Preferências

A privacidade é importante para nós, então você tem a opção de desativar certos tipos de armazenamento que podem não ser necessários para o funcionamento básico do site. O bloqueio de categorias pode afetar sua experiência no site. Mais informações (Política de cookies)

SEO NLP: como o Google e a IA leem o seu conteúdo e como escrever para eles

Entenda como o NLP molda a busca do Google e da IA: entidades, saliência, embeddings, uma auditoria em 6 etapas com código, regras de escrita e erros.

Publicado em
16/11/2026
Atualizado em
16/11/2026
Tempo de leitura
28 min
SEO NLP: como o Google e a IA leem o seu conteúdo e como escrever para eles

Ferramentas

Nesta página

Em resumo

o SEO NLP consiste em escrever e estruturar as suas páginas para que os modelos de linguagem usados pelo Google e pelos assistentes de IA entendam exatamente do que trata a sua página: que entidades cobre, a que pergunta responde cada trecho e como se relaciona com o resto do seu site. Na prática, você passa o seu texto pelo mesmo tipo de ferramentas (extração de entidades, classificação, embeddings), corrige o que a máquina lê mal e reescreve as frases para que o assunto principal, os seus atributos e as suas respostas fiquem explícitos. Não é um novo truque para ranquear: é uma forma de eliminar a ambiguidade, e é a ambiguidade que lhe custa posições e citações nas IAs.

Quer ir mais longe? Pergunte ao

Quiz rápido

O SEO é para você, e como começar?

Pergunta 1 de 425%
As pessoas buscam no Google o que você vende?

O que SEO NLP realmente significa (e o que não é)

O processamento de linguagem natural (NLP, de Natural Language Processing) é o ramo da IA que transforma texto humano em dados com os quais uma máquina consegue raciocinar: palavras, frases, entidades, relações e significado. Se quiser primeiro a definição geral, leia a nossa entrada de glossário sobre processamento de linguagem natural. Para o SEO, a definição que importa é mais estreita: o NLP é a forma como um buscador decide o que a sua página significa antes de decidir onde ranqueá-la.

Por isso, o SEO NLP tem três camadas. Você precisa das três para ter resultados.

  1. Entender como os buscadores leem. O Google usa modelos de linguagem no ranking desde o BERT, e os assistentes de IA dependem totalmente deles. Os seus pontos fracos (sujeitos vagos, cadeias de pronomes, definições ausentes) são previsíveis.
  2. Medir como a sua página é lida. Você pode passar o seu próprio texto por ferramentas públicas de NLP para ver que entidades aparecem, em que categoria o texto cai e que trechos correspondem a uma pesquisa.
  3. Escrever e estruturar com clareza. Você corrige o que as ferramentas leem mal: dá nome às coisas, define-as, associa-lhes atributos e liga-as às páginas certas.

O que o SEO NLP não é: não é encher uma página com uma lista de «palavras-chave NLP», e não é correr atrás da pontuação de uma ferramenta de conteúdo. O Google diz isso claramente no seu guia sobre criar conteúdo útil, confiável e focado nas pessoas: se você escreve para atingir um número de palavras porque ouviu dizer que o Google prefere um, a resposta é «Não». A mesma lógica vale para listas de termos. O objetivo é ser compreendido, não parecer otimizado.

Por que a compreensão da linguagem mudou o SEO

1 em 10pesquisas em inglês nos EUA passaram a ser mais bem entendidas com o BERT no lançamento (outubro de 2019)
1000xmais poderoso que o BERT, segundo o Google, é o seu modelo MUM (maio de 2021)
75idiomas em que o MUM foi treinado

Fontes: Google, Pandu Nayak, «Understanding searches better than ever before» (2019) e «MUM: A new AI milestone for understanding information» (2021)

De sequências de caracteres a coisas

Quando o Google lançou o BERT, Pandu Nayak (Google Fellow e vice-presidente de Search) explicou no anúncio oficial de 25 de outubro de 2019 que o modelo ajudaria a Pesquisa a entender melhor uma em cada 10 pesquisas em inglês nos EUA. O exemplo dele foi a pesquisa «2019 brazil traveler to usa need a visa»: antes do BERT, a palavra «to» era em grande parte ignorada e o Google devolvia resultados sobre cidadãos americanos que viajavam para o Brasil. Depois do BERT, o sentido da viagem passou a ser entendido. Essa única preposição resume o SEO NLP: as palavras pequenas carregam significado, e os modelos agora as leem. A nossa página de glossário sobre o algoritmo BERT aprofunda o próprio modelo.

Dois anos depois, o Google apresentou o MUM num artigo de 18 de maio de 2021, descrevendo-o como 1000 vezes mais poderoso que o BERT e treinado em 75 idiomas. A pesquisa de exemplo era a de um caminhante que subiu o monte Adams e quer se preparar para o monte Fuji no outono seguinte: uma pergunta que exige comparar duas entidades e deduzir o que «se preparar» quer dizer. Hoje, AI Overviews, ChatGPT, Perplexity e Gemini funcionam todos pelo mesmo princípio: leem trechos, resolvem entidades e montam respostas. A sua página é a matéria-prima desse processo.

Como os buscadores e a IA leem a sua página: o pipeline de NLP

Você não precisa conhecer a matemática. Precisa conhecer as etapas, porque cada etapa é um ponto onde a sua página pode ser mal lida. Este é o pipeline na ordem em que um sistema típico o executa.

