Controles / Toegang voor AI-crawlers
robots.txt houdt CCBot buiten je startpagina en het grootste deel van de site
CCBot verzamelt trainingsdata en mag alleen de paden lezen die robots.txt toestaat. Dat is een keuze: de meeste pagina's blijven buiten toekomstige modeltraining, niet buiten AI-zoeken.
robots_partial_ccbot · Toegang voor AI-crawlers · Opmerking
Wat haar activeert
robots.txt laat CCBot je startpagina niet ophalen, maar laat voor hem een paar andere paden open; de bevinding noemt de eerste drie.
Wat je moet aanpassen
Verwijder de regel Disallow: / voor CCBot in robots.txt, of voeg Allow-regels toe voor de andere paden die gelezen mogen worden.
Voorbeeld
Regels in robots.txt die CCBot toestaan:
User-agent: CCBot
Allow: /Zo bevestig je de oplossing
- Open https://example.com/robots.txt: de groep die CCBot noemt (of de *-groep, als geen enkele dat doet) laat het grootste deel van de site open, niet alleen de startpagina
- Start een nieuwe crawl: de tabel met AI-crawlers meldt CCBot niet meer als grotendeels geblokkeerd
Over CCBot
CCBot is de crawler van Common Crawl, een non-profitorganisatie die een open archief van webcrawldata bijhoudt dat iedereen kan raadplegen en analyseren. Common Crawl zegt dat User-agent: CCBot met Disallow: / voorkomt dat de crawler een site bezoekt. Het waarschuwt ook dat andere crawlers zich ten onrechte als CCBot voordoen, dus controleer verzoeken.
CCBot bouwt een openbaar crawlarchief dat anderen kunnen gebruiken, terwijl GPTBot content verzamelt voor de eigen doeleinden van OpenAI.
Common Crawl zegt dat CCBot draait op eigen IP-adresbereiken met reverse DNS (niet voor IPv6). Een gelogd verzoek kun je dus controleren met een reverse lookup die uitkomt op een hostnaam onder crawl.commoncrawl.org. De bereiken staan ook als JSON op https://index.commoncrawl.org/ccbot.json.
Taak: Open webcrawlarchief. Volgt robots.txt: Ja, via een robots.txt-regel voor CCBot.
CCBot: beheerder, user-agent-tekst en adreslijst
Hoe vaak het voorkomt
We hebben niet gemeten hoe vaak dit voorkomt in een steekproef van sites. Cijfers verschijnen hier zodra een studie het dekt.
Over deze controle
| Controle-ID | robots_partial_ccbot |
|---|---|
| Sectie van het rapport | Toegang voor AI-crawlers |
| Ernst | Opmerking |
| Hoe het wordt bepaald | Gemeten: direct gelezen uit de pagina of het antwoord van de server. |
| Toegevoegd | Voor 19 okt. 2026 (versies 1 en 2), of een sitebrede controle zonder versiedatum |
| Status | Gemeten in elk rapport |
| Rapport geeft de code | Ja, één blok voor de hele site |
Instellingen per platform
Voor robots.txt verschilt per platform waar de instelling staat. Onze gidsen behandelen er 13: AI-crawlerinstellingen per platform.
Verwante controles
- robots.txt blokkeert Google-Extended
- robots.txt blokkeert GPTBot
- robots.txt houdt ClaudeBot buiten je startpagina en het grootste deel van de site
- robots.txt houdt Google-Extended buiten je startpagina en het grootste deel van de site
Kijk of het voor je site geldt
Plak je adres: we crawlen tot 10 pagina's en tonen elk probleem dat we vinden, met de oplossing. Geen account, geen kaart.
Elk abonnement crawlt tot zijn paginalimiet en toont deze controles met de oplossing: abonnementen.
Hoe een audit werkt: methode