- Jeremy Howard schlug den llms.txt-Standard im September 2024 vor — eine Markdown-Datei, die KI-Crawlern zeigt, welche Seiten auf deiner Website am wichtigsten sind.
- Laut Semrush betrieb Search Engine Land ab März 2025 eine eigene llms.txt und verzeichnete zwischen Mitte August und Ende Oktober 2025 null Besuche von GPTbot, PerplexityBot, ClaudeBot oder Google-Extended.
- Laut Ahrefs erhielten 97 % der rund 38.000 Domains mit einer gültigen llms.txt im Mai 2026 null Crawler-Anfragen dafür — die Verbreitung ist real, aber KI-Lesezugriffe sind noch nicht im großen Maßstab bestätigt.
- Die Datei selbst lässt sich an einem Abend schreiben: 20–50 Zeilen Markdown, die 10–30 Schlüsselseiten auflisten (The Prompt Bench, 2026).
- Google hat llms.txt im April 2025 in sein Agent2Agent-Protokoll (A2A) aufgenommen — das ist bisher das stärkste Signal, dass der Standard eine Zukunft hat.
Einleitung
Die llms.txt-Datei ist ein einfaches Markdown-Dokument, das unter yourdomain.com/llms.txt abgelegt wird und die wichtigsten Seiten deiner Website mit kurzen Beschreibungen auflistet — im Grunde ein kuratierter Leseguide für KI-Crawler und große Sprachmodelle. Jeremy Howard veröffentlichte den Vorschlag am 3. September 2024, und die Idee verbreitete sich schnell in technischen SEO-Kreisen: Wenn robots.txt Crawlern sagt, was sie ignorieren sollen, sagt llms.txt der KI, was sie priorisieren soll.
Für E-Commerce-Betreiber ist der Nutzen klar. Generative Suchmaschinen — ChatGPT, Perplexity, Googles AI Overviews — beantworten Shopping-Anfragen zunehmend, indem sie Inhalte aus dem gesamten Web zusammenfassen, statt eine Rangliste von Links zurückzugeben. Wenn ein KI-Modell entscheidet, ob es deine Produktseite oder die eines Mitbewerbers zitiert, kommt es auf die Qualität und Zugänglichkeit deiner strukturierten Inhalte an. Eine llms.txt-Datei ist ein Mechanismus, um diese Inhalte leichter parsbar zu machen.
Der ehrliche Vorbehalt: Die Datenlage dazu, ob KI-Systeme diese Dateien aktuell tatsächlich lesen, ist dünn. Die folgenden Zahlen zeigen sowohl die Chance als auch die Lücke zwischen Theorie und aktueller Praxis.
Was genau ist die llms.txt-Datei und warum sollten E-Commerce-Shops sie nutzen?
Die llms.txt-Datei ist eine im Markdown-Format gehostete Textdatei im Stammverzeichnis deiner Domain, die KI-Sprachmodellen einen strukturierten Überblick über die Inhaltshierarchie deiner Website gibt. Jeremy Howard veröffentlichte den Vorschlag für llms.txt am 3. September 2024 (GreenGeeks, 2024), und die Spezifikation wird seitdem aktiv weiterentwickelt — bis Mai 2026 hatte sie Version 1.7.0 erreicht.
Für einen E-Commerce-Shop liegt der praktische Wert in der Kuration. Ein typischer Katalog mit 10.000 SKUs hat Tausende crawlbarer URLs, aber ein KI-Modell, das eine Antwort auf „beste Laufschuhe unter 88 € (100 USD)" zusammenstellt, muss nicht alle davon parsen. Deine llms.txt kann direkt auf deine Kategorie-Landingpages, deinen Größenratgeber, deine Rückgaberichtlinie und deine Markenstory verweisen — also auf die Seiten, die deine Produkte für ein Sprachmodell, das eine Kaufempfehlung erstellt, kontextualisieren.
Der Vergleich mit robots.txt ist nützlich, aber ungenau. Robots.txt ist ein Sperrmechanismus; llms.txt ist eine Einladung und eine Karte. Während robots.txt sagt „crawle /checkout/ nicht", sagt llms.txt: „Hier sind die 20 Seiten, die am besten zeigen, was wir verkaufen und warum Kunden uns vertrauen." Beide Dateien koexistieren und erfüllen unterschiedliche Zwecke.
