Ligações internas semânticas por IA no PrestaShop: transformar um catálogo num grafo de relevância em 2026

As ligações internas continuam a ser a otimização SEO mais subinvestida em 2026

Em 100 lojas PrestaShop auditadas em 2025, 78 têm menos de três ligações internas de saída por ficha de produto. Metade não tem nenhuma ligação entre fichas de produto da mesma família. E no entanto, a documentação da Google sobre a Search Quality é clara desde 2019: a estrutura das ligações internas é um dos três sinais mais fortes para que um crawler compreenda a autoridade temática de uma página.

Porquê este fosso entre a evidência teórica e a prática? Porque as ligações manuais não escalam. Com 200 fichas de produto, identificar as melhores ligações já leva um dia. Com 2 000 fichas em três línguas, é impossível de manter: cada nova referência teria de ser cruzada com 5 999 outras entidades para decidir onde colocar uma ligação.

A IA muda a equação. Com embeddings semânticos (OpenAI, Voyage AI, Cohere) e um cálculo de semelhança de cosseno, pode construir-se em poucos minutos a matriz completa de proximidade entre todas as entidades de um catálogo, produtos, categorias, artigos de blogue, páginas CMS, e deduzir daí as ligações mais pertinentes a colocar. É o que faz o módulo de ligações internas semânticas por IA para PrestaShop: 5 000 entidades tratadas em menos de dez minutos, 30 a 80 € de custo de IA consoante o fornecedor de embeddings escolhido.

O que um crawler vê quando as ligações estão ausentes

Três patologias típicas nas lojas PrestaShop sem ligações internas estratégicas:

1. As fichas de produto órfãs

Uma ficha só é acessível a partir da paginação da categoria ou do motor de pesquisa interno. A Google encontra-a pelo sitemap XML, mas recebe zero link juice. Numa loja de moda com 1 200 referências, mede-se regularmente que 30 a 40 % das fichas nem sequer estão indexadas: o orfanato mata a descoberta tanto quanto a autoridade.

2. Os silos estanques

As categorias estão ligadas ao menu e entre si pelo fio de Ariana, mas nenhuma ligação horizontal existe entre fichas de categorias diferentes mas complementares. Um blusão de cabedal nunca é ligado à t-shirt branca que se usa por baixo, nem à bolsa que completa o conjunto. O cliente navega mas o crawler não tem nenhuma aresta para propagar a relevância.

3. A ausência de ponte blogue-catálogo

O blogue fala de tendências, conselhos, comparativos. O catálogo vende os produtos que materializam esses conteúdos. Sem ligação interna entre os dois, a autoridade editorial construída do lado do blogue nunca se transmite às fichas que dela beneficiariam, e o inverso, em que uma ficha popular deveria subir para o seu artigo-guia, nunca acontece.

As ligações semânticas: calcular a relevância, não adivinhá-la

O método cabe em cinco etapas que qualquer módulo sério automatiza:

Etapa 1: extração do corpus

Extrai-se para cada entidade (produto, categoria, artigo, página CMS) um bloco de texto representativo: título, descrição curta, descrição longa, atributos, características. No PrestaShop, é uma junção SQL sobre ps_product_lang, ps_category_lang, ps_cms_lang e a tabela de blogue se existir. Filtro língua a língua: nada de cruzamento português/inglês, as ligações são por defeito intralíngua.

Etapa 2: geração dos embeddings

Cada bloco de texto é enviado a um modelo de embeddings: text-embedding-3-small na OpenAI (1 536 dimensões, 0,02 $ por milhão de tokens), voyage-3-lite na Voyage AI (512 dimensões, 0,02 $ por milhão de tokens, otimizado multilingue), ou embed-multilingual-v3 na Cohere. Um embedding é um vetor numérico que captura o sentido do texto: dois textos próximos em significado produzem vetores próximos no espaço vetorial.

Em 5 000 entidades com em média 400 tokens cada, falamos de 2 milhões de tokens, ou seja cerca de 40 $ na OpenAI ou na Voyage. Custo único: os embeddings são guardados em base de dados e só são regenerados para as entidades novas ou alteradas.

Etapa 3: cálculo de semelhança de cosseno

Para cada par de entidades, calcula-se o cosseno do ângulo entre os dois vetores. Pontuação entre 0 (ortogonal) e 1 (idêntico). Num catálogo de 5 000 entidades, é uma matriz 5 000 × 5 000, ou seja 25 milhões de pares, calculados em menos de um minuto em memória com NumPy ou diretamente em MySQL com uma função armazenada.

Etapa 4: seleção dos candidatos com limiares e regras

Guardam-se os pares cuja semelhança ultrapassa um limiar (tipicamente 0,72 para o text-embedding-3-small), e aplicam-se depois regras de negócio:

• Não mais de 5 ligações internas geradas por entidade de origem.
• Preferência pelas ligações para entidades de categorias diferentes (sair dos silos).
• Preferência pelas ligações artigo-produto e produto-artigo (fazer a ponte).
• Exclusão das entidades já ligadas manualmente (não se duplica).
• Exclusão dos produtos sem stock, dos artigos em rascunho, das páginas não publicadas.

