Navegação por facetas: o guia de SEO para filtros

Navegação por facetas é o conjunto de filtros que uma loja virtual oferece para o visitante refinar uma lista de produtos — cor, tamanho, marca, faixa de preço, avaliação, material. Cada filtro clicado gera, quase sempre, uma nova URL. Isso é ótimo para quem está comprando um tênis e quer ver só os impermeáveis, azuis, tamanho 9, abaixo de duzentos e cinquenta reais. É péssimo para o rastreador do Google, que enxerga cada uma dessas combinações como uma página nova a ser rastreada, avaliada e, potencialmente, indexada.

O problema raramente aparece como um erro isolado — ele aparece como um site que, sem ninguém perceber, passou a ter centenas de milhares de URLs indexadas para um catálogo de poucos milhares de produtos. Este artigo cobre o mecanismo por trás dessa explosão, os três custos reais que ela impõe, como decidir quais combinações de facetas merecem uma página própria e como usar robots.txt, noindex, canonical e nofollow sem fazer um anular o outro — um erro mais comum do que parece.

Por que a navegação por facetas existe (e por que funciona)

Filtros de faceta existem porque funcionam para quem compra. Um catálogo com oito mil produtos é praticamente inútil se o visitante precisar rolar a página duzentas vezes até achar o que quer. Facetas — categoria, cor, tamanho, marca, preço, avaliação, disponibilidade — deixam o usuário chegar ao subconjunto relevante em três ou quatro cliques. Do ponto de vista de conversão isso é indiscutível: menos fricção entre a intenção de compra e o produto certo significa mais vendas fechadas.

Tecnicamente, cada filtro aplicado normalmente vira um parâmetro de URL, como cor=azul e tamanho=9, ou, em implementações mais modernas, um segmento de path, como /tenis/impermeavel/azul/. A diferença entre as duas abordagens importa menos para o rastreamento do que se costuma pensar: para o Googlebot, tanto faz se a variação está no parâmetro ou no path — o que importa é que existe uma URL nova, com conteúdo quase idêntico ao da página-mãe, e ela precisa ser avaliada como tal antes de ser descartada ou aceita.

• Categoria e subcategoria
• Cor, tamanho e material
• Faixa de preço
• Marca
• Avaliação mínima
• Disponibilidade em estoque
• Ordenação — relevância, preço, mais vendidos

A explosão combinatória: por que o problema multiplica, não soma

O erro de cálculo mais comum é pensar em facetas como algo que soma URLs. Não soma — multiplica. Se uma categoria tem cinco subcategorias, oito opções de cor, seis tamanhos e quatro faixas de preço, o número de combinações possíveis não é a soma desses números. É o produto entre eles: cinco vezes oito vezes seis vezes quatro, quase mil combinações só para essa categoria, sem contar ordenação nem paginação. Multiplique isso pelas dezenas de categorias de um catálogo médio e o total sai da casa das centenas para a casa das centenas de milhares — às vezes milhões — sem que uma única linha de conteúdo novo tenha sido escrita por alguém.

Some com paginação e ordenação e o problema piora ainda mais: uma listagem com três opções de ordenação e dez páginas de resultados multiplica cada combinação de facetas por mais trinta variantes de URL. É assim que uma loja com poucos milhares de produtos reais termina com centenas de milhares de URLs tecnicamente rastreáveis — cada uma única do ponto de vista técnico, cada uma essencialmente igual à anterior aos olhos de quem está lendo o conteúdo da página.

Os três custos reais

A navegação por facetas descontrolada custa caro de três formas distintas — e as três acontecem ao mesmo tempo, reforçando uma à outra.

• Orçamento de rastreamento queimado: o Googlebot tem um limite prático de quantas URLs vai buscar no seu domínio em um determinado período. Cada combinação de faceta que ele rastreia é uma página de produto nova, atualizada, ou um post de blog que ele deixou de rastrear naquele mesmo dia. Em catálogos grandes isso não é uma preocupação teórica — é a diferença entre um produto novo ser descoberto em horas ou em semanas.
• Inchaço de índice: milhares de páginas quase idênticas entram no índice, competindo entre si pelas mesmas palavras-chave e diluindo os sinais de qualidade que o Google avalia no nível do site inteiro, não só da página isolada. Um domínio com proporção alta de páginas finas e duplicadas tende a ser tratado com mais desconfiança como um todo — inclusive as páginas boas do mesmo site sofrem com isso.
• Diluição do link equity interno: cada link de filtro na barra lateral é, tecnicamente, um link interno como qualquer outro. Se a navegação distribui autoridade para milhares de URLs de combinação que não têm valor de ranqueamento próprio, a página de categoria principal — a que você realmente quer que apareça bem posicionada — recebe uma fração menor da autoridade que poderia estar concentrada nela.

Quais combinações merecem ser indexadas

Nem toda combinação de faceta é lixo. A pergunta certa não é "isso é uma URL de filtro?" mas "alguém pesquisa por isso especificamente, como uma busca própria?". Tênis impermeável é uma página com demanda de busca real, com intenção clara e justificativa para existir como landing page própria, com título, descrição e talvez até um parágrafo introdutório escrito especificamente para ela. Tênis impermeável, tamanho nove, azul, abaixo de cinquenta reais não tem — praticamente ninguém formula uma busca tão específica em volume relevante, e mesmo que alguém formulasse, o Google não vai construir uma página de resultados dedicada para uma interseção tão estreita de critérios.