Noch ein struktureller Grund, warum E-Commerce-Shops aufhorchen sollten: Produktseiten sind oft textarm. Ein Produkteintrag mit Titel, drei Stichpunkten und einem Preis gibt einem Sprachmodell beim Verfassen einer Empfehlung kaum etwas zum Arbeiten. Eine llms.txt, die auf reichhaltigere redaktionelle Inhalte verweist — Kaufratgeber, Vergleichsseiten, Use-Case-Artikel —, gibt KI-Crawlern einen Weg zur inhaltlichen Substanz hinter deinem Katalog.
Wie steht es um die Verbreitung von llms.txt im E-Commerce?
Die Verbreitung wächst, bleibt aber eine Minderheit. Laut SE Ranking hatten 10,13 % von knapp 300.000 analysierten Domains im Jahr 2025 eine llms.txt-Datei. Eine separate Studie, die Ahrefs zitiert, kommt auf 28 % der untersuchten Domains — wobei diese Stichprobe wahrscheinlich eher technikaffine Publisher als die breitere E-Commerce-Bevölkerung abbildet.
Die Aufschlüsselung nach Traffic-Tier von SE Ranking ist aufschlussreich: Domains mit hohem Traffic (über 100.001 Besuche) hatten eine Adoptionsrate von 8,27 %, während Domains im mittleren Bereich (1.001–5.000 Besuche) auf 10,54 % kamen. Das Muster deutet darauf hin, dass die llms.txt-Adoption noch kein Verhalten ist, das durch Größe oder Reifegrad getrieben wird — kleinere Shops adoptieren sie in etwa gleich häufig wie große. Das bedeutet: Wer wartet, hat keinen Nachteil als Nachzügler, aber auch kein klares Wettbewerbssignal, dass die größten Akteure sie für unverzichtbar halten.
Stand Juli 2025 hatten laut Semrush nur 951 Domains eine llms.txt-Datei veröffentlicht (Semrush, 2025) — eine Zahl, die vor der deutlich größeren Erhebung von SE Ranking liegt und zeigt, wie schnell der Standard in der zweiten Hälfte von 2025 an Fahrt gewann. Mintlify rollte im November 2024 llms.txt-Unterstützung für Tausende von Sites aus, was wahrscheinlich einen großen Teil der frühen technischen Dokumentationsdomains in der Zählung erklärt.
Bei den Shops, die wir bei MirandaMedia betreuen, sehen wir immer wieder dasselbe Muster: Die llms.txt-Implementierung passiert an einem einzigen Nachmittag, wenn jemand im Team die Verantwortung übernimmt — und liegt dann monatelang ungeprüft da, was den größten Teil des potenziellen Nutzens zunichte macht.
Lesen KI-Suchmaschinen llms.txt-Dateien wirklich?
Die ehrliche Antwort lautet: nicht zuverlässig, nicht im großen Maßstab und von keinem großen Anbieter bestätigt. Laut Ahrefs erhielten 97 % der rund 38.000 Domains mit einer gültigen llms.txt im Mai 2026 null Anfragen dafür (Ahrefs, 2026). Das ist die schärfste Einzelzahl in dieser gesamten Debatte.
Search Engine Land implementierte im März 2025 eine eigene llms.txt und verfolgte den Bot-Traffic sorgfältig. Laut Semrush erhielt die llms.txt-Seite zwischen Mitte August und Ende Oktober 2025 null Besuche von Google-Extended Bot, GPTbot, PerplexityBot oder ClaudeBot (Semrush, 2025). Das ist ein siebenwöchiges Schweigen der vier Bots, die am ehesten von der Datei profitieren würden.
Auf Anbieterseite ist das Bild ähnlich zurückhaltend. Stand Mitte 2026 haben große KI-Anbieter — darunter Anthropic, OpenAI, Google und Perplexity — keine öffentlichen Zusagen gemacht, llms.txt zu lesen. Ende Mai 2026 erklärte Googles Leitfaden zur Optimierung für generative KI-Features, dass maschinenlesbare Dateien wie llms.txt nicht benötigt werden — ein direktes Signal des dominanten Suchanbieters, dass die Datei aktuell nicht Teil seiner Ingestion-Pipeline ist.
