Esse artigo pode ser lido em:

Neste artigo, vou escrever sobre um assunto que, à primeira vista, parece distante do SEO. Costumeiramente falamos sobre assuntos técnicos, indexação, updates de algoritmo e mais recentemente de IA. Mas é sobre outro tipo de IA que quero tratar aqui: a Arquitetura da Informação. Mas vamos tratar sob um novo ponto de vista: vem comigo!

Em ecossistemas corporativos de maior complexidade e em ambientes de negócios cada vez mais digitalizados, a arquitetura da informação não deve ser vista como uma simples camada organizacional no desenvolvimento de interfaces. Na verdade, ela é uma potência estratégica contra o prejuízo que ultrapassa a casa dos milhões e é gerado pela perda contínua de produtividade.

Este fenômeno ocorre quando funcionários das organizações não conseguem recuperar informações vitais para o seu trabalho ou quando clientes não encontram as respostas às suas consultas e pesquisas nas ferramentas de busca dos sites dessas organizações.

Especialistas em Experiência do Usuário, Arquitetura da Informação e SEO Semântico operam na interseção exata entre a cognição humana e a infraestrutura cada vez mais intrincada de dados da Web. É neste cenário que a categorização deve atuar como um redutor primário de carga cognitiva e, simultaneamente, como o grande motor que impulsiona os sistemas de busca rumo à semântica, seja a busca interna de um portal, seja a indexação realizada pelos buscadores atuais.

Quando os dados não estão organizados numa estrutura lógica, o Processamento de Linguagem Natural sofre, os algoritmos falham em compreender o sentido do conteúdo e a visibilidade orgânica do negócio vai de mal a pior.

Fundamentos da categorização: a ciência da organização de objetos e entidades

A categorização e arquitetura da informação são as estratégias que você procura para aumentar a encontrabilidade digital e evitar o custo invisível da desordem.

Quer ler mais sobre estratégias e táticas no SEO?

Introdução à lógica de classificação no contexto digital

A categorização é o pilar que fundamenta a cognição humana, a base que permite que o nosso cérebro processe volumes massivos de informações ao agrupar entidades por semelhança e distinguir meticulosamente suas dessemelhanças. Dentro da sua caixa crâniana você tem a melhor máquina de categorização já inventada.

Em ambientes digitais e na própria Ciência da Informação, essa lógica de organização é o que separa uma jornada de usuário intuitiva e enriquecedora do caos informacional absoluto.

Para o arquiteto de informação e o profissional de SEO, organizar a informação significa mapear o modelo mental do usuário, de modo a reduzir o esforço de escolha, transformando dados brutos em ativos estruturados e rapidamente recuperáveis, com eficácia e eficiência.

Quando lidamos com algoritmos de busca modernos, como o BERT, a máquina precisa compreender a qual “entidade” um conteúdo pertence para poder entregá-lo como a melhor resposta a uma consulta. Sem uma lógica de classificação eficiente, o conteúdo produzido fica invisível e perde seu valor.

Análise de tipos de conceitos e atributos

Você já ouviu falar das diretrizes NISO Z39.19?

As diretrizes ANSI/NISO Z39.19-2005 (R2010) estabelecem normas essenciais para a construção, formatação e gestão de vocabulários controlados monolíngues, incluindo tesauros, listas, synonym rings e taxonomias. O foco das diretrizes é a representação consistente de objetos de conteúdo para facilitar a recuperação da informação em sistemas de conhecimento.

Uma curiosidade: você sabia que pode usar a NIZO Z39.19-2005 como base para construir as novas queridinhas das ferramentas de IA, as ontologias? Acesse esse artigo em cip.brapci.inf.br/download/135118 e leia como fazer.

Voltando à nossa conversa sobre a organização da informação: sabemos que a estruturação de um banco de dados competente e otimizado exige a identificação correta de atributos e classes, o que permite a implementação de buscas facetadas multidimensionais, uma funcionalidade vital para catálogos extensos como os que vimos nos e-commerces.

