Ligações internas pelo sentido: ligar os conteúdos como os modelos os leem

As ligações internas são uma das raras alavancas de SEO inteiramente sob controlo do editor, e uma das pior aproveitadas. Na maior parte dos sites, resumem-se a um menu, a um breadcrumb e a um bloco «artigos recentes». Estas ligações ligam localizações, não ideias. Ora os motores, tanto clássicos como generativos, leem um site como uma rede de significados: que página trata de quê, qual aprofunda qual, qual tem autoridade sobre um tema. Ligações fundadas no sentido tornam essa rede legível. São também as únicas que se aguentam sem esforço crescente quando um meio de comunicação publica centenas de conteúdos.

O que a Google diz das ligações internas

A posição da Google é estável há anos e está documentada na sua página sobre as ligações rastreáveis: uma ligação tem de ser uma verdadeira etiqueta com um URL resolúvel, e o seu texto âncora tem de descrever a página de destino. O guia sobre a criação de conteúdos úteis acrescenta uma dimensão editorial: um site que trata um tema em profundidade, com páginas que se completam, é julgado mais útil do que um site que dispersa páginas sem ligação entre si.

Daqui decorrem duas consequências práticas. Uma ligação contextual, colocada no corpo do texto com uma âncora que diz o que se vai encontrar, vale mais do que uma ligação de menu repetida em todas as páginas. E um conjunto de páginas que se citam mutuamente em torno de um mesmo tema assinala uma especialização temática que páginas isoladas não assinalam.

Porque é que os modelos leem o sentido antes da navegação

Um motor generativo representa cada passagem por um vetor numérico, um embedding, que codifica o seu significado. Duas passagens próximas pelo sentido têm vetores próximos, seja qual for a sua formulação. A documentação dos embeddings da OpenAI descreve este mecanismo e os seus usos: pesquisa semântica, agrupamento, recomendação. Quando um motor monta uma resposta, procura as passagens próximas da pergunta, e as ligações de uma passagem pertinente para outra dão-lhe um caminho a mais, ainda que nenhum operador de motor documente este comportamento.

As ligações pelo sentido reproduzem esta lógica: cada artigo remete para os artigos cujo conteúdo está realmente mais próximo do seu, ou que respondem à pergunta seguinte que o leitor vai colocar. Uma rubrica, sozinha, não diz isso. Diz que duas páginas estão arrumadas no mesmo sítio, não diz qual prolonga qual. É um perímetro, não é uma ordem.

Construir os clusters

O método parte da organização dos conteúdos em clusters temáticos: um tema central, uma página que o trata de forma completa, e artigos satélite que aprofundam, cada um, um aspeto. As ligações seguem três regras:

A ligação lateral é a que falta quase sempre, e é a mais próxima da maneira como um modelo lê. Um artigo sobre os robots de IA no robots.txt deve remeter para o artigo sobre a verificação dos robots por reverse DNS. Pertencer à mesma rubrica garante que ambos falam ao mesmo leitor; o que decide a ligação é que a pergunta «é o robot certo?» se segue naturalmente à pergunta «que robot bloquear?». Este blogue aplica a regra aos seus próprios artigos, por exemplo entre «robots.txt e IA» e «Um robot é mesmo quem diz ser?».

A regra que se aguenta à escala: a rubrica fixa o perímetro, o sentido fixa a ordem

Num meio de comunicação de trezentos artigos, ninguém consegue manter as ligações laterais à mão. Os embeddings permitem-no: calcula-se um vetor por artigo, mede-se a proximidade de cada artigo com todos os outros, e obtém-se para cada um uma ordenação dos seus vizinhos, do mais próximo ao mais distante.

Falta decidir o que se faz com isso, e é aí que a maior parte das implementações escolhe um campo quando os dois sinais se combinam. A rubrica delimita o perímetro: só se propõem artigos do mesmo tema, porque é essa a promessa que o leitor aceitou ao chegar. A proximidade semântica decide a seleção e a ordem dentro desse perímetro: entre os artigos da rubrica, apresenta-se primeiro aquele cujo conteúdo está mais próximo. Um só dos dois sinais, tomado isoladamente, produz um defeito identificável.

