Sites de diretórios que sobrevivem a 28.000 páginas sem penalidades de conteúdo fino.

Praticamente qualquer formato de diretório, dado uma fonte de dados estruturada. Nos últimos dois anos, os padrões que entreguei se desdobram em quatro tipos amplos, e a maioria dos projetos de clientes é alguma variação de um desses.

Diretórios de indústria listam empresas dentro de um vertical, segmentadas por categoria, localização, tamanho e conjunto de funcionalidades. HostList.io é o exemplo canônico que eu mesmo rodo, cerca de vinte e oito mil empresas de hospedagem web, divididas por tipo de hospedagem, região, faixa de preço e caso de uso. Compradores encontram provedores, provedores recebem tráfego, e o diretório em si monetiza através de placements patrocinados, links de afiliado, ou listagens premium pagas dependendo do que funciona melhor para o vertical.

Diretórios locais e por localização são o segundo padrão. Guias de restaurantes, guias de bares, diretórios de dentistas, diretórios de contratistas. Cada listagem carrega schema LocalBusiness com coordenadas geográficas, horário de funcionamento e avaliações onde você tem direitos sobre os dados. Páginas programáticas de cidade-e-categoria, "melhores restaurantes italianos em Manchester" ou "bares em Stoke Newington", fornecem a maior parte da superfície de SEO long-tail nesses sites.

Diretórios de ferramentas e software listam produtos de software dentro de uma categoria. Ferramentas de CRM. Aplicativos de gerenciamento de projetos. Plataformas no-code. Ferramentas de IA. O motor de tráfego nesses é páginas de comparação, Notion versus Linear versus ClickUp, e páginas de matriz de funcionalidades, onde o buscador já conhece os nomes e só quer um critério de desempate.

Diretórios de pessoas e serviços são o quarto padrão. Agências. Freelancers. Consultores. Fotógrafos. Advogados. O desafio com esse é que a maioria dos diretórios de pessoas morre porque os anúncios ficam desatualizados e ninguém os atualiza. Construímos fluxos de expiração e edição de perfil por autoatendimento no primeiro dia do projeto em vez de adicionar depois.

HostList.io é o diretório que criei sozinho para catalogar toda a indústria de hospedagem web. Cerca de vinte e oito mil páginas de empresas de hospedagem, ao vivo desde a primavera de 2024, na mesma stack Next.js mais Supabase mais Vercel que agora usamos para builds de diretórios de clientes.

O que HostList faz é catalogar cada empresa de hospedagem web que conseguimos verificar, segmentada por tipo, compartilhada, VPS, WordPress gerenciado, cloud, dedicada, reseller, região, faixa de preço e caso de uso. Existem páginas de comparação entre hosts específicos, páginas de categoria para cada segmento, uma interface de busca e filtro que lida com o dataset de vinte e oito mil linhas sem latência de query, markup de schema em cada listagem, e um sitemap com streaming porque a contagem de URLs já passou do que um único sitemap.xml consegue conter.

Três lições de rodá-lo formam cada build de diretório de cliente agora. Primeiro, qualidade de dados é o jogo inteiro. Páginas com três pontos de dados únicos além do nome da entidade sobrevivem atualizações do Google; páginas com apenas um nome e uma descrição genérica são desindexadas. Segundo, links internos importam mais que backlinks nessa escala. O grafo de links entre listagens, categorias e páginas de comparação decide quais páginas folha são rastreadas com frequência suficiente para permanecerem indexadas. Terceiro, programático não significa preguiçoso. Cada página precisa ter uma razão de existir, e "temos uma linha no banco de dados" não é uma razão.

Mantivemos cerca de quinze por cento do banco de dados fora do índice porque o limite de dados únicos não foi atingido nessas linhas. Cortamos páginas de categoria que tinham menos de cinco listagens fortes porque pareciam finas mesmo quando o schema subjacente estava correto. Adicionamos páginas de comparação entre concorrentes nomeados como um tipo de página separado, e esse template acabou sendo alguns dos tráfegos com maior conversão no site. O mesmo playbook agora é padrão em cada diretório que entregamos para clientes.

