SEO técnico
RankBrain: o que ele faz e o que já se sabe
RankBrain reordena os 20 a 30 primeiros documentos e aprende com consultas inéditas. Veja o mecanismo, o que o testemunho antitruste revelou e o que fazer.
Por Marco Antonio Claro Santos · Fundador e estrategista de SEO B2B da MarkSaint.
Durante quase uma década o RankBrain foi descrito por analogia, porque era o que havia. O Google dizia que era um sistema de aprendizado de máquina que ajudava a entender consultas inéditas, e o mercado preenchia o resto com especulação sobre CTR, tempo de permanência e pogo-sticking.
O processo antitruste do Departamento de Justiça americano mudou isso. O testemunho de Pandu Nayak, vice-presidente de busca do Google, e os documentos internos apresentados descreveram nomes, funções e fontes de treino de um conjunto de sistemas que o mercado só conhecia por rumor. Este artigo organiza o que ficou documentado, separa do que continua sendo especulação, e traduz em decisão de conteúdo.
O que é o RankBrain do Google?
O RankBrain é um sistema de aprendizado de máquina lançado em 2015 que interpreta a relação entre palavras e conceitos para ajudar o Google a lidar com consultas que nunca viu antes.
A documentação oficial o define como "an AI system that helps us understand how words are related to concepts" e o mantém entre os sistemas de ranqueamento ativos.
O problema que ele resolveu
Uma parcela relevante das consultas que o Google recebe todo dia é inédita. Ninguém nunca digitou exatamente aquela combinação de palavras. Sem correspondência histórica, um sistema baseado em correspondência de termos tem pouco a oferecer.
O RankBrain lida com isso mapeando palavras e frases para representações que carregam significado, de modo que uma consulta nunca vista possa ser aproximada de conceitos conhecidos.
O que o testemunho revelou sobre o mecanismo
Aqui está o detalhe mais útil e o menos divulgado: o RankBrain não monta a lista de resultados. Ele atua sobre uma lista que já existe.
Segundo o testemunho, o sistema examina os 20 a 30 primeiros documentos recuperados e pode ajustar as pontuações iniciais deles. É um reordenador, não um recuperador.
A consequência prática é direta: se a sua página não entra no conjunto inicial de candidatos, o RankBrain não tem como ajudar. A recuperação depende de relevância e dos sinais tradicionais; o reordenamento vem depois.
Como ele é treinado
O testemunho descreveu treinamento em consultas de todos os idiomas e localidades onde o Google opera, com refinamento sobre dados de avaliação IS (Information Satisfaction) — as notas dadas por avaliadores humanos de qualidade.
Nayak também indicou que o sistema entende necessidades de cauda longa conforme o treino avança.
Quais sistemas trabalham junto com o RankBrain?
O ranqueamento é um conjunto de sistemas, não um algoritmo único. O testemunho e os documentos do processo nomearam vários.
Sistema | Função descrita | Base de treino |
|---|---|---|
RankBrain | Reordena os 20–30 primeiros documentos | Consultas de todos os idiomas, refino em dados IS |
DeepRank | Compreensão de linguagem aplicada ao ranking | Dados de usuário, refino em dados IS |
RankEmbed BERT | Identifica documentos além dos recuperados pelo caminho tradicional | Documentos, cliques e consultas |
NavBoost (Glue) | Memoriza cliques em consultas dos últimos 13 meses | Dados de usuário |
QBST e Term Weighting | Sistemas de memorização de termos | Dados de avaliação |
Tangram (antes Tetris) | Monta a página de resultados com recursos não recuperados na web | Outros sinais, incluindo Glue |
DeepRank
Descrito como o BERT quando aplicado ao ranqueamento, incorporando capacidades do RankBrain. Um documento citado no processo afirma que o DeepRank "não apenas proporciona ganhos significativos de relevância, mas também vincula o ranking mais firmemente ao campo mais amplo da compreensão de linguagem".
NavBoost e o dado de clique
Este é o ponto que mais contrariou a posição pública anterior do Google. Nayak descreveu o NavBoost como um dos sistemas principais, treinado em dados de usuário, que memoriza todos os cliques em consultas dos últimos 13 meses. A função descrita foi reduzir um conjunto grande de documentos a um conjunto menor.
O Glue, segundo apresentação anexada ao processo, agrega tipos diversos de interação — cliques, passagem de mouse, rolagem e deslize — e cria uma métrica comum.
A escala: cerca de 100 bilhões de cliques, que segundo o testemunho oferecem um retrato muito mais claro de como as pessoas interagem com resultados do que os dados de avaliadores humanos. Nayak confirmou que a confiança em feedback de usuário no ranqueamento cresceu de forma constante ao longo da década.
A leitura correta desses dados
Isso não significa que CTR é fator de ranqueamento no sentido que o mercado usa a expressão. Significa que interação de usuário, agregada em escala e ao longo de 13 meses, alimenta sistemas de memorização e filtragem.
