Os fatos sobre sinais de clique, classificações e SEO do Google

Os cliques como um sinal relacionado à classificação têm sido objeto de debate há mais de vinte anos, embora hoje em dia a maioria dos SEOs entenda que os cliques não são um fator direto de classificação. A verdade sobre os cliques é que eles são dados brutos e, surpreendentemente, processados ​​com alguma semelhança com as pontuações dos avaliadores humanos.

Cliques são um sinal bruto

O parecer do memorando antitruste do DOJ de setembro de 2025 menciona os cliques como um “sinal bruto” que o Google usa. Ele também categoriza o conteúdo e as consultas de pesquisa como sinais brutos. Isso é importante porque um sinal bruto é o ponto de dados de nível mais baixo que é processado em sinais de classificação de nível superior ou usado para treinar um modelo como o RankEmbed e seu sucessor, o RankEmbedBERT.

Esses são considerados sinais brutos porque são:

• Observado diretamente
• Mas ainda não interpretado ou usado para dados de treinamento

O documento do DOJ cita o professor James Allan, que prestou depoimento especializado em nome do Google:

“Os sinais variam em complexidade. Existem sinais “brutos”, como o número de cliques, o conteúdo de uma página da Web e os termos de uma consulta.

…Esses sinais podem ser criados com métodos simples, como contagem de ocorrências (por exemplo, quantas vezes uma página da web foi clicada em resposta a uma consulta específica). Eu ia.
em 2859:3–2860:21 (Allan) (discutindo o sinal Navboost) “

Ele então compara os sinais brutos com a forma como eles são processados:

“No outro extremo do espectro estão os modelos inovadores de aprendizagem profunda, que são modelos de aprendizagem automática que discernem padrões complexos em grandes conjuntos de dados.

Modelos profundos encontram e exploram padrões em vastos conjuntos de dados. Eles adicionam capacidades únicas a um custo elevado.”

O professor Allan explica que “sinais de nível superior” são usados ​​para produzir as pontuações “finais” de uma página web, incluindo popularidade e qualidade.

Sinais brutos são dados a serem processados ​​posteriormente

O Navboost é mencionado diversas vezes no documento antitruste de setembro de 2025 como dado de popularidade. Não é mencionado no contexto de cliques que têm efeito de classificação em sites individuais.

É conhecido como uma forma de medir popularidade e intenção:

“…popularidade medida pela intenção do usuário e sistemas de feedback, incluindo Navboost/Glue…”

E em outro lugar, no contexto de explicar por que alguns dos dados do Navboost são privilegiados:

“Eles são ‘popularidade medida pela intenção do usuário e sistemas de feedback, incluindo Navboost/Glue’…”

No contexto da explicação de por que alguns dos dados do Navboost são privilegiados:

“De acordo com a solução proposta, o Google deve disponibilizar aos concorrentes qualificados… os seguintes conjuntos de dados:

1. Dados do lado do usuário usados ​​para construir, criar ou operar o(s) modelo(s) estatístico(s) GLUE;

2. Dados do lado do usuário usados ​​para treinar, construir ou operar o(s) modelo(s) RankEmbed; e

3. Os dados do lado do usuário usados ​​como dados de treinamento para modelos GenAI usados ​​na pesquisa ou qualquer produto GenAI que possa ser usado para acessar a pesquisa.

O Google usa os dois primeiros conjuntos de dados para construir sinais de pesquisa e o terceiro para treinar e refinar os modelos subjacentes às visões gerais de IA e (possivelmente) ao aplicativo Gemini.”

Os cliques, assim como as pontuações dos avaliadores humanos, são apenas um sinal bruto que é usado posteriormente na cadeia de algoritmos para treinar modelos de IA para melhor combinar páginas da web com consultas ou para gerar um sinal de qualidade ou relevância que é então adicionado ao restante dos sinais de classificação por um mecanismo de classificação ou mecanismo modificador de classificação.

70 dias de registros de pesquisa

O documento do DOJ faz referência ao uso de 70 dias de registros de pesquisa. Mas isso são apenas oito palavras em um contexto mais amplo.

Aqui está a parte que muitos SEOs citam em todos os lugares:

“70 dias de registros de pesquisa mais pontuações geradas por avaliadores humanos”

Eu entendo, é simples e direto. Mas há mais contexto para isso:

“RankEmbed e sua iteração posterior RankEmbedBERT são modelos de classificação que dependem de duas fontes principais de dados: (redigido)% de 70 dias de registros de pesquisa mais pontuações geradas por avaliadores humanos e usadas pelo Google para medir a qualidade dos resultados de pesquisa orgânica.”

Os registros de pesquisa de 70 dias não são dados de cliques usados ​​para fins de classificação no Google, AI Mode ou Gemini. São os dados agregados que são processados ​​posteriormente para treinar modelos especializados de IA, como o RankEmbedBERT, que, por sua vez, classifica as páginas da web com base na análise de linguagem natural.

Essa parte do documento do DOJ não afirma que o Google esteja usando diretamente dados de cliques para classificar os resultados de pesquisa. São dados, como os dados do avaliador humano, que são usados ​​por outros sistemas para treinar dados ou para serem processados ​​posteriormente.

O que é o RankEmbed do Google?

RankEmbed é uma abordagem de linguagem natural para identificar documentos relevantes e classificá-los.