As 7 etapas pelas quais uma máquina lê a sua página

  1. Extrair o conteúdo principalNavegação, rodapé, avisos de cookies e barras laterais são separados do corpo do texto. Templates pobres ou desorganizados atrapalham esta etapa.
  2. Dividir em frases e tokensO texto é cortado em frases e depois em tokens (palavras ou pedaços de palavras). Frases muito longas e pontuação ausente pioram esta etapa.
  3. Etiquetar e analisar a sintaxeCada token recebe uma classe gramatical e um papel na frase: sujeito, verbo, objeto, modificador.
  4. Reconhecer entidadesNomes de produtos, pessoas, lugares, conceitos e números são detectados e tipificados (organização, local, preço, data...).
  5. Vincular entidadesCada entidade é associada a um conceito conhecido numa base de conhecimento, para que «Jaguar» seja a marca de carros ou o animal.
  6. Vetorizar os trechosFrases e trechos são transformados em vetores para que o seu significado possa ser comparado com a pesquisa, mesmo sem palavras em comum.
  7. Classificar e pontuarA página recebe temas, um perfil de intenção e, em alguns sistemas, um sentimento. Os trechos são ordenados em relação às pesquisas.

O que cada etapa significa para o seu conteúdo

A tabela abaixo liga cada tarefa de NLP ao risco concreto numa página e à correção que está nas suas mãos.

Tarefa de NLPO que a máquina fazProblema típico numa páginaO que você muda
Remoção do templateSepara o conteúdo principal do templateA introdução fica enterrada sob 600 palavras de menus e widgetsColocar a resposta no primeiro parágrafo do conteúdo principal, em HTML simples
Segmentação em frasesCorta o texto em frasesTópicos sem verbo, frases de 60 palavrasUma ideia por frase, frases completas nas listas que trazem fatos
Análise de dependênciasEncontra sujeito, verbo e objetoO sujeito é «isso» ou «ele», a três frases do substantivoRepetir o substantivo, manter sujeito e verbo próximos
Reconhecimento de entidadesDetecta e tipifica nomesO seu produto aparece escrito de cinco formas diferentesEscolher um nome canônico, usar variantes só depois de apresentadas
Vinculação de entidadesAssocia nomes a conceitos conhecidosNome de marca ambíguo e sem contextoPôr a categoria ao lado do nome («Sorank, o software de SEO...») e schema com sameAs
EmbeddingsCompara o significado da pesquisa e do trechoO trecho que deveria responder é genérico e serviria para qualquer páginaEscrever trechos que retomam os termos da pergunta e dão uma resposta concreta
ClassificaçãoAtribui temas e intençãoUma página de produto cheia de divagações em estilo de blogUma intenção dominante por URL, as outras intenções levadas para outras páginas

Nota

Ninguém fora do Google conhece os modelos exatos usados no ranking. As ferramentas deste guia são aproximações: leem o texto como fazem os modelos de linguagem modernos, não como faz o sistema de ranking do Google. Use-as para encontrar ambiguidade, não para prever posições.

Ilustração de uma página web cujo texto se transforma numa rede de nós azuis conectados que representam entidades e as suas relações.
O NLP transforma as palavras da sua página em entidades e relações: quanto mais claras, melhor o Google e os assistentes de IA a entendem.

Os sinais de NLP que você pode medir na sua própria página

Cinco sinais podem ser medidos com ferramentas gratuitas ou baratas. Cada um diz algo diferente, e nenhum é, sozinho, um fator de ranking.

Entidades e saliência

Uma entidade é uma «coisa» com nome: uma marca, um produto, uma pessoa, um lugar, um conceito como a «canibalização de palavras-chave». A API Cloud Natural Language do Google devolve para cada entidade um tipo, as suas menções e, na versão 1 da API, uma pontuação de saliência. A referência Entity da v1 descreve-a como «the salience score associated with the entity in the [0, 1.0] range», ou seja, uma pontuação de saliência entre 0 e 1. Os tipos de entidade são UNKNOWN, PERSON, LOCATION, ORGANIZATION, EVENT, WORK_OF_ART, CONSUMER_GOOD, OTHER, PHONE_NUMBER, ADDRESS, DATE, NUMBER e PRICE.

A saliência é relativa ao documento: as pontuações de todas as entidades de um texto competem entre si. Por isso, a leitura útil é a ordem, não o número. Se a sua página mira «SEO NLP» e a primeira entidade é «Google», para uma máquina a página fala sobretudo do Google. O detalhe está na nossa entrada de glossário sobre a saliência de entidades.

Atenção: v1 ou v2

O objeto Entity da v2 da API Natural Language só traz name, type, metadata, mentions e sentiment: não existe o campo salience. Se um tutorial mostra pontuações de saliência, está chamando a v1. Se você criar um script hoje, chame explicitamente o endpoint v1 para a saliência e confira a documentação antes de confiar nele.

Página de produto do Google Cloud Natural Language, a API que extrai entidades, categorias e sentimento de um texto.
Google Cloud Natural Language: a página pública de produto da API que devolve entidades, saliência (v1), categorias e sentimento.

Categorias de conteúdo

O método classifyText devolve categorias de uma taxonomia fixa (por exemplo, um caminho como /Internet & Telecom/Web Services). A documentação do Google sobre os conceitos básicos de Natural Language indica que a classificação precisa de um texto com pelo menos vinte tokens. O uso em SEO: se uma página pensada para «software de SEO» é classificada numa categoria genérica de marketing, o seu vocabulário é genérico demais.

