Os crawlers de IA leem o HTML que um servidor envia e não rodam JavaScript. Lemos do mesmo jeito as páginas iniciais de 486 dos sites mais visitados e contamos os dados estruturados que elas trazem.
sameAs.SearchAction.A análise de tráfego de crawlers da Vercel, de dezembro de 2024, concluiu que “none of the major AI crawlers currently render JavaScript”, incluindo GPTBot, ClaudeBot e PerplexityBot (Vercel). O Googlebot renderiza páginas; os crawlers de IA, segundo esse relato, ficam com o que o servidor envia. Então um JSON-LD injetado por um gerenciador de tags, ou uma página inicial montada inteira no navegador, pode parecer completo no seu navegador e vazio para eles. Tudo nesta página foi medido assim: uma requisição, sem JavaScript.
| Medida | Páginas iniciais | Percentual |
|---|---|---|
| Algum JSON-LD | 231 | 47.5% |
| Algum dado estruturado (JSON-LD, microdata ou RDFa) | 252 | 51.9% |
| Microdata ou RDFa | 49 | 10.1% |
| Nó Organization ou Corporation | 152 | 31.3% |
… com links sameAs | 129 | 26.5% |
| Nó WebSite | 145 | 29.8% |
| Nó FAQPage | 13 | 2.7% |
| JSON-LD que não passa na análise | 1 | 0.2% |
| Menos de 100 palavras antes do JavaScript | 111 | 22.8% |
noindex na página inicial | 7 | 1.4% |
Ninguém demonstrou isso. O Google diz que nenhuma marcação especial é necessária para aparecer no AI Overviews ou no AI Mode (Google Search Central), e a documentação de crawlers das empresas de IA não menciona schema. O que um nó Organization com links sameAs faz é declarar, em um único lugar legível por máquina, quem você é e onde mais você existe, que é o tipo de fato que os assistentes erram. Nosso guia sobre schema markup e citações de IA passa pelas evidências.
sameAs para seus perfis reais.Pegamos os 10,000 primeiros domínios da lista Tranco GQ3LK (um ranking de pesquisa que combina dados do Chrome UX Report, Cloudflare Radar, Cisco Umbrella, Majestic e Farsight de 28 de setembro a 27 de outubro de 2026). Em 28 de outubro de 2026, nosso crawler pediu a página inicial de cada domínio por HTTPS, seguindo redirecionamentos. Muitas entradas da Tranco são domínios de CDN, API ou rastreamento sem site: 2,155 não deram nenhuma resposta HTTP e 1,415 responderam 403. Ficamos com os 5,480 domínios cuja página inicial devolveu uma página HTML com status 200, contados uma vez por hostname final após os redirecionamentos. Esta parte do estudo usa os 486 sites do top 1,000; 3 páginas iniciais acima de 3 MB ficaram de fora.
Cada página inicial foi lida com o parser por trás do nosso verificador de dados estruturados: blocos JSON-LD, seus tipos schema.org, atributos de microdata e RDFa, meta tags de robots e o cabeçalho X-Robots-Tag, e o número de palavras de texto visível no HTML tal como servido. Os tipos são contados uma vez por página inicial, incluindo nós aninhados. Só páginas iniciais foram medidas; páginas de produto e de artigo costumam ter mais marcação. Nosso crawler se identificou como Mentioned-Research/1.0. Sites que recusam bots desconhecidos no firewall ficam fora da amostra, e esses sites provavelmente são mais rígidos com crawlers de IA também, então trate cada taxa de bloqueio aqui como um piso, não como uma estimativa da web inteira.
Fique à vontade para citar e fazer gráficos com estes números, com um link de volta. Citação sugerida: Mentioned, “Structured Data on the Top 1,000 Homepages: What AI Crawlers See,” 28 de outubro de 2026, https://mentioned.at/learn/homepage-structured-data-study. Dados e texto publicados sob CC BY 4.0.
No nosso rastreamento de outubro de 2026, 47.5% de 486 páginas iniciais do top 1,000 da Tranco tinham JSON-LD no HTML bruto, e 51.9% tinham dados estruturados de algum tipo.
WebSite, em 29.8% das páginas iniciais, seguido de Organization com 28.2% (Corporation soma mais 22) e WebPage com 20.0%.
A análise de crawlers da Vercel de dezembro de 2024 concluiu que nenhum dos grandes crawlers de IA renderiza JavaScript, então a marcação adicionada no navegador provavelmente fica invisível para eles. Coloque-a no HTML que seu servidor envia.