Quanto tempo demora a indexação no Baidu e o que a acelera de facto

Submeteu o seu domínio ao Baidu. Uma semana depois, nada. Duas semanas depois, continua sem nada, e começa a perguntar-se se a submissão chegou sequer a ser feita.

É a pergunta sobre o Baidu que mais recebemos, e a resposta, regra geral, é que ainda nada correu mal. O Baidu é lento com um sítio web estrangeiro novo, muito mais lento do que o Google. A pergunta útil não é quanto tempo se espera em média. É saber quais das coisas que estão nas suas mãos estão a acrescentar semanas a essa espera.

Três coisas que se confundem umas com as outras

Antes de qualquer calendário fazer sentido, convém separá-las:

• Descoberta: o Baidu sabe que o URL existe. É isto que a submissão faz, e é imediato.
• Rastreio: o Baiduspider vai mesmo buscar a página. Isto pode falhar em silêncio durante meses.
• Inclusão (收录): a página está no índice e pode aparecer nos resultados. É isto que uma pesquisa site: mostra.
• Posicionamento: a página compete por uma pesquisa. É outro problema, sobretudo de conteúdo.

Uma página pode ser descoberta no primeiro dia, rastreada no nono e nunca chegar a ser incluída. Submeter mais URL não resolve isso. A maioria de quem pergunta «quanto tempo demora o Baidu» está, na verdade, presa algures entre o rastreio e a inclusão.

O calendário realista

Para um sítio europeu típico: alojado na Europa, sem registo ICP, conteúdo em inglês ou numa língua europeia, sem ligações a partir de sítios chineses.

• Primeira visita do Baiduspider: entre um dia e três semanas após a submissão. Normalmente a página inicial e, durante algum tempo, muitas vezes mais nada.
• Primeira página visível numa pesquisa site:: entre uma e seis semanas.
• Cobertura útil de um sítio pequeno: entre um e três meses.
• Cobertura que se mantém e não encolhe na reavaliação seguinte: entre três e seis meses e, de forma realista, apenas com páginas em chinês simplificado no sítio.

Compare-se com um sítio alojado na China continental, com registo ICP e conteúdo em chinês: a página inicial entra no índice em poucos dias e o resto em duas ou três semanas. A distância entre estes dois cenários é o tema do resto deste artigo.

O Baidu não publica qualquer nível de serviço para nada disto, e não há uma fila de suporte para onde escalar. O que existe é um conjunto de canais com capacidades diferentes e um orçamento de rastreio que cresce ou encolhe conforme o comportamento do seu servidor.

Primeiro, verifique se está sequer indexado

Faça isto antes de mudar o que quer que seja.

Vá a baidu.com e pesquise site:yourdomain.com. O número de resultados é uma estimativa e varia, por isso leia-o como um sim ou um não e não como uma medição. Se houver resultados, está indexado e a questão passa a ser a cobertura. Se não houver nenhum ao fim de seis semanas, algo está avariado e esperar mais não vai resolver.

Há mais duas verificações que vale a pena fazer:

• Pesquise o título exato da sua página inicial entre aspas. Se o sítio estiver indexado mas o operador site: se estiver a comportar de forma estranha, é frequente isto pô-lo a descoberto.
• No Baidu Webmaster Tools (百度搜索资源平台), veja o 索引量 (volume de indexação) e o 抓取频次 (frequência de rastreio). São esses os números fiáveis. O 抓取异常 (erros de rastreio) diz-lhe se o spider está a receber timeouts, erros 403 ou falhas de DNS, e é aí que a maioria dos sítios estrangeiros encontra o seu verdadeiro problema.

Se a frequência de rastreio está perto de zero e os erros de rastreio não, tem uma avaria técnica, não um problema de paciência.

Os canais de submissão e o que cada um vale realmente

O Baidu oferece várias formas de lhe entregar um URL, e não são equivalentes.