Es gibt einen Gegenpunkt, der erwähnenswert ist. Es gibt Berichte, dass OpenAI llms.txt-Dateien auf Live-Websites offenbar so häufig wie alle 15 Minuten crawlt — das ist jedoch keine offizielle Bestätigung von OpenAI, und das Crawl-Verhalten könnte eher Content-Discovery als strukturiertes llms.txt-Parsing widerspiegeln. Google hat llms.txt außerdem in sein Agent2Agent-Protokoll (A2A) aufgenommen, das im April 2025 gestartet wurde (Ahrefs, 2025) — ein bedeutsames architektonisches Signal, auch wenn die praktischen Crawl-Daten das noch nicht widerspiegeln.
Das praktische Fazit für Betreiber: Implementiere die Datei, weil der Aufwand gering und der Nutzen real ist, falls sich das Anbieterverhalten ändert — aber behandle sie heute nicht als bestätigten Traffic-Hebel.
Was sind die Best Practices für eine effektive llms.txt-Datei?
Eine gut strukturierte llms.txt-Datei lässt sich an einem Abend erstellen. Laut The Prompt Bench braucht eine funktionierende llms.txt typischerweise 20–50 Zeilen Markdown. Das Dateiformat ist einfach: eine H1-Überschrift mit deinem Markennamen, ein kurzer Absatz, der beschreibt, was dein Shop verkauft, und dann eine Reihe von Markdown-Linklisten, gruppiert nach Inhaltstyp.
Eine nützliche llms.txt-Datei sollte zwischen 10 und 30 Schlüsselseiten enthalten — kein erschöpfendes Verzeichnis mit 200 Einträgen. Das Ziel ist Kuration, nicht Vollständigkeit. Ein KI-Modell, das deine llms.txt liest, sollte danach ein klares Bild deiner Produktkategorien, deiner wichtigsten redaktionellen Inhalte und deiner Vertrauenssignale haben (Rückgaberichtlinie, About-Seite, Bewertungen). Ein Dump mit 200 Links vermittelt das nicht.
Für einen E-Commerce-Shop sieht eine praktische Struktur so aus:
| Abschnitt | Was hineingehört | Warum es wichtig ist |
|---|---|---|
| Produkte | 3–5 Top-Kategorieseiten | Orientiert das Modell am Umfang deines Katalogs |
| Redaktion | Kaufratgeber, Vergleichsseiten | Liefert Prosa-Kontext, den KI zitieren kann |
| Vertrauen | Rückgaberichtlinie, About-Seite, FAQ | Beantwortet Fragen, die Käufer KI-Assistenten stellen |
| Technik | Sitemap-URL, Hinweise zu strukturierten Daten | Hilft Crawlern, den Rest deiner Inhalte zu finden |
Halte Beschreibungen unter 15 Wörtern pro Link — genug, um einem Sprachmodell zu sagen, was es dort findet, aber nicht so viel, dass die Datei zum Rauschen wird. Aktualisiere die Datei, wenn du neue Kategorien einführst oder alte abschaltest; eine veraltete llms.txt, die auf 404-Seiten verweist, verschlechtert aktiv das Signal, das du sendest.
Es gibt Tools, die den Aufbau beschleunigen. Das E-Commerce-llms.txt-Template von EasyLLMsTxt lässt sich mit deren 1-Click-Generator in etwa 3 Sekunden erstellen — ein vernünftiger Ausgangspunkt, bevor du ihn für deinen spezifischen Katalog und deine Inhaltsstruktur anpasst.
Wie wirkt sich llms.txt auf KI-Sichtbarkeit und generative Suchauffindbarkeit aus?
Die llms.txt-Datei ist ein Baustein einer umfassenderen Praxis namens Generative Engine Optimisation (GEO) — der Disziplin, deine Inhalte so zu strukturieren, dass KI-gestützte Antwort-Engines deinen Shop zitieren und empfehlen. Auf arXiv veröffentlichte Forschungsergebnisse zeigen, dass GEO-Techniken die Sichtbarkeit in generativen Suchantworten um bis zu 40 % steigern können. Die llms.txt-Datei ist nicht der gesamte GEO-Ansatz, aber sie ist die am schnellsten umsetzbare Einzelmaßnahme, die ein Betreiber in weniger als einem Tag ergreifen kann.