Com base nas diretrizes padronizadas da NISO (National Information Standards Organization), resumi os sete tipos de conceitos essenciais que nós, que trabalhamos com a representação da informação, precisamos conhecer para estruturar qualquer taxonomia:

• Coisas (Things): referem-se a objetos físicos, entidades palpáveis e suas partes constituintes. No comércio eletrônico, pode ser um “notebook” ou um “processador”.
• Materiais (Materials): substâncias das quais as coisas são formadas. Por exemplo, especificações como “alumínio”, “vidro” ou “silício”.
• Atividades (Activities): processos, ações ou operações executadas. No ambiente da web, representam interações, como “comprar”, “avaliar”, “comparar” e “compartilhar”.
• Eventos (Events): ocorrências ou fenômenos situados no tempo, como “Black Friday”, “Curso de SEO” ou “Lançamento de Campanha”.
• Propriedades (Properties): características, estados ou qualidades inerentes a um objeto. Pode ser o tamanho, a cor primária, o peso exato ou a capacidade de armazenamento.
• Disciplinas (Disciplines): áreas de estudo ou amplos ramos do conhecimento. Aqui entram categorias temáticas abrangentes, como “Biblioteconomia”, “Engenharia de Software” e “Marketing Digital”.
• Medidas (Measures): unidades de dimensão, escala ou quantidade, como “centímetros”, “gigabytes”, “quilômetros” ou moedas financeiras.

Perceba que, de posse dessas sete categorias, você já pode organizar toda a informação de um catálogo de produtos. Trabalhe em conjunto com o seu time de desenvolvimento de sistemas ou software e vai poder criar um sistema de busca ou de sugestão de produtos de ponta.

Critérios de Semelhança e Dessemelhança: o impacto estratégico na recuperação de dados

Antes de seguir em frente, preciso tratar desses dois conceitos sob o ponto de vista da ciência da informação. Precisamos entender que os conceitos de semelhança e dessemelhança fazem parte dos fundamentos da organização, da recuperação e da representação da informação. Eles não são apenas percepções subjetivas, mas uma forma prática que permite que sistemas (humanos ou artificiais) identifiquem relações entre documentos, termos ou entidades.

Então eu apresento uma definição técnica e reflexiva sobre esses dois conceitos:

Semelhança (similarity)

A semelhança é o grau de correspondência, proximidade ou afinidade entre dois objetos informacionais. Na Ciência da Informação, ela é frequentemente tratada sob duas perspectivas:

• Semelhança estrutural: foca na forma ou na ocorrência física dos elementos (ex.: dois artigos que compartilham as mesmas palavras-chave).
• Semelhança semântica: foca no sentido. Ocorre quando dois termos ou documentos tratam do mesmo conceito, mesmo que utilizem linguagens ou termos diferentes (sinonímia).

Matematicamente, a semelhança é frequentemente calculada em um espaço vetorial (te lembra de como funcionam os modelos de IA?), em que os documentos são representados por vetores. A métrica mais comum é a similaridade de cosseno, que mede o ângulo entre dois vetores:

Quanto mais próximo de 1, maior a semelhança entre os objetos.

Dessemelhança (dissimilarity)

A dessemelhança é a medida de afastamento, diferença ou divergência entre objetos. Na prática, ela é o inverso da semelhança, mas possui um valor estratégico fundamental na categorização e classificação.

Enquanto a semelhança agrupa, a dessemelhança separa, sendo é essencial para:

• Evitar redundância: em sistemas de busca, mostrar resultados muito semelhantes pode ser ineficiente; a dessemelhança ajuda a garantir a diversidade dos resultados.
• Identificação de outliers: detectar informações que não se enquadram em nenhum padrão estabelecido.

Em termos métricos, a dessemelhança é frequentemente expressa como uma “distância”. A distância euclidiana é uma das formas de calcular essa divergência:

A dialética entre semelhança e dessemelhança permite a criação de taxonomias e ontologias.

1. Agrupamento (clustering): objetos com alta semelhança interna e alta dessemelhança externa formam uma classe ou categoria sólida.
2. Carga cognitiva: uma organização de informações eficiente utiliza esses conceitos para reduzir o esforço mental do usuário. Quando a semelhança entre as opções de um menu é muito alta (ambiguidade), a carga cognitiva aumenta, pois o usuário não consegue distinguir a rota correta.
3. Recuperação de informação: motores de busca modernos utilizam processamento de linguagem natural (nlp) e modelos de linguagem de grande escala para refinar essa percepção, indo além da simples contagem de palavras para entender a “proximidade conceitual”.

