Chunking é o recorte de uma página em trechos menores, indexados e pontuados separadamente contra a pergunta do usuário. A Perplexity descreve esse desenho publicamente: documentos divididos em "unidades de granularidade fina". Para uma página de produto, a consequência é direta: cada bloco precisa fazer sentido sozinho, sem depender do que está três telas acima.
O que é chunking, em termos práticos?
Imagine que alguém pegou a sua página de produto, uma tesoura e uma pilha de fichas de papel. Cada ficha recebe um pedaço do texto. Quando o consumidor pergunta "esse notebook roda edição de vídeo em 4K?", o sistema não folheia o catálogo inteiro: ele puxa as fichas que mais se parecem com a pergunta e descarta o resto.
Essa é a imagem que usamos aqui na Citoriq para explicar o mecanismo. A página não é lida como um romance, do começo ao fim. É consultada como um fichário.
A Perplexity, no anúncio da sua Search API, escreve que a infraestrutura de indexação e recuperação "divide documentos em unidades de granularidade fina", que essas unidades são "individualmente apresentadas e pontuadas" contra a consulta e que a API devolve documentos "com os trechos mais relevantes já ordenados". Traduzimos livremente. O texto original não usa a palavra "chunk", mas descreve a mesma ideia.
Um limite importante: isso é a descrição de um sistema específico. Não temos fonte pública dizendo que o ChatGPT, o Gemini ou o Modo IA do Google recortam do mesmo jeito, nem com que tamanho de trecho. Tratamos o chunking como um modelo mental útil e testável, não como regra universal.
O que a documentação do Google diz que é compatível com isso?
O Google afirma, na página sobre recursos de IA na Busca, que não há otimização especial necessária para aparecer em AI Overviews e no Modo IA. Entre as práticas listadas estão manter o conteúdo importante disponível em forma de texto e garantir que os dados estruturados correspondam ao texto visível da página.
Note a combinação. Texto acessível é o que permite o recorte. Dados estruturados coerentes com o texto visível evitam que dois trechos da mesma página contem histórias diferentes. Não é uma receita de chunking, mas é consistente com ela.
Como um trecho "ruim" aparece na prática?
Pegue o produto fictício Aurora Pro 14, que usamos em exemplos públicos. Suponha uma página com este parágrafo no meio: "Ele também é compatível com a versão anterior, como mencionado acima, e custa menos que o modelo citado na seção seguinte."
Isolado numa ficha, esse trecho não diz nada. Compatível com o quê? Menos que qual modelo? Um sistema que recupera só essa ficha não tem como responder, e provavelmente nem a escolheria, porque ela não se parece com nenhuma pergunta de consumidor.
Compare com: "O Aurora Pro 14 é compatível com o carregador USB-C de 65 W do Aurora Pro 13 e custa menos que o Aurora Pro 16." Agora a ficha carrega sujeito, relação e comparação. Ela se sustenta sozinha.
Três vícios de escrita quebram trechos com frequência:
- Pronomes sem âncora: "ele", "esta versão", "o modelo acima".
- Referências de posição: "conforme a tabela anterior", "veja abaixo".
- Especificação sem unidade ou sem sujeito: "16 GB" solto, sem dizer se é memória, armazenamento ou VRAM.
Como escrever uma página de produto que sobrevive ao recorte?
Não existe tamanho mágico de parágrafo. Existe um teste simples: copie um bloco, cole num documento vazio e pergunte se um estranho entenderia de que produto se trata e o que a frase afirma.
Aplicamos esse teste a cada parte da página:
- Ficha técnica: cada linha com o nome do produto implícito no cabeçalho da seção e unidade explícita. "Memória RAM: 16 GB LPDDR5" é uma ficha completa; "16 GB" não é.
- FAQ: pergunta e resposta juntas, com a resposta repetindo o sujeito. Veja nosso guia em FAQ de produto para IA.
- Comparativos: cada diferença dita com os dois nomes, não "o outro modelo". O formato está detalhado em página de comparação que a IA consegue citar.
- Títulos de seção: descritivos, em forma de pergunta quando natural, porque o cabeçalho costuma acompanhar o trecho.
- Avisos e condições (garantia, voltagem, compatibilidade): no mesmo bloco da afirmação a que se referem.
Chunking muda a medição?
Muda. Se a resposta da IA cita um trecho, o que importa é qual trecho foi. Uma página pode ter ótimos dados estruturados e ainda assim ser lembrada por um parágrafo de marketing vago, porque foi ele que "se parecia" com a pergunta.
Por isso, na nossa metodologia, separamos legibilidade de página de recomendação observada. Uma página bem recortável é condição favorável, não garantia. O diagnóstico gratuito é uma análise experimental via API, não replica a interface de consumidor do ChatGPT, e os resultados variam por modelo, prompt e dia.
Uma pista útil: leia a resposta da IA procurando a frase mais próxima da sua página. Se ela vem de um parágrafo promocional e não da ficha técnica, o recorte que "ganhou" não é o que você gostaria que ganhasse.
O que levar daqui
- Chunking é o recorte da página em trechos pontuados individualmente; a Perplexity descreve isso publicamente, e outros sistemas podem diferir.
- Cada bloco da página de produto deve responder sozinho: sujeito explícito, unidade explícita, sem "veja acima".
- Texto acessível e dados estruturados coerentes com o visível são práticas que o Google recomenda e que combinam com esse modelo.
- Teste copiando um bloco para fora da página: se um estranho não entende, a IA também não deve entender.
- Ser recortável não é o mesmo que ser recomendado; meça a resposta, não só a página.
Perguntas frequentes
Existe um tamanho ideal de trecho para a página de produto?
Não encontramos fonte pública que defina um tamanho, e ele provavelmente varia por sistema. Em vez de contar palavras, garanta que cada bloco faça sentido isolado.
Chunking significa escrever parágrafos curtos?
Não necessariamente. Um parágrafo longo e autossuficiente é melhor que três curtos cheios de pronomes soltos. O critério é independência, não comprimento.
Preciso de markup especial para o chunking?
O Google afirma que não há marcação ou arquivo especial exigido para os recursos de IA na Busca. Texto claro e dados estruturados consistentes com ele são o caminho.
Quer ver como as IAs leem a sua página?
Rode o diagnóstico gratuito em /geo-scanner para ter uma primeira leitura de prontidão da página e das respostas, lembrando que é uma análise experimental. Se preferir ver o processo completo com a equipe, peça uma demonstração.