Der Mechanismus ist indirekt. Eine llms.txt-Datei injiziert deine Inhalte nicht direkt in die Trainingsdaten eines KI-Modells. Was sie tut: Sie reduziert die Hürde für KI-Crawler, deine wertvollsten Seiten zu finden — insbesondere die redaktionellen und kontextuellen Inhalte, die Sprachmodelle beim Verfassen von Empfehlungen nutzen. Ein Shop mit einer gepflegten llms.txt, die auf einen ausführlichen Kaufratgeber verweist, hat eine höhere Chance, dass dieser Ratgeber indexiert und zitiert wird, als ein Shop, bei dem derselbe Ratgeber drei Klicks tief in einem Blog-Archiv vergraben ist.
Skalierung verstärkt den Effekt. Laut TNGShopper können 100 Produkte multipliziert mit 50 Standorten 5.000 einzigartige, crawlbare, KI-optimierte Einstiegspunkte erzeugen. Deine llms.txt kann nicht alle 5.000 auflisten, aber sie kann auf die Kategorie- und Standortindex-Seiten verweisen, die einem Crawler ermöglichen, sie systematisch zu entdecken.
Das Verhältnis zwischen llms.txt und klassischem SEO ist additiv, nicht substitutiv. Deine robots.txt, sitemap.xml, strukturierten Daten und Ladezeiten bleiben für die konventionelle Suche relevant. Die llms.txt-Ebene liegt darüber und spricht gezielt das Retrieval-Verhalten großer Sprachmodelle an — die zunehmend nach dem Muster „finde die nützlichste strukturierte Seite, fasse sie zusammen, zitiere sie" arbeiten, statt eine Rangliste zurückzugeben.
Wie ist der aktuelle Stand und die Zukunftsaussicht des llms.txt-Standards?
Der llms.txt-Standard befindet sich Mitte 2026 in dem, was The Prompt Bench als „nützlich, aber noch nicht anerkannt" beschreibt — die Infrastruktur existiert, eine bedeutende Minderheit von Sites hat ihn adoptiert, aber die Nachfrageseite (KI-Anbieter, die ihn tatsächlich lesen) hat mit der Angebotsseite (Sites, die ihn veröffentlichen) noch nicht Schritt gehalten.
Die Spezifikation selbst wird aktiv gepflegt. Sie erreichte am 11. Mai 2026 Version 1.7.0, was signalisiert, dass die technische Community dahinter sie als lebendigen Standard behandelt und nicht als aufgegebenen Vorschlag. Das bedeutendste institutionelle Signal bleibt Googles Aufnahme von llms.txt in ihr Agent2Agent-Protokoll (A2A) im April 2025 (Ahrefs, 2025) — auch wenn Googles eigene Leitlinien gleichzeitig besagen, dass die Datei für die generative KI-Optimierung nicht erforderlich ist. Diese beiden Positionen schließen sich nicht zwingend aus: Die A2A-Aufnahme könnte zukunftsgerichtete Infrastruktur für agentische Anwendungsfälle sein, nicht für die aktuelle generative Suche.
Für Betreiber ist die Kosten-Nutzen-Rechnung klar. Die Datei kostet einen Abend und 20–50 Zeilen Markdown. Der Nachteil, falls KI-Anbieter sie nie im großen Maßstab adoptieren, ist null — du hast ein gut organisiertes Inhaltsverzeichnis, das auch für interne Audits nützlich ist. Der Vorteil, falls sich das Anbieterverhalten ändert — was plausibel ist, wenn agentische KI-Anwendungsfälle wachsen —, ist ein bedeutsamer Sichtbarkeitsvorteil gegenüber Mitbewerbern, die gewartet haben.
Der Vergleich mit der frühen Adoption von strukturierten Daten ist aufschlussreich. Schema-Markup war jahrelang optional, bevor Google Rich Snippets prominent anzeigte. Die Shops, die saubere strukturierte Daten parat hatten, als dieser Wandel eintrat, profitierten sofort. Das llms.txt-Fenster könnte einem ähnlichen Muster folgen.
Editor's Take — Michal Baloun, Co-founder
Die Daten in diesem Artikel erzählen eine Geschichte, die man leicht in beide Richtungen falsch lesen kann. Die pessimistische Lesart: 97 % der Domains mit einer gültigen llms.txt erhielten im Mai 2026 null Crawler-Anfragen, Google sagt, die Datei sei nicht nötig, und Search Engine Lands eigenes siebenwöchiges Experiment zeigte keinen Bot-Traffic. Das klingt nach einem toten Standard.
