Panorama da web multilíngue 2026

A tradução existe. A localização completa, muitas vezes, não.

O resultado mais claro do rastreamento não é apenas que o conteúdo multilíngue verificado diretamente era minoritário entre os grandes sites que conseguimos classificar. É que publicar em outro idioma é apenas a primeira camada da implementação. A estrutura de URLs, as anotações de idioma, os metadados, a rastreabilidade e a consistência no nível de página frequentemente ficam atrás da tradução do corpo do conteúdo.

Até que ponto os principais sites são multilíngues?

Entre os principais sites classificáveis analisados com sucesso na amostra da GlotEO baseada no Tranco, 26,3% (5.845 / 22.185) tinham conteúdo multilíngue verificado diretamente na captura de HTML estático. A classificação “confirmado” exigia mais do que um menu de idiomas, um atributo lang ou uma tag hreflang: o rastreador precisava acessar pelo menos uma URL alternativa cujo conteúdo principal estivesse em um idioma diferente do da página inicial, com pelo menos 200 letras de texto principal em ambas as páginas.

Essa definição torna a confirmação deliberadamente mais rigorosa do que a simples detecção de marcação de SEO internacional. Ela distingue “o site indica outra configuração regional” de “de fato acessamos conteúdo substancial em outro idioma”.

O denominador importa. Das 25.005 análises bem-sucedidas, 2.820 sites tiveram classificação incerta. A GlotEO os manteve em uma categoria própria, em vez de classificá-los à força como monolíngues. Considerando todas as análises bem-sucedidas como denominador, os sites confirmados representavam 23,4% (5.845 / 25.005), os prováveis, 14,4%, os monolíngues, 50,9%, e os de classificação incerta, 11,3%.

O indicador secundário da análise de sensibilidade é de 42,6% (9.448 / 22.185) quando se somam os confirmados e os prováveis. Ele é útil para compreender os sites com fortes indícios de conteúdo multilíngue, mas sem nenhuma página alternativa acessada que atendesse aos critérios; não é a taxa principal de adoção.

Os sites de maior destaque tinham muito mais probabilidade de ser multilíngues

A proporção de sites com conteúdo multilíngue confirmado foi de 40,1% (192 / 479) entre os sites classificáveis do grupo dos 1.000 primeiros do Tranco. Ela caiu para 30,4% nas posições de 1.001 a 10.000, 27,6% nas posições de 10.001 a 25.000 e 22,0% (1.845 / 8.394) no grupo de 25 mil+.

O padrão se mantém após uma importante verificação de consistência: a taxa de sucesso no acesso às páginas, na verdade, aumentou conforme a posição no ranking caiu, passando de 53,6% entre os domínios dos 1.000 primeiros em que houve tentativa de acesso para 63,3% no grupo de 25 mil+. Em outras palavras, o gradiente de adoção não se explica simplesmente por falhas mais frequentes do rastreador nos domínios em posições inferiores.

A amostra de 25 mil+ foi truncada pelo limite de análises: ainda restavam 2.351 domínios candidatos quando o teto de análises bem-sucedidas foi atingido. Considere esse resultado como referente ao grupo da amostra analisada, não como um censo completo da cauda longa.

O que os sites anunciam nem sempre é o que um rastreador consegue verificar

Para os sites multilíngues confirmados, o estudo manteve separados dois conceitos de idioma. Os idiomas observados foram identificados no conteúdo principal das páginas efetivamente acessadas. Os idiomas anunciados foram identificados nas anotações hreflang. Essa distinção é importante porque uma tag pode anunciar um idioma que o rastreamento limitado nunca alcança, enquanto o rastreador também pode descobrir páginas em outros idiomas que não estão declaradas em hreflang.

Entre os 5.845 sites multilíngues confirmados, a mediana do número de idiomas observados foi de 3 e a média foi de 3,13. Quase metade — 46,8% — apresentou exatamente dois idiomas observados. Outros 16,1% apresentaram três, 14,1% apresentaram quatro e 23,0% atingiram o máximo de cinco idiomas observados permitido pelo instrumento de medição.

A comparação entre idiomas declarados e observados mostra por que um único sinal não basta. A quantidade de idiomas declarados foi maior que a de observados em 38,7% (2.262 / 5.845) dos sites confirmados. A quantidade observada foi maior que a declarada em 34,1% (1.991 / 5.845). As duas contagens positivas foram iguais em 27,2%.

