Como o Google funciona: crawl, index, rank

Três etapas, uma cadeia frágil

O erro mais comum em SEO é tratar Google como caixa-preta única — "minha página caiu, por que não estou mais aparecendo?" — quando na verdade existem três etapas distintas e em sequência. Se a página não foi rastreada, não tem como ser indexada. Se foi rastreada mas não indexada, não tem como ranquear. Se foi indexada mas mal posicionada, o problema é outro. Diagnosticar a etapa certa é metade do trabalho.

Cada etapa tem sinais próprios no Google Search Console (ferramenta gratuita do Google), opera com sistemas técnicos diferentes e responde a intervenções distintas. Confundir indexação com ranqueamento ou achar que velocidade de indexação reflete autoridade são erros frequentes que levam a investimentos no problema errado.

Este artigo passa pelas três etapas, mostra como verificar cada uma no Google Search Console e o que diferencia gestão de SEO em sites pequenos, médios e grandes.

Etapa 1 — Rastreamento (crawl)

O rastreamento é o processo pelo qual o Googlebot, robô do Google, descobre URLs e as visita. Sem rastreamento, nada acontece — a página é invisível.

Como o Google descobre URLs. Três caminhos principais: links de páginas já conhecidas, sitemaps enviados via Google Search Console e ferramentas como Submit URL. Empresas costumam confiar demais em sitemap e esquecer que arquitetura interna de links é o que prioriza descoberta — página enterrada em quatro cliques recebe muito menos atenção que página linkada a partir da home.

robots.txt. Arquivo na raiz do domínio que diz ao Googlebot o que ele pode ou não rastrear. Erro clássico: empresa migra site, deixa instrução "Disallow: /" do ambiente de homologação e tira o site inteiro do mapa por dias ou semanas. Sempre revisar robots.txt após qualquer mudança técnica.

Crawl budget. É a quantidade de URLs que o Googlebot rastreia em um período, função de capacidade do servidor (não sobrecarregar) e demanda (interesse do Google). Em site pequeno, crawl budget não é problema — o Google consegue revisitar tudo. Em sites com dezenas de milhares de URLs, vira gargalo: o Googlebot prioriza páginas que considera mais importantes e ignora ou revisita pouco as demais. Otimizar arquitetura, eliminar duplicidade e remover páginas de baixo valor libera capacidade para o que importa.

Renderização. Sites com JavaScript pesado (SPAs, frameworks como React ou Vue sem renderização do lado do servidor) exigem uma etapa extra: o Googlebot precisa executar o JavaScript para ver o conteúdo. Essa renderização acontece em filas separadas e demora mais — pode levar dias após o rastreamento inicial. Sites com conteúdo essencial dependendo só de JavaScript no cliente sofrem em descoberta e atualização.

Como verificar. Google Search Console mostra estatísticas de rastreamento (quantos URLs por dia, tempo de resposta, status HTTP). Logs do servidor mostram acessos reais do Googlebot — análise de logs é técnica avançada que vira essencial em sites grandes.

Etapa 2 — Indexação (index)

Indexação é a decisão do Google de processar uma página e armazenar uma versão dela em seu índice — o banco de dados que será consultado em cada busca. Página rastreada não é garantia de página indexada.

Critérios de indexação. O Google decide indexar uma página baseado em sinais como qualidade do conteúdo, distinção em relação a outras páginas do site e da web, presença de elementos técnicos corretos (título, conteúdo, canônico) e ausência de diretivas que bloqueiem indexação.

Diretiva noindex. Meta tag ou cabeçalho HTTP que diz explicitamente "não indexe". Útil para páginas que devem ser rastreadas mas não aparecer em busca (área de login, página de obrigado em formulário). Erro frequente: deixar noindex em página crítica após migração — a página simplesmente desaparece do Google.

Canônico. Quando o mesmo conteúdo aparece em URLs diferentes (com e sem barra final, com e sem parâmetros de filtro, versão mobile e desktop, página de produto em mais de uma categoria), a tag rel=canonical indica qual é a versão preferencial para o Google indexar. Sem canônico definido, o Google escolhe — e nem sempre escolhe certo.

Duplicidade. Conteúdo muito similar entre páginas faz o Google consolidar e indexar só uma. Sites de e-commerce com filtros mal configurados, sites com versão de impressão separada, blogs que republicam conteúdo de fornecedores frequentemente perdem páginas no índice por esse motivo.

Qualidade mínima. Páginas finas (pouco conteúdo, conteúdo gerado automaticamente sem valor agregado, páginas duplicadas internamente) podem ser rastreadas mas não indexadas. O Google sinaliza no Search Console como "Rastreada — não indexada" ou "Descoberta — não indexada", e a melhoria passa por aumentar valor do conteúdo, não por enviar a página de novo.

Como verificar. No Google Search Console, relatório de Cobertura mostra páginas indexadas, com erros, válidas com avisos e excluídas com motivo. Comando "site:dominio.com" no Google mostra páginas indexadas, mas não é exaustivo — Search Console é a fonte oficial.

Etapa 3 — Classificação (rank)

Classificação é a etapa final: quando alguém faz uma busca, o Google consulta o índice e ordena os resultados usando centenas de sinais. Aqui não há fórmula única — é combinação complexa, ponderada caso a caso, com aprendizado de máquina nos sistemas centrais.

