O LLMO Framework: Um Padrão para Descobribilidade por IA

O LLMO Framework define seis componentes principais — Clareza de conhecimento, Formatação estrutural, Sinais de recuperação, Sinais de autoridade, Sinais de citação e Sinais de coerência — que, juntos, determinam se sistemas de IA conseguem descobrir, entender e citar seu conteúdo com precisão. Cada componente é pontuado de 0 a 3, para uma pontuação máxima de site de 18 pontos.

Quer começar pelo conceito? Leia O que é LLMO?. Quer implementar logo? Vá direto para o Início rápido em 30 min.

Quais são os seis componentes do LLMO Framework?

1. Clareza de conhecimento

Seu conteúdo é claro o suficiente para a IA entender e resumir com precisão?

Use linguagem simples e sem ambiguidades
Defina termos-chave explicitamente
Forneça fatos estruturados (quem, o quê, quando, onde)
Evite jargão sem explicação

2. Formatação estrutural

Seu conteúdo está estruturado para consumo por máquina?

Use HTML semântico e Markdown
Implemente dados estruturados JSON-LD, com escopo por página
Forneça llms.txt para conteúdo específico para IA
Verifique se o JSON-LD realmente é emitido no HTML servido

3. Sinais de recuperação

Sistemas de IA conseguem encontrar seu conteúdo quando precisam?

Garanta rastreabilidade (robots.txt, sitemap.xml)
Forneça endpoints legíveis por máquina (/ai/, arquivos .md)
Implemente o padrão llms.txt
Torne o conteúdo disponível via APIs quando possível

4. Sinais de autoridade

Seu conteúdo demonstra expertise e confiabilidade?

Atribuição de autoria com credenciais verificáveis
Presença multiplataforma (GitHub, LinkedIn, publicações)
Informações consistentes em todas as plataformas
Afirmações baseadas em evidências com citações

5. Sinais de citação

Seu conteúdo fornece referências que a IA pode verificar?

Link para fontes primárias
Inclua datas de publicação
Forneça informações de versão
Referencie artigos acadêmicos e documentação oficial

6. Sinais de coerência

O mesmo fato conta a mesma história em todas as superfícies que a IA lê?

Fonte única de verdade para toda afirmação numérica ou factual
Superfícies exclusivas de IA (llms.txt, /ai/*.md) geradas a partir dos mesmos dados do HTML
Host canônico e política de barra final aplicados em todo lugar
Nenhuma entidade JSON-LD duplicada para o mesmo @id

Pontuação

Cada componente pode ser avaliado em uma escala de 0 a 3:

Pontuação	Nível	Descrição
0	Nenhum	Componente não abordado
1	Básico	Implementação mínima
2	Bom	Implementação sólida com espaço para melhoria
3	Excelente	Implementação de melhores práticas

Pontuação máxima: 18 pontos (6 componentes × 3 pontos cada)

Checklist de autoavaliação

Avalie seu próprio site contra cada componente. Qualquer item que você possa marcar com confiança vale 1 ponto; vise 3 caixas por componente para alcançar a pontuação máxima.

1. Clareza de conhecimento (máx 3)

Cada página começa com uma resposta de uma frase para sua pergunta principal (Answer-first)
Termos específicos do domínio são definidos no primeiro uso (sem jargão sem explicação)
Cada parágrafo contém uma única ideia (sem parágrafos com múltiplas afirmações)

2. Formatação estrutural (máx 3)

As páginas usam hierarquia semântica H1 → H2 → H3 sem pular níveis
Cada página significativa emite JSON-LD relevante para a página; o layout do site inteiro emite apenas Organization / WebSite / Person
O pipeline de build verifica se o JSON-LD realmente faz parse no HTML em dist/

3. Sinais de recuperação (máx 3)

/llms.txt existe na raiz do site e lista páginas-chave
O diretório /ai/ fornece Markdown limpo para cada tópico principal (e por idioma se o site for multilíngue)
robots.txt permite explicitamente GPTBot, ClaudeBot, PerplexityBot, Google-Extended; sitemap.xml está acessível

4. Sinais de autoridade (máx 3)

O autor tem bio verificável com links sameAs para LinkedIn / GitHub / X / perfis de publicação
A mesma identidade (nome, função, foco temático) aparece consistentemente em pelo menos 3 plataformas
O site liga a pesquisa original, livros ou papers que o autor realmente publicou

5. Sinais de citação (máx 3)

Cada afirmação que usa um número cita uma fonte por nome e ano
Cada página de conteúdo (artigo, guia, estudo de caso) expõe tanto datePublished quanto dateModified (em JSON-LD ou meta visível). A raiz do site e páginas de erro estão isentas
Conteúdo comparativo referencia padrões da indústria (W3C, RFC, ISO, schema.org) por nome e link

6. Sinais de coerência (máx 3)

Cada afirmação numérica / factual tem um único arquivo de fonte canônica referenciado em todos os outros lugares
Superfícies de IA (llms.txt, /ai/*.md, endpoints URL.md) são geradas a partir dos mesmos dados do HTML
A CI verifica divergências entre arquivos nas métricas-chave; nenhuma entidade JSON-LD duplicada para o mesmo @id

Guia de pontuação

Total	Faixa
16–18	Nível produção — ativamente citado por sistemas de IA
11–15	Bom — visível para IA mas inconsistente
6–10	Parcial — lacunas significativas em recuperação, autoridade ou coerência
0–5	Invisível — comece com `/llms.txt`, robots.txt e JSON-LD

Quer pontuação maior? Cada página de componente (Clareza de conhecimento, Formatação estrutural, Sinais de recuperação, Sinais de autoridade, Sinais de citação, Sinais de coerência) lista as implementações específicas que movem a pontuação de 1 → 2 → 3.