Mais diretórios morrem do que sobrevivem, e os modos de falha são previsíveis o suficiente para que eu geralmente consiga dizer na primeira ligação para qual um o projeto está indo.

De-indexação de conteúdo fino é a falha mais comum. Um diretório é lançado com cinco mil listagens, metade delas tem apenas um nome e uma descrição de uma linha, e Google indexa os primeiros mil e quinhentos e depois para. O site parece um raspado com pouco esforço. Seis meses depois a maioria das páginas indexadas é de-indexada em uma atualização principal. O fix tem que ser na hora da coleta de dados, cada linha precisa de três pontos de dados únicos antes de se qualificar para o sitemap, não "preencheremos depois".

Desatualização de dados estagnados é o segundo padrão. Um diretório que listava negócios precisos em 2023 lista negócios meio-defuntos em 2026 porque ninguém atualizou as linhas, as informações de contato ficam desatualizadas, os sites resolvem para páginas de estacionamento, e o diretório perde sinal de confiança tanto com o Google quanto com visitantes humanos. Construímos fluxos de edição em crowd-sourcing onde o negócio listado pode reivindicar e editar seu perfil, verificações de atualização automatizadas que desabilitam listagens mortas, ou ambas. Sem uma camada de atualização o diretório envelhece fora de relevância independentemente de quão bom o dado original era.

Sem moat é o terceiro padrão. Três diretórios concorrentes cobrem o mesmo vertical com dados similares. Nenhum tem dados únicos, então nenhum tem uma razão defensável para existir. A participação de busca se fragmenta e nenhum deles rankeia. O fix é a camada editorial, análise original, scoring, recomendações, frameworks de comparação, que os dados subjacentes sozinhos não conseguem prover. HostList compete em seu rubric de scoring, não em sua lista de hospedagem, porque a lista de hospedagem em si não é particularmente defensável.

Inchaço de index de filtros é o quarto padrão. Um diretório com oito dimensões de filtro pode tecnicamente gerar milhões de combinações de URL. Se cada combinação é indexável, você inunda Google com páginas finas e dilui as fortes. Sempre bloqueamos combinações finas de filtros do index, qualquer coisa com menos de três listagens recebe noindex, qualquer coisa sem real intent de query como ordenações ou página 2 em diante recebe noindex, e apenas as combinações de filtro canônicas que mapeiam para buscas reais ficam indexáveis.

Uma arquitetura de referência para um diretório vem com cinco camadas. Cada projeto ajusta os detalhes, mas a espinha dorsal se repete entre builds.

A camada de dados é Postgres via Supabase ou self-hosted, com índices próprios em cada coluna de faceta. Existe uma tabela de listagens dedicada por tipo de entidade, empresas, produtos, localizações, pessoas, e colunas de quality-gate junto com o conteúdo (score de unicidade, percentual de completude, timestamp da última verificação). Uma view de elegibilidade de sitemap filtra automaticamente as linhas abaixo do threshold de qualidade.

Os templates de página se dividem em uma página de detalhe de listagem (dados completos, listagens relacionadas, schema, breadcrumb), uma página de categoria (lista paginada com UI de filtro e schema ItemList), uma página de comparação para head-to-head entre entidades nomeadas, uma página de localização com embed de mapa e schema geo onde geografia importa, e páginas about e methodology que carregam o peso editorial original que os dados subjacentes não conseguem fornecer.

Busca e filtro usam Postgres full-text search até cerca de dez mil listagens, depois Algolia ou Meilisearch para diretórios maiores com requisitos de baixa latência de query. URLs de filtro server-rendered dão a cada combinação de filtro uma canônica, e noindex em combinações finas ou duplicadas previne index bloat. Submission e moderação recebem um formulário de submissão público onde o modelo é alimentado pela multidão, uma fila de admin com scores de quality-gate surfaced para revisão do moderador, emails de rejeição templados com razões específicas, e um fluxo de edição self-service para entidades listadas reivindicar e atualizar seu próprio perfil.

