Verificar a saúde técnica GEO antes da próxima publicação do site

Duas listas descrevem o seu site e raramente coincidem: as páginas que escolheu monitorizar e os URLs que os motores de IA realmente citam. Compare-as e só depois leia a captura técnica, porque a diferença determina que parte dela importa. Não precisa de uma integração de registos ou analytics. Quando os registos dos rastreadores e o GA4 estiverem ligados, o guia de observabilidade ajudará a decidir de quem é a responsabilidade por cada página visitada mas não citada.

O problema GEO que resolve

O produto já combina as duas listas. get_page_presence classifica cada página como WORKING a partir de três citações, NEEDS_ATTENTION com uma ou duas, NOT_CITED com zero e DISCOVERED quando um caminho citado nunca integrou o conjunto monitorizado. Leia DISCOVERED primeiro: os motores citaram algo que ninguém registou e que, por isso, ninguém mantém.

A junção é onde surgem erros. get_page_presence agrupa por caminho normalizado; get_source_urls agrupa pelo URL exato original e o seu filtro de domínio exige igualdade literal. Assim, um domínio principal e a respetiva versão www são valores distintos. Uma comparação descuidada cria lacunas aparentes que se devem apenas a maiúsculas e nomes de anfitrião.

O estado técnico chega depois e responde a uma pergunta: há algum bloqueio? Um robots.txt ajustado ao Google pode estar errado para a recuperação de informação por IA, pois a OpenAI distingue OAI-SearchBot, que controla a inclusão nos resultados de pesquisa do ChatGPT, de GPTBot, usado para treino.

As etapas do fluxo de trabalho

1. Criar os dois inventários. get_page_presence devolve a vista conjunta das páginas com número de citações, número de perguntas distintas, posição média e fornecedores. get_source_urls, filtrado pela cadeia do seu domínio, ordena os URLs exatos citados. Use o mesmo período de análise e os eventuais filtros de fornecedor, tema, etiqueta ou fase do funil em ambos. Nenhum devolve o texto dos prompts.

2. Comparar por chave normalizada. Passe o nome do anfitrião para minúsculas, retire www, parâmetros de consulta, fragmento e barra final. Mantenha o URL original ao lado de cada chave, para que diferenças no anfitrião permaneçam visíveis e não pareçam lacunas.

3. Ler uma vez a captura técnica. get_technical_status devolve os estados guardados de robots.txt, llms.txt e sitemap, uma pontuação de preparação para IA, os identificadores de rastreadores marcados como Disallowed, o número de problemas por gravidade e os problemas abertos de páginas, cada um com o respetivo URL. É uma análise guardada, não um rastreio em tempo real.

4. Ordenar a lista de tarefas. Siga a regra abaixo, não uma estimativa de esforço.

O que uma execução realmente devolve

Uma execução válida devolve todas as páginas monitorizadas e todos os caminhos citados mas não monitorizados observados no período pedido. As linhas DISCOVERED podem atingir o mesmo limiar de três citações que as páginas monitorizadas; numerosas linhas NOT_CITED não significam necessariamente defeitos técnicos.

É por isso que a regra da lista de tarefas importa mais do que o total bruto. Uma página DISCOVERED acima do limiar abre a lista porque já obtém citações sem gestão. Uma página NOT_CITED só justifica trabalho técnico quando a análise guardada também apresenta um problema para essa página.

Como aproveitar os resultados

Três estados vazios parecem iguais, mas não são. Um bloco técnico null significa que a marca nunca foi analisada; um vetor blockedCrawlers vazio significa que foi analisada e não há bloqueios. Uma marca sem domínio definido devolve zero páginas e zero estatísticas, o que não significa que o site esteja saudável. Resolva estes casos antes de ordenar tarefas.

Depois, percorra a lista de cima para baixo e mantenha a ordem.

Os identificadores bloqueados vêm primeiro: um blockedCrawlers não vazio é um problema de acesso em todo o site, com prioridade sobre qualquer problema de página, pois nenhum trabalho de conteúdo o contorna. Depois, inclua neste ciclo todas as páginas DISCOVERED com três ou mais citações no conjunto monitorizado, já que obtêm citações sem gestão. Seguem-se as páginas monitorizadas NOT_CITED que também constam da lista devolvida de problemas abertos, o único subconjunto com dados técnicos. As restantes NOT_CITED são uma questão editorial que não deve ser encaminhada para engenharia. Deixe NEEDS_ATTENTION em paz: uma ou duas citações podem refletir uma única resposta variável.

O prompt completo

Quero comparar as páginas que monitorizo com os URLs que os motores de IA realmente citam nos últimos 30 dias. Enumera as marcas que monitorizo e, se houver mais do que uma, pergunta qual devo usar.

1. Executa get_page_presence com period 30. Devolve cada página com o respetivo estado WORKING, NEEDS_ATTENTION, NOT_CITED ou DISCOVERED, além do número de citações, número de perguntas distintas, posição média e fornecedores. Não afirmes que a ferramenta devolve o texto dos prompts.
2. Executa get_source_urls com o meu domínio e period 30, mantendo os eventuais filtros de fornecedor, tema, etiqueta ou fase do funil da etapa 1. O filtro de domínio exige correspondência exata; se o resultado estiver vazio, tenta o outro nome de anfitrião antes de concluir que não há citações nesse âmbito.
3. Compara as duas listas por uma chave normalizada: nome do anfitrião em minúsculas sem www, caminho em minúsculas, parâmetros e fragmento removidos e barra final retirada. Mantém o URL original junto de cada chave. Apresenta páginas monitorizadas sem citações e URLs citados sem página monitorizada. Assinala pares que diferem apenas no anfitrião ou nas maiúsculas como artefactos da junção, não como lacunas.
4. Executa get_technical_status. Apresenta os estados guardados de robots.txt, llms.txt e sitemap, a pontuação de preparação para IA, os identificadores Disallowed, o número de problemas por gravidade e os problemas abertos de páginas devolvidos. Identifica isto como análise guardada, não rastreio em tempo real. Se o bloco técnico for null, indica que a marca nunca foi analisada em vez de comunicar um resultado saudável.
5. Produz uma lista de tarefas ordenada: primeiro os identificadores Disallowed como um único problema de todo o site; depois as páginas DISCOVERED com três ou mais citações; em seguida as páginas NOT_CITED da lista de problemas devolvida; depois as restantes NOT_CITED como trabalho editorial; por fim, NEEDS_ATTENTION sem ação neste ciclo. Dá a cada item a linha de dados e um passo de verificação. Se um nível estiver vazio, indica-o e avança.