Os classificadores de intenção genéricos mapeiam consultas crypto em 4 buckets SaaS. O Web3 na verdade se divide em 6, incluindo investigação (comercial com overlay de risco) e desambiguação (token vs protocolo vs empresa).
Clique nas consultas de exemplo para ver como o classificador mapeia cada uma através dos 6 buckets, além do que recomenda como o tipo de conteúdo correspondente.
Intenção principal
Investigação
InvestigaçãoCamada comercialO usuário quer comparar opções de yield mas espera divulgação de risco primeiro. Páginas puramente comerciais têm bounce alto; páginas informacionais-primeiro com uma seção "comparar" limpa convertem.
Contenido recomendado
Guia de comparação
Article + FAQPage schemaLidere com risco e metodologia, depois tabela de comparação com schema FinancialProduct por protocolo. Adicione blocos Q-and-A para "como se calcula o yield" e "quais são os riscos".
Clique em qualquer consulta acima para ver como o classificador a mapeia. Os outputs são ilustrativos; o módulo ao vivo produz o mesmo formato para qualquer corpus de keywords no seu domínio.
Cada bucket mapeia para um tipo de conteúdo diferente, combinação de schema e padrão de CTA. Os mismatches entre o bucket de keyword e o conteúdo de página são o problema de ranking único mais comum em sites crypto.
O usuário quer aprender. Sem intenção comercial. Os classificadores genéricos lidam bem com esse bucket; nós o mantemos por completude.
Consultas de ejemplo
Recomendado: Explicativo longo · schema Article · Sem CTAs acima da dobra
O usuário vai a algum lugar conhecido. Nomes de marca ou feature, ações de app. Quer chegar rápido e agir rápido.
Consultas de ejemplo
Recomendado: Página utilitária focada em ação · schema HowTo · Sem texto de marketing
O usuário está avaliando produtos para usar. Comercial higher-funnel. Páginas puramente de produto funcionam aqui.
Consultas de ejemplo
Recomendado: Comparação de produtos · Schema FinancialProduct + Article · CTA "Experimente" visível
O usuário está pronto para agir agora. Rota de conversão direta. Menos explicação, mais ação.
Consultas de ejemplo
Recomendado: Página de produto focada em ação · schema CryptoExchange · CTA acima da dobra
Exclusivo de YMYL/cripto. Intenção comercial, mas com divulgação de riscos esperada primeiro. Páginas puramente de produto geram rejeição.
Consultas de ejemplo
Recomendado: Guia de comparação com abertura risk-first · Article + FAQPage + FinancialProduct schema · Full disclosure
Exclusivo de cripto. Query references a symbol mapping to multiple entities (token, protocol, company, foundation).
Consultas de ejemplo
Recomendado: Página com entidades resolvidas · Entidades Organization + FinancialProduct distintas com @id · Estratégia de canonical
Esse é o problema único de ranking mais comum que vemos em sites crypto. Quase sempre corrigível com mudanças de copy e estrutura, sem necessidade de migração.
The /yield página mira "melhores protocolos de yield DeFi 2026". Quem busca isso vem para comparar e avaliar, e sai diante de um pitch transacional.
→ Caminho de correção recomendado
Quatro fases, todas em paralelo com os outros sete módulos de auditoria. O classificador em si é o check do Classificador de Intenção de Keywords Crypto do Gemini AI Analyzer.
A Crawlux extrai a keyword primária por página de cada página no seu domínio, parseando tags title, H1s, meta descriptions e structured data. As keywords secundárias são extraídas dos H2s e do contexto ao redor. O corpus é deduplicado e normalizado antes da classificação.
Cada palavra-chave passa pelo Gemini AI Analyzer's Crypto Intenção de Palavras-chave Classifier. O modelo retorna um bucket primário, um overlay secundário opcional (ex.: Investigação + Comercial), uma pontuação de confiança e o tipo de conteúdo recomendado. Classificações de baixa confiança são marcadas para revisão manual.
Em paralelo, o conteúdo da página em si é classificado pelo mesmo modelo. A colocação de CTA, estrutura de headline, profundidade de conteúdo, schema presente e presença de divulgação de risco alimentam o veredito de intenção de página. Os dois vereditos são então comparados por página.
As páginas onde a intenção de keyword difere da intenção de página são marcadas. Cada mismatch é classificado por tamanho do gap e esforço para corrigir. O relatório PDF inclui a reestruturação de conteúdo recomendada por página, com seções de exemplo de concorrentes que correspondem à intenção corretamente.