Além disso, 30,5% (1.780 / 5.845) dos sites confirmados tinham zero idiomas declarados no campo do estudo derivado de hreflang, embora o rastreador tivesse verificado conteúdo principal em outro idioma. Essa é outra forma de perceber a diferença entre publicar uma tradução e descrever explicitamente a relação entre versões de idioma e região em marcação legível por máquina.

Outra métrica exige uma formulação especialmente cuidadosa: 40,4% dos sites confirmados tinham pelo menos um código de idioma declarado que não aparecia no conjunto de idiomas identificado no corpo das páginas coletadas. Isso não é evidência de que esses sites anunciam traduções inexistentes. Uma página fora das cinco rastreadas poderia facilmente conter o idioma declarado. A conclusão útil é mais restrita: as declarações hreflang e um rastreamento limitado do conteúdo substancial das páginas descrevem partes diferentes do sistema.

Para quem administra sites, isso sugere duas perguntas distintas de controle de qualidade. Primeira: um rastreador consegue acessar páginas com conteúdo substancial em todos os idiomas que você pretende publicar? Segunda: suas anotações de idioma e região legíveis por máquina mapeiam corretamente a relação entre essas páginas? Passar em um teste não garante passar no outro.

Os subdiretórios predominam, mas a arquitetura de URLs multilíngues ainda é diversa

Entre os 5.845 sites multilíngues confirmados, 51,6% (3.015) usavam um subdiretório como principal padrão de URL observado. As implementações híbridas vieram em seguida, com 17,9%, seguidas por padrão desconhecido, com 13,0%, subdomínios, com 8,6%, e ccTLDs, com 8,3%. A localização baseada em parâmetros foi rara, com 0,5%, e a localização na mesma URL foi ainda mais rara, com 0,1%.

Esse resultado mostra a prevalência, não um ranking de desempenho em SEO. O uso de subdiretórios é comum na amostra; o estudo não testou se eles têm desempenho superior ao de subdomínios ou ccTLDs.

Orientação externa: Google Search Central — Gerenciar sites multirregionais e multilíngues ↗.

A lacuna do hreflang: traduções podem existir sem um mapa legível por máquina

O hreflang estava presente em 69,7% (4.076 / 5.845) dos sites multilíngues confirmados. Isso significa que 30,3% (1.769 / 5.845) tinham conteúdo principal em outro idioma efetivamente coletado pela GlotEO, mas nenhum hreflang foi detectado no HTML, nos cabeçalhos HTTP Link ou no XHTML do sitemap.

Essa distinção importa porque hreflang é uma anotação, não um detector de traduções. Sua presença não prova que existe conteúdo substancial em outro idioma, e sua ausência não prova que falta uma tradução. O estudo mediu os dois aspectos de forma independente.

Quando o hreflang estava presente nos sites confirmados, a maioria das verificações técnicas apresentou resultados relativamente bons. Dos 4.076 sites confirmados com hreflang, 86,8% usavam códigos de idioma válidos, 98,2% usavam URLs absolutas, 91,1% tinham anotações autorreferentes, 96,0% inseriam as anotações no head do HTML quando pertinente e 86,6% tinham anotações recíprocas entre os 4.006 casos em que essa verificação se aplicava.

No geral, 72,2% (2.944 / 4.076) passaram em todas as verificações aplicáveis realizadas pelo estudo, excluindo x-default. O x-default apareceu em 65,2% dos sites confirmados que usavam hreflang, mas sua ausência é tratada aqui como uma escolha de cobertura — não como um descumprimento automático da especificação.

Orientação externa: Central da Pesquisa Google — Informe o Google sobre versões localizadas ↗.

As maiores fragilidades apareceram depois da tradução do corpo do conteúdo

Depois de confirmar que um site é multilíngue, resta saber se a implementação está completa. A análise de componentes da GlotEO mostra que alguns sinais estruturais eram comuns, enquanto os metadados voltados à busca, os dados estruturados e as versões alternativas nos sitemaps estavam muito menos completos.

A navegação por idiomas é outro exemplo em que “encontramos outro idioma” e “a interface oferece um seletor convencional” não são a mesma coisa. Um link rastreável de seletor de idioma foi detectado em 33,0% (1.927 / 5.845) dos sites confirmados; um seletor que depende exclusivamente de JS, em 1,3%; e nenhum seletor, em 65,8%. Esse último número não deve ser interpretado como uma taxa de falha de UX: o rastreamento conseguiu confirmar conteúdo alternativo por outros caminhos.

