O que é robots.txt e como ele afeta o seo

Pontos-chave

O robots.txt é um arquivo de texto hospedado na raiz do site que instrui os mecanismos de busca sobre o que podem e o que não podem rastrear.
Bloquear uma página no robots.txt impede o rastreamento, mas não garante a desindexação. Para remover uma página do índice, o caminho correto é apenas o uso de noindex.
Um robots.txt bem configurado direciona o crawl budget para as páginas que realmente importam — e protege áreas que não devem ser públicas, como filtros específicos e páginas internas.
Com a ascensão de bots de IA, o robots.txt ganhou uma nova função: controlar quais modelos de linguagem podem ou não rastrear o seu conteúdo.

Existem arquivos e elementos que ficam nos bastidores de qualquer site e têm impacto direto em como o Googlebot e outros bots interpretam e leem seu conteúdo — mas que poucas pessoas conhecem. O robots.txt é um deles.

Ele não aparece para quem visita o site, não tem design nem texto para as pessoas lerem. É uma instrução técnica, endereçada diretamente aos bots dos mecanismos de busca, dizendo quais páginas podem ser rastreadas e quais devem ser ignoradas.

Ou seja, ele é simples na aparência, mas crítico na prática. Isso porque um robots.txt mal configurado pode bloquear o Google e outros mecanismos de rastrearem páginas importantes, e esse erro passa despercebido com muita facilidade.

A seguir, você vai entender para que serve o robots.txt e por que uma configuração aparentemente pequena pode fazer toda a diferença para a presença do seu site nos mecanismos de busca. Vamos lá?

O que é robots.txt?

O robots.txt é um arquivo de texto hospedado na raiz do seu site, geralmente acessível em seusite.com.br/robots.txt — que segue o padrão chamado Robots Exclusion Protocol. Esse protocolo define como os bots dos mecanismos de busca devem se comportar ao rastrear o site.

Na prática, é uma lista de permissões e bloqueios: você diz quais bots podem acessar o quê. O Google, o Bing e outros mecanismos de busca respeitam essas instruções, assim como bots de IA, embora com algumas particularidades que vamos abordar mais adiante.

Mas é importante deixar claro que o robots.txt funciona como uma instrução, não como uma barreira de segurança. Bots legítimos respeitam as regras, mas bots mal-intencionados podem simplesmente ignorá-las.

Por isso, nunca use o robots.txt para proteger informações sensíveis; para isso, o caminho correto é a autenticação no servidor.

Um arquivo robots.txt básico se parece com isso:

Tradução: todos os bots (*) podem acessar o site inteiro (/), exceto a área de minha conta. E o sitemap.xml está indicado no final para facilitar a descoberta.

Glossário do robots.txt

Ao abrir um arquivo robots.txt pela primeira vez, é comum encontrar termos técnicos que podem parecer confusos. No entanto, eles seguem uma lógica simples: indicar quais bots podem acessar determinadas áreas do site e quais devem ser evitadas.

Antes de entender como criar ou editar esse arquivo, é importante conhecer os principais comandos utilizados. Confira abaixo quais são eles:

Termo	O que significa
User-agent	Define para qual bot a regra se aplica. Use * para todos os bots ou o nome específico de um crawler.
Allow	Libera o acesso a um diretório ou URL, mesmo dentro de um bloco com Disallow.
Disallow	Bloqueia o acesso a um diretório ou URL específico.
Sitemap	Indica ao bot o endereço do sitemap.xml do site.
Crawl-delay	Sugere um intervalo (em segundos) entre as requisições do bot — não é suportado pelo Google, mas funciona no Bing.
*(asterisco)	Curinga que representa “qualquer coisa”. Em User-agent significa “todos os bots”; em regras de URL, representa qualquer sequência de caracteres.
$ (cifrão)	Indica o final de uma URL. Disallow: /*.pdf$ bloqueia apenas URLs que terminam em .pdf.

Por que o robots.txt importa para o SEO?

Os mecanismos de busca não dedicam recursos ilimitados ao rastreamento de um site. Por isso, um robots.txt bem configurado contribui para que o esforço de rastreamento seja direcionado de maneira mais rápida e eficiente.

O papel do robots.txt no crawl budget

Crawl budget é o esforço que o Googlebot dedica ao rastreamento do seu site. Esse esforço não é ilimitado, especialmente em sites menores ou com pouca autoridade.

Quando o robots.txt está mal configurado e deixa o Google rastrear páginas sem valor, áreas internas, ambientes de desenvolvimento, parâmetros de URL desnecessários, esse esforço vai para o lugar errado. O resultado é que páginas estratégicas podem demorar mais para serem rastreadas e indexadas.