A diferença importa. Inflar clique na sua própria página não produz o sinal — o sinal é estatístico, distribuído e resistente a manipulação individual por desenho.
Dá para otimizar para o RankBrain?
Não no sentido de um ajuste técnico específico. O Google já afirmou que SEOs não conseguem realmente otimizar para o RankBrain, e o motivo é estrutural: o sistema mede o encaixe entre consulta e conteúdo, não a presença de um elemento.
O que efetivamente move o ponteiro
Alinhamento com a intenção real da consulta. Se a busca é comparativa e sua página é institucional, nenhum ajuste de densidade resolve. O formato precisa corresponder ao que a pessoa quer fazer.
Cobertura das variações da mesma necessidade. Uma dúvida se formula de dez maneiras. Conteúdo que cobre as formulações adjacentes tem mais chance de ser aproximado da consulta inédita.
Vocabulário do usuário, não só o da empresa. Termos técnicos internos que o mercado não usa criam distância entre a representação da consulta e a do documento.
Entrar no conjunto de candidatos. Como o RankBrain reordena os 20 a 30 primeiros, o trabalho de relevância e autoridade que coloca a página nesse conjunto continua sendo pré-requisito.
O que não funciona
Densidade de palavra-chave. Um sistema que trabalha com representações de conceito não é sensível a repetição.
Sinônimo forçado. Encher o texto de variações para "cobrir semântica" produz leitura ruim sem ganho.
Manipular clique. O sinal é agregado em escala de bilhões e ao longo de 13 meses.
Perseguir tempo de permanência. Não há confirmação de que essa métrica isolada seja usada, e alongar artificialmente a sessão prejudica a experiência que o dado agregado captura.
Como isso muda o trabalho de conteúdo?
Cinco decisões práticas que decorrem do mecanismo descrito.
1. Escolher o formato pela intenção, não pelo volume
A pergunta que antecede a escolha de formato é o que a pessoa pretende fazer com a resposta. Comparar, decidir, executar, entender. Cada uma pede um formato diferente, e errar o formato não se corrige com mais palavras.
2. Estruturar por pergunta
Um H2, uma pergunta, uma resposta autocontida logo abaixo. Isso serve à extração de trechos, à leitura humana e ao encaixe entre consulta e passagem.
Vale lembrar que a documentação oficial lista também o Passage Ranking System, descrito como "an AI system we use to identify individual sections or 'passages' of a web page". Seções autocontidas têm valor próprio.
3. Cobrir a vizinhança semântica de verdade
Vizinhança semântica não é lista de sinônimos. É o conjunto de perguntas que quem tem aquela dúvida também tem. Um artigo sobre custo naturalmente encosta em prazo, critério de escolha, erro comum e alternativa.
4. Usar o vocabulário do mercado
Se o setor chama de "laudo" e a empresa chama de "relatório técnico de conformidade", o conteúdo precisa das duas formas. Não por densidade — por correspondência com como a pergunta é feita.
5. Medir por consulta, não por página
O Search Console mostra as consultas que trouxeram impressão. Consultas com impressão alta e CTR baixo indicam desencontro entre o que a página promete e o que a pessoa procurava. É o sinal mais direto de problema de intenção.
O que continua sendo especulação sobre o RankBrain?
Vale separar, porque boa parte do conteúdo de mercado sobre RankBrain trata hipótese como fato.
Documentado
O RankBrain reordena os 20 a 30 primeiros documentos
Treino em consultas de todos os idiomas, refino em dados IS
NavBoost memoriza cliques dos últimos 13 meses
Glue agrega clique, passagem de mouse, rolagem e deslize
Cerca de 100 bilhões de cliques como base
A dependência de feedback de usuário cresceu ao longo da década
Não documentado
Peso relativo do RankBrain frente aos demais sistemas
Qual métrica de interação pesa mais
Se existe limiar de CTR que dispara reordenamento
Como o sistema trata consultas de nicho com volume baixíssimo
Se e como o comportamento pós-clique entra na conta
Conteúdo que afirma "o RankBrain é o terceiro fator mais importante" repete uma declaração antiga e imprecisa de um porta-voz, feita em contexto que não sustenta a leitura de ranking de fatores. Trate como referência histórica, não como métrica.
Como diagnosticar um problema de intenção?
Quatro checagens que usam dados que você já tem.
1. Consultas com impressão alta e CTR baixo
No Search Console, filtre por impressões acima da mediana e ordene por CTR crescente. As consultas do topo dessa lista são candidatas a desencontro de intenção ou a título que não corresponde ao conteúdo.
2. Posição média boa com clique fraco
Página na posição 4 com CTR muito abaixo do esperado para a posição sinaliza que o snippet não convence — ou que o resultado não é o que a consulta pede.