Ponto de reflexão: na ciência da informação, nada é “igual”, apenas “altamente semelhante”. A identidade absoluta é rara; trabalhamos sempre com graus de aproximação que definem a relevância de uma resposta para uma consulta.

Formando grupos por semelhança ou dessemelhança

A formação de grupos lógicos, semânticos e funcionais depende estritamente da distinção entre as características intrínsecas (o que o objeto ou a entidade realmente é em sua ontologia) e extrínsecas (como ele é utilizado, percebido ou aplicado pelo usuário final). A falha em definir e isolar esses critérios gera um imenso “ruído” algorítmico, prejudicando os rastreadores (crawlers) e degradando severamente a precisão da busca.

Mas vamos esclarecer esses conceitos complicados.

Eu costumo dizer que um e-commerce sem uma distinção clara entre o que um produto é e o que um produto representa é apenas um depósito digital, não uma estratégia de vendas.

Vamos usar um exemplo de uma garrafa térmica de alta procura (como uma Stanley ou similar). Imagine que estamos organizando a taxonomia e a semântica dessa loja:

A visão intrínseca (a ontologia do objeto)

Aqui, o grupo é formado pela semelhança do que o objeto é de fato. Não importa quem compra ou para quê.

• Características: aço inoxidável, isolamento a vácuo, capacidade de 500 ml, tampa rosqueável.
• Agrupamento lógico: cozinha > recipientes > garrafas térmicas.

A visão extrínseca (a percepção e aplicação do usuário)

Aqui, a dessemelhança física é ignorada em favor da semelhança funcional. O grupo é formado pelo contexto.

• Cenário A (o entusiasta de camping): a garrafa é agrupada com barracas, sacos de dormir e lanternas. Ela não “parece” uma barraca, mas serve ao mesmo propósito extrínseco: sobrevivência e conforto outdoor.
• Cenário B (o profissional de escritório): a garrafa é agrupada com agendas, organizadores de mesa e mouses ergonômicos. Aqui, ela é um acessório de produtividade e status.

Na minha experiência profissional, percebi que o erro comum é tentar forçar o usuário a pensar apenas na ontologia (intrínseca). Se o seu cliente quer “presentes para pais aventureiros”, ele não quer navegar por “aço inoxidável > 500 ml”.

Se a arquitetura da informação não reflete essa carga cognitiva do usuário, que busca por uso e não por matéria-prima, o sistema de busca interna falha, o NLP não consegue conectar os pontos e a conversão despenca. A semelhança extrínseca é o que gera o desejo; a intrínseca é o que valida a compra técnica.

Então, estrategicamente, se os atributos categorizados forem ambíguos, a consulta ao banco de dados ou a um motor de busca retornará resultados fora de contexto, forçando o visitante a uma filtragem manual e extremamente exaustiva, o que, invariavelmente, aumenta a taxa de rejeição.

A identificação rigorosa daqueles atributos NISO é um dos fatores que permitem que um sistema de navegação facetada diferencie perfeitamente “Atividades” de “Disciplinas” nos filtros de navegação lateral.

O papel da extração de entidades no conteúdo

Outro ponto indispensável nesses fundamentos é a “Extração de Entidade” (Entity Extraction). No SEO Semântico, precisamos identificar constantemente entidades (pessoas, lugares, organizações, conceitos) presentes no texto completo de um documento e garantir que elas se alinem aos conceitos identificados na análise do domínio do conhecimento e à taxonomia criada para o site.

Ao aplicarmos rotinas de Processamento de Linguagem Natural, fazemos inferências precisas sobre essas entidades, consolidando o domínio semântico da página e atestando ao buscador que nosso conteúdo é uma autoridade sólida nesse campo de conhecimento. O SEO Semântico já usava IA no SEO muito antes desse assunto virar moda.

Essa é a primeira parte do artigo que trata sobre como a arquitetura da informação é importante para projetos de SEO. A segunda parte vai ser publicada em breve.