O mesmo documento do DOJ explica:

“O próprio modelo RankEmbed é um sistema de aprendizagem profunda baseado em IA que possui forte compreensão de linguagem natural. Isso permite que o modelo identifique com mais eficiência os melhores documentos a serem recuperados, mesmo que uma consulta não contenha determinados termos.”

Ele é treinado com menos dados que os modelos anteriores. Os dados consistem parcialmente em termos de consulta e pares de páginas da web:

“…O RankEmbed é treinado em 1/100 dos dados usados ​​para treinar modelos de classificação anteriores, mas fornece resultados de pesquisa de maior qualidade.

…Entre os dados de treinamento subjacentes estão informações sobre a consulta, incluindo os termos importantes que o Google derivou da consulta e as páginas da web resultantes.”

São dados de treinamento para treinar um modelo para reconhecer como os termos de consulta são relevantes para as páginas da web.

O mesmo documento explica:

“Os dados subjacentes aos modelos RankEmbed são uma combinação de dados de clique e consulta e pontuação de páginas da web por avaliadores humanos.”

É claro que, no contexto desta passagem específica, ela descreve o uso de dados de cliques (e dados de avaliadores humanos) para treinar modelos de IA, e não para influenciar diretamente as classificações.

E quanto à patente de classificação de cliques do Google?

Em 2006, o Google registrou uma patente relacionada a cliques chamada, Modificando a classificação dos resultados da pesquisa com base no feedback implícito do usuário. A invenção trata da fórmula matemática para criar uma “medida de relevância” a partir dos dados brutos agregados de cliques (plural).

A patente distingue entre a criação do sinal e o próprio ato de classificação. A “medida de relevância” é enviada para um mecanismo de classificação, que pode então adicioná-la às pontuações de classificação existentes para classificar os resultados da pesquisa para novas pesquisas.

Aqui está o que a patente descreve:

“Um subsistema de classificação pode incluir um mecanismo modificador de classificação que usa feedback implícito do usuário para causar a reclassificação dos resultados da pesquisa, a fim de melhorar a classificação final
apresentado a um usuário de um sistema de recuperação de informações.

As seleções de resultados de pesquisa do usuário (dados de cliques) podem ser rastreadas e transformadas em uma fração de cliques que pode ser usada para reclassificar resultados de pesquisa futuros.

Essa “fração de cliques” é uma medida de relevância. A invenção descrita na patente não trata de rastrear o clique; trata-se da medida matemática (a fração de cliques) que resulta da combinação de todos esses cliques individuais. Isso inclui o clique curto, o clique médio, o clique longo e o último clique.

Tecnicamente, é chamada de fração LCIC (clique longo dividido por cliques). É “cliques” no plural porque toma decisões com base na soma de muitos cliques (agregados), não no clique individual.

Essa fração de cliques é agregada porque:

• Resumo:
  O “primeiro número” usado para classificação é a soma de todos os cliques individuais ponderados para um par específico de consulta-documento.
• Normalização:
  Ele pega essa soma e a divide pela contagem total de todos os cliques (o “segundo número”).
• Suavização Estatística:
  O sistema aplica “fatores de suavização” a esse número agregado para garantir que um único clique em uma consulta “rara” não distorça injustamente os resultados, especialmente para spammers.

Essa patente de 2006 descreve sua fórmula de ponderação assim:

“Uma fração básica de cliques LCC pode ser definida como:

LCC_BASE=(#WC(Q,D))/(#C(Q,D)+S0)

onde iWC(QD) é a soma de cliques ponderados para um par de URL de consulta…, iC(QD) é o número total de cliques (contagem ordinal, não ponderada) para o par URL de consulta e S0 é um fator de suavização.”

Essa fórmula descreve a soma e a divisão dos dados de vários usuários para criar uma pontuação única para um documento. O par “consulta-URL” é um “balde” de dados que armazena o comportamento de clique de cada usuário que digitou aquela consulta específica e clicou naquele resultado de pesquisa específico. O fator de suavização é a parte anti-spam que inclui a não contagem de cliques únicos em consultas de pesquisa raras.

Mesmo em 2006, os cliques são apenas dados brutos que são transformados mais acima na cadeia, em vários estágios de agregação, em uma medida estatística de relevância antes mesmo de atingir o estágio de classificação. Nesta patente, os cliques em si não são fatores de classificação que influenciam diretamente a classificação ou não de um site. Eles foram usados ​​de forma agregada como uma medida de relevância, que por sua vez foi alimentada em outro mecanismo de classificação.

No momento em que a informação chega ao mecanismo de classificação, os dados brutos foram transformados a partir de ações individuais do usuário em uma medida agregada de relevância.

• Pensar nos cliques em relação à classificação não é tão simples, pois os cliques geram classificações de pesquisa.
• Os cliques são apenas dados brutos.
• Os cliques são usados ​​para treinar sistemas de IA como o RankEmbedBert.
• Os cliques não influenciam diretamente os resultados da pesquisa. Sempre foram dados brutos, o ponto de partida para sistemas que usam os dados de forma agregada para criar um sinal que é então misturado aos sistemas de tomada de decisão de classificação do Google.
• Então, sim, como os dados do avaliador humano, os dados brutos são processados ​​para criar um sinal ou para treinar sistemas de IA.

Leia o memorando do DOJ em formato PDF aqui.

Leia cerca de quatro artigos de pesquisa sobre CTR.

Leia a patente do Google de 2006, Modificando a classificação dos resultados de pesquisa com base no feedback implícito do usuário.

Imagem em destaque da Shutterstock/Carkhe