Sentimento

A análise de sentimento devolve uma pontuação de -1,0 (negativo) a 1,0 (positivo) e uma magnitude que mede quanta emoção o texto carrega. No nível do documento, a magnitude começa em 0,0 e não é normalizada, então um texto longo com opiniões misturadas pode ter uma pontuação neutra e uma magnitude alta. Em SEO, o sentimento importa sobretudo em páginas de avaliações, comparativos e listas de «melhores X», onde um texto neutro e sem opinião responde mal a uma pergunta que pede uma opinião.

Sintaxe

A análise sintática devolve para cada token a classe gramatical, o lema e a dependência. Duas verificações valem a pena: com que frequência a sua entidade principal é o sujeito gramatical de uma frase, e quantas frases começam com um pronome («Ele», «Isso», «Eles»). Uma página em que a entidade principal é sujeito de muitas frases fala dela, não em volta dela.

Embeddings e semelhança entre trechos

Os embeddings transformam um trecho num vetor. Comparar o vetor de uma pesquisa com os vetores dos seus trechos (similaridade de cosseno) mostra que trecho um sistema de recuperação escolheria para essa pesquisa. É a aproximação pública mais próxima de como os assistentes de IA escolhem o pedaço que citam. É também o melhor teste para saber se a página responde de fato à pergunta ou só a menciona.

Métodos de SEO NLP comparados

«SEO NLP» abrange seis métodos diferentes. Os fornecedores costumam vender um deles como se fosse a área inteira. Veja cada um, com quando usá-lo e onde ele deixa de funcionar.

1. Otimização de entidades

Princípio: identificar as entidades que uma resposta completa precisa conter (a entidade principal, os seus atributos, as entidades relacionadas), verificar se a sua página as nomeia com clareza e se a entidade principal domina. Quando usar: em páginas sobre um produto, uma marca, uma pessoa, um lugar ou um conceito bem definido. Vantagens: corresponde a como os grafos de conhecimento e as respostas de IA são construídos, e corrige a ambiguidade na raiz. Limites: a extração de entidades deixa passar o jargão do setor e conceitos novos; a saliência não está disponível na v2 da API do Google. Exemplo: uma página sobre «SEO para Shopify» em que «WordPress» aparece entre as primeiras entidades por causa de um longo parágrafo comparativo: o parágrafo vai para uma página própria e a página da Shopify ganha foco. O nosso guia sobre SEO de entidades cobre o lado estratégico.

2. Cobertura de termos (TF-IDF e coocorrência)

Princípio: comparar os termos usados pelas páginas mais bem ranqueadas com os seus, ponderados pela sua especificidade (TF-IDF), e preencher as lacunas. É o que fazem a maioria das ferramentas de pontuação de conteúdo. Quando usar: para encontrar subtemas esquecidos numa página informativa. Vantagens: rápido, fácil de explicar a um redator. Limites: copia a média da SERP, premia a repetição e não diz nada sobre se você responde à pergunta. Uma lista de termos é um checklist de subtemas, não uma cota de palavras. Exemplo: as melhores páginas sobre «auditoria de SEO técnico» citam todas o «orçamento de rastreamento» e a «tag canonical»; a sua não: são duas seções faltando, não duas palavras.

3. Similaridade de embeddings

Princípio: codificar pesquisas e trechos como vetores e medir a proximidade entre eles. Quando usar: para verificar que cada pergunta-alvo tem um trecho que a responde com clareza, detectar duas páginas que disputam o mesmo significado e mapear os links internos por significado. Vantagens: funciona sem palavras em comum, perto de como funciona a recuperação para respostas de IA. Limites: as pontuações dependem do modelo; uma pontuação alta quer dizer «no tema», não «correto» nem «útil». Exemplo: o trecho que responde a «quanto tempo leva o SEO» pontua menos que um parágrafo de introdução sem relação: o trecho de resposta é vago demais e é reescrito com o prazo logo no início.

4. Classificação da intenção

Princípio: classificar a pesquisa (informacional, comercial, transacional, de navegação) e o formato que o Google premia (guia, lista, ferramenta, página de produto), e depois se adequar a ele. Quando usar: antes de escrever, e quando uma boa página não ranqueia de jeito nenhum. Vantagens: corrige o erro mais caro, o formato errado. Limites: existem SERPs mistas; a intenção muda com o tempo. Veja a nossa entrada de glossário sobre intenção de busca.

5. Extração de perguntas e trechos

Princípio: extrair as perguntas que as pessoas fazem («As pessoas também perguntam», fóruns, prompts de IA, os seus tickets de suporte) e dar a cada uma um trecho autônomo. Quando usar: para a visibilidade em IAs e para os featured snippets. Vantagens: produz diretamente trechos citáveis. Limites: pode fragmentar uma página num FAQ sem profundidade se você não agrupar as perguntas por subtema.

6. Modelagem de tópicos e clustering

Princípio: agrupar palavras-chave e páginas por significado para decidir que página cobre o quê, e depois ligá-las. Quando usar: no nível do site, antes de produzir conteúdo e quando há páginas que se canibalizam. Vantagens: constrói autoridade temática e uma arquitetura limpa. Limites: o clustering por sobreposição de SERP e o clustering por embeddings dão grupos diferentes; você precisa de uma regra para decidir. O nosso guia sobre clustering de palavras-chave detalha as duas abordagens, e a entrada sobre o mapa temático explica como transformar clusters num plano.

