Crawlhive — análise de SEO, SEO técnico e rastreador de site

Comece por uma pergunta: esta página pode ser indexada?

Antes de tudo, resolva se a página é sequer elegível para aparecer na busca. Todo o resto é esforço perdido se a resposta for não — e essa resposta não se vê olhando a página.

Três mecanismos diferentes podem manter uma página fora do índice, e só um deles está no HTML que você consegue ver:

• A meta tag robots. A que toda extensão de SEO lê. Um noindex aqui é instrução direta para não indexar.
• O cabeçalho X-Robots-Tag. Faz exatamente o mesmo, mas viaja na resposta HTTP — invisível no código-fonte e ignorado rotineiramente.
• A tag canonical. Não é um bloqueio, mas uma página cujo canonical aponta para outra está pedindo para não ser indexada com a própria URL.

Um noindex que sai do ambiente de teste para produção é o erro mais caro do SEO exatamente por isso: a página parece completamente normal, o tráfego escoa ao longo de semanas e ninguém pensa em olhar os cabeçalhos de resposta.

Depois o robots.txt — e leia direito

O robots.txt controla o rastreio, não a indexação, e suas regras são menos óbvias do que parecem. Quando várias regras batem com a mesma URL, vence a correspondência mais longa; quando duas regras de mesmo tamanho discordam, Allow ganha de Disallow. Curingas tornam isso difícil de conferir a olho.

Uma página bloqueada não pode ser rastreada, então o noindex dela nunca será visto — é por isso que bloquear uma página no robots.txt é o jeito errado de tirá-la dos resultados. Os dois mecanismos resolvem problemas diferentes e são confundidos o tempo todo.

Meça título e descrição em pixels, não em caracteres

O conselho conhecido — mantenha os títulos entre 50 e 60 caracteres — é uma aproximação grosseira de algo que o Google mede de outro jeito. Os resultados são cortados por largura em pixels, e caracteres não são iguais: um título em maiúsculas ou cheio de letras largas acaba bem antes do que a contagem sugere, enquanto um de letras estreitas passa tranquilamente dos 60.

Medir a largura real na fonte que o Google realmente usa é o único jeito de saber onde cai o corte. É um detalhe pequeno que decide se a sua chamada sobrevive no resultado da busca ou vira reticências.

Leia a estrutura de cabeçalhos, não só o H1

A checagem comum é "a página tem exatamente um H1?", e vale saber, mas o sinal mais útil é o esquema inteiro. Cabeçalhos que pulam níveis — um H2 seguido direto de um H4 — normalmente significam que a página está sendo estilizada em vez de estruturada, e o documento já não descreve a própria hierarquia.

Cabeçalhos duplicados também importam. Dois H2 idênticos costumam indicar que um template repete uma seção que deveria ter sido unificada, e são um sinal confiável de que a página cresceu por acúmulo, não por projeto.

Dados estruturados: "encontrado" não é o mesmo que "válido"

A maioria das ferramentas diz que um tipo de schema foi detectado. Essa é a parte fácil. O que determina se você ganha um resultado rico é se as propriedades obrigatórias estão lá — um Product sem ofertas não produz resultado rico nenhum, por mais correta que a marcação pareça.

Então a saída útil não é "Product encontrado", e sim "Product encontrado, mas sem ofertas, logo não haverá resultado rico". Essa diferença é o sentido inteiro de fazer a checagem.

Compare o HTML bruto com a página renderizada

A primeira passada de um rastreador lê o HTML como ele chega do servidor. Se o seu título, o seu H1 ou o seu canonical só aparecem depois que o JavaScript roda, eles não estão lá nessa primeira leitura. O Google acaba renderizando as páginas, mas renderizar é um segundo passo, mais lento e menos garantido.

Comparar o que o servidor mandou com o que o navegador acabou tendo mostra quais partes da sua página dependem dessa segunda passada. Tudo o que é crítico para a indexação pertence à primeira.

Agora afaste a lente: os problemas que uma página não mostra

Tudo acima é sobre uma URL só. Os achados que mais mudam ranqueamento são estruturais e só aparecem quando você olha o site como um grafo:

• Títulos duplicados. Duas páginas com o mesmo título competem entre si. É o achado mais comum de qualquer auditoria e é invisível a partir de qualquer uma delas.
• Profundidade de cliques. A quantos cliques uma página está do seu ponto de entrada. As que ficam em quatro ou cinco níveis são rastreadas raramente, por melhores que sejam.
• Links internos recebidos. Uma página com um único link interno, ou nenhum, está dizendo aos buscadores que não importa. É a resposta silenciosa para a maioria dos "por que essa página não ranqueia".
• Páginas órfãs. Estão no sitemap, mas nenhum link leva até elas. As duas metades dessa checagem já existem — o sitemap e o rastreio — só falta compará-las.
• Links internos que caem em redirecionamento. Cada visitante e cada rastreador paga um salto extra que uma correção de href resolveria.

Com que frequência e o que fazer com o resultado

Uma auditoria completa do site é trabalho trimestral para a maioria. A checagem de indexabilidade não: rode depois de todo deploy que mexa em templates e em qualquer página que perca tráfego de repente. Leva segundos e pega a falha que custa mais caro.

Quando fizer a passada completa, corrija nesta ordem: o que bloqueia a indexação, depois os problemas estruturais (duplicados, órfãs, profundidade), depois os detalhes on-page e por último a velocidade. Essa ordem não é questão de gosto — uma página que não pode ser indexada não ganha nada com um LCP mais rápido.