Etapa 5: geração das âncoras e injeção

Para cada ligação retida, a IA gera um texto de âncora contextual a partir do título do destino e de algumas palavras-chave extraídas. Nada de « clique aqui », nada de « saber mais »: uma âncora descritiva como « guia completo da escolha de colchão de látex natural » que corresponde à semântica do destino. A injeção faz-se na descrição longa ou num bloco « Artigos relacionados » no fundo da ficha, consoante a opção escolhida.

A aritmética do PageRank interno

A Google já não publica o PageRank desde 2016, mas o conceito continua operacional no algoritmo. A regra simplificada: cada página distribui a sua autoridade pelas suas ligações de saída, dividida pelo número delas. Uma página inicial com 80 ligações de saída distribui 1/80 da sua autoridade por ligação. Uma ficha de produto com 5 ligações de saída distribui 1/5.

Consequência prática: quanto menos ligações de saída uma página tem, mais poderosa é cada ligação. É por isso que o mega-menu sobrecarregado é um antipadrão SEO. É também por isso que ligações internas dirigidas e limitadas (3 a 5 ligações contextuais por página) batem um rodapé carregado com 80 ligações.

Numa loja PrestaShop típica de 500 fichas de produto, umas ligações semânticas bem feitas propagam 12 a 18 % de autoridade adicional para as fichas de cauda longa, o que se traduz empiricamente em +20 a +35 % de tráfego orgânico nessas fichas em 4 a 6 meses.

Topic clusters e siloing: a camada acima da semelhança

A semelhança de cosseno é um excelente ponto de partida, mas não distingue uma ligação « pilar-satélite » de uma ligação « satélite-satélite ». Ora, para o SEO, estas duas ligações não têm o mesmo valor:

• Ligação pilar para satélite: a página pilar (ex. « guia completo do sono ») liga para as suas páginas satélites (colchão de memória, colchão de látex, sobrecolchão). Distribui autoridade para a cauda longa. A privilegiar.
• Ligação satélite para pilar: cada satélite sobe para o pilar. Concentra a autoridade no pilar, que se torna a página de referência sobre o tema. A sistematizar.
• Ligação satélite com satélite: duas páginas de cauda longa ligam-se mutuamente. Útil para o crawl, fraca para a autoridade. A limitar.

Um módulo de ligações por IA propõe tipicamente uma opção « prioridade às ligações para pilares », que força uma quota mínima de ligações para as páginas identificadas como pilares temáticos (muitas vezes as categorias principais e os guias editoriais). É a camada de negócio que transforma um cálculo de semelhança numa estratégia de siloing.

Custo real de IA e ROI

Numa loja de média dimensão com 2 000 produtos numa língua:

• Inicialização: 800 000 tokens de embeddings, cerca de 16 $ (OpenAI text-embedding-3-small) ou 20 $ (Voyage AI). Mais a geração das âncoras: 200 000 tokens GPT-4o-mini, cerca de 0,03 $ por ligação × 6 000 ligações, cerca de 5 $. Total: ~25 $.
• Manutenção mensal: produtos novos + produtos alterados (tipicamente 5 a 10 % do catálogo), cerca de 2 a 4 $ por mês.
• Multilingue: multiplicar pelo número de línguas ativas. Três línguas = ~75 $ iniciais + 9 $/mês.

Na mesma loja, o ROI medido em 6 meses (pós-implementação, face à baseline) ronda +18 % de páginas orgânicas ativas na Search Console e +24 % de receita orgânica nas fichas de cauda longa. O payback do custo de IA é inferior a 30 dias.

Os três erros que fazem perder 30 % do tráfego orgânico

Erro 1: o excesso de ligações

Colocar 30 ligações internas por ficha de produto. Sintoma: a Google diminui o valor de cada ligação, o visitante já não sabe onde clicar, a taxa de rejeição sobe. A regra empírica: 3 a 5 ligações contextuais no corpo + 4 a 6 ligações num bloco dedicado « Também vai gostar », separados graficamente e marcados de forma diferente (um nofollow no bloco dedicado pode até justificar-se nos catálogos muito grandes).

Erro 2: as âncoras genéricas ou sobreotimizadas

« Clique aqui » não diz nada à Google. « Melhor colchão látex natural barato entrega gratuita » está sobreotimizado e desencadeia uma penalização algorítmica. A boa âncora é descritiva e natural: « o nosso colchão de látex natural 160×200 » chega. Uma IA bem instruída gera este tipo de âncora por defeito.

Erro 3: a injeção em rodapé ou barra lateral global

As ligações internas que aparecem em todas as páginas (rodapé, barra lateral) são massivamente desvalorizadas pela Google desde 2022. Uma ligação no corpo do conteúdo, contextual à página, vale 5 a 10 vezes mais do que uma ligação sitewide. As ligações por IA devem injetar-se dentro do conteúdo, não à volta.

Integração no PrestaShop: os bons hooks

No PrestaShop 8 e 9, a injeção faz-se por dois hooks:

• displayProductAdditionalInfo ou displayFooterProduct para as fichas de produto.
• displayHome ou um bloco CMS para as páginas editoriais.