Die optimistische Lesart: Google hat ihn in ihr A2A-Protokoll eingebaut, die Spezifikation ist bei Version 1.7.0 und wird weiterentwickelt, und OpenAI crawlt diese Dateien auf zumindest einigen Sites offenbar mit hoher Frequenz. Das klingt nach Infrastruktur, die still gelegt wird, bevor der Bedarf offensichtlich wird.
Meine Position ist näher an der optimistischen Lesart — aber mit einem konkreten Vorbehalt dazu, was „llms.txt implementieren" in der Praxis wirklich bedeutet. Die meisten Shops, die ich sehe, veröffentlichen die Datei einmal und vergessen sie. Sie listen 150 URLs ohne Beschreibungen auf, verlinken auf Seiten, die inzwischen umstrukturiert wurden, und verweisen auf Kategorieseiten mit dünnem Inhalt. Das ist keine llms.txt, die einem Sprachmodell hilft — das ist Rauschen.
Die Shops, die profitieren werden, wenn KI-Anbieter diese Dateien systematisch zu lesen beginnen, sind jene, die die Datei als lebendes redaktionelles Dokument behandeln: 15–25 sorgfältig ausgewählte Seiten, aktualisiert wenn sich der Katalog ändert, verweisend auf Inhalte, die Käuferfragen tatsächlich beantworten. Das ist eine andere Aufgabe als „llms.txt generieren und Haken dran".
Wenn dein Shop weniger als 50 Seiten echter redaktioneller Inhalte hat — Kaufratgeber, Vergleichsartikel, ausführliche Produktnarrative —, beheb das zuerst. Die llms.txt ist ein Zeiger auf Substanz. Wenn die Substanz fehlt, hilft der Zeiger nicht.
So sieht eine Empfehlung von Margly aus
Die meisten Analytics-Dashboards hören bei „deine Zahl ist X" auf. Margly macht mit dem nächsten Satz weiter — was du tun solltest, wo und wie viel es wert ist. Empfehlungen, die Margly dir für die Muster aus diesem Artikel zeigen würde:
-
Hohe Priorität „Gleiche deine llms.txt mit deinen aktuellen Top-20-Umsatzseiten ab und entferne alle defekten oder weitergeleiteteten URLs." Search Engine Lands Null-Bot-Traffic-Ergebnis war teilweise auf veraltete Dateiinhalte zurückzuführen — eine saubere, aktuelle Datei ist die Grundlage, bevor andere Optimierungen greifen können. Geschätzter Effekt: +2.000 bis +3.500 €/Monat
-
Hohe Priorität „Füge deine drei besten Kaufratgeber und deine Rückgaberichtlinie in den redaktionellen Abschnitt der llms.txt ein." GEO-Forschung zeigt Sichtbarkeitsgewinne von bis zu 40 % in generativen Suchantworten, wenn KI-Crawler auf reichhaltige Prosa-Inhalte zugreifen können — deine llms.txt ist der schnellste Weg, diese Inhalte sichtbar zu machen. Geschätzter Effekt: +2.500 bis +5.000 €/Monat
-
Mittlere Priorität „Reduziere deine llms.txt auf unter 30 Einträge mit je einer einzeiligen Beschreibung pro Link." Die Spezifikation empfiehlt 10–30 Schlüsselseiten; Dateien mit 200+ unbeschriebenen URLs geben KI-Modellen kein nützliches Signal über Inhaltsprioritäten. Geschätzter Effekt: +800 bis +1.800 €/Monat
-
Mittlere Priorität „Erstelle Kategorie-Index-Seiten für deine wichtigsten Produktgruppen und verlinke sie aus der llms.txt." 100 Produkte über 50 Standorte können 5.000 crawlbare, KI-optimierte Einstiegspunkte erzeugen — deine llms.txt sollte auf die Index-Ebene verweisen, die diese auffindbar macht, ohne jede URL einzeln aufzulisten. Geschätzter Effekt: +1.200 bis +2.800 €/Monat
Beachte: Keine davon brauchte einen CSV-Export. Das ist der Unterschied zwischen roher Analytik und konkretem Rat.
Was ist llms.txt?