Sitemap

Serve apenas para a descoberta, e é a fila mais lenta de todas. O Baidu trata um sitemap como uma lista de sugestões a percorrer quando tiver tempo. Submeta um, mantenha-o correto e não espere que mexa em nada esta semana. É mais importante em sítios grandes, onde precisa que o Baidu chegue sequer às páginas mais profundas. Também não está aberto a todos os sítios: em outubro de 2026, a consola só oferece a submissão de sitemaps a sítios com registo ICP (ICP备案) e, desde 22 de setembro de 2023, o Baidu retira-a aos sítios de contas sem verificação de identidade real e aos sítios que classifica como de baixa qualidade (aviso do Baidu). Sem ela, os caminhos que restam são a submissão manual e o envio ativo.

Submissão manual de URL (普通收录)

Cole os URL no painel. Há um limite diário por sítio. É uma sugestão, não uma instrução. Útil para meia dúzia de páginas que lhe interessam mesmo, inútil como estratégia.

Envio ativo por API (主动推送)

O melhor dos canais comuns. O seu servidor envia os URL novos e atualizados para o endpoint do Baidu no momento em que mudam, o que reduz a zero a latência da descoberta e, pela nossa experiência, encurta visivelmente a espera pelo primeiro rastreio. A quota diária aumenta com a parte do sítio que já está indexada, o que no início é um problema do ovo e da galinha, mas deixa de o ser depressa. Se publica com regularidade, ligue isto ao seu build ou CMS e esqueça o assunto.

Envio automático (自动推送)

Um excerto de JavaScript que avisa o Baidu sempre que uma página é vista. Para fazer alguma coisa, precisa de visitantes reais a partir da China, que um sítio estrangeiro acabado de submeter não tem. Além disso, acrescenta um script de terceiros a todas as páginas, num sítio em que o tempo de carregamento a partir da China já é o ponto fraco. Deixe-o de lado até ter tráfego chinês.

Rastreio rápido (快速抓取), antiga inclusão rápida (快速收录)

É deste canal que toda a gente fala quando pergunta como ser indexado depressa, e a resposta honesta é incómoda.

A 26 de abril de 2024, o Baidu descontinuou o 快速收录 e substituiu-o pelo 快速抓取 (rastreio rápido), e recuperou a quota que os sítios tinham na ferramenta antiga (aviso do Baidu). O novo nome é mais honesto quanto ao que faz: os URL enviados por esta via são rastreados primeiro, e o Baidu diz claramente que não garante a inclusão. Continua a ser um canal à parte, limitado por quota, com um volume diário por sítio. O Baidu atribui-o automaticamente aos sítios do seu programa de parceiros VIP, os outros sítios podem ganhá-lo em campanhas da plataforma, e é revisto periodicamente e retirado aos sítios que fiquem abaixo dos padrões de qualidade e de experiência do Baidu (guia do Baidu).

Daqui decorrem três coisas. Não está à venda. Não é atribuído a pedido. E um sítio novo alojado no estrangeiro não o tem, porque não há histórico de rastreio que o Baidu possa avaliar. Se alguma vez ficar disponível para o seu domínio, será ao fim de meses de rastreios sem problemas e de conteúdo em chinês que o Baidu mantém em vez de descartar. Quem se oferece para lhe vender quota de rastreio rápido está a vender-lhe outra coisa que não aquela que julga estar a comprar.

A ordem prática é, portanto: envio ativo para a rapidez, sitemap para a cobertura quando a consola o oferecer, submissão manual para as poucas páginas que mais importam, e rastreio rápido só se o seu sítio o tiver conquistado.

Porque é que alojar fora da China continental é mais lento

O Baiduspider rastreia a partir de gamas de IP da China continental. Cada pedido ao seu servidor na Alemanha ou na Irlanda atravessa a fronteira, e isso tem três efeitos que se acumulam.

Latência e perdas. Tempos de ida e volta de 200 a 400 milissegundos são normais e, nas horas de ponta, a perda de pacotes nesse percurso é real. Uma página que carrega em 800 milissegundos a partir de Frankfurt pode demorar cinco segundos ou mais a partir de Pequim.

O orçamento de rastreio encolhe. O Baidu, como qualquer rastreador, recua perante servidores lentos ou pouco fiáveis. Os timeouts e as respostas 5xx reduzem a frequência de rastreio, o que significa menos páginas obtidas por visita, o que significa uma inclusão mais lenta. É este o mecanismo por trás da maioria das queixas de que «o Baidu simplesmente deixou de nos rastrear».