Sistemas conhecidos do algoritmo. O Google publica no Search Status Dashboard a lista dos sistemas em uso: PageRank (importância da página por links recebidos), RankBrain (compreensão de consultas com aprendizado de máquina), BERT e MUM (compreensão de linguagem natural), sistemas de avaliação de qualidade (helpful content, reviews), SpamBrain (detecção de spam), Passage Ranking (entender trechos de páginas), e outros sistemas de classificação para tipos específicos (locais, novidades, vídeo).

Sinais on-page. Título da página, headings, conteúdo do corpo, URL, dados estruturados (schema.org), velocidade de carregamento, mobile-friendliness, estabilidade visual (Core Web Vitals). Não são fórmula — são sinais que ajudam o Google a entender do que a página trata e quão bem ela serve o usuário.

Sinais externos. Links recebidos de outras páginas, contexto desses links, autoridade percebida do domínio. Link continua sendo um dos sinais mais fortes, mas Google evoluiu para avaliar relevância e qualidade do link, não apenas quantidade.

Intenção e contexto. O Google interpreta a busca para entender o que o usuário quer (informacional, navegacional, transacional, comercial) e considera contexto (localização, histórico, idioma, dispositivo). Mesma palavra-chave pode retornar resultados diferentes para usuários diferentes — não existe ranking universal.

AI Overviews e geração assistida. Em consultas adequadas, o Google adiciona resposta gerada por IA no topo dos resultados, combinando informações de múltiplas fontes. Não é substituto do ranking tradicional — é camada adicional que usa o mesmo índice. Páginas citadas em AI Overviews são, na maioria dos casos, páginas já bem posicionadas organicamente.

Core updates, helpful content e spam updates

O Google atualiza seus sistemas continuamente. Algumas atualizações são confirmadas no Search Status Dashboard, com nome e período. As mais relevantes:

Core updates. Atualizações abrangentes do sistema de classificação, geralmente algumas por ano. Não corrigem problemas pontuais — recalibram avaliação de qualidade. Sites que caem em core update raramente recuperam com ajustes técnicos pontuais; quase sempre a recuperação exige melhoria substancial de conteúdo e autoridade.

Helpful content system. Sistema que avalia se o conteúdo é genuinamente útil para pessoas, e não primariamente criado para ranquear. Penaliza conteúdo raso, gerado em massa, escrito sem expertise e sites com proporção alta de páginas de baixa qualidade.

Spam updates. SpamBrain age contra técnicas manipulativas: cloaking, redes de links artificiais, conteúdo gerado em massa sem revisão, abuso de subdomínios para sinais de marcas terceiras.

Como reagir a queda em update. Diagnosticar tipo de queda (categoria de página, tipo de consulta, posição original), comparar com diretrizes do Google sobre o update em questão, melhorar o que precisa ser melhorado (qualidade, autoridade, experiência), aguardar próximo ciclo. Reagir com mudanças técnicas drásticas frequentemente piora a situação.

Como verificar status no Google Search Console

Search Console é a ferramenta oficial do Google para acompanhar como o site é tratado em rastreamento, indexação e busca. Três relatórios concentram o essencial:

Cobertura. Mostra URLs descobertas, indexadas, com erro ou excluídas. Excluídas vêm com motivo: "Rastreada — não indexada", "Descoberta — não indexada", "Página com redirecionamento", "Bloqueada por robots.txt", "Excluída pela tag noindex", entre outros. Cada motivo aponta para um tipo de intervenção diferente.

Performance. Mostra consultas que geraram impressões e cliques, taxa de clique média, posição média. Comparar períodos identifica subidas e quedas. Filtrar por página, consulta, dispositivo ou país expõe padrões úteis.

Inspeção de URL. Permite verificar status específico de uma página: se está indexada, qual canônica o Google escolheu, quando foi rastreada pela última vez, se há problemas. Em caso de problema corrigido, é possível solicitar nova indexação — o que ajuda em correções pontuais, mas não substitui sitemap atualizado.

Outros relatórios úteis. Sitemaps (envio e status), Estatísticas de rastreamento (volume e tempo de resposta), Core Web Vitals (experiência de uso), Aprimoramentos (dados estruturados), Links (internos e externos).

Erros comuns que afetam visibilidade no Google

Confundir indexação com ranqueamento. Empresa investe em link building quando o problema é página com noindex acidental. Ou investe em conteúdo quando o problema é robots.txt bloqueando seção inteira. Diagnosticar a etapa certa evita esforço no lugar errado.

Achar que velocidade de indexação reflete autoridade. Página nova indexada em horas não significa autoridade alta — pode ser sitemap bem configurado e link interno forte. Inversamente, página indexada lentamente não é necessariamente problema de autoridade — pode ser arquitetura ruim ou conteúdo duplicado.

Bloquear recursos no robots.txt. Bloquear CSS, JavaScript e imagens impede o Googlebot de renderizar corretamente e de avaliar a página. Robots.txt deve liberar todos os recursos necessários para renderização.

Migração sem mapeamento de redirecionamentos. Mudança de domínio, estrutura de URL ou plataforma sem 301 (redirecionamento permanente) de URL antiga para URL nova quebra o histórico — perde-se autoridade acumulada nos links externos e o Google trata como site novo.

Conteúdo gerado em massa sem revisão. Geração automática de páginas (especialmente com IA generativa) sem curadoria e valor real é alvo direto de helpful content system e spam updates. Volume sem qualidade reduz autoridade do domínio inteiro, não só das páginas ruins.

Promessas de fórmula mágica. Profissionais que prometem "primeira posição em 30 dias" para consultas competitivas tipicamente usam técnicas arriscadas ou apenas vendem expectativa. Ranking é resultado de qualidade ao longo do tempo, não truque.