SEO scaffolding é a camada que decide se o diretório sobrevive. Sitemap streaming com padrão chunk-per-template, schema.org Organization ou Product ou Place ou Service ou LocalBusiness em cada listagem conforme apropriado, CollectionPage com ItemList em páginas de categoria, BreadcrumbList em todo lugar, canonical URL emitida de uma única fonte de verdade (o banco de dados, não o template), e um SEO linter em build-time que falha o build em H1 faltante, meta descriptions oversized, ou JSON-LD inválido.

Monetização vem através de listagens featured (uma flag booleana promove uma linha para o topo de páginas de categoria), sponsored category placements (uma marca detém o topo de uma categoria por um período de billing), affiliate-link tracking com adequada atribuição rel="sponsored", e paid premium tiers para entidades listadas conseguirem melhor posicionamento, mais campos de dados rich, e acesso a analytics.

A variável mais importante em um projeto de diretório é a própria fonte de dados. A maioria dos engajamentos prospera ou fracassa na resposta a uma única pergunta: de onde virão os dados no primeiro dia, e como permanecerão atualizados depois do lançamento?

Editorial manual significa que uma equipe escreve cada listagem. Lento, caro, mas defensável. Adequado para menos de mil listagens. Exemplos que vi funcionar: guias de hotéis de luxo, diretórios de agências selecionadas, sites editoriais de nicho onde o ato de ser listado é em si o valor.

Importação estruturada significa trazer um CSV ou exportação de banco de dados de uma fonte confiável, e então limparmos, desduplicarmos, enriquecermos e ingerirmos. Adequado para mil a cem mil listagens. Exemplos: diretórios de indústria com dados públicos, importações de registros governamentais, exportações ao estilo companies-house.

Scraping automatizado ou API significa que as listagens são preenchidas a partir de uma API de terceiros ou um pipeline de scraping respeitoso. Dependente legalmente e eticamente da fonte. Adequado para dez mil a milhões de listagens onde os dados residem em um lugar canônico conhecido. Exemplos: diretórios de ferramentas de desenvolvedor extraídos do GitHub, avaliações de hospedagem raspadas de avaliações públicas nos próprios sites das empresas.

Enviado por usuários significa que as listagens vêm das pessoas sendo listadas. Barato para lançar, caro para moderar. Melhor como uma camada sobre dados editoriais iniciais, não como a única fonte. O padrão híbrido (seed editorial mais importação estruturada mais revisão editorial anual) é o que HostList executa e é o que a maioria dos diretórios reais acaba fazendo, tenham planejado ou não.

Na primeira ligação perguntaremos qual combinação corresponde à sua realidade de dados. Se você não tiver uma resposta clara, a questão de dados é ela mesma a primeira fase do trabalho; a construção vem depois.

Faixas honestas baseadas em engajamentos reais recentes em vez de preços aspiracionais em um deck de vendas. Um pequeno diretório editorial com menos de mil listagens roda dezoito a trinta e cinco mil dólares americanos ao longo de seis a nove semanas. Um diretório de tamanho médio de mil a dez mil listagens com importação de dados estruturados roda trinta a sessenta mil ao longo de dez a quatorze semanas. Um grande diretório de dez a cem mil listagens, programático em escala, roda cinquenta a noventa mil ao longo de doze a dezoito semanas. Um formato de marketplace, two-sided, com bookings ou transações, roda sessenta a cento e cinquenta mil ao longo de quatorze a vinte e duas semanas.

Todas as faixas incluem o scaffolding de SEO (schema, sitemap, linter), a camada de busca e filtro, e um painel de administração básico. Elas não incluem aquisição de dados em si (editorial manual, infraestrutura de scraping, custos de API de terceiros), trabalho original de marca e design, ou aquisição de tráfego pago. Planos de cuidado para operação contínua após o lançamento custam quinhentos a três mil dólares americanos por mês.