Recursos bloqueados deixam a página pendurada. Google Fonts, googleapis.com, Google Analytics, vídeos incorporados do YouTube, reCAPTCHA, widgets do Facebook: tudo inacessível a partir da China. O navegador espera por cada um deles até desistir. Tudo o que o Baidu obtém com renderização bate na mesma parede. Alojar localmente os tipos de letra e os scripts é a correção mais barata ao alcance de uma empresa europeia, e costuma levar uma tarde.

Sem presença na China continental, alojar o sítio em Hong Kong, Singapura ou no Japão, ou servi-lo através de um servidor intermédio num desses locais, reduz bastante o tempo de ida e volta. Não é o mesmo que estar lá dentro, mas é uma grande melhoria em relação à Europa e não exige qualquer entidade chinesa.

O que o registo ICP muda, e o que não muda

O ICP备案 (registo ICP) é o registo que todos os sítios alojados em servidores da China continental têm de ter junto do Ministério da Indústria e Tecnologias da Informação. O ICP许可证 (licença ICP) é a autorização mais exigente necessária para serviços comerciais em linha. Ambos exigem uma entidade jurídica da China continental, e o registo exige também um fornecedor de alojamento na China continental, pelo que uma empresa estrangeira sem filial chinesa nem parceiro local não consegue obter nenhum dos dois.

Eis a parte que costuma ser mal contada: o Baidu não exige registo ICP para indexar o seu sítio. Um .com alojado em Frankfurt pode ser indexado e é de facto indexado, e nenhuma regra publicada trata o número de registo como fator de posicionamento.

O que o registo desbloqueia de facto é o alojamento na China continental, e é esse alojamento que traz a rapidez e o orçamento de rastreio. A vantagem é real, mas indireta. Se não tem entidade chinesa, isso é uma razão para corrigir tudo o resto desta lista, não para desistir de ser indexado.

A velocidade da página, medida a partir do sítio certo

O número que conta é o desempenho da sua página numa ligação móvel dentro da China, não o que diz o seu painel de monitorização europeu. O Baidu deixou claro há anos que a experiência das páginas em dispositivos móveis pesa na forma como trata um sítio, e o objetivo de trabalho para uma página de destino é menos de três segundos até ao conteúdo útil numa rede móvel da China continental.

O que uma equipa europeia pode fazer já hoje:

• Renderize no servidor. O Baiduspider lida com JavaScript de forma muito menos fiável do que o Googlebot. Se o seu texto só existe depois da hidratação, assuma que o Baidu não o vê. Aqui, a renderização no servidor ou o HTML estático não são opcionais.
• Aloje localmente tipos de letra, ícones e ferramentas de análise. Cada pedido a um servidor bloqueado deixa a página à espera.
• Comprima bem as imagens e defina cabeçalhos de cache longos para os recursos estáticos.
• Limite os redirecionamentos a um salto. Cada elo da cadeia custa mais uma viagem de ida e volta através da fronteira.
• Sirva um único URL por página. Sem parâmetros de sessão, sem parâmetros de tracking nas ligações internas, uma única forma canónica do domínio.

Meça a partir de lá, não a partir de cá: há vários serviços de teste na China continental que vão buscar o seu URL a partir de uma dúzia de cidades chinesas e lhe dão números reais.

O Baiduspider tem sequer autorização para entrar?

Abra agora mesmo yourdomain.com/robots.txt. Já perdemos a conta aos sítios que se submeteram ao Baidu, esperaram dois meses e estiveram o tempo todo a bloquear o rastreador.

As causas habituais:

• Um robots.txt tirado de um modelo que autoriza o Googlebot e o Bingbot pelo nome e depois termina com User-agent: * e Disallow: /.
• Um bloco explícito User-agent: Baiduspider / Disallow: / que alguém acrescentou há anos porque o Baiduspider rastreava de forma demasiado agressiva. É muito comum em sítios europeus mais antigos.
• Proteção contra bots da WAF ou da CDN, que é a causa mais frequente e a que ninguém verifica, porque nem sequer aparece no robots.txt. As regras geridas para bots desafiam ou devolvem 403 a agentes de utilizador desconhecidos, e algumas configurações bloqueiam por geolocalização todas as gamas de IP da China continental. Para o Baidu, o seu sítio devolve um erro.
• Uma meta tag noindex ou um cabeçalho X-Robots-Tag esquecidos do ambiente de testes.
• Um rel="canonical" que aponta para outro domínio.

