O Google raramente detalha publicamente como o Discover — aquele feed de recomendações que aparece no app e no navegador do celular — realmente funciona por dentro. Mas às vezes a empresa acaba soltando informação demais sem querer, e foi exatamente isso que aconteceu numa vaga de emprego recém-publicada.
A empresa abriu uma posição para “Staff Software Engineer, Discover Ranking” em Mountain View, na Califórnia. E dentro dos requisitos mínimos, uma frase chamou atenção de quem estuda o algoritmo de perto:
- “5 anos de experiência construindo e implementando modelos de sistemas de recomendação (retrieval, prediction, ranking, embedding) em produção”
São quatro palavras-chave: retrieval (busca de candidatos), prediction (previsão), ranking (ranqueamento) e embedding (representação vetorial). Isoladas, parecem jargão técnico comum. Mas ganham peso quando cruzadas com o que pesquisadores já vinham observando de fora, monitorando feeds reais do Discover ao longo de dois anos — um levantamento que já soma 42 milhões de cards analisados. Três das quatro camadas mencionadas na vaga já tinham sido rastreadas nesse estudo independente.
A camada de retrieval tem marcas visíveis
Antes de qualquer ranqueamento acontecer, o sistema precisa decidir quais artigos e vídeos entram na disputa pelo seu feed. O mapeamento identificou cerca de 20 pipelines diferentes que alimentam o Discover, e vários deles carregam a palavra “retrieval” no próprio nome interno:
- Um pipeline de amostragem de candidatos dominado por conteúdo editorial diversificado.
- Um pipeline de avaliação pós-retrieval formado quase exclusivamente por conteúdo do YouTube e do X.
- Variantes de retrieval baseadas em perfis de cluster.
- Um canal de retrieval orientado a embeddings de tendências.
- Filtragem colaborativa item a item.
Um dado específico vale destaque: um canal de “generative retrieval” apareceu já em setembro de 2025 em aproximadamente 0,03% do feed francês do Discover. O número é pequeno, mas condiz com a hipótese de que o Google esteja testando seleção de candidatos via modelos de linguagem numa fatia minúscula do tráfego, antes de expandir para o público geral.
Prediction: as notas se comportam como a vaga descreve
Cada card exibido no Discover carrega, por trás dos panos, um conjunto de pontuações de previsão — probabilidades entre 0 e 1. Foram identificadas cerca de nove dessas métricas, que se agrupam em duas dimensões praticamente independentes entre si:
- Um eixo de atenção (o card consegue parar o usuário na rolagem? — depende mais do conteúdo em si).
- Um eixo de engajamento (aquele usuário específico vai clicar e ler com profundidade? — depende da combinação usuário-conteúdo).
A correlação entre os dois eixos é próxima de zero — resumindo, um título pode ser irresistível para gerar o clique inicial sem necessariamente prender a leitura depois. É basicamente o padrão clássico do clickbait traduzido em números.
E essas notas parecem bater com o comportamento real: nas medições feitas com painéis de teste, a interação observada praticamente dobra do fundo para o topo da escala de engajamento profundo, enquanto cai de forma constante conforme sobe a pontuação de “passou direto sem parar”.
Personalização é onde o efeito mais pesa
O ponto mais forte identificado no estudo vem da personalização. Ao comparar dois veículos esportivos do mesmo nicho, com potencial de tema praticamente idêntico, um deles recebeu previsões de engajamento profundo cerca de 2 vezes maiores e amplificação final aproximadamente 8 vezes mais forte que o concorrente.
O detalhe curioso é que o veículo favorecido era justamente o que tinha menos contas seguindo pela função “Seguir” do Google — sinal de que a afinidade aprendida pelo modelo entre leitores e a fonte pesa mais do que o próprio botão de seguir.
Um teste espelhado com um único veículo de tecnologia reforça a ideia: contas que seguem o site recebem previsões de engajamento profundo quase 2 vezes maiores do que contas que não seguem — mostrando que o “Seguir” é apenas um dos sinais usados para calcular essa afinidade, não o único.
Uma réplica feita nos Estados Unidos, comparando ESPN e o site oficial da NFL, mostrou o mesmo padrão, embora com diferença menor: 1,28 vez de amplificação. São amostras pequenas, mais ilustrativas do fenômeno do que provas definitivas — mas o padrão se repete.
Embedding: várias famílias nomeadas por usuário
Para fazer o retrieval de candidatos e gerar as previsões, o sistema precisa de representações compactas de usuários e conteúdos — os chamados embeddings. A observação sugere que o Google mantém várias famílias de embedding nomeadas para cada usuário, cada uma operando numa janela de tempo diferente:
- Interesses no Discover (incluindo uma variante de curto prazo).
- Uma família orientada a tendências.
- Uma família em tempo real.
- Uma família relacionada a compras, que também aparece por trás dos cards de resumo por IA em notícias de finanças e tecnologia.
Esses vetores parecem alimentar um sistema clássico de “duas torres” de retrieval: uma torre para o usuário, outra para o conteúdo, com as recomendações definidas pela proximidade entre eles num espaço vetorial compartilhado.
O que isso muda na prática para quem publica conteúdo
A vaga de emprego confirma o vocabulário técnico; o comportamento do feed mostra a engrenagem funcionando de fato. Três lições práticas ficam claras:
- A afinidade do leitor funciona como um alavanca direta de distribuição — no teste comparado, ela aumentou a amplificação em cerca de 8 vezes, superando até o peso do botão “Seguir”.
- Atenção e engajamento são diagnósticos separados: melhorar um não garante melhora automática no outro.
- Engajamento é só metade da equação — o próprio texto da vaga menciona “mais engajador e útil”, sugerindo que a utilidade percebida depende de sinais que vão além das pontuações de previsão já mapeadas.
A vaga do Google nomeia os quatro blocos de construção do seu sistema de recomendação. Três deles já deixam rastros mensuráveis nos feeds reais do Discover. O quarto — o ranking em si — se revela todos os dias na prática: no que aparece, ou não aparece, para os leitores.
Com informações de searchengineland.com.