O que acontece quando o robots.txt está mal configurado?

Dois cenários são os mais comuns e os mais problemáticos:

Bloquear demais: páginas importantes ficam inacessíveis para o Google. Isso pode acontecer por uma regra muito ampla no Disallow, como Disallow: / (que bloqueia tudo), ou por um erro de digitação que afeta mais URLs do que o pretendido.
Bloquear de menos: ambientes de teste, painéis administrativos ou páginas duplicadas ficam acessíveis para o Googlebot, consumindo crawl budget e potencialmente gerando problemas de conteúdo duplicado no índice.

Como o robots.txt funciona na prática?

Apesar de ser um arquivo simples, o robots.txt utiliza regras específicas para orientar o comportamento dos bots e definir quais áreas do site podem ou não ser rastreadas. Confira a seguir quais são as principais:

Estrutura básica do arquivo

O robots.txt é composto por blocos de instruções. Cada bloco começa com a definição do bot (User-agent) e é seguido pelas regras (Allow ou Disallow):

Nesse exemplo, o Googlebot especificamente está bloqueado de acessar /admin/ e /checkout/. Todos os outros bots têm acesso livre ao site.

User-agent: como dar instruções por tipo de bot

O User-agent define para qual bot a regra se aplica. O asterisco (*) significa “todos os bots”. Mas você pode ser mais específico:

Googlebot – o crawler principal do Google.
Googlebot-Image – o crawler de imagens do Google.
Bingbot – o crawler do Bing.
GPTBot – o crawler do ChatGPT.
ClaudeBot – o crawler da Anthropic.

Isso permite criar regras diferentes para bots diferentes — algo que ficou especialmente relevante com a chegada dos crawlers de IA.

Allow e Disallow: o que liberar e o que bloquear

Allow: / – libera o acesso à raiz do site e a tudo dentro dela.
Disallow: /admin/ – bloqueia o acesso ao diretório /admin/ e tudo dentro dele.
Disallow: / – bloqueia tudo (muito cuidado com essa instrução).

Uma regra importante: quando há conflito entre Allow e Disallow para a mesma URL, o Google segue a regra mais longa e específica. Se você tem Disallow: /blog/ e Allow: /blog/post-importante, o post específico será liberado, porque a regra de Allow é mais longa, portanto, mais específica.

Como montar um robots.txt do zero?

Agora que você já entende a importância do robots.txt para o rastreamento e o SEO, é hora de ver como esse arquivo é estruturado. Apesar de parecer técnico à primeira vista, ele segue uma lógica simples: identificar os bots que acessarem o site e definir quais áreas podem ou não ser rastreadas.

Veja um passo a passo de como fazer:

O que deve ser bloqueado?

Algumas áreas do site não têm valor para o Google e demais mecanismos, por isso, devem ser bloqueadas:

Painéis administrativos (/admin/, /wp-admin/).
Áreas de conta e fluxos internos (/minha-conta/, /checkout/, /carrinho/).
Parâmetros de URL que geram páginas duplicadas (filtros, sessões, UTMs).
Páginas de resultados de busca interna.

Importante: ambientes de desenvolvimento, staging e homologação (/dev/, /qa/, /stage/) também não devem ser lidos pelo Google, mas, nesse caso, o ideal é realizar o bloqueio pela meta tag noindex, direto no HTML das páginas do ambiente, não pelo robots.txt.

O motivo é simples: o robots.txt impede o rastreamento, mas não a descoberta. Ou seja, se uma página de desenvolvimento estiver linkada em algum lugar do site ou tiver recebido um link externo, o Google pode encontrá-la normalmente e, como não consegue acessar o conteúdo por causa do bloqueio no robots.txt, também não consegue ler nenhuma instrução presente no HTML da página, incluindo o noindex.

Em outras palavras: robots.txt bloqueado + noindex no HTML = o Google ignora o noindex e a página pode acabar indexada pois o Google não tem permissão de ler a noindex.

Com o noindex aplicado diretamente no HTML e a página liberada no robots.txt, o Google consegue acessar, ler a instrução e respeitar o bloqueio de indexação. Por isso, para ambientes de teste e homologação, o caminho mais seguro é sempre o noindex, sem bloqueio no robots.txt.

O que não deve ser bloqueado?

Alguns erros são mais comuns do que parecem:

Páginas de produtos, categorias e serviços.
Posts de blog e conteúdos estratégicos.
Arquivos CSS e JavaScript – bloquear esses arquivos impede o Google de renderizar as páginas corretamente.
O próprio sitemap.xml.

