que a OpenAI desenvolveu com a Stripe. Atualmente, ele oferece suporte a compras de um único item, tendo como parceiros iniciais vendedores da Etsy nos Estados Unidos e mais de um milhão de lojistas da Shopify. Os lojistas se candidatam por meio de um portal dedicado, e a OpenAI afirma que um lojista que já processa pagamentos com a Stripe pode ativar pagamentos agênticos com "apenas uma linha de código".

A superfície técnica para isso é a Product Feed Specification publicada pela OpenAI para o Agentic Commerce Protocol, e não o llms.txt. Em linhas gerais, ela define:

• Um cabeçalho de feed com feed_id, account_id, target_merchant e target_country (um código de país de duas letras), todos obrigatórios.
• Um objeto de produto com um id obrigatório e estável, title, description, url e media opcionais, e um array variants obrigatório.
• Cada variante com id e title obrigatórios, além de price, list_price e unit_price como valores inteiros em unidades menores da ISO 4217, barcodes estruturados (tipo e valor, como um par GTIN), um objeto availability que combina um indicador booleano com um enum de status (in_stock, backorder, preorder, out_of_stock, discontinued), valores de condition como new ou secondhand, categories, variant_options e seller.

Separe duas coisas que a OpenAI disse aqui. O Instant Checkout funciona com esse feed estruturado, enviado pelos lojistas que se candidataram. Já as menções gerais a produtos em uma conversa comum no ChatGPT são descritas pela OpenAI como "orgânicas e não patrocinadas, ranqueadas exclusivamente por relevância", o que aponta para sinais normais de conteúdo e SEO, e não para um feed enviado pelo lojista. Um feed coloca você na superfície transacional do Instant Checkout; ele, por si só, não garante uma menção em conversas abertas. Nosso playbook de recomendações de produtos no ChatGPT trata desse lado das conversas abertas com mais profundidade.

O que coloca você no Perplexity Shopping

O assistente de compras do Perplexity obtém dados de produtos de duas formas, ambas próximas de um feed, e não baseadas em rastreamento. A primeira é a integração com plataformas, principalmente a Shopify, que dá acesso às "informações mais recentes e relevantes sobre produtos de empresas que usam a Shopify". A segunda é o Perplexity Merchant Program, um programa gratuito por meio do qual varejistas maiores "compartilham as especificações de seus produtos" diretamente, obtendo integração de pagamento para checkout dentro do assistente e acesso gratuito à API. Nenhum dos dois caminhos passa pelo llms.txt ou pelo rastreamento geral, o que é consistente com os zero acessos ao llms.txt registrados pelo PerplexityBot no estudo da EZY Research citado acima.

Onde a marcação schema.org na página ainda importa

Nada disso torna irrelevantes os dados estruturados nas suas páginas de produto; eles apenas respondem a uma pergunta diferente. A documentação do Google Search Central para os rich results de merchant listings lista as propriedades obrigatórias de Product (name, image, um offers aninhado) e as propriedades obrigatórias de Offer (price, priceCurrency), com propriedades recomendadas que incluem gtin, mpn, sku, brand.name, availability e itemCondition. Isso rege os rich results orgânicos de merchant listings e o relatório Merchant Listings do Search Console. Funciona em paralelo ao seu feed do Merchant Center, e não no lugar dele, e a precisão de categorias e atributos no próprio feed, do tipo que o nosso mapeamento de categorias de produtos resolve, continua fazendo o trabalho mais pesado para o Shopping Graph.

Uma linha do feed, antes e depois

A diferença entre uma linha típica de feed do Google Shopping e uma variante pronta para o ACP é pequena, mas esconde um erro que atrapalha quase toda primeira tentativa: preços como inteiros em unidades menores, e não como strings decimais.

Antes, uma linha padrão no estilo do Merchant Center:

id: SKU-4821-BLK-M | title: Classic Wool Coat - Black - Medium | price: 129.00 USD | availability: in stock | gtin: 4006381333931

Depois, reestruturada de acordo com o que a especificação de feed do ACP espera:

product.id: SKU-4821 (stable parent) | variant.id: SKU-4821-BLK-M | variant.price: { amount: 12900, currency: "USD" } | variant.availability: { available: true, status: "in_stock" } | variant.barcodes: [{ type: "gtin13", value: "4006381333931" }] | variant.condition: ["new"]

Duas mudanças são as mais importantes: o preço passou de uma string decimal para um inteiro em unidades menores (129.00 vira 12900, e não 129), e a disponibilidade se tornou um objeto estruturado em vez de texto livre. Ambas são falhas comuns na primeira vez que uma equipe mapeia um feed do Shopping para a estrutura do ACP.

