Copilot da Microsoft: o índice do Bing por trás da resposta

A maior parte do esforço de quem publica no Brasil aponta para um buscador só. O assistente da Microsoft se alimenta de outro índice, e o site que nunca foi checado nele costuma ter problema simples e antigo esperando ali.

Não se trata de dobrar o trabalho. Trata-se de conferir se a porta do segundo índice está aberta, o que leva uma tarde e não se repete todo mês.

Quem entra pela porta da Microsoft

A Microsoft documenta os robôs dela numa página de ajuda para webmaster, com token e finalidade de cada um.

O Bingbot é o rastreador do índice de busca. É ele quem descobre, busca e mantém as páginas que alimentam os resultados e os produtos que dependem desse índice.

O AdIdxBot cuida da verificação de páginas usadas em anúncio, trabalho separado do índice orgânico.

O MicrosoftPreview cuida da geração de prévia de página, o cartão que aparece quando um endereço é compartilhado dentro dos produtos da empresa.

Os três aparecem no seu log com o token no cabeçalho de user agent, e a checagem por endereço de origem vale aqui como vale para qualquer robô: nome no cabeçalho é declaração, endereço é evidência. A ficha do Bingbot no acervo de robôs guarda a doc lida e a data da conferência.

Estar no índice é pré-requisito, não garantia

A confusão mais cara do assunto é achar que assistente responde de memória. Quando a resposta cita fonte com link, existe uma etapa de recuperação antes, e ela consulta um índice.

Página fora do índice não entra na lista de candidatas. Página dentro do índice entra na disputa, e a escolha final segue critérios que a empresa não publica.

A consequência prática é modesta e útil: garantir presença no índice é trabalho verificável e barato. Prometer citação não é trabalho, é adivinhação.

Conferir presença em dez minutos

O painel de webmaster da Microsoft é gratuito e resolve a checagem inteira.

Primeiro, verificar a propriedade do domínio. O painel aceita importar a verificação já feita no Search Console, o que corta o trabalho pela metade.

Segundo, enviar o sitemap. O mesmo arquivo que serve o Google serve aqui, sem versão paralela.

Terceiro, olhar o relatório de páginas indexadas e comparar com o total de URLs do sitemap. Diferença grande é o achado que justifica a tarde inteira.

Quarto, usar a inspeção de URL do painel em três páginas importantes e ler o que o robô recebeu. Página que depende de script para exibir texto aparece vazia aqui do mesmo jeito que aparece no outro painel.

IndexNow: avisar em vez de esperar

O IndexNow é um protocolo aberto, mantido em endereço próprio e adotado por vários motores, entre eles Bing, Yandex, Seznam e Naver. Ele inverte a lógica do rastreio: em vez de esperar o robô voltar, o site avisa que uma URL mudou.

O funcionamento tem três partes. O site gera uma chave, publica a chave como arquivo de texto na raiz do domínio e envia uma requisição ao endereço do protocolo com a URL alterada e a chave.

Um aviso serve todos os motores participantes, porque eles compartilham a notificação entre si. Publicou, corrigiu ou removeu uma página, o aviso sai na hora.

Vale para site com publicação frequente e vale ainda mais para correção. Página com erro corrigido continua servindo a versão velha até o robô voltar, e o aviso encurta a espera.

Ritmo de rastreio: aqui o controle existe

Um detalhe técnico separa os dois grandes motores e quase nunca é citado. O Google declara na doc que não suporta o campo crawl-delay do robots.txt. A Microsoft segue outro caminho.

O campo crawl-delay é lido pelo robô da Microsoft, e o painel de webmaster oferece um controle de rastreio por faixa de horário, que permite pedir ritmo menor nas horas de pico de visita humana e maior de madrugada.

Quando as duas configurações existem ao mesmo tempo, a regra escrita no robots.txt prevalece sobre a preferência marcada no painel. A recomendação publicada pela empresa é colocar o campo na seção genérica do arquivo, para reduzir o risco de erro de escrita atingir um motor específico.

O ajuste serve para servidor apertado, e o efeito colateral precisa entrar na conta: ritmo menor significa descoberta mais lenta de página nova. Site que publica todo dia paga caro por uma restrição feita para resolver pico de carga de um mês.

Por que uma página some do índice

Sumiço de página do índice tem causas conhecidas, e nenhuma delas é misteriosa.

A primeira é bloqueio explícito. Uma linha no robots.txt, uma regra de meta na página ou um cabeçalho de resposta com instrução de não indexar. Vale conferir os três, porque o cabeçalho é o mais esquecido.

A segunda é conteúdo duplicado. Duas URLs servindo o mesmo texto fazem o motor escolher uma, e a escolhida pode não ser a sua preferida. A declaração de URL canônica é o instrumento, e ela precisa apontar para uma página que responde 200.

A terceira é qualidade de sinal. Página fina, sem conteúdo próprio, gerada em série a partir do mesmo molde, tende a ser descartada. É a mesma régua que a avaliação de conteúdo em escala aplica em qualquer motor.

A quarta é resposta de servidor. Sequência de erro 5xx ou de tempo esgotado durante a visita do robô reduz a frequência das visitas seguintes, e a queda aparece semanas depois do problema já resolvido.

O que o assistente encontra quando abre a sua página

A régua de legibilidade não muda de empresa para empresa, e a lista cabe em cinco linhas.