A injeção direta na description por SQL é tentadora mas desaconselhada: polui o dado de origem e complica as migrações. O padrão limpo é um hook que lê uma tabela dedicada (por exemplo df_semantic_links) e injeta as ligações no render. Isso permite regenerar as ligações sem tocar nas fichas.

Nas multilojas PrestaShop, atenção a delimitar a tabela por id_shop: um mesmo produto pode ter ligações internas diferentes consoante a loja (catálogo parcial, língua dominante, estratégia SEO por mercado).

Ligações por IA e AEO: o bónus 2026

Os agentes de IA, ChatGPT Shopping, Perplexity, Claude, Google AI Overviews, consomem cada vez mais a estrutura das ligações internas para reconstituir a árvore de categorias e a relação entre entidades. Um catálogo bem ligado é mais bem compreendido por estes agentes, o que se traduz em citações mais frequentes nas respostas sintéticas.

É complementar de outros sinais estruturados: a otimização AEO global, o ficheiro llms.txt que serve de índice para os LLM, e os dados estruturados Schema.org Product 2026. As ligações semânticas são o cimento que une todos estes sinais entre si.

Quando um módulo de IA é pertinente, e quando não é

As ligações manuais continuam válidas para os catálogos muito pequenos (menos de 100 fichas) e para as lojas monotemáticas muito especializadas em que o conteúdo editorial é limitado. Para tudo o resto, catálogos de média dimensão com 500 a 10 000 fichas, várias línguas, blogue ativo, atualizações frequentes, um módulo de IA é o único meio de manter ligações atualizadas sem lhes dedicar um meio-tempo SEO.

A conta é simples: um meio-tempo SEO interno são 25 a 35 mil €/ano. Um módulo de IA + custos de embeddings são menos de 200 €/ano. O módulo não substitui a estratégia SEO global, mas automatiza a camada de execução mais consumidora de tempo.

FAQ: as perguntas que me fazem depois de cada auditoria

É preciso regenerar todas as ligações a cada alteração de catálogo?

Não. Só as entidades novas ou alteradas devem ser re-embeddadas. A matriz de semelhança é atualizada de forma incremental (o custo de embedding de uma nova ficha é de alguns cêntimos). Um cron semanal ou diário chega para a maioria das lojas.

Podem fazer-se ligações semânticas multilingues (cross-language)?

Tecnicamente sim, com um modelo de embeddings multilingue (Voyage voyage-3, Cohere embed-multilingual-v3). Mas raramente é desejável: a experiência de um cliente português que clica numa ligação e aterra numa página em alemão é má. As ligações são por defeito intralíngua; a ponte multilingue é gerida pelo hreflang.

As ligações internas geradas por IA são consideradas conteúdo gerado por IA pela Google?

Não. A Google interessa-se pelo conteúdo gerado por IA (parágrafos, descrições), não pelas ligações internas, que são HTML, não texto semântico novo. A âncora gerada pode ser considerada conteúdo, mas à razão de algumas palavras descritivas por ligação, fica abaixo do limiar de escrutínio.

Que impacto no crawl budget?

Positivo. Umas ligações bem feitas reduzem o número de níveis de profundidade (depth) do site, o que permite ao Googlebot rastrear mais páginas com o mesmo orçamento. Nos sites em que a Search Console reporta páginas « descobertas mas não indexadas », melhores ligações internas são muitas vezes a solução.

Substitui os backlinks externos?

Não. As ligações internas distribuem a autoridade existente. Os backlinks externos trazem a autoridade inicial. Os dois trabalham juntos: um site com excelentes backlinks mas ligações internas pobres desperdiça a sua autoridade; um site com excelentes ligações mas zero backlinks amplifica um sinal muito fraco.

Em síntese

As ligações internas semânticas por IA não são uma novidade de feira: são a passagem à escala de uma boa prática SEO conhecida há quinze anos, agora acessível a qualquer catálogo que ultrapasse as 200 entidades. Por 25 $ de inicialização e 3 $/mês, recuperam-se tipicamente +20 a +35 % de tráfego orgânico na cauda longa, com um payback inferior a 30 dias.

Os pré-requisitos são razoáveis: um módulo que automatize as cinco etapas (extração, embeddings, semelhança, seleção, injeção), uma integração por hooks limpos (sem esmagar as descrições de origem), e um acompanhamento mensal na Search Console para medir o ROI real.

Para ir mais longe, o módulo DataFirefly Ligações Internas Semânticas por IA implementa este método no PrestaShop 8 e 9 com a escolha do fornecedor de embeddings (OpenAI, Voyage, Cohere), a configuração das regras de negócio e o acompanhamento das ligações geradas. Integra-se naturalmente com uma auditoria SEO completa e com a integração Google Search Console para medir o impacto ao longo do tempo.

Para as equipas que desejam um acompanhamento mais amplo, a nossa especialidade de programador PrestaShop cobre a integração à medida, a análise da matriz de relevância e as estratégias de siloing avançadas.