Seletores são úteis, mas não comprovam a localização

Um seletor de idioma é um mecanismo de navegação. Isso parece óbvio, mas é uma distinção importante para a pesquisa. Um menu suspenso pode listar dez idiomas mesmo quando o rastreador não consegue verificar conteúdo alternativo substancial, enquanto um site multilíngue pode disponibilizar páginas alternativas por meio da navegação, de sitemaps ou de padrões de URL por idioma/região sem apresentar um seletor convencional no HTML analisado. Por isso, o classificador nunca usou apenas um seletor como confirmação.

O mesmo princípio se aplica a hreflang, ccTLDs e html lang. Cada um é um sinal útil, mas nenhum é o conteúdo em si. O critério de confirmação mais rigoroso do estudo — obter conteúdo principal substancial em outro idioma — foi definido para evitar que a prevalência de marcações se traduzisse em um número inflado de adoção de sites multilíngues.

Redirecionamentos automáticos podem ocultar o caminho alternativo

Redirecionamentos automáticos por idioma/região foram detectados em 15,5% dos sites confirmados. A GlotEO não tentou contornar esses redirecionamentos simulando preferências de idioma, e o rastreador não enviou o cabeçalho Accept-Language. Isso é importante porque um site que escolhe o idioma/região com base no contexto da requisição pode apresentar um conjunto de páginas acessíveis ao rastreador diferente daquele de um site em que cada idioma tem uma URL acessível de forma independente.

O Google também recomenda permitir que os usuários alternem entre versões de idioma e alerta que o redirecionamento automático pode impedir que usuários e mecanismos de busca vejam todas as versões. A pesquisa não mede o efeito dos redirecionamentos no posicionamento nos resultados de busca; ela registra a frequência com que esse comportamento apareceu na amostra de sites multilíngues confirmados.

Dados estruturados e sitemaps ainda são pouco localizados

Apenas 19,2% (1.125 / 5.845) dos sites confirmados receberam pontuação máxima no componente de dados estruturados inLanguage do estudo, e apenas 11,9% (693 / 5.845) receberam pontuação máxima nas versões alternativas XHTML do sitemap. Esses não são requisitos universais para todos os sites multilíngues, portanto a baixa adoção não deve ser interpretada diretamente como uma “taxa de erro”. É mais adequado entendê-los como camadas adicionais legíveis por máquina que relativamente poucos sites confirmados da amostra utilizaram de forma completa.

Em conjunto, esses resultados mostram por que é fácil simplificar demais as auditorias de sites multilíngues. Uma equipe pode traduzir corretamente o conteúdo principal, publicar URLs de idioma e região bem estruturadas e manter uma configuração sólida de URLs canônicas, mas ainda deixar lacunas nos metadados, sitemaps, dados estruturados ou na navegação entre idiomas. Por outro lado, um site pode ter uma marcação excelente enquanto a própria página traduzida permanece incompleta. Uma auditoria útil precisa examinar tanto o conteúdo quanto a implementação ao seu redor.

O GlotEO Multilingual Web Score revela uma ampla variação na implementação

O GlotEO Multilingual Web Score (GMWS) é um índice de completude da implementação de 0 a 100, calculado apenas para os 5.845 sites multilíngues confirmados. Ele não é um fator de ranqueamento do Google, uma pontuação de E-E-A-T nem uma pontuação para a web como um todo.

A mediana da pontuação dos sites confirmados foi 75, com média de 67,1, percentil 25 de 50 e percentil 75 de 83. A distribuição apresenta uma cauda à esquerda relevante: 15,0% dos sites confirmados pontuaram entre 20 e 39, enquanto outros 36,6% pontuaram entre 80 e 100.

A pontuação é útil porque seus componentes são publicados, e não ocultos. O conteúdo alternativo confirmado atinge 100% por definição. URLs distintas e rastreáveis receberam pontuação máxima em 86,4% dos sites confirmados; a consistência entre canonical e hreflang, em 82,3%; a correspondência do idioma no HTML, em 86,4%; e a tradução de slugs, em 69,0%. Em contrapartida, a localização de títulos e metadados ficou em 11,6%; as versões alternativas XHTML do sitemap, em 11,9%; e os dados estruturados inLanguage, em 19,2%.

O JavaScript alterou centenas de classificações, mas não a taxa principal com uma casa decimal

O recorte congelado de HTML estático não renderizou JavaScript, por decisão metodológica. Ele identificou 889 sites analisados com sucesso como js_required: 768 incertos e 121 prováveis. Nenhum foi classificado como confirmado ou monolíngue nesse recorte estático, pois suas estruturas carregadas de scripts impediram o classificador padrão de obter texto substancial suficiente para fazer essas determinações.