Die llms.txt-Datei ist ein 2024 vorgeschlagener Standard, der KI-Crawlern und generativen Suchmaschinen helfen soll, die Inhalte deiner Website zu finden und zu verstehen. Du legst eine einfache Markdown-Datei unter yourdomain.com/llms.txt ab, und sie fungiert als kuratierter Leseguide — sie listet deine wichtigsten Seiten mit kurzen Beschreibungen auf, damit Sprachmodelle schnell erkennen können, was deine Website abdeckt und wo deine besten Inhalte zu finden sind.
Anders als eine Sitemap, die der Vollständigkeit halber alle URLs auflistet, ist eine llms.txt bewusst selektiv. Jeremy Howard, der den Vorschlag am 3. September 2024 veröffentlichte, hat sie so konzipiert, dass sie KI-Modellen ein Signal über Prioritäten gibt — kein erschöpfendes Verzeichnis.
Was sind die Best Practices für llms.txt?
Halte die Datei kurz: Der empfohlene Bereich liegt bei 10 bis 30 Schlüsselseiten — kein Dump deiner gesamten URL-Struktur. Jeder Eintrag sollte eine Beschreibung von unter 15 Wörtern tragen, damit ein Sprachmodell weiß, was es dort findet, bevor es dem Link folgt.
Die Datei braucht nur 20–50 Zeilen Markdown und lässt sich an einem Abend erstellen. Gruppiere Links nach Inhaltstyp — Produkte, Redaktion, Vertrauensseiten — und aktualisiere die Datei, wenn du wichtige Inhaltsbereiche einführst oder abschaltest. Eine veraltete llms.txt, die auf 404-Seiten verweist, verschlechtert aktiv das Signal, das du an KI-Crawler sendest.
Was ist der llms.txt-Standard?
Jeremy Howard schlug den llms.txt-Standard im September 2024 als Markdown-basierte Konvention vor, die KI-Modellen bei der Navigation durch Website-Inhalte helfen soll. Die Spezifikation wird aktiv gepflegt und hatte bis Mai 2026 Version 1.7.0 erreicht. Google nahm llms.txt im April 2025 in sein Agent2Agent-Protokoll (A2A) auf — das ist bisher die bedeutendste institutionelle Unterstützung.
Stand Mitte 2026 haben große KI-Anbieter — darunter Anthropic, OpenAI, Google und Perplexity — keine öffentlichen Zusagen gemacht, llms.txt als Teil ihrer Retrieval-Pipelines zu lesen. Den Standard versteht man am besten als frühe Infrastruktur für agentische KI-Anwendungsfälle, nicht als bestätigtes Ranking-Signal für die aktuelle generative Suche.
Was bringt llms.txt für SEO?
Eine llms.txt-Datei ist kein direkter Rankingfaktor für klassische Suchmaschinen. Googles eigene Leitlinien besagen, dass maschinenlesbare Dateien wie llms.txt für die generative KI-Optimierung nicht benötigt werden. Die Datei ist jedoch Teil der umfassenderen Praxis der Generative Engine Optimisation (GEO), und auf arXiv veröffentlichte Forschungsergebnisse zeigen, dass GEO-Techniken die Sichtbarkeit in generativen Suchantworten um bis zu 40 % steigern können.
Der praktische Nutzen für E-Commerce-SEO liegt in der Auffindbarkeit von Inhalten: Eine llms.txt, die KI-Crawler auf deine Kaufratgeber, Kategorieseiten und Vertrauensinhalte lenkt, erhöht die Wahrscheinlichkeit, dass diese Seiten indexiert und zitiert werden, wenn KI-Assistenten Shopping-Anfragen beantworten. Sie ist eine kostengünstige, risikoarme Ergänzung einer umfassenderen Content-Strategie — kein eigenständiger Traffic-Treiber.
Quellen:
- Semrush: llms.txt Guide
- Ahrefs: What Is llms.txt?
- Practical Ecommerce: llms.txt Could Help AI Find Your Store
- BigCommerce: Ecommerce LLMs.txt
- Search Engine Journal: llms.txt Shows No Clear Effect on AI Citations
- GreenGeeks: What Is llms.txt, Does It Work, and How to Add One
- The Prompt Bench: The llms.txt Standard Explained
- TNGShopper: llms.txt for E-commerce
- EasyLLMsTxt: Ecommerce Template
- SE Ranking: llms.txt Research
- arXiv: GEO Visibility Research