MétodoNívelIdeal paraRisco principalFerramentas
Otimização de entidadesPáginaPáginas de produto, marca e conceitoTratar a saliência como fator de rankingGoogle Cloud Natural Language (v1), spaCy
Cobertura de termos (TF-IDF)PáginaEncontrar subtemas em faltaEscrever a média da SERP, excesso de palavras-chaveFerramentas de pontuação de conteúdo, Python scikit-learn
Similaridade de embeddingsTrecho e siteQualidade das respostas, canibalização, links internosConfundir «no tema» com «bom»Sentence Transformers, bancos de dados vetoriais
Classificação da intençãoPesquisa e páginaEscolher o formato certoIgnorar SERPs mistasAnálise manual da SERP, classificadores
Extração de perguntasTrechoCitações em IA, snippetsPáginas de FAQ superficiais«As pessoas também perguntam», pesquisa de prompts
Clustering temáticoSiteArquitetura, autoridade temáticaRegras de clustering incoerentesFerramentas de clustering, embeddings

Otimização por lista de termos ou por entidades e trechos

Lista de termos (pontuação TF-IDF)
  • Verificação rápida de lacunas em relação aos concorrentes
  • Premia a repetição de palavras
  • Copia a média da SERP
  • Não diz nada sobre a qualidade da resposta
Entidades e trechos
  • Elimina a ambiguidade sobre o assunto principal
  • Produz trechos que a IA pode citar
  • Funciona entre idiomas e sinônimos
  • Exige um pouco mais de preparação

Passo a passo: faça uma auditoria de NLP numa página

Este é o método que recomendamos para começar: uma página importante, uma tarde. Você precisa do texto da página, de três a cinco páginas concorrentes e das ferramentas gratuitas online ou de algumas linhas de Python.

A auditoria de NLP de uma página em 6 etapas

  1. Extrair um texto limpoCopie só o conteúdo principal (sem menu, sem rodapé) da sua página e de 3 a 5 páginas bem ranqueadas em arquivos de texto.
  2. Listar as entidadesRode a extração de entidades. Anote as 10 primeiras entidades de cada página e a sua ordem.
  3. Verificar a entidade principalO seu conceito-alvo deve estar no top 3 da sua própria página. Se não estiver, descubra que entidades lhe roubam o foco.
  4. Mapear as entidades em faltaEntidades presentes na maioria dos concorrentes e ausentes na sua página são subtemas candidatos, não palavras a inserir.
  5. Testar os trechos contra as perguntasEscreva as 5 a 10 perguntas que a página precisa responder e meça que trecho corresponde a cada uma.
  6. Reescrever e rodar de novoCorrija os trechos fracos, rode as duas verificações de novo e acompanhe as pesquisas dessa URL no Search Console nas semanas seguintes.

Etapas 1 e 2: extrair entidades com o spaCy

O spaCy é uma biblioteca Python gratuita e de código aberto. O seu modelo pequeno em inglês roda num notebook em segundos (para um texto em português, use o modelo pt_core_news_sm). O script abaixo lista as entidades mais frequentes e os sujeitos gramaticais mais frequentes da sua página: a segunda lista costuma ser mais reveladora que a primeira.

import spacy
from collections import Counter

nlp = spacy.load("en_core_web_sm")  # pip install spacy, depois: python -m spacy download en_core_web_sm
text = open("page.txt", encoding="utf-8").read()
doc = nlp(text)

entities = Counter((e.text.lower(), e.label_) for e in doc.ents)
for (name, label), n in entities.most_common(20):
    print(f"{n:>3}  {label:<12} {name}")

# Quem é o sujeito das suas frases?
subjects = Counter(t.lemma_.lower() for t in doc if t.dep_ in ("nsubj", "nsubjpass"))
print(subjects.most_common(15))

# Quantas frases começam com um pronome vago?
vague = [s.text for s in doc.sents if s[0].lower_ in ("it", "this", "that", "they")]
print(len(vague), "sentences start with a pronoun")

Leia com atenção a lista de sujeitos. Na página de um software, se «você» e «ele» dominam e o nome do produto nunca aparece como sujeito, a página descreve ações sem dizer quem as executa. Isso se corrige em uma hora.

Página da documentação do spaCy sobre recursos linguísticos como reconhecimento de entidades nomeadas e análise de dependências.
A documentação do spaCy sobre recursos linguísticos: reconhecimento de entidades, classes gramaticais e análise de dependências, gratuita e de código aberto.

Etapa 3: obter a saliência pela API do Google (v1)

Os modelos gerais do spaCy não calculam a saliência. Para isso, chame o endpoint v1 analyzeEntities do Google Cloud Natural Language. Crie um projeto, ative a API, autentique-se com a linha de comando gcloud e envie o seu texto. Salve este corpo de requisição como request.json:

{
  "document": {
    "type": "PLAIN_TEXT",
    "language": "pt",
    "content": "Cole aqui o texto principal limpo da sua página."
  },
  "encodingType": "UTF8"
}

Depois, chame o endpoint:

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json; charset=utf-8" \
  -d @request.json \
  "https://language.googleapis.com/v1/documents:analyzeEntities"

A resposta lista as entidades com o seu type, a sua salience, as suas mentions e, quando a entidade está vinculada, um objeto metadata que pode conter uma wikipedia_url e um mid (um identificador do Knowledge Graph). Uma entidade com uma URL da Wikipédia nos metadados foi vinculada a um conceito conhecido; uma entidade importante sem URL pode ser ambígua ou recente demais. Troque analyzeEntities por classifyText para obter as categorias de conteúdo. Confira os preços e as cotas atuais do Google Cloud antes de rodar em centenas de páginas.