Uma rodada direcionada com Chromium renderizou apenas esses 889 sites. Ela teve sucesso em 858 e manteve a classificação original nos 31 casos de falha de renderização. Entre os 768 sites antes classificados como incertos, 66 passaram a confirmados, 48 a prováveis, 412 a monolíngues e 242 permaneceram incertos. Entre os 121 sites prováveis, 51 passaram a confirmados, 67 permaneceram prováveis e 3 passaram a incertos.

Após aplicar apenas esses 889 resultados, mantendo inalterados os outros 24.116 registros analisados com sucesso, o número de confirmados subiu de 5.845 para 5.962 (+117) e o de incertos caiu de 2.820 para 2.297 (−523). Ainda assim, a taxa apenas de confirmados entre as análises bem-sucedidas não classificadas como incertas permaneceu em 26,3%, com uma casa decimal: 5.962 / 22.708.

Qual é a robustez da estimativa de 26,3%?

O resultado principal continua sendo a estimativa congelada baseada em HTML estático: 26,3% (5.845 / 22.185) de sites multilíngues confirmados entre as análises bem-sucedidas e classificáveis. Posteriormente, testamos duas partes da metodologia com maior probabilidade de afetar a classificação: sites dependentes de JavaScript e um conjunto de classificações que dependiam da detecção dos idiomas iorubá (yo) ou tagalo (tl).

Nenhuma das análises direcionadas alterou a conclusão central. O resultado ajustado com JavaScript permaneceu em 26,3% (5.962 / 22.708). A aplicação de uma regra mais rigorosa para páginas alternativas às classificações dependentes de iorubá/tagalo produziu uma estimativa de sensibilidade de 25,5% (5.647 / 22.165). A combinação dos dois ajustes direcionados resultou em 25,4% (5.764 / 22.688).

Essas são análises de sensibilidade, não substitutos para o resultado principal congelado. Também não são quatro rastreamentos separados: o recorte estático congelado permanece inalterado, e os dois ajustes reavaliam apenas os registros que foram concebidos para testar.

Confira os dados que embasam a análise de sensibilidade →

O que mudou com a regra mais rigorosa?

A análise complementar de identificação de idioma examinou apenas 242 registros cuja classificação como multilíngue dependia dos códigos da lingua yo (iorubá) ou tl (tagalo) como o único idioma detectado que diferia: 228 confirmados no congelamento dos dados, mais 14 prováveis. Foram usados arquivos HTML salvos. Nenhuma busca em tempo real. Não houve um novo rastreamento do conjunto de dados de 25.005 sites. wikipedia.org foi excluído do conjunto de 242 registros com essa dependência porque sua classificação confirmada como multilíngue não dependia da detecção de tl como idioma da página inicial.

Nessa análise complementar, o número de confirmados passa de 5.845 para 5.647 (−198). O denominador correspondente de classificáveis é 22.165, de modo que a estimativa de sensibilidade é 25,5% (5.647 / 22.165). Esse não é o resultado principal.

Após a remoção dos elementos de interface repetidos do site, yo ou tl ainda apareciam entre os idiomas observados em 217 / 242 registros. Apenas 25 / 242 deixaram de apresentar o código de idioma por completo. Portanto, a maioria das mudanças de classificação não decorreu de o detector de idioma simplesmente deixar de identificar iorubá ou tagalo. A maioria resultou de uma regra mais rigorosa para páginas alternativas: uma página alternativa em yo ou tl só foi considerada evidência de multilinguismo quando seu URL representava uma página genuinamente localizada, uma edição em outro idioma ou uma edição para outro mercado — e não apenas um URL diferente cujo texto foi detectado como sendo de outro idioma. 30 registros que permaneceram confirmados incluem yo/tl na página inicial, que continuaram sendo detectados após a remoção dos elementos de interface.

Isso sugere que o principal problema não era simplesmente o detector de idioma identificar incorretamente as páginas como sendo em iorubá ou tagalo. Em muitos casos, o idioma detectado permaneceu após a remoção do conteúdo padronizado e repetido. A mudança maior veio de uma pergunta mais rigorosa: o URL alternativo era de fato uma edição localizada do site? A equivalência entre páginas alternativas mostrou-se uma importante fonte de incerteza na classificação, ao lado da própria identificação do idioma. Essa interpretação se limita a esta análise específica; não representa uma taxa global de erro do classificador.

Uma revisão independente assistida por IA — e não um estudo de validação com padrão-ouro humano — constