Quem trabalha com SEO sempre teve uma dúvida meio espinhosa na cabeça: será que um PDF é tratado do mesmo jeito que uma página HTML normal na hora de aparecer no Google? Pois bem, essa questão foi parar num episódio recente do podcast Search Off The Record, onde John Mueller e Martin Splitt, ambos da equipe do Google, puxaram o assunto e explicaram, com bastante detalhe, como funciona o ranking de PDFs dentro do mecanismo de busca — inclusive no AI Mode.
Como funciona o ranking de PDFs, segundo o Google
Martin Splitt foi direto ao ponto: o Google não usa um visualizador de PDF para ler esses arquivos. Em vez disso, existe um componente interno chamado “conversor”, que entra em ação logo depois da renderização e antes de o conteúdo seguir para o índice. Ou seja, o PDF é transformado em uma versão HTML, e é essa versão convertida — não o arquivo original — que acaba sendo indexada.
Segundo ele, esse conversor não serve só para PDFs. Existem versões equivalentes para formatos como arquivos de texto rico, documentos do Word, planilhas do Excel e até documentos do Lotus Notes (sim, ainda existe gente usando isso por aí). Na prática, quase todo o restante do pipeline de processamento do Google trabalha only com HTML, com exceção de imagens e vídeos, que seguem por rotas próprias. Splitt resumiu assim:
“Nós estamos usando esse componente e produzindo uma versão HTML dele, de modo que o processamento no restante do pipeline praticamente só trabalha com HTML. Isso obviamente exclui imagens e vídeos e companhia — eles vão para pipelines ligeiramente diferentes —, mas o pipeline normal da web basicamente usa HTML para tudo.”
E quanto às imagens que aparecem dentro de um PDF? Aí a coisa fica um pouco mais nebulosa. Splitt admitiu não ter certeza total sobre o que acontece com elas, mas deu a entender que, provavelmente, não são indexadas da mesma forma que uma imagem comum — já que, normalmente, o Google trabalha a partir da URL de uma imagem, e dentro de um PDF essa imagem não tem uma URL própria. Nas palavras dele:
“Eu acho que talvez a gente realmente capture essas imagens. Não tenho certeza de como processaríamos isso, porque o jeito normal de processar é dando a URL da imagem para o pipeline de busca de imagens. Aqui a gente não tem exatamente uma URL, porque ela é parte do PDF. Então acho que entendemos que existe uma imagem ali, mas não acho que conseguimos processá-la como uma imagem normal para a busca de imagens. Mas isso pode mudar, ou já pode ter mudado — esse é meu entendimento atual de como esse pipeline funciona.”
Links dentro de PDFs funcionam normalmente
Outra confirmação importante: como o que entra no índice é a versão HTML do arquivo, os links embutidos em um PDF funcionam exatamente como links de uma página comum — ou seja, o Google consegue segui-los normalmente. Mueller comentou sobre isso de um jeito bem direto:
“Basicamente, quando o Google vê um arquivo PDF, ele o converte em algo com que tem mais prática, tipo uma página web. E acho que é por isso também que coisas como links funcionam em arquivos PDF.”
Splitt completou o raciocínio, reforçando que, depois da conversão, todo o restante do sistema simplesmente “sabe lidar” com uma página HTML:
“Porque nós convertemos isso em uma página HTML e o restante dos nossos sistemas fica tipo: ‘eu sei lidar com uma página HTML’, e eles simplesmente fazem o trabalho deles. Então muita coisa pode estar embutida em um PDF. E quando convertemos, fazemos isso para uma representação em HTML que é o mais fiel possível ao formato original. Assim conseguimos enxergar coisas como links, por exemplo, vindos de PDFs.”
Limite de tamanho para arquivos PDF
Mueller, com a sinceridade de quem não quer inventar resposta, admitiu que nem tudo sobre o assunto é 100% certo até para quem trabalha lá dentro — e por isso perguntou diretamente a Splitt sobre os limites de tamanho aplicados aos PDFs.
“Percebo que, em algumas dessas coisas, talvez a gente simplesmente não saiba os detalhes, então estamos meio que tentando extrapolar a partir do que sabemos. Você sabe, em relação a limites, tipo limites de tamanho, como isso funciona com PDFs?”
