Preparação para a pesquisa com IA dos próprios sites das agências de web design japonesas: 2,357 sites (novembro de 2026)

Recolhemos a página inicial, o robots.txt e o llms.txt de 2,357 sites de agências de web design japonesas. 13.6% (321) tinham um llms.txt, 68.9% (1,624) tinham dados estruturados (JSON-LD) e 1.3% (28 dos 2,158 com robots.txt) bloqueavam pelo menos um bot de IA no robots.txt.

Publicado a 2026-11-10. Dados agregados a 2026-11-05. Estudo da Nurevo AEO (Bestie.合同会社). A Nurevo vende ferramentas de otimização para a pesquisa com IA (AEO) e, por isso, tem interesse neste tema.

Principais conclusões

  1. 13.6% dos sites de agências web japonesas (321 de 2,357) têm um llms.txt; 0.6% (14) têm um llms-full.txt.
  2. 1.3% (28 dos 2,158 com robots.txt) bloqueiam pelo menos um bot de IA no robots.txt. Quase nenhum barra a entrada aos crawlers de IA.
  3. 68.9% têm dados estruturados (JSON-LD), 58.3% têm um nó do tipo Organization e 3.9% têm FAQPage.

Sobre o estudo

  1. População: os sites institucionais de 2,756 agências de web design no Japão que conseguimos confirmar como agências. Não é uma amostra de todos os sites de empresas.
  2. Alcançados: foi possível obter a página inicial de 2,357 (85.5%). Todos os resultados se referem a estes 2,357 sites.
  3. Recolha: a página inicial, o /robots.txt, o /llms.txt e o /llms-full.txt de cada site, uma vez cada (User-Agent: NurevoSurvey/1.0), no início de novembro de 2026, com agregação a 2026-11-05.
  4. Critérios: os dados estruturados foram avaliados analisando o JSON-LD da página inicial e contando os valores de @type (JSON-LD que não é possível analisar conta como danificado). Um llms.txt conta se devolver o estado 200 com texto não HTML de mais de 20 caracteres. No robots.txt, um bot conta como bloqueado se o grupo que se lhe aplica proibir a página inicial (/), usando a regra correspondente mais longa.
  5. A mesma recolha abrangeu também agências fora do Japão (20,720 sites no total, 15,657 alcançados). Uma comparação será publicada num relatório separado.

Resultados: itens principais

As definições básicas de SEO (HTTPS, meta description, robots.txt, canonical) estão presentes em mais de 80 a 90 por cento dos sites. Itens mais recentes pensados para a IA, como o llms.txt e o FAQPage, continuam a ser minoritários.

Base: os 2,357 sites de agências de web design japonesas cuja página inicial foi possível alcançar. As linhas relativas ao robots.txt usam os 2,158 sites com robots.txt. Dados agregados a 2026-11-05.
ItemSitesPercentagem
Servido por HTTPS2,355 / 2,35799.9%
Feito em WordPress2,166 / 2,35791.9%
Tem meta description2,139 / 2,35790.8%
Tem robots.txt2,158 / 2,35791.6%
O robots.txt indica um Sitemap1,988 / 2,15892.1%
Tem link canonical1,988 / 2,35784.3%
Tem Open Graph (og:title)1,909 / 2,35781.0%
Tem dados estruturados (JSON-LD)1,624 / 2,35768.9%
Tem dados estruturados do tipo Organization1,373 / 2,35758.3%
Tem llms.txt321 / 2,35713.6%
Tem microdados schema.org184 / 2,3577.8%
Tem dados estruturados FAQPage92 / 2,3573.9%
O robots.txt bloqueia pelo menos um bot de IA28 / 2,1581.3%
Tem llms-full.txt14 / 2,3570.6%

Como o robots.txt trata os crawlers de IA

Dos 2,158 sites com robots.txt, 2.5% (54) mencionam um bot de IA pelo nome e 1.3% (28) proíbem a página inicial a pelo menos um bot de IA. A maioria dos bloqueios visa crawlers de treino (GPTBot, Google-Extended, CCBot e semelhantes). Nenhum site bloqueou os crawlers de pesquisa OAI-SearchBot ou Claude-SearchBot.

Base: os 2,158 sites com robots.txt. Bloqueado significa que o grupo que se aplica ao bot proíbe /.
BotSites que bloqueiamPercentagem
GPTBot (OpenAI)271.3%
Google-Extended (Google)241.1%
CCBot (Common Crawl)241.1%
Bytespider (ByteDance)241.1%
anthropic-ai (Anthropic)221.0%
ClaudeBot (Anthropic)211.0%
Applebot-Extended (Apple)211.0%
ChatGPT-User (OpenAI)20.1%
PerplexityBot (Perplexity)10.05%
OAI-SearchBot (OpenAI)00%
Claude-SearchBot (Anthropic)00%
Googlebot (Google)00%
Bingbot (Microsoft)00%

llms.txt

321 de 2,357 sites (13.6%) têm um llms.txt. Entre eles, a mediana do llms.txt é de 96 linhas. 14 sites (0.6%) têm também o llms-full.txt com o texto integral.

