Você já se perguntou como o Perplexity determina quais conteúdos aparecem nas buscas? Neste artigo, vamos explorar os segredos por trás da avaliação e classificação de conteúdos nesta plataforma inovadora.
Desvendando os Critérios de Classificação do Perplexity
Você já se perguntou como o Perplexity decide o que mostrar nas suas buscas? O pesquisador independente Metehan Yesilyurt, um verdadeiro detetive digital, analisou a fundo a infraestrutura do Perplexity e revelou alguns segredos sobre como essa ferramenta de IA avalia e classifica o conteúdo. É fascinante, e pode nos dar pistas valiosas!
Sistema de Reclassificação de Busca
Uma das descobertas mais significativas de Yesilyurt é um sistema de reranking de aprendizado de máquina de três camadas (L3). Ele é usado especificamente para buscas de entidades — sabe, quando você procura por pessoas, empresas, tópicos ou conceitos. Funciona assim: primeiro, os resultados iniciais são encontrados e recebem uma pontuação, bem parecido com o que acontece na busca tradicional. Mas aí, o L3 entra em cena, aplicando filtros de aprendizado de máquina muito mais rigorosos. Se a quantidade de resultados que atingem o nível de qualidade exigido for muito baixa, o conjunto inteiro de resultados é simplesmente descartado. Isso nos mostra que, para o L3, a qualidade do conteúdo e a autoridade no tópico são cruciais. Apenas otimizar palavras-chave, segundo Yesilyurt, não é o bastante.
Fatores de Classificação Essenciais
Yesilyurt também encontrou algo bem interessante: listas manuais de domínios que o Perplexity considera autoritários. Estamos falando de gigantes como Amazon, GitHub, LinkedIn e Coursera. Essa curadoria manual sugere que qualquer conteúdo associado ou referenciado por esses domínios ganha um “empurrãozinho” de autoridade. A lição aqui é clara: construir relações com essas plataformas ou criar conteúdo que naturalmente inclua dados delas pode te dar uma vantagem algorítmica.
Outro achado que me chamou a atenção foi a sincronização com o YouTube. Sabe aqueles títulos de vídeos do YouTube que batem exatamente com as buscas em alta no Perplexity? Eles ganham uma visibilidade extra em ambas as plataformas! Isso sugere uma validação cruzada — o Perplexity pode estar usando o comportamento do YouTube para confirmar o interesse em tópicos emergentes, recompensando os criadores que agem rápido, como apontou Yesilyurt.
Ele documentou dezenas de “fatores de classificação essenciais” que influenciam diretamente a visibilidade do conteúdo no Perplexity. Dá uma olhada:
- Desempenho de posts novos: Os primeiros cliques que um conteúdo recebe são super importantes para determinar sua visibilidade a longo prazo.
- Classificação do tópico: Conteúdos de tecnologia, inteligência artificial e ciência tendem a receber um impulso, enquanto esportes e entretenimento podem ser um pouco “freados”.
- Decaimento temporal: É fundamental publicar e atualizar seu conteúdo com frequência para evitar que ele perca visibilidade rapidamente.
- Relevância semântica: O conteúdo precisa ser rico e abrangente, não apenas uma simples correspondência de palavras-chave.
- Engajamento do usuário: Cliques e outros sinais de engajamento histórico alimentam os modelos de desempenho da plataforma.
- Redes de memória: Agrupamentos de conteúdo que estão interligados tendem a ranquear melhor quando vistos em conjunto.
- Distribuição de feed: A visibilidade nos feeds é controlada de perto, com limites de cache e temporizadores de atualização.
- Sinais negativos: O feedback dos usuários e as verificações de redundância podem, infelizmente, “enterrar” conteúdos que não estão performando bem.
Para ter sucesso no Perplexity, Yesilyurt sugere uma combinação de escolha estratégica de tópicos, engajamento inicial do usuário, criação de valor interconectado, otimização contínua e, claro, priorizar a qualidade acima de qualquer tentativa de “enganar” o sistema. Parece familiar, não é? Para mim, soa muito como os bons e velhos fundamentos do SEO que já conhecemos e amamos. Se você quiser se aprofundar ainda mais, vale a pena conferir o post original: “Breaking: Perplexity’s 59 Ranking Patterns and Secret Browser Architecture Revealed (With Code)”.