Vale separar as consultas que disparam AI Overview antes de concluir, já que o CTR na posição 1 cai 58% quando o bloco está presente, segundo a análise da Ahrefs sobre 300 mil palavras-chave.
3. Consultas inesperadas trazendo impressão
Quando o Search Console mostra impressões para consultas que você não previu, o sistema encontrou uma aproximação que você não planejou. Duas saídas: reforçar a cobertura daquela necessidade, ou ajustar o conteúdo para evitar a associação errada.
4. Comparação de formato com o que já ranqueia
Se as cinco primeiras posições são comparativos e a sua página é um guia institucional, o problema é de formato. Nenhum trabalho de texto resolve desencontro de formato.
O que o Passage Ranking acrescenta ao conjunto?
A documentação oficial descreve o Passage Ranking System como "an AI system we use to identify individual sections or 'passages' of a web page". É um sistema à parte, e tem consequência direta na forma de estruturar conteúdo longo.
O que ele resolve
Uma página abrangente sobre um tema pode conter a melhor resposta da web para uma pergunta específica, enterrada na seção sete. Sem avaliação por passagem, essa página compete pela consulta específica com a nota do documento inteiro, e perde para uma página curta e dedicada.
Com avaliação por passagem, a seção sete pode ser recuperada por mérito próprio.
A implicação prática
Consolidar conteúdo em páginas abrangentes deixou de ter o custo que tinha. Antes, quebrar o tema em muitas páginas pequenas era a forma de competir por consultas específicas — o que gerava canibalização e diluição.
Hoje uma página bem estruturada, com seções autocontidas, pode disputar tanto a consulta ampla quanto as específicas. Desde que cada seção funcione isolada.
Como escrever para isso
Cada seção precisa responder a algo por conta própria: título que nomeia a pergunta, resposta direta logo abaixo, e nenhuma dependência de pronome ou referência a parágrafo anterior. Uma seção que começa com "Além do que vimos acima" não sobrevive fora do contexto.
Como isso muda a pesquisa de palavras-chave?
O modelo de uma palavra-chave por página nasceu de um sistema que não entendia relação entre conceitos. Ele envelheceu mal.
O que substitui a lista de palavras-chave
Um mapa de necessidade. Para cada problema que a empresa resolve, quais perguntas a pessoa faz antes, durante e depois de decidir. Cada pergunta vira uma seção, não uma página.
O risco de criar página por variação
Canibalização. Cinco páginas disputando variações da mesma consulta dividem sinal, dividem link interno e confundem a escolha do sistema sobre qual apresentar. O resultado comum é que nenhuma ranqueia bem.
Como usar o Search Console como fonte de pauta
As consultas com impressão e sem clique são pautas prontas: o sistema já associou seu conteúdo àquela necessidade e a pessoa não achou a resposta. Cada uma dessas é candidata a virar uma seção nova em conteúdo existente.
Onde o volume de busca ainda serve
Para priorizar, não para definir estrutura. Com consultas inéditas sendo tratadas por aproximação de conceito, cobrir bem uma necessidade rende tráfego de variações que nenhuma ferramenta listou.
Perguntas frequentes sobre o RankBrain
RankBrain é o mesmo que BERT?
Não. São sistemas distintos e a documentação oficial os lista separadamente. O RankBrain trabalha a relação entre palavras e conceitos; o BERT interpreta como combinações de palavras expressam significado e intenção. O testemunho descreveu ainda o DeepRank como o BERT aplicado ao ranqueamento.
CTR é fator de ranqueamento?
O testemunho confirmou que sistemas como NavBoost usam dados de clique agregados. Isso não valida a ideia de melhorar posição inflando clique: o sinal é estatístico, distribuído e coberto por 13 meses de histórico.
O RankBrain pode me rebaixar?
Ele reordena candidatos. Se o seu conteúdo corresponde pior à intenção que os concorrentes no mesmo conjunto, você perde posição — sem que isso seja punição.
Vale escrever para cauda longa por causa do RankBrain?
Vale escrever cobrindo as variações da mesma necessidade. Criar uma página por variação costuma gerar canibalização, que é um problema pior.
O que o testemunho antitruste mudou na prática?
Trocou analogia por mecanismo. Saber que o RankBrain reordena um conjunto já recuperado muda a prioridade: entrar no conjunto vem antes de qualquer refinamento.
O RankBrain é menos misterioso do que uma década de especulação sugeriu e mais restrito do que o mercado supõe: ele reordena um conjunto que outros sistemas já montaram. A implicação para o plano de trabalho é que relevância e autoridade continuam sendo a porta de entrada, e o encaixe com a intenção decide a ordem lá dentro.
Separar problema de entrada de problema de ordem exige leitura de dado por consulta, não por página. A MarkSaint faz essa leitura no diagnóstico inicial. Peça seu diagnóstico gratuito e receba o mapa das suas consultas com desencontro entre intenção e formato.