Etapa 5: testar os trechos contra as perguntas com embeddings

A biblioteca Sentence Transformers compara o significado de uma pergunta com cada trecho da sua página. O modelo all-MiniLM-L6-v2 é pequeno e suficiente para esta verificação em inglês; para um texto em português, prefira um modelo multilíngue como paraphrase-multilingual-MiniLM-L12-v2.

from sentence_transformers import SentenceTransformer, util

model = SentenceTransformer("all-MiniLM-L6-v2")
text = open("page.txt", encoding="utf-8").read()
passages = [p.strip() for p in text.split("\n\n") if len(p.split()) > 25]

questions = [
    "what is nlp seo",
    "how do I find the entities of my page",
    "is entity salience a ranking factor",
]

p_vecs = model.encode(passages, convert_to_tensor=True)
for q in questions:
    scores = util.cos_sim(model.encode(q, convert_to_tensor=True), p_vecs)[0]
    best = int(scores.argmax())
    print(f"{q}\n  best score {scores[best]:.2f}: {passages[best][:100]}\n")

Dois resultados pedem ação. Se o melhor trecho para uma pergunta não é aquele que você escreveu para respondê-la, o seu trecho de resposta é genérico demais. Se a melhor pontuação de uma pergunta fica muito abaixo das outras, a página não a responde de verdade. Compare as pontuações entre perguntas da mesma página, não com um limite absoluto: os valores dependem do modelo.

Página inicial da documentação do Sentence Transformers, a biblioteca que compara o significado de pesquisas e trechos.
Sentence Transformers: a biblioteca de código aberto que mede o quanto um trecho está próximo de uma pergunta.

Dica

Sem Python? O nosso LLM Readability Checker gratuito avalia uma página para a extração por IA, e o analisador de estrutura de títulos mostra se os seus H2 e H3 anunciam as perguntas que os seus trechos respondem.

Escrever para o NLP: regras no nível da frase que funcionam

A maioria dos problemas de NLP se resolve na escrita, não numa ferramenta. Estas regras vêm direto do pipeline visto acima: cada uma elimina uma etapa em que uma máquina pode errar.

Nomeie o sujeito e mantenha-o

Use o nome completo da entidade principal como sujeito da primeira frase de cada seção. Evite abrir um parágrafo com «Ele» ou «Isso». Pronomes são aceitáveis dentro de um parágrafo, depois que o substantivo estiver próximo.

Defina com uma frase «X é um Y que Z»

Uma definição que dá a categoria (Y) e o traço distintivo (Z) é a estrutura mais fácil de extrair para um modelo e de citar para um assistente de IA. «A saliência de uma entidade é uma pontuação de 0 a 1 que mede o quanto uma entidade é central num texto» funciona melhor que três frases de contexto.

Ligue os atributos à entidade, na mesma frase

Preços, datas, tamanhos, compatibilidades e limites devem ficar junto da entidade que descrevem. «A Sorank acompanha a visibilidade no ChatGPT, Gemini, Claude e Perplexity» é um fato extraível. A mesma informação dividida entre um título, um tópico e uma nota de rodapé vira três fragmentos.

Um nome canônico para cada coisa

Escolha um nome para cada produto, funcionalidade e conceito. Apresente um sinônimo uma vez («o query fan-out, a forma como os assistentes de IA dividem uma pergunta em várias pesquisas») e depois fique com uma única forma.

Primeiro a resposta, depois a explicação

Sob um título que faz uma pergunta, a primeira frase dá a resposta. O resto do trecho traz as condições, o exemplo e as exceções. É isso que torna um trecho autônomo.

Um parágrafo antes e depois de uma reescrita de NLP

Antes
  • «Ele ajuda você a ganhar visibilidade. Isso é feito automaticamente toda semana.»
  • Sujeito pouco claro: «ele» e «isso»
  • Nenhuma entidade, nenhum atributo, nenhum número
  • Poderia ser colado em qualquer página de SaaS
Depois
  • «O rank tracker verifica as suas 200 palavras-chave-alvo no Google toda segunda-feira e envia por e-mail as páginas que caíram.»
  • Sujeito nomeado: «o rank tracker»
  • Atributos ligados: palavras-chave, buscador, frequência, resultado
  • Preciso o bastante para ser citado como fato

A frase «depois» ilustra a estrutura, não descreve um produto real: adapte os atributos ao que a sua página oferece de fato.

NLP em Python para SEO semântico: agrupe palavras-chave e encontre páginas concorrentes

NLP em Python para SEO semântico significa usar o mesmo tipo de modelo de embeddings do teste de passagens acima, mas aplicado a listas inteiras: suas palavras-chave e as páginas do seu site. Dois scripts curtos respondem a perguntas que uma verificação página por página não consegue resolver. Quais palavras-chave devem estar na mesma página? Quais páginas do seu site disputam o mesmo significado? Os dois rodam na sua própria máquina, sem custo, e geram candidatos para você revisar, não veredictos.

Prepare o ambiente

Instale as bibliotecas em um ambiente virtual, para que não entrem em conflito com outros projetos Python:

python3 -m venv nlp-seo
source nlp-seo/bin/activate
pip install sentence-transformers scikit-learn

Na primeira execução, o modelo all-MiniLM-L6-v2 é baixado uma vez. Depois disso, os dois scripts funcionam offline.