Na prática, isso vira uma linha de corte simples de aplicar. Combinações de uma faceta só — uma cor, uma categoria, um material — com demanda comprovada por uma ferramenta de palavras-chave, por dados de consulta do Search Console, ou por bom senso de categoria de produto, merecem virar página indexável, de preferência com URL limpa e um parágrafo introdutório próprio. Combinações de duas facetas só entram nessa lista quando existe evidência concreta de busca, nunca por intuição de que "pode ser que alguém procure". A partir de três facetas combinadas, a norma deveria ser não indexável, ponto final, salvo uma exceção documentada e justificada.

Mecanismos de controle e seus trade-offs honestos

Existem cinco ferramentas principais para conter a navegação por facetas, e nenhuma delas resolve o problema sozinha — cada uma tem uma função específica e uma limitação que vale conhecer antes de escolher qual aplicar em qual situação.

• robots.txt, via disallow do padrão de URL: impede o rastreamento das páginas que casam com aquele padrão. Economiza orçamento de rastreamento de forma imediata, mas não impede que a URL apareça no índice — se o Google encontrar o link por outro caminho, como um link externo apontando para ela, pode indexar a URL sem conteúdo algum, exibindo algo como "nenhuma informação está disponível para esta página".
• Meta tag noindex: remove a página do índice ao longo do tempo, mas exige que o Googlebot rastreie a página para conseguir ler a tag — ou seja, ela continua consumindo orçamento de rastreamento até a remoção efetivamente acontecer.
• Canonical: consolida sinais de relevância na versão principal da página. É tratado pelo Google como uma sugestão forte, não como uma diretiva absoluta — em catálogos com implementação inconsistente, onde a faceta muda de fato o conteúdo real da listagem, o Google pode ignorar o canonical se decidir que a página tem conteúdo suficientemente diferente da referenciada.
• Tratamento de parâmetros de URL: historicamente configurável na própria Search Console; a ferramenta dedicada a isso foi descontinuada pelo Google, então hoje esse controle depende mais de arquitetura bem pensada — padrão de URL consistente, robots.txt e canonical bem aplicados — do que de uma configuração central feita uma vez e esquecida.
• Nofollow nos links de filtro: reduz a passagem de link equity para as combinações menos relevantes, mas desde que o Google passou a tratar nofollow como sugestão em vez de diretiva, ele pode continuar rastreando o link se achar motivo suficiente para isso — nofollow sozinho não funciona como bloqueio garantido.
• Separar páginas de faceta indexáveis em URLs limpas: para as combinações que você decidiu, pela seção anterior, que merecem existir, a prática mais robusta é dar a elas uma URL curada e estável, como /tenis-impermeavel/ em vez de /tenis/?cor=azul&categoria=impermeavel, desacoplada do sistema de filtro dinâmico, com conteúdo introdutório escrito de propósito para aquela página específica.

Por que robots.txt e noindex não fazem a mesma coisa

Este é o erro técnico mais comum em implementações de navegação por facetas, e vale declarar sem rodeios: robots.txt e noindex não são camadas redundantes da mesma proteção — são mecanismos que atuam em momentos diferentes do processo de rastreamento e indexação, e empilhá-los sem entender a diferença anula um dos dois completamente.

robots.txt controla o rastreamento: impede que o Googlebot busque e leia o conteúdo daquela URL. noindex controla a indexação: é uma instrução dentro do próprio HTML da página que diz, essencialmente, "não me coloque no índice de busca". O problema aparece quando um site bloqueia uma URL de faceta via robots.txt e, ao mesmo tempo, coloca a tag noindex nessa mesma página, esperando uma dupla camada de proteção. Não funciona assim: se a URL está bloqueada no robots.txt, o Googlebot nunca busca a página — e se ele nunca busca a página, nunca chega a ler a tag noindex que está escondida dentro dela. A instrução fica órfã, dentro de uma página que ninguém tem permissão sequer de abrir.

A consequência prática é que essa URL ainda pode aparecer no índice — sem título, sem descrição, apenas a URL nua — se o Google a descobrir por outro caminho, como um link interno esquecido ou um link externo apontando para ela. A correção é escolher um mecanismo para cada situação, não empilhar os dois esperando reforço mútuo: se o objetivo é garantir que a página não apareça de forma alguma no índice, use noindex e permita explicitamente o rastreamento, removendo o disallow correspondente. Se o objetivo é só economizar orçamento de rastreamento e você aceita que uma URL nua e sem informação apareça ocasionalmente no índice, use robots.txt.

Como auditar o que já está indexado

Antes de aplicar qualquer controle, vale medir o tamanho real do problema no seu próprio site, em vez de assumir que ele existe ou que não existe.

• Relatório de páginas do Search Console: filtre por padrão de URL, usando os parâmetros que seus próprios filtros geram, como cor= ou tamanho=, e compare o número de URLs indexadas contra o número real de produtos ou categorias do catálogo. Preste atenção especial ao motivo listado como "duplicada, o Google escolheu um canonical diferente do do usuário" — é um dos sintomas mais diretos de facetas descontroladas.
• Operador site: combinado com o parâmetro suspeito, para ter uma ideia rápida de quantas combinações estão no índice, embora o número exato retornado seja sempre aproximado e não deva ser tratado como dado exato.
• Logs do servidor: verificar quantas requisições do Googlebot caem em URLs de faceta versus em páginas de produto ou conteúdo genuinamente novo mostra, de forma direta e sem estimativa, quanto orçamento de rastreamento está sendo gasto e onde exatamente.
• Ferramenta de rastreamento própria: rodar um rastreamento simulando o comportamento do Googlebot pelo site revela quantas URLs de faceta são alcançáveis por link interno — com frequência o volume rastreável é maior do que qualquer pessoa da equipe esperava, simplesmente porque ninguém tinha parado para olhar a barra de filtros como uma fonte de links.