O defeito do sentido sozinho merece ser nomeado, porque não se vê página a página: é preciso contar sobre todo o corpus. Um artigo transversal, que cruza um pouco todos os temas, fica próximo de toda a gente e acaba proposto na quase totalidade das páginas, enquanto artigos especializados nunca são propostos em lado nenhum. Num corpus de uma vintena de artigos, medimos casos em que um único conteúdo ocupa mais de quatro blocos de recomendação em cada cinco. A rede de ligações deixa então de ter a forma de um grafo: é uma estrela à volta de dois ou três ímanes, e os artigos que justamente seria preciso empurrar são os que não recebem nada.

Três precauções, sob pena de o cálculo se virar contra a rede de ligações. Primeiro, uma ligação calculada não substitui uma ligação contextual escrita no corpo do texto, com uma âncora escolhida. O bloco de vizinhos completa as ligações redigidas, não toma o seu lugar. A segunda: a proximidade semântica tem de ser recalculada quando o corpus muda. Um artigo publicado em janeiro tem vizinhos diferentes em setembro, depois de dez artigos próximos terem sido acrescentados. Um sistema que fixa as ligações no momento da publicação perde o essencial do seu interesse. A terceira: limitar a reutilização. Contar, para cada artigo, o número de blocos onde aparece, e afastar os que ultrapassam um limiar, chega para repartir as ligações recebidas por todo o corpus em vez de as concentrar.

Enquanto uma rubrica tiver menos artigos do que os cartões que o bloco mostra, o perímetro decide tudo e a ordem não muda nada: o bloco mostra a totalidade dos artigos vizinhos. A ordenação pelo sentido começa a contar assim que a rubrica ultrapassa esse tamanho, ou seja, muito depressa num meio de comunicação que publica com regularidade. É nesse momento que o cálculo tem de já estar montado.

As três camadas, e o que cada uma sabe fazer

Uma rede de ligações completa sobrepõe três camadas, e nenhuma substitui as outras. O breadcrumb diz onde se situa uma página na hierarquia do site, a Google lê-o como tal, e declara-se em dados estruturados. A rubrica agrupa os conteúdos aparentados, dá uma página de entrada por tema, e serve de perímetro a tudo o que se propõe a partir de uma página. As ligações pelo sentido, contextuais no texto e calculadas no bloco de vizinhos, dizem qual prolonga qual.

A repartição é nítida: as duas primeiras camadas dizem onde uma página está arrumada, a terceira diz o que ela traz a outra. É a terceira que falta mais vezes, e é também a que precisa das outras duas para não partir em todas as direções.

As âncoras

O texto da ligação é lido, pelos motores e pelos modelos, como uma descrição do destino. Daí três regras:

• Descrever o destino, não a ação. «o nosso método de medição do share of voice nas IA» em vez de «clique aqui» ou «este artigo». A âncora desta frase é ela própria um link: descreve a página que abre.
• Variar as âncoras para uma mesma página. Dez ligações com exatamente a mesma âncora parecem uma manipulação; dez âncoras que descrevem a página sob ângulos diferentes enriquecem a sua descrição.
• Não sobrecarregar. Um parágrafo com quatro ligações já não tem nenhuma legível. Uma ou duas ligações por secção, colocadas onde o leitor precisa da continuação.

Os limites a não ultrapassar

As ligações pelo sentido não autorizam a ligar tudo a tudo. Um site onde cada página remete para outras cinquenta já não tem estrutura; os robots perdem aí o seu orçamento de crawl, os leitores perdem o fio, e as regras antispam da Google visam explicitamente os esquemas de ligações concebidos para manipular a classificação. O teste é simples: uma ligação merece existir se um leitor atento, naquele ponto do texto, tivesse vontade de a seguir. Uma ligação que não passa este teste não ajuda nem o leitor nem a máquina.

A contrapartida desta disciplina é um ativo que se reforça a cada publicação. Cada artigo novo acrescenta caminhos, afina as vizinhanças, densifica o cluster. Ao fim de um ano, a rede de ligações de um meio de comunicação estruturado é um grafo que os motores conseguem percorrer seguindo o sentido, e é esse grafo, mais do que qualquer página isolada, que estabelece a autoridade sobre um tema.