O mesmo conjunto de consultas crypto, três vereditos diferentes. Os modelos de 4 buckets confundem Investigação com Comercial e Desambiguação com Navegacional, o que custa ranking nas páginas mal classificadas.
| Busca | Ahrefs intent | Semrush intent | Crawlux 6-bucket |
|---|---|---|---|
| "best DeFi yield protocols 2026" | Comercial | Comercial | ✓ Investigação (camada comercial) |
| "stablecoin mais segura para manter" | Comercial | Comercial | ✓ Investigação |
| "aave price" | Navegacional | Navegacional | ✓ Desambiguação (token vs protocolo) |
| "uni founder" | Informacional | Informacional | ✓ Desambiguação (token vs Uniswap Labs) |
| "connect metamask" | Navegacional | Navegacional | ✓ Navegacional (agreement) |
| "como funciona o liquid staking" | Informacional | Informacional | ✓ Informacional (agreement) |
| "trocar eth por usdc na uniswap" | Transaccional | Transaccional | ✓ Transaccional (agreement) |
| "highest APY crypto savings" | Comercial | Comercial | ✓ Investigação (alerta de risco regulatório) |
| "comprar bitcoin com cartão de crédito" | Transaccional | Transaccional | ✓ Transacional (alerta de jurisdição) |
| Alerta de risco regulatório adaptado a cripto | ✕ Não medido | ✕ Não medido | ✓ Por busca |
Vereditos ilustrativos. Nota: a Crawlux concorda com Ahrefs/Semrush em aproximadamente 70% das consultas crypto; os 30% de desacordo estão concentrados nos buckets Investigação e Desambiguação.
Perguntas comuns de equipes que rodam estratégia de keywords em sites crypto e Web3.
Os classificadores de intenção genéricos (incorporados em Ahrefs, Semrush, Surfer) foram treinados na web aberta. Eles classificam consultas em 4 buckets: informacional, navegacional, comercial, transacional. Isso funciona para SaaS. O comportamento de busca crypto divide mais dois desses buckets. "Melhor yield DeFi" é comercial, porém com um overlay de investigação porque os usuários esperam divulgação de risco primeiro. "AAVE price" é navegacional, porém ambíguo entre o token AAVE e o protocolo Aave. O modelo de 4 buckets colapsa esses casos no bucket errado; o modelo de 6 buckets da Crawlux os mantém distintos.
Comercial (avaliando produtos para comprar/usar), Transacional (pronto para agir agora), Informacional (aprendendo), Navegacional (procurando um site conhecido), Investigação (comercial, porém exige divulgação de risco primeiro, exclusivo de YMYL/crypto) e Desambiguação (consulta ambígua que precisa de resolução de entidade, ex.: token AAVE vs protocolo Aave). Cada bucket mapeia para um tipo de conteúdo e estratégia de ranking diferente. Veja a grade de categorias acima.
O classificador atualmente roda em inglês com alta confiança e suporta consultas em 9 idiomas adicionais (espanhol, português, francês, alemão, russo, turco, coreano, japonês, chinês) com menor confiança. A detecção de idioma roda primeiro; se a confiança estiver abaixo do limite, a consulta é marcada e pulada da auditoria. O suporte multi-idioma se expande por trimestre enquanto coletamos dados de consultas etiquetadas.
Sim. A desambiguação é um dos 6 buckets especificamente porque é muito comum em crypto. Muitas consultas referenciam símbolos (BTC, ETH, AAVE, UNI) que mapeiam para múltiplas entidades (o token em si, o protocolo, a empresa, a fundação). O classificador marca essas consultas e recomenda que a página implemente schema de desambiguação (entidades distintas Organization vs FinancialProduct com referências @id) para que os modelos de IA consigam resolver sobre qual entidade é a página.
O Ahrefs usa um modelo de 4 buckets (informacional, navegacional, comercial, transacional) treinado na web geral. O modelo é confiável para consultas SaaS e e-commerce. Para consultas crypto-específicas, tende a superclassificar como comercial (tudo que menciona um token ou protocolo), o que mascara os padrões de investigação e desambiguação que a Crawlux marca separadamente. As duas ferramentas concordam em aproximadamente 70% das consultas; os 30% de desacordo são onde a Crawlux agrega valor para sites crypto.
Os motores de busca e modelos de IA recompensam conteúdo que corresponde à intenção do usuário. Rankear conteúdo comercial para uma consulta informacional produz bounce alto e baixo engajamento, o que retroalimenta o ranking. A auditoria Crawlux marca páginas onde o conteúdo de página não corresponde à intenção primária da keyword. A maioria das equipes descobre que 15-30% de suas landing pages têm mismatches de intenção que são mais fáceis de corrigir do que construir páginas novas.
Sim, em paralelo. O Gemini AI Analyzer roda tanto o classificador de intenção de keywords quanto o detector de risco regulatório juntos. Consultas que envolvem atividade financeira regulada (lending, derivativos, security tokens) em jurisdições com regulação mais rígida (US, UK, UE sob MiCA) são marcadas para que você possa garantir que a página correspondente tenha as divulgações corretas. Isso é mais importante para AEO do que para ranking no Google, já que os modelos de IA geram respostas conscientes da jurisdição.
Padrão comum: uma landing page tem como alvo "como funciona o liquid staking" (informacional), mas a página é construída como uma página de produto com um CTA proeminente "Stake Now" acima da dobra (transacional). Os usuários que buscam a consulta informacional saem porque vieram para aprender, não para agir. O fix é liderar com a explicação, depois introduzir o produto na metade da página, uma vez que o usuário já tem o contexto. Mismatches de intenção como esse são o problema único de ranking mais comum que vemos em sites crypto.
RODE ESTA AUDITORIA GRÁTIS
Sem cadastro, sem cartão de crédito. Relatório completo de 8 módulos em 60 segundos.
Primeira auditoria grátis · Sem cadastro · 60 segundos · Relatório PDF completo