Splitt respondeu que o limite de arquivo para PDFs é maior — de forma parecida com o que acontece com vídeos —, mas que não sabia precisar o número exato. Ele acredita que, depois da conversão, os limites normais de HTML passam a valer, o que já é uma informação útil para quem publica conteúdo:
“Provavelmente buscar o PDF tem um limite diferente do limite da página web, mas provavelmente existe um limite para a representação em formato de página web. Não tenho tanta certeza de onde esses limites são aplicados. Sei que os limites de HTML que discutimos recentemente no podcast, e também na documentação, vêm do componente de rastreamento do pipeline. Então, quando rastreamos, como temos que rastrear um documento PDF e PDFs podem ser bem grandes, presumo que tenhamos um limite de arquivo maior, assim como fazemos para vídeos e imagens. Mas não sei o limite específico para arquivos PDF.”
Splitt ainda avisou que esse limite, seja qual for hoje, pode mudar no futuro caso o Google perceba que as pessoas estão publicando PDFs cada vez maiores.
PDFs aparecem na busca e também no AI Mode
Outro ponto que interessa bastante a quem pensa em SEO e GEO (otimização para mecanismos de resposta por IA): Splitt confirmou que um PDF pode ranquear tanto na busca tradicional quanto no AI Mode, pelo mesmo motivo de sempre — o conteúdo é convertido em HTML e indexado dessa forma.
Porém, nem todo PDF tem esse privilégio. Alguns arquivos são, na prática, só imagens disfarçadas de documento, e aí não há texto de verdade para extrair. Segundo Splitt, um teste simples ajuda a entender se o seu PDF tem chance: se você conseguir selecionar e copiar o texto do arquivo para um editor de texto, é sinal de que o Google também consegue convertê-lo em HTML para fins de ranqueamento.
Questionado sobre se publishers deveriam criar PDFs, Splitt foi bem pragmático:
“Sim, claro, se o seu conteúdo justificar isso. Tipo se você tem requisitos específicos de formatação, ou se precisa que aquilo tenha uma aparência bem específica na impressão, ou se precisa de coisas interativas como formulários. Então, se você administra uma pousada e está publicando um formulário que facilita processar as pessoas que estão se registrando para ficar na sua pousada, aí sim, faça isso como PDF, se ajudar. Obviamente o HTML é um formato bem flexível e eu prefiro ele, mas se você tem um PDF por qualquer motivo, vá em frente. Restaurantes, muitas vezes, têm os cardápios que a gráfica cria para impressão em papel também em PDF, e você pode simplesmente subir isso para o seu site. É melhor do que não ter o cardápio no site de jeito nenhum. …indexação e ranqueamento são praticamente iguais a qualquer outro documento.”
Mueller complementou, deixando claro que isso vale também para as novas superfícies de busca com inteligência artificial:
“Então eles também podem aparecer em AI overviews, AI mode, todas essas coisas.”
Mas, na prática, HTML ainda leva vantagem
Apesar de todo esse suporte a PDFs, Mueller foi sincero ao dizer que, na visão dele, HTML normal costuma ser a opção melhor para quem quer ranquear bem. Isso não tira o poder de ranqueamento dos PDFs, mas existe uma questão prática: fica mais fácil para os mecanismos de busca lidarem com documentos web tradicionais. Ao falar especificamente sobre cardápios de restaurante, ele resumiu seu pensamento assim:
“Eu vejo isso de um jeito meio pragmático. Se a opção é ter um cardápio em PDF ou não ter cardápio nenhum, então sim, eu prefiro ter o cardápio. Mas se a opção é cardápio em PDF versus uma página web normal, eu prefiro páginas web normais, porque é mais fácil interagir com elas.”
Mais adiante, voltando ao comentário de Splitt sobre indexabilidade, Mueller reforçou que PDF não é um beco sem saída para quem faz SEO:
“Do ponto de vista de SEO, se é texto indexável — se você tentar aquele truque que o Martin mencionou, selecionando tudo e colocando em um editor de texto — então conseguimos usar isso para a busca. Não é que, do ponto de vista de SEO, seja impossível.”
Por fim, ele deixou uma recomendação direta para quem tem a opção de escolher o formato:
“…se você tem algo que pode colocar em HTML e é exatamente igual ao seu PDF, isso torna tudo um pouco mais fácil.”
No fundo, essa frase resume bem o espírito de tudo isso: facilitar ao máximo o trabalho dos mecanismos de busca para rastrear e indexar o conteúdo é, desde sempre, a essência do próprio SEO — seja o conteúdo publicado em HTML, em PDF ou em qualquer outro formato que apareça pela frente.
Com informações de searchenginejournal.com.