É essencial lembrar que as regras do robots.txt se aplicam a qualquer tipo de arquivo, não só a páginas HTML. Imagens, vídeos, PDFs e outros documentos hospedados em diretórios bloqueados também deixam de ser rastreados. Se bloquear uma pasta de imagens, por exemplo, elas param de aparecer no Google Imagens.

Como indicar o sitemap no robots.txt?

Adicionar o endereço do sitemap no robots.txt é uma boa prática, facilita a descoberta por qualquer mecanismo de busca, não só o Google:

Essa linha vai no final do arquivo, depois das regras de Allow e Disallow.

Como validar o robots.txt?

Depois de gerar o robots.txt, é fundamental validar o arquivo antes da publicação para garantir que as regras estejam funcionando corretamente. Para isso, existem ferramentas que ajudam a verificar se as diretivas foram configuradas corretamente antes e depois da publicação.

Merkle robots.txt Tester (Para validar ANTES de publicar)

Como o Google descontinuou seu antigo Robots.txt Tester do Search Console, ferramentas externas passaram a ser amplamente utilizadas para validar regras e simular o comportamento dos rastreadores.

Soluções como o Merkle Robots.txt Tester ajudam a identificar erros de sintaxe, testar URLs específicas e verificar se páginas importantes estão liberadas para rastreamento antes de enviar o arquivo para produção.

Importante reforçar:

O arquivo deve sempre estar hospedado na raiz do domínio, acessível em seusite.com.br/robots.txt, e pode ser criado em um editor de texto simples, como o Bloco de Notas, Sublime ou o TextEdit. Editores como o Word adicionam formatação invisível que pode invalidar o arquivo.
Cada domínio só pode ter um robots.txt; arquivos em subdiretórios são ignorados pelos bots.

Um ponto importante: qualquer alteração no robots.txt deve ser testada antes de ir ao ar. Um erro aqui pode bloquear o rastreamento de páginas inteiras — e o impacto pode demorar dias para aparecer nos relatórios do GSC.

2. Google Search Console (Para validar DEPOIS de publicar)

Depois que o arquivo estiver publicado, utilize a ferramenta de Inspeção de URL do Google Search Console para verificar se páginas específicas estão sendo bloqueadas ou liberadas pelo robots.txt.

Basta inserir a URL desejada, executar o teste da URL publicada e analisar o relatório. O Google informará se o rastreamento está permitido e se existe alguma regra do robots.txt afetando o acesso do Googlebot.

Robots.txt e noindex: qual a diferença e quando usar cada um?

Essa é uma das confusões mais comuns em SEO técnico, e entender a diferença evita erros que passam despercebidos por meses. Confira quais são as principais diferenças entre eles:

Robots.txt bloqueia o rastreamento

Quando uma página está bloqueada no robots.txt, o Googlebot e os bots de outros mecanismos de busca não leem seu código fonte. Isso significa que qualquer instrução presente no HTML — incluindo o noindex — será completamente ignorada.

Se a página já estava indexada antes do bloqueio, ela pode continuar aparecendo nos resultados indefinidamente, já que os bots não têm como ler a instrução de remoção.

Noindex bloqueia a indexação

A tag noindex instrui o Googlebot e demais bots a não incluir a página no índice de busca. Ela é implementada como uma meta tag robots no HTML da página:

Essa tag fica dentro da meta tag robots, o elemento HTML que concentra as instruções de indexação e rastreamento diretamente no código da página. Além do noindex, ela também aceita outras diretivas, como nofollow, noarchive e combinações entre elas:

Para que o noindex funcione, a página precisa estar acessível para ser lida — ou seja, liberada no robots.txt. Sem acesso, a instrução não é lida e não tem efeito.

A regra prática é simples:

Quer que os bots não rastreiem a página? Use o robots.txt.
Quer que a página não apareça nos resultados de busca? Use o noindex via meta tag robots no HTML e garanta que ela está liberada no robots.txt.
Nunca use os dois ao mesmo tempo para a mesma página: o bloqueio no robots.txt impede a leitura do noindex, e a página pode continuar indexada mesmo com as duas instruções aplicadas.

Boas práticas e erros comuns no robots.txt

Criar um arquivo robots.txt não é apenas uma questão de adicionar regras de bloqueio. Pequenos ajustes podem influenciar diretamente a forma como os mecanismos de busca rastreiam o site e, em alguns casos, comprometer a indexação de páginas importantes.