Agrupe as palavras-chave por significado

O clustering transforma uma lista simples de palavras-chave em grupos que uma mesma página poderia responder. Cada palavra-chave vira um vetor, e as que têm vetores próximos em distância cosseno caem no mesmo grupo. Guarde suas palavras-chave em um arquivo de texto, uma por linha, e execute este script:

from sentence_transformers import SentenceTransformer
from sklearn.cluster import AgglomerativeClustering
from collections import defaultdict

keywords = [line.strip() for line in open("keywords.txt", encoding="utf-8") if line.strip()]

model = SentenceTransformer("all-MiniLM-L6-v2")
vectors = model.encode(keywords, normalize_embeddings=True)

labels = AgglomerativeClustering(
    n_clusters=None,
    distance_threshold=0.35,  # distância cosseno: valores menores geram grupos mais rigorosos
    metric="cosine",
    linkage="average",
).fit_predict(vectors)

groups = defaultdict(list)
for label, keyword in zip(labels, keywords):
    groups[label].append(keyword)

for label, members in sorted(groups.items(), key=lambda g: -len(g[1])):
    print(f"Group {label} ({len(members)} keywords)")
    for keyword in members:
        print("   ", keyword)

O limite é o ajuste que importa. Comece em 0,35 e leia o resultado. Se palavras-chave sem relação aparecem no mesmo grupo, diminua. Se o tema de uma página está dividido em vários grupos, aumente. O average linkage reduz o encadeamento, o efeito em que uma sequência de palavras-chave fracamente relacionadas une dois grupos sem relação.

Encontre páginas que disputam o mesmo significado

O segundo script compara suas páginas entre si. Prepare um arquivo separado por tabulações, com uma linha de cabeçalho e as colunas url e title. Os títulos são apenas uma aproximação grosseira: para um teste mais preciso, cole na coluna title o primeiro parágrafo de cada página.

import csv
from sentence_transformers import SentenceTransformer, util

with open("pages.tsv", encoding="utf-8") as f:
    rows = [(r["url"], r["title"]) for r in csv.DictReader(f, delimiter="\t")]

model = SentenceTransformer("all-MiniLM-L6-v2")
vectors = model.encode([title for _, title in rows], convert_to_tensor=True)
sims = util.cos_sim(vectors, vectors)

for i in range(len(rows)):
    for j in range(i + 1, len(rows)):
        score = float(sims[i][j])
        if score > 0.8:  # ponto de partida: ajuste depois de ler os resultados
            print(f"{score:.2f}  {rows[i][0]}  vs  {rows[j][0]}")

Cada par exibido é um candidato, não um veredicto. Abra as duas URLs e pergunte-se se um leitor esperaria que qualquer uma das páginas respondesse à pergunta da outra. Se sim, una as duas páginas, ou mantenha uma como página principal e restrinja o foco da outra. A entrada sobre a canibalização de palavras-chave explica como escolher.

ScriptEntradaSaídaO que você decide
Grupos de palavras-chaveUma palavra-chave por linhaGrupos de palavras-chave com o mesmo significadoSe cada grupo precisa de uma página ou de várias
Páginas concorrentesURL e título, ou primeiro parágrafo, por páginaPares de páginas acima do seu limiteSe unir, refocar ou manter as duas páginas

Três limites são importantes:

  • As pontuações dependem do modelo. Compare pares e grupos de uma mesma execução e nunca copie um limite de um tutorial.
  • Embeddings captam o significado, não a intenção. «Melhor software CRM» e «como configurar um CRM» compartilham um tema, mas pedem páginas diferentes, então verifique a intenção antes de unir qualquer coisa.
  • Nomes de marcas, de produtos e termos muito recentes podem ser codificados de forma ruim. Revise esses grupos manualmente.

Esses scripts são o equivalente, em nível de site, do teste de passagens acima: um mostra o que deve ficar junto, o outro mostra onde suas páginas se sobrepõem. Se preferir não manter os scripts, o Topic Cluster Generator da Sorank faz a etapa de agrupamento com uma verificação anticanibalização embutida.

Os modelos de linguagem leem mais do que os seus parágrafos. Três elementos em volta do texto transmitem sinais fortes.

Dados estruturados que nomeiam as suas entidades

A marcação Schema.org não faz uma página ranquear sozinha, mas declara num formato legível por máquinas do que a página trata e a que conceitos conhecidos se refere. As propriedades about e mentions, com links sameAs para páginas de referência, eliminam a ambiguidade na vinculação de entidades.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "SEO NLP: como o Google e a IA leem o seu conteúdo",
  "about": {
    "@type": "Thing",
    "name": "Processamento de linguagem natural",
    "sameAs": "https://pt.wikipedia.org/wiki/Processamento_de_linguagem_natural"
  },
  "mentions": [
    {
      "@type": "Thing",
      "name": "Otimização para motores de busca",
      "sameAs": "https://pt.wikipedia.org/wiki/Otimiza%C3%A7%C3%A3o_para_motores_de_busca"
    }
  ]
}
</script>

Gere e teste o seu com o nosso gerador de marcação Schema e o nosso validador de dados estruturados, ambos gratuitos.

Títulos como sumário para as máquinas

Os títulos são a primeira coisa que um modelo usa para dividir a sua página em trechos. Um título que nomeia a entidade e a pergunta («Como a saliência de uma entidade é calculada») gera um pedaço mais limpo que um título engraçadinho («Por baixo do capô»). Mantenha a hierarquia H2 e H3 rigorosa: nenhum H3 sem H2 pai, nenhum nível pulado.

O texto âncora é um dos sinais de NLP mais antigos da busca: diz ao buscador, de fora, do que trata a página de destino. Use âncoras descritivas que nomeiam a entidade de destino, ligue páginas próximas em significado e evite mandar a mesma âncora para duas páginas diferentes. Um casulo semântico é a forma mais estruturada de organizar isso, e o nosso guia sobre links internos automatizados explica como escalar sem criar ruído.