O Baiduspider identifica-se como Baiduspider, com variantes para computador e para dispositivos móveis, além de Baiduspider-image, Baiduspider-video e Baiduspider-news. Um verdadeiro resolve, por DNS inverso, sob baidu.com ou baidu.jp. Tudo o que diga ser o Baiduspider a partir de outro servidor é uma imitação, e bloqueá-lo não lhe custa nada.

Uma verificação rápida que pode fazer num terminal:

curl -A "Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)" -I https://yourdomain.com/

O que quer ver é um 200. Um 403, um redirecionamento para uma página de desafio ou um CAPTCHA significam que o rastreador está a ser mandado embora. Este teste não cobre o bloqueio por geolocalização, por isso pergunte também a quem gere a sua CDN o que fazem as regras ao tráfego vindo da China continental.

Porque é que as páginas são indexadas e depois desaparecem

O volume de indexação desce tal como sobe, e uma descida não é um erro. O Baidu reavalia e retira discretamente as páginas que considera não valer a pena manter: páginas só em inglês sem público chinês, páginas pobres em conteúdo, versões linguísticas quase duplicadas, texto traduzido automaticamente.

É aqui que está o verdadeiro teto de um sítio estrangeiro. Todas as correções técnicas deste artigo compram-lhe velocidade de rastreio. O que decide se a inclusão se mantém é haver no sítio conteúdo em chinês simplificado que um leitor chinês queira de facto ler. A tradução automática não passa essa fasquia, e o Baidu deteta-a hoje bem melhor do que antes.

O que controla e o que não controla

Controla: o robots.txt, as regras da sua WAF e da sua CDN, os recursos de terceiros, a renderização no servidor, o tempo de carregamento a partir da China, a localização do alojamento, a exatidão do sitemap, o envio ativo, um único URL canónico por página e a existência, ou não, de conteúdo em chinês.

Não controla: o calendário de rastreio do Baidu, a velocidade a que a fila avança, se alguma vez lhe é atribuída quota de rastreio rápido, se a via do sitemap está aberta ao seu sítio, ou em que valor estabiliza o volume de indexação. Nada disto se pode comprar, e não há pedido de suporte que o altere.

Um calendário sem ilusões

• Semana 0: submeta, verifique o domínio, submeta o sitemap se a consola o oferecer, ligue o envio ativo e verifique o robots.txt e as regras da CDN antes de tudo o resto.
• Semana 1: veja a frequência de rastreio e os erros de rastreio. Corrija o que o relatório de erros mostrar. Não mexa ainda no conteúdo.
• Semanas 2 a 3: primeira verificação com site:. Aparecer só a página inicial é normal e não há problema nisso.
• Semana 6: se o site: continuar sem devolver nada e o registo de rastreio não mostrar nenhuma obtenção bem-sucedida, deixe de esperar e trate o caso como uma avaria técnica. Quase sempre é.
• Semanas 8 a 12: acompanhe o volume de indexação em vez do número do site:. Comece a acrescentar páginas em chinês simplificado.
• A partir daí, todos os trimestres: volte a verificar os erros de rastreio, confirme que nada de novo está a bloquear o spider e veja se a cobertura está a crescer ou a encolher.

Se preferir entregar o assunto a outros

A maior parte da espera não tem mistério nenhum. É um rastreador bloqueado, uma página lenta vista de Pequim ou um sítio sem nada que interesse a um leitor chinês, e tudo isso tem solução.

A submissão propriamente dita é o que trava a maioria das empresas europeias, porque o registo de uma conta Baidu exige um número de telemóvel da China continental. O nosso serviço de submissão ao Baidu pega no seu domínio e trata de toda a submissão, a um preço fixo por domínio. Não precisa de número de telefone chinês, de entidade chinesa nem de conta Baidu própria. Recebe também 12 meses de acesso aos dados do Baidu Webmaster Tools do seu sítio no nosso portal, para acompanhar a evolução do número de páginas indexadas e submeter as páginas novas à medida que as publica. Se quiser também resolver a parte técnica antes da submissão, marque uma chamada e definimos o âmbito do trabalho.