Voltar ao blog
SEO técnicocrawlingindexaçãositemapcanonicalschema.orgdados estruturados

SEO técnico para desenvolvedores: crawling, indexação e dados estruturados

2026-08-07
SEO técnico para desenvolvedores: crawling, indexação e dados estruturados

Existe uma verdade desconfortável sobre SEO: o melhor conteúdo do mundo não ranqueia se o Google não conseguir rastrear, entender e indexar a página. Boa parte do que separa um site invisível de um site bem posicionado não está no texto nem nos backlinks, está na infraestrutura. É território de desenvolvedor. SEO técnico é justamente essa camada, a que garante que os buscadores consigam acessar, interpretar e arquivar o seu conteúdo sem tropeços.

Este guia é sobre crawling, indexação e dados estruturados, não sobre velocidade de página (isso é assunto de Core Web Vitals, que temos em outro post). Aqui o foco é: como o buscador chega até você, como decide o que guardar e como você fala a língua dele.

Como um buscador enxerga o seu site

Antes de otimizar qualquer coisa, é preciso entender o pipeline que todo buscador executa. Ele tem três etapas distintas, e falhar em qualquer uma delas derruba tudo o que vem depois:

  1. Crawling (rastreamento): o robô do buscador (o Googlebot, por exemplo) descobre URLs e baixa o conteúdo delas seguindo links e sitemaps.
  2. Indexing (indexação): o buscador processa a página, renderiza o conteúdo, entende do que ela trata e decide se a armazena no índice.
  3. Ranking (classificação): apenas o que foi indexado disputa posição nos resultados para uma busca específica.

A implicação prática é dura: uma página que não é rastreada nunca é indexada, e uma página não indexada simplesmente não existe para o Google. SEO técnico atua nas duas primeiras etapas, que são pré-requisito para qualquer esforço de conteúdo.

Crawling: deixando o robô entrar

O primeiro objetivo é garantir que o buscador consiga chegar a todas as páginas importantes e não desperdice tempo com o que não interessa. Esse tempo tem nome, crawl budget: a quantidade de recursos que o buscador dedica ao seu site. Em sites grandes, gastá-lo com páginas irrelevantes significa deixar páginas valiosas sem visita.

As alavancas de crawling que um desenvolvedor controla:

  • robots.txt: o arquivo na raiz que diz ao robô onde ele pode e não pode ir. Um erro clássico e devastador é bloquear acidentalmente diretórios inteiros (ou o site todo) em produção depois de um deploy.
  • Links internos: o robô descobre páginas seguindo links. Uma página sem nenhum link apontando para ela (uma página órfã) dificilmente será encontrada.
  • Códigos de status HTTP corretos: um 200 para páginas válidas, 301 para redirecionamentos permanentes, 404 para o que não existe e 410 para o que foi removido de vez. Servir 200 em páginas de erro (as chamadas soft 404) confunde o buscador.
  • Renderização: conteúdo que só aparece após execução pesada de JavaScript pode ser rastreado de forma incompleta. Entregar o conteúdo essencial já no HTML é a aposta segura.

Um robots.txt bem-comportado costuma se parecer com isto:

User-agent: *
Disallow: /admin/
Disallow: /carrinho/
Allow: /

Sitemap: https://www.exemplo.com/sitemap.xml

Indexação: ajudando o buscador a decidir

Rastrear é só metade do caminho. Depois, o buscador decide se aquela página merece um lugar no índice. Você influencia essa decisão com sinais explícitos.

  • Meta robots: a tag <meta name="robots" content="index, follow"> permite indexar; noindex diz para não guardar aquela página. Use noindex em páginas de resultado de busca interna, filtros e áreas administrativas.
  • Sitemap XML: uma lista das URLs que você quer que sejam indexadas, com data da última modificação. Não garante indexação, mas orienta o buscador sobre o que priorizar e ajuda muito em sites grandes.
  • Conteúdo real e único: páginas finas, com pouco ou nenhum conteúdo próprio, tendem a ficar de fora do índice. Cada URL indexável precisa justificar sua existência.

A diferença entre bloquear e desindexar

Aqui mora um dos erros mais comuns. Bloquear no robots.txt não remove uma página do índice, apenas impede o robô de rastreá-la. Se você quer que uma página saia do Google, precisa permitir o rastreamento e usar noindex, ou o robô nunca verá a instrução de remoção. Bloquear e esperar desindexação é uma armadilha silenciosa.

Canonical e conteúdo duplicado

Sites reais geram a mesma página sob várias URLs: com e sem barra final, com parâmetros de campanha, versões para impressão, ordenações de catálogo. Para o buscador, isso é conteúdo duplicado, e ele precisa escolher qual versão indexar. Se você não escolher por ele, ele escolhe sozinho, às vezes errado.