SEO NLP para a busca com IA: ser citado pelo ChatGPT, Gemini e Perplexity

Os assistentes de IA levam a lógica de NLP até o fim. Eles não ranqueiam páginas inteiras: recuperam trechos, comparam-nos por significado com subconsultas e montam uma resposta que às vezes cita a fonte. Daí vêm três consequências.

  1. Cada trecho precisa se sustentar sozinho. O que é recuperado é um pedaço da sua página, não a página. Se depende de uma definição dada três seções antes, perde.
  2. Uma pergunta vira várias pesquisas. Os assistentes dividem um prompt em subconsultas (query fan-out). Uma página que responde à pergunta principal, mas não às continuações naturais (preço, alternativas, limites, como começar), cobre só uma parte do que é pesquisado. O Query Fan-Out Tracker da Sorank mostra as pesquisas que a IA realmente faz por trás de um prompt.
  3. O consenso sobre as entidades importa. Um assistente confia mais num fato que encontra formulado do mesmo jeito em várias fontes. Nomes e atributos coerentes no seu site, nos seus perfis e nas menções de terceiros ajudam. A nossa entrada sobre o consenso de entidades cobre esta camada.

Para o método completo aplicado às respostas de IA, veja o nosso guia sobre otimização de conteúdo para LLMs.

Erros comuns de SEO NLP (e como corrigi-los)

Estes são os erros que mais vemos nos sites auditados. Cada um tem um sintoma que você consegue identificar e uma correção que pode aplicar hoje.

1. Tratar a saliência ou uma pontuação de conteúdo como fator de ranking

O que é: reescrever até a API dar uma saliência alta à sua palavra-chave, ou até uma ferramenta mostrar uma pontuação verde. Como identificar: a página fica pior de ler depois da otimização; a mesma expressão aparece em todos os parágrafos. Como corrigir: use a saliência só para verificar a ordem das entidades e depois julgue a página pelas respostas e pelos dados do Search Console. O Google nunca disse que usa as pontuações desta API no ranking.

2. Inserir termos dos concorrentes como palavras, não como conteúdo

O que é: colocar «orçamento de rastreamento» numa frase porque cinco concorrentes o citam. Como identificar: os termos aparecem uma vez, fora de contexto, sem explicação. Como corrigir: cada entidade em falta vira uma pergunta: o meu leitor precisa disso? Se sim, escreva um trecho; se não, ignore.

3. Analisar o HTML completo em vez do conteúdo principal

O que é: colar a página inteira, com menu e rodapé, numa ferramenta de NLP. Como identificar: as suas primeiras entidades são o nome da sua marca, «cookies», «contato» ou as categorias do rodapé. Como corrigir: extraia só o corpo do artigo antes de qualquer análise.

4. Chamar a v2 da API do Google e procurar a saliência

O que é: seguir um tutorial antigo com o endpoint atual. Como identificar: a resposta JSON tem entidades e menções, mas não tem saliência. Como corrigir: chame /v1/documents:analyzeEntities para obter a saliência, lembrando que a v1 pode mudar.

5. Cadeias de pronomes e sujeitos vagos

O que é: parágrafos em que «ele», «isso» e «eles» remetem a substantivos que estão várias frases antes. Como identificar: o script do spaCy acima conta as frases que começam com um pronome; mais de uma em cada cinco numa página-chave é sinal de alerta. Como corrigir: repita o substantivo no início de cada parágrafo e depois de cada título.

6. Uma página, várias intenções

O que é: uma única URL que tenta definir um conceito, comparar ferramentas e vender um produto. Como identificar: a página ranqueia para muitas pesquisas entre as posições 15 e 40 e para nenhuma no top 5. Como corrigir: mantenha a intenção dominante, leve as outras para páginas dedicadas e ligue-as.

7. Escrever para um tamanho ou uma densidade

O que é: encher uma página para atingir um número de palavras ou uma densidade de palavra-chave-alvo. Como identificar: introduções repetidas, parágrafos genéricos que serviriam para qualquer página. Como corrigir: corte cada trecho que não responde a uma pergunta que um leitor faria. A nossa calculadora de densidade de palavras-chave serve ao contrário: para achar onde você repete demais.

8. Ignorar a vinculação de entidades

O que é: usar um nome de marca ou de produto que uma máquina não consegue distinguir de uma palavra comum ou de outra empresa. Como identificar: a API devolve a sua marca como OTHER ou CONSUMER_GOOD sem metadados, ou a liga ao conceito errado. Como corrigir: ponha a categoria ao lado do nome, use schema Organization ou Product com sameAs para os seus perfis oficiais e mantenha o nome idêntico em todo lugar.

Checklist de SEO NLP para uma página

  • A entidade principal é nomeada na primeira frase e no H1
  • A entidade principal está entre as 3 primeiras entidades da página
  • Cada H2 ou H3 anuncia uma pergunta ou um subtema em palavras simples
  • A primeira frase sob cada título-pergunta dá a resposta
  • Menos de uma em cada cinco frases começa com um pronome vago
  • Cada atributo importante está na mesma frase que a sua entidade
  • Um nome canônico por produto, funcionalidade e conceito
  • Os dados estruturados nomeiam a entidade principal com links sameAs
  • Os links internos usam âncoras descritivas que nomeiam o destino
  • Nenhum termo inserido só porque uma ferramenta ou um concorrente o usa

Ferramentas de SEO NLP: para que serve cada uma

Você não precisa de um grande arsenal. Escolha as ferramentas pela pergunta que precisa responder.