Por isso, conhecer as boas práticas e os erros mais comuns é fundamental para manter uma configuração eficiente e segura. Confira a seguir:

Boas práticas:

Manter o arquivo simples e direto — regras desnecessárias aumentam o risco de erro.
Sempre testar antes de implementar alterações.
Indicar o sitemap ao final do arquivo.
Revisar periodicamente, especialmente após mudanças na estrutura do site.
Qualquer alteração deve ser alinhada com o time de SEO antes de ir ao ar.

Exemplos práticos por tipo de site:

E-commerce: bloquear URLs geradas por filtros de pesquisa (cor, tamanho, preço), páginas de carrinho e checkout.
Blog: bloquear páginas de tags e arquivos de datas.
Site institucional: bloquear diretórios de administração e páginas de login.

Erros comuns:

Disallow: / sem querer — bloqueia o site inteiro para todos os bots.
Bloquear arquivos CSS e JS — impede o Google de renderizar as páginas corretamente.
Usar robots.txt para desindexar páginas — não funciona como esperado.
Esquecer de atualizar após mudanças na estrutura do site.
Criar regras duplicadas ou conflitantes que geram comportamento inesperado.

Robots.txt na era da IA: o que muda com os novos crawlers?

Na prática, a principal mudança é que o robots.txt deixou de influenciar apenas a visibilidade nos buscadores e passou também a ajudar a definir como o conteúdo pode ser acessado e utilizado por plataformas de IA.

A seguir, explicamos mais detalhadamente:

Como bots de IA leem o robots.txt

Assim como o Googlebot, a maioria dos principais crawlers de IA declara respeitar as instruções do robots.txt — cada um com seu próprio User-agent. Os mais comuns são:

GPTBot – ChatGPT (OpenAI).
ClaudeBot – Claude (Anthropic).
PerplexityBot – Perplexity.
Google-Extended – usado pelo Google para treinar modelos de IA generativa.

Para bloquear um deles especificamente, basta criar uma regra com o User-agent correspondente:

Isso impede o ChatGPT de rastrear o site, sem afetar o Googlebot ou outros crawlers de busca.

Antes de bloquear, é essencial avaliar o impacto dessa decisão. Ao impedir que um bot de IA rastreie o site, o conteúdo deixa de ser rastreado para treinamento ou consulta por aquela ferramenta — mas isso não afeta dados já coletados anteriormente.

Em ferramentas como o ChatGPT e o Perplexity, que cada vez mais são usadas como ponto de partida para pesquisas e decisões de compra, isso significa perder visibilidade em um canal que cresce rapidamente.

O bloqueio pode fazer sentido em alguns contextos, como proteger conteúdo proprietário ou evitar o uso sem atribuição, mas deve ser uma decisão estratégica consciente, não uma configuração padrão.

Tire suas dúvidas sobre robots.txt

Mesmo entendendo como o robots.txt funciona, é comum surgirem dúvidas sobre sua implementação, indexação, bloqueios e impacto no SEO. A seguir, respondemos a algumas das perguntas mais frequentes sobre esse arquivo e seu papel no rastreamento dos sites. Confira:

1. O robots.txt é obrigatório?

Não. Se o arquivo não existir, os bots simplesmente rastreiam o site inteiro. Em sites com áreas que não devem ser públicas, ambientes de desenvolvimento ou grande volume de páginas sem valor para o Google, o robots.txt é essencial para direcionar o rastreamento corretamente.

2. Com que frequência devo revisar o robots.txt?

Sempre que houver mudanças relevantes na estrutura do site, novos diretórios, novos ambientes, mudanças em áreas que devem ou não ser rastreadas. Uma boa prática é incluir a revisão do robots.txt no checklist de qualquer lançamento ou reestruturação de site.

3. O robots.txt precisa ser implementado em algum lugar específico?

Sim. O arquivo precisa estar hospedado na raiz do domínio, acessível em seusite.com.br/robots.txt. Um robots.txt em qualquer outro caminho não é reconhecido pelos bots e não terá efeito nenhum.

Garanta que seu site seja rastreado da forma certa pelos mecanismos de busca e plataformas de IA!

Um robots.txt bem configurado ajuda a orientar o rastreamento, proteger áreas estratégicas do site e evitar o desperdício de crawl budget. No entanto, para gerar resultados reais, ele precisa fazer parte de uma estratégia técnica de SEO mais ampla.

Na Ecto Digital, analisamos a estrutura do seu site, identificamos oportunidades de otimização e implementamos as melhores práticas de SEO técnico para melhorar a indexação e a visibilidade da sua marca.

Entre em contato com nossa equipe de especialistas e descubra como fortalecer a presença digital do seu negócio.

Imagem de capa — Fonte: Pvproductions / Magnific.com (2026)

O que é robots.txt e como ele afeta o seo do seu site