Como funciona a indexação no Google
Indexação é a etapa em que o Google processa uma página já rastreada e renderizada, entende o que há nela e decide se vai armazená-la no índice, o banco de dados de onde saem os resultados de busca. Só páginas indexadas podem aparecer na pesquisa, se a sua página não está no índice, ela não existe para o Google. Este artigo explica o que acontece entre o rastreamento e o momento em que a página fica disponível para ser exibida, passando pelo parsing do HTML, pelo agrupamento de duplicatas, pela escolha da versão canônica e pela decisão final de indexar ou não.
O que é indexação no Google?
Indexação, no contexto de SEO e mecanismos de busca, é o processo pelo qual o Google analisa o conteúdo de uma página e o registra em seu índice para que possa ser recuperado nos resultados de pesquisa.
Esse estágio inclui a análise do conteúdo textual, tags e atributos de conteúdo como o <title> e o alt das imagens, além de imagens e vídeos, e o cálculo de sinais que ajudam o Google a decidir se e como usar a página. O buscador precisa entender que uma página é uma receita, outra é um artigo e assim por diante, e precisa extrair as palavras e frases de cada documento. Sem esse processamento, encontrar o conteúdo seria inviável.
Indexação não é a mesma coisa que rastreamento nem que exibição, e esses três conceitos muitas vezes são usados de forma equivalente, gerando confusão. A tabela abaixo separa cada uma.
| Etapa | O que o Google faz | O que pode dar errado |
|---|---|---|
| Rastreamento | Descobre e baixa a página | Bloqueio no robots.txt, servidor inacessível |
| Indexação | Entende o conteúdo e decide armazenar no índice | noindex, página de baixa qualidade, duplicata |
| Exibição | Busca no índice e classifica os resultados da query | Página indexada mas pouco relevante para a busca |
O que o Google faz logo após rastrear a página
O primeiro passo da indexação é o parsing do HTML, em que o Google lê o código e corrige eventuais problemas semânticos para garantir que as tags estejam nos lugares certos. Esse ajuste é necessário porque páginas reais frequentemente têm HTML mal formado, e o índice precisa de uma versão consistente para trabalhar.
Um elemento crítico nessa fase é o <head>, seção que concentra os metadados da página na forma de meta tags e link tags. Poucas tags são válidas dentro do <head>, e quando o Google encontra uma tag não suportada ali, ele fecha o <head> à força logo antes dela, exatamente como fazem os navegadores. O efeito é que qualquer metadado declarado depois dessa tag fica órfão e inútil para indexação. Por isso, tags de controle como canonical e meta robots só funcionam se estiverem em um <head> limpo, sem elementos inválidos antes delas.
Como o Google agrupa páginas duplicadas
Depois de entender o conteúdo, o Google verifica se a página é duplicata de outra já conhecida e agrupa as versões de conteúdo similar em um mesmo cluster, num processo chamado duplicate clustering. A comparação parte do conteúdo principal da página, o trecho que melhor representa o assunto, não do HTML inteiro. Páginas com o mesmo texto central, ainda que em URLs diferentes, tendem a cair no mesmo grupo.
O agrupamento existe porque a web tem muito conteúdo repetido: versões com e sem www, parâmetros de URL, páginas de impressão, endereços em HTTP e HTTPS. Em vez de indexar todas, o Google as trata como um único grupo e escolhe uma versão para representá-lo.
Como o Google escolhe a versão canônica
Dentro de cada cluster de duplicatas, o Google compara um conjunto de sinais para eleger a versão mais representativa, chamada de versão canônica, que é a que aparece nos resultados de busca em nome de todo o grupo. As demais viram versões alternativas e só são exibidas em contextos específicos, como quando o usuário procura exatamente por uma delas.
Os sinais usados nessa escolha variam em clareza. Alguns são diretos, como a anotação rel="canonical" feita pelo dono do site, que funciona como uma sugestão de qual versão preferir. Outros são indiretos, como a importância da página na web. Como o rel="canonical" é apenas um sinal entre vários, o Google pode escolher uma canônica diferente da declarada se os outros sinais apontarem para outro lado. A lógica completa dos sinais e dos casos em que eles entram em conflito está detalhada no guia de canonical.
Por que uma página pode não ser indexada
Mesmo depois de rastreada, renderizada, agrupada e com uma canônica escolhida, a indexação não é garantida. Nessa fase final, chamada de index selection, o Google decide se vai ou não guardar a página no índice, e a decisão depende em grande parte da qualidade da página e dos sinais coletados até ali. Quando a página é indexada, o Google armazena as informações sobre ela e sobre o cluster no índice, que é tecnicamente um enorme banco de dados distribuído em milhares de computadores.
É normal que parte do conteúdo de um site não seja indexada, porque nem toda página merece um lugar no índice. Vale reforçar duas ressalvas que o próprio Google faz sobre esse processo: ele não aceita pagamento para rastrear um site com mais frequência nem para classificá-lo melhor, e nada é garantido, nem o rastreamento, nem a indexação, nem a exibição. Para verificar o status de uma página específica, use a Inspeção de URL no Google Search Console, que mostra se a URL está indexada e qual canônica o Google escolheu.
Perguntas frequentes sobre indexação
Rastrear e indexar são a mesma coisa?
Não. Rastrear é baixar a página, e indexar é entender o conteúdo e decidir armazená-lo no índice. Uma página pode ser rastreada e mesmo assim não ser indexada. Entender como funciona o rastreamento ajuda a separar as duas etapas ao diagnosticar problemas.
Toda página rastreada é indexada?
Não. Depois de rastrear e renderizar, o Google ainda passa pela seleção de índice (index selection) e decide, com base na qualidade e nos sinais coletados, se vale a pena guardar a página. É comum que páginas de baixo valor ou duplicatas fiquem de fora, e isso não é necessariamente um erro.
O que é a versão canônica de uma página?
É a versão que o Google escolhe para representar um grupo de páginas duplicadas nos resultados de busca. As outras versões do grupo continuam existindo, mas só são exibidas em contextos específicos.
Quanto tempo leva para o Google indexar uma página?
Não há um prazo fixo. A indexação pode levar de alguns segundos a semanas, e algumas páginas podem nunca ser indexadas. O tempo depende de fatores como a frequência de rastreamento do site, a qualidade da página e a facilidade de descoberta da URL por links internos e sitemap.
Como sei se uma página está indexada?
A forma mais confiável é usar a Inspeção de URL no Google Search Console, que informa o status exato de indexação de cada página. O operador site: no Google mostra apenas uma amostra das páginas indexadas e não serve para contar o total, sendo mais útil para localizar conteúdo indevido no índice.
Próximos passos
A indexação é a ponte entre rastrear uma página e exibi-la na busca, sem ela, nenhum trabalho de conteúdo ou de SEO chega ao usuário. Depois de garantir que suas páginas importantes estão no índice, o passo seguinte é entender como o Google escolhe quais páginas indexadas mostrar e em que ordem, ou seja, a etapa de exibição e classificação. Para aprofundar os pontos que mais afetam a indexação no dia a dia, comece pelo guia de canonical, que resolve a maior parte dos problemas de duplicatas, e confira o status das suas páginas na Inspeção de URL do Google Search Console.