FerramentaTipoO que ela mostraConhecimento necessárioMelhor uso
Google Cloud Natural LanguageAPI na nuvem (ver preços do Google Cloud)Entidades, saliência (v1), categorias, sentimento, sintaxeMédio: um projeto no Google Cloud e alguns comandosVerificar como um modelo do Google lê as suas páginas-chave
spaCyBiblioteca Python de código abertoEntidades, estrutura das frases, sujeitos, lemasPython básicoAuditar muitas páginas localmente, sem custo
Sentence TransformersBiblioteca Python de código abertoSimilaridade de significado entre pesquisas e trechosPython básicoVerificação de respostas, canibalização, mapa de links internos
Google Search ConsoleFerramenta gratuita do GoogleAs pesquisas em que cada URL aparece de fatoNenhumMedir o efeito de uma reescrita
Ferramentas de otimização de conteúdoSaaSLacunas de termos e entidades em relação às melhores páginasNenhumVerificação rápida de subtemas antes de escrever
SorankSoftware de SEO e GEO em autopilotReescritas, clusters temáticos, acompanhamento da visibilidade em IANenhumAplicar o método a um site inteiro

Para uma comparação das opções comerciais, leia a nossa análise das melhores ferramentas de otimização de conteúdo. Se você tem dezenas de páginas antigas para corrigir, a funcionalidade de Otimização de conteúdo da Sorank audita e reescreve as páginas existentes em autopilot, e o gerador de clusters temáticos agrupa as suas palavras-chave por significado antes de você escrever, com uma verificação integrada contra a canibalização.

Como medir o impacto do trabalho de NLP

As mudanças de NLP tratam da compreensão, então meça primeiro a compreensão e depois o tráfego.

O número de pesquisas por URL

No Google Search Console, filtre o relatório de Desempenho pela URL reescrita e conte as pesquisas distintas com impressões em 28 dias, antes e depois. Uma página mais bem compreendida costuma aparecer em mais variações de cauda longa em poucas semanas, muitas vezes antes de os cliques mudarem.

A posição nas perguntas-alvo

Acompanhe as 5 a 10 perguntas usadas no teste de trechos. Se as impressões sobem mas a posição não, a página é compreendida mas não é preferida: trabalhe a profundidade, os exemplos e os links.

As citações nas respostas de IA

Faça os mesmos prompts no ChatGPT, Gemini, Claude e Perplexity antes e depois, e anote se a sua página é citada. Repita todo mês: as respostas de IA variam de uma execução para outra, então um único teste não prova nada. Para uma versão estruturada desta verificação, faça uma auditoria de SEO semântico em todo o cluster em vez de numa só página.

O que fazer hoje

Escolha a página que mais traz negócios para você e aplique a auditoria em seis etapas. Corrija os dois primeiros problemas que encontrar, normalmente uma entidade principal que não domina e um trecho de resposta vago demais. Depois anote a data e confira as pesquisas dela no Search Console daqui a quatro semanas.

Perguntas frequentes

O que é NLP em SEO?

NLP em SEO significa tornar o seu conteúdo fácil de entender para os modelos de linguagem: que entidades uma página cobre, a que perguntas cada trecho responde e como a página se relaciona com o resto do site. O Google usa modelos de linguagem como o BERT na Pesquisa desde 2019, e os assistentes de IA dependem totalmente deles, então uma escrita clara e sem ambiguidade virou, na prática, um fator de ranking e de citação.

A saliência de entidades é um fator de ranking do Google?

Nenhuma declaração pública do Google diz que a pontuação de saliência da sua API Cloud Natural Language é usada no ranking. A pontuação é uma aproximação útil para verificar se o seu assunto principal domina a página, mas observe a ordem das entidades em vez de correr atrás de um número. Note que a saliência só é devolvida pela versão 1 da API.

Que ferramentas gratuitas posso usar para SEO NLP?

spaCy e Sentence Transformers são bibliotecas Python gratuitas e de código aberto para extração de entidades e similaridade de trechos. O Google Search Console, também gratuito, mostra depois se uma página reescrita aparece em mais pesquisas. O Google Cloud Natural Language acrescenta saliência e categorias, com cobrança por uso conforme os preços do Google Cloud.

Receba gratuitamente o seu plano de conteúdo para 30 dias

Analisamos seus concorrentes, seu site e sua visibilidade nas IA para criar, gratuitamente, um plano de conteúdo sob medida.

Nossas ferramentas de SEO gratuitas

Ver todas as nossas ferramentas gratuitas

Receba gratuitamente o seu plano de conteúdo para 30 dias

Analisamos seus concorrentes, seu site e sua visibilidade nas IA para criar, gratuitamente, um plano de conteúdo sob medida.

Foto de um usuário da SorankFoto de um usuário da SorankFoto de um usuário da SorankCelio FabianoFoto de uma usuária da SorankFoto de perfil do cliente Xavier Breull
Google
EstrelaEstrelaEstrelaEstrelaEstrela
5/5
+5.000
usuários

Depoimentos de fundadores ambiciosos

0 a 10000 visitantes em 5 meses

Celio Fabianomonrobotlavevitre.frGoogleE-commerce

0 a 5000 visitas em 8 meses

Thibault BMsorank.comGoogleSoftware

De 0 a 1104 cliques em 4 meses

Dominiqueflight-sensations-idf.comGoogleLazer e aviação

De 0 a 163 cliques em 6 meses

Coworking Pariscoworking-paris.frGoogleOffice broker

x92 cliques em 7 meses

Guide Zanzibarguidezanzibar.comGoogleViagens