Uma checklist prática

1. Pare de tratar o llms.txt como uma tarefa de visibilidade em compras. Tire a prioridade dele no trabalho com dados de produtos; qualquer papel que ele tenha está na descoberta geral de documentação, fora do escopo deste guia.
2. Audite primeiro seu feed do Merchant Center em relação aos atributos obrigatórios e recomendados de Product e Offer do Google; é isso que realmente alimenta o Shopping Graph, e é a forma mais rápida de ver lacunas usando as verificações de otimização de feed da Feedance.
3. Adicione ou verifique a marcação schema.org Product e Offer na página separadamente do seu feed, já que ela rege outra superfície.
4. Se você vende pela Shopify ou pela Etsy, confirme o status da sua candidatura ao Instant Checkout, em vez de presumir que a integração com a plataforma basta.
5. Se for se candidatar diretamente ao feed ACP, mapeie os preços para inteiros em unidades menores e a disponibilidade para o enum estruturado antes do primeiro envio, e não depois de uma rejeição.
6. Para o Perplexity Shopping além da cobertura padrão via Shopify, candidate-se diretamente ao Perplexity Merchant Program.
7. Mantenha o feed atualizado. Dados de preço ou estoque desatualizados chegando com atraso a essas superfícies causam mais estrago do que a falta de um arquivo llms.txt jamais causará; a Feedance sincroniza diariamente no plano Essentials e de hora em hora no Business, e a frequência certa depende de quanto seus preços e seu estoque mudam.

Onde isso deixa de funcionar

Este é um guia sobre feeds e fontes de dados, e não uma auditoria completa de SEO técnico. A implementação de schema.org na página é uma tarefa do template ou do CMS, e não algo que uma plataforma de gestão de feeds configura diretamente, e uma ferramenta dedicada de SEO técnico ou de validação de dados estruturados vai detectar erros de marcação no nível da página que uma plataforma de feeds como a Feedance nunca foi feita para ver. Os estudos de logs de servidor citados aqui se concentram em sites menores e não têm como saber o que um modelo faz internamente com um conteúdo que nunca acessou. O Agentic Commerce Protocol e o Merchant Program do Perplexity também são recentes e vão mudar; trate os nomes de campos aqui como um retrato do momento e consulte a especificação atual antes de desenvolver com base nela. Nada disso cobre superfícies regionais de compras com IA fora do Google, da OpenAI e do Perplexity, que evoluem em seu próprio ritmo.

Perguntas frequentes

O llms.txt ajuda meus produtos a aparecerem no ChatGPT ou nos resultados de compras com IA do Google?
Não há evidências públicas que sustentem isso. O Google afirmou diretamente que não usará o llms.txt para os AI Overviews, e dois estudos independentes de logs de servidor de 2026 constataram que os rastreadores de IA o solicitam com muito menos frequência do que o robots.txt, em um dos casos zero vezes em catorze dias.

Qual é a diferença entre o Shopping Graph e um feed do Merchant Center?
Seu feed do Merchant Center são os dados que você envia. O Shopping Graph é o repositório interno do Google, atualizado continuamente, construído a partir desses dados enviados, que então alimenta os resultados do Shopping, os AI Overviews e o AI Mode.

Preciso de feeds separados para o Google AI Mode, o Instant Checkout do ChatGPT e o Perplexity Shopping?
Na prática, sim, em formatos diferentes: um feed do Merchant Center para o Google, um feed do Agentic Commerce Protocol para o Instant Checkout do ChatGPT após a aprovação do lojista e os dados da plataforma Shopify ou um envio direto para o Merchant Program do Perplexity.

A marcação schema.org Product na página substitui meu feed do Merchant Center?
Não. Ela rege uma superfície separada, os rich results orgânicos de merchant listings, e o Google a trata como complementar ao envio do feed, e não como substituta.

Como coloco meus produtos no Instant Checkout do ChatGPT?
Candidate-se pelo portal de lojistas da OpenAI. Vender na Shopify ou ser um vendedor da Etsy nos Estados Unidos deixa você mais perto da elegibilidade do que uma integração totalmente nova; lojistas que já usam a Stripe podem, segundo relatos, ativar pagamentos agênticos com uma linha de código.

Como coloco meus produtos no Perplexity Shopping?
Venda pela Shopify para ter a cobertura básica ou candidate-se diretamente ao Perplexity Merchant Program para compartilhar as especificações dos produtos e ativar o checkout dentro do assistente.

Vale a pena publicar um arquivo llms.txt?
Especificamente para a visibilidade de produtos e compras, não; ele não é a prioridade que a conversa sobre SEO fez parecer. Qualquer papel que ele tenha está na descoberta geral de documentação, um problema diferente de colocar produtos nas superfícies de compras com IA.

Se você quer uma leitura concreta da cobertura de atributos do seu próprio feed antes de decidir o que corrigir primeiro, passe-o pela ferramenta gratuita de auditoria de feed de produtos da Feedance.