• Texto no HTML servido, sem depender de script para existir.
• Título que descreve a página, sem enfeite e sem repetição da marca em toda posição.
• Resposta da pergunta principal no primeiro terço do texto.
• Data de publicação e de atualização visíveis, com a de atualização mudando só quando o conteúdo muda.
• Autor identificado com nome que também aparece na página, não apenas na marcação.

A lista é curta porque o resto é conteúdo. Nenhuma configuração compensa página que não diz nada de específico.

O que o log responde e o painel não

Painel de buscador mostra o que aquela empresa decidiu mostrar, com atraso de um a três dias e com amostragem própria. O log do servidor mostra a requisição crua, no segundo em que ela aconteceu.

Quatro perguntas só o log responde. Quantas requisições cada token fez por dia, e se a curva está subindo ou caindo. Quais páginas concentram a visita do robô, que revela onde o rastreio está gastando tempo. Qual código de resposta cada visita recebeu, que denuncia bloqueio e erro intermitente. E em que horário a carga se concentra, que é o dado necessário antes de mexer em ritmo de rastreio.

O trabalho de leitura é simples e cabe em qualquer hospedagem com acesso a arquivo de log. Filtrar por token, contar por dia, agrupar por página e por código, e guardar o resultado com a data da apuração.

Duas armadilhas aparecem sempre. A primeira é confundir robô declarado com robô verificado, e a correção é comparar o endereço de origem com a faixa publicada pelo dono. A segunda é ler um dia isolado: rastreio oscila muito, e a comparação honesta é entre semanas.

Erro comum: cuidar de um índice só

O erro comum é tratar o segundo índice como assunto secundário e nunca abrir o painel. O custo aparece de duas formas.

A primeira é bloqueio herdado. Regra de firewall, serviço de proteção ou plugin de segurança barram o robô por padrão, e ninguém percebe porque o painel nunca foi consultado.

A segunda é indexação parcial silenciosa. Metade do site entra no índice, a outra metade fica de fora por questão técnica, e a diferença só aparece na comparação entre sitemap e páginas indexadas.

O ajuste correto é chato e definitivo: uma verificação por trimestre, com quatro números anotados. URLs no sitemap, páginas indexadas, erros de rastreio e requisições do Bingbot no seu log.

Anotar os quatro números numa planilha simples com data transforma a verificação em série. Uma foto isolada não diz nada; três trimestres dizem se o site está ganhando ou perdendo presença, e em qual das quatro frentes.

Prévia e citação são coisas diferentes

Vale separar dois eventos que o mesmo site costuma tratar como um só.

A prévia é o cartão que aparece quando alguém compartilha o seu endereço dentro de um produto. Ela é montada por um robô específico, que só busca título, descrição e imagem da página.

A citação é o link que aparece dentro de uma resposta gerada, e ela depende do índice de busca, não do robô de prévia. Bloquear o robô de prévia estraga o cartão sem tirar o site do índice; bloquear o robô de busca faz o contrário.

Os dois efeitos aparecem em lugares diferentes, e confundir os dois leva a diagnóstico invertido. Cartão feio ao compartilhar é assunto de marcação de página; ausência em resposta é assunto de índice.

O que muda quando a resposta é gerada

Do lado de quem publica, três hábitos passam a valer mais do que valiam.

O primeiro é responder por escrito, sem depender de contexto anterior. Sistema que recorta trecho não lê a página inteira antes de escolher.

O segundo é datar o material com honestidade. Data falsa de atualização é o defeito que mais rápido queima confiança, e é fácil de detectar comparando duas capturas da mesma página.

O terceiro é medir origem de visita com carinho. Referência vinda de produto de assistente chega ao seu analytics como qualquer outra origem, e vale isolar num relatório próprio enquanto o volume ainda é pequeno.

Perguntas frequentes

O Copilot usa o mesmo índice do Bing?

Os produtos de busca da Microsoft se alimentam do índice mantido pelo Bingbot, que é o rastreador documentado da empresa. Cada produto define o próprio critério de escolha de fonte, e a empresa não publica esse critério.

Preciso de um sitemap separado para o Bing?

Não. O mesmo sitemap serve os dois motores. O que muda é o lugar onde você o declara: a linha de sitemap no robots.txt vale para quem lê o arquivo, e o envio pelo painel de cada buscador acelera a descoberta.

O que é IndexNow e vale a pena?

É um protocolo aberto que avisa os motores participantes quando uma URL muda. Exige uma chave publicada na raiz do domínio e uma requisição por URL alterada. Vale para quem publica ou corrige com frequência, porque encurta a espera pela próxima visita do robô.

Bloquear o Bingbot afeta o Google?

Não. Cada empresa opera o próprio robô e o próprio índice. Bloquear o Bingbot tira o site do índice da Microsoft e não altera nada na Busca do Google.

Como sei se o robô está sendo barrado?

Filtrando o log do servidor pelo token e olhando o código de resposta. Sequência de 403 ou 429 indica bloqueio por camada de proteção, e o ajuste costuma ser liberar a faixa de endereços publicada pela empresa.

Vale a pena investir no segundo índice se o tráfego vem do Google?

Vale como manutenção, não como aposta. A verificação inteira leva uma tarde e se repete a cada trimestre. O retorno não é volume imediato: é não estar invisível em um dos índices que alimentam assistente.