A solução é a tag canonical, que aponta para a versão preferida:

<link rel="canonical" href="https://www.exemplo.com/produtos/tenis" />

Boas práticas de canonicalização:

  • Uma URL preferida por conteúdo, e todas as variantes apontando para ela.
  • Consistência: escolha um padrão (com https, com ou sem www, com ou sem barra final) e mantenha em todo o site, com redirecionamentos 301 para o padrão.
  • Canonical auto-referente: mesmo páginas únicas se beneficiam de apontar para si mesmas, evitando que parâmetros de URL criem duplicatas acidentais.
  • Paginação: trate listas paginadas com cuidado, garantindo que cada página tenha conteúdo próprio e não seja tratada como cópia.

Dados estruturados com schema.org

Aqui o SEO técnico passa de "deixar o buscador entrar" para "falar a língua dele". Dados estruturados são marcações que descrevem o significado do conteúdo em um formato que a máquina entende. O vocabulário padrão é o schema.org, e o formato recomendado é o JSON-LD, um bloco de script no HTML.

O ganho é duplo: o buscador entende melhor a página, e ela pode ganhar rich results (os resultados enriquecidos com estrelas de avaliação, preço, perguntas frequentes, migalhas de navegação), que aumentam a visibilidade e a taxa de cliques.

Um exemplo de artigo marcado com JSON-LD:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "SEO técnico para desenvolvedores",
  "author": { "@type": "Person", "name": "Gustavo Prado" },
  "datePublished": "2026-08-07",
  "publisher": {
    "@type": "Organization",
    "name": "ConstructorTI"
  }
}
</script>

Os tipos de schema mais úteis, por caso de uso:

Tipo de schema Quando usar Rich result possível
Article / BlogPosting Posts e conteúdos editoriais Destaque em notícias, autoria
Product + Offer Páginas de produto Preço, disponibilidade, avaliações
FAQPage Páginas com perguntas frequentes Perguntas expansíveis no resultado
BreadcrumbList Navegação hierárquica Migalhas no lugar da URL crua
Organization Página institucional Painel de conhecimento, logo
LocalBusiness Negócios com endereço físico Mapa, horário, telefone

Uma regra de ouro: marque apenas o que está de fato visível na página. Dados estruturados que descrevem conteúdo inexistente violam as diretrizes e podem gerar penalização.

Fundamentos que não podem faltar

Alguns itens de SEO técnico são inegociáveis e costumam ser esquecidos justamente por serem básicos:

  • HTTPS em todo o site, sem conteúdo misto.
  • URLs limpas e descritivas, curtas e legíveis, em vez de parâmetros crípticos.
  • Um único <title> e uma meta description relevantes por página.
  • Hierarquia de headings coerente, com um <h1> claro e subtítulos bem estruturados.
  • Atributo alt descritivo nas imagens, que ajuda em acessibilidade e em busca de imagens.
  • Versão responsiva, já que o Google indexa priorizando a versão mobile.
  • Internacionalização com hreflang quando há versões por idioma ou região.

Como monitorar e diagnosticar

SEO técnico não é uma configuração única, é manutenção contínua. As ferramentas essenciais:

  1. Google Search Console: a fonte oficial. Mostra o que foi indexado, erros de rastreamento, cobertura, e permite inspecionar como o Google vê cada URL.
  2. Relatório de cobertura e indexação: revela páginas excluídas e o motivo (bloqueada por robots, marcada como noindex, duplicada sem canonical).
  3. Teste de resultados aprimorados: valida se os dados estruturados estão corretos e elegíveis para rich results.
  4. Logs do servidor: para sites grandes, analisar o que o Googlebot realmente rastreia revela desperdício de crawl budget que nenhuma outra ferramenta mostra.

O ciclo saudável é simples: publique, verifique a indexação no Search Console, corrija o que ficou de fora e monitore os erros de cobertura de forma recorrente.

Infraestrutura é o que sustenta o conteúdo

SEO técnico é a fundação invisível sobre a qual todo o resto se apoia. Não importa quão bom seja o texto, quão forte seja a marca ou quantos backlinks existam: se o buscador não consegue rastrear, indexar e entender a página, o esforço se perde. Crawling limpo, indexação bem sinalizada, canonicalização consistente e dados estruturados corretos são o que transforma um site bonito em um site encontrável.

Na ConstructorTI, tratamos SEO técnico como parte da engenharia, não como um ajuste de última hora: robots.txt e sitemaps corretos, canonical consistente, schema.org bem aplicado e conteúdo entregue no HTML para indexação confiável. Se o seu site tem bom conteúdo mas não aparece no Google, ou se você está construindo um projeto novo e quer nascer indexável, fale com o nosso time e saia da conversa com um diagnóstico técnico claro do que está travando a sua visibilidade.