Tipos de dados estruturados

Dos 1,624 sites com JSON-LD, 1.7% (27) incluem JSON-LD que não é possível analisar. WebSite, Organization e BreadcrumbList são os tipos mais comuns; PostalAddress aparece em 16.3% dos sites, LocalBusiness em 5.3% e FAQPage em 3.9%.

Valores de @type encontrados no JSON-LD da página inicial, incluindo os aninhados. Base: 2,357 sites.
@typePercentagem
WebSite62.4%
Organization53.7%
BreadcrumbList43.0%
ImageObject38.1%
WebPage34.1%
SearchAction28.6%
PostalAddress16.3%
Person10.1%
ContactPoint6.4%
ProfessionalService5.6%
LocalBusiness5.3%
FAQPage3.9%

Verificação de seis itens

Contámos quantos de seis itens cada site cumpre: (1) tem um llms.txt; (2) tem JSON-LD; (3) tem um tipo Organization ou LocalBusiness; (4) tem um robots.txt que não bloqueia nenhum de GPTBot, ClaudeBot, PerplexityBot e OAI-SearchBot; (5) tem meta description; (6) tem link canonical. Trata-se de uma contagem simples feita para este estudo, não da pontuação de 0–100 do produto da Nurevo. A média é de 4.0 itens; 10.5% cumprem os seis.

Base: 2,357 sites.
Itens cumpridosSitesPercentagem
0401.7%
11164.9%
225410.8%
336915.7%
436015.3%
597141.2%
624710.5%

Como citar este estudo

Pode citar e republicar livremente os números e as tabelas, desde que atribua o crédito a «Estudo Nurevo AEO (nurevo.jp)» e inclua uma ligação para esta página. Frases prontas a citar:

  1. 13.6% de 2,357 sites de agências de web design japonesas tinham um ficheiro llms.txt (Estudo Nurevo AEO, novembro de 2026).
  2. Apenas 1.3% dos sites de agências de web design japonesas (28 de 2,158 com robots.txt) bloqueavam um bot de IA no robots.txt (Estudo Nurevo AEO, novembro de 2026).
  3. 68.9% dos sites de agências de web design japonesas tinham dados estruturados JSON-LD na página inicial, mas apenas 3.9% tinham FAQPage (Estudo Nurevo AEO, novembro de 2026).
  4. 91.9% dos sites de agências de web design japonesas funcionam em WordPress (Estudo Nurevo AEO, novembro de 2026).

Limitações

  1. Só foi analisada a página inicial. Os dados estruturados das páginas interiores e o estado do site no seu conjunto não estão incluídos.
  2. O robots.txt foi avaliado apenas para a página inicial (/). Um site que bloqueia só alguns diretórios conta como não bloqueando. Os bloqueios por outros meios (firewalls, proteção contra bots da CDN) não foram medidos.
  3. A população são os próprios sites de agências de web design, não empresas em geral. A lista de agências é nossa e não abrange todas as agências do Japão.
  4. Uma recolha por site: os 399 sites cuja página inicial não foi possível alcançar (incluindo erros temporários) ficaram excluídos. No caso do llms.txt, verificámos apenas se existe, não a sua qualidade.

A nossa leitura (opinião)

O que se segue é a nossa opinião, não uma conclusão. Os sites das agências têm as definições básicas de SEO em grande parte tratadas, e muito poucos barram a entrada aos crawlers de IA. Itens que ajudam a IA a ler as informações de uma empresa, como o llms.txt e o FAQPage, existem ainda apenas em parte dos sites. Adicioná-los não garante aparecer nas respostas de IA (noutro dos nossos estudos, os sinais no site não mostraram relação com o aparecimento), mas consideramos que vale a pena verificá-los como base para que a IA leia corretamente os factos de uma empresa.

Verifique o seu site ou os sites dos seus clientes

A verificação gratuita mostra o llms.txt, os dados estruturados e o acesso dos crawlers de IA em cerca de um minuto. No WordPress, o plugin Nurevo WebMCP publica um llms.txt e dados estruturados. As agências que o queiram implementar nos sites dos clientes podem consultar o programa de parceiros.

Perguntas frequentes

Quão comum é o llms.txt nos sites de agências web japonesas?

Neste estudo, 321 de 2,357 sites de agências de web design japonesas (13.6%) tinham um llms.txt (novembro de 2026).

Muitas agências bloqueiam crawlers de IA no robots.txt?

Poucas. Dos 2,158 sites com robots.txt, 28 (1.3%) bloqueavam pelo menos um bot de IA. Nenhum bloqueou os crawlers de pesquisa OAI-SearchBot ou Claude-SearchBot.

Estes números aplicam-se aos sites de empresas em geral?

Não necessariamente. O estudo abrange os próprios sites de agências de web design, e apenas as suas páginas iniciais.

Posso usar estes números num artigo?

Sim. Atribua o crédito a «Estudo Nurevo AEO (nurevo.jp)» e inclua uma ligação para esta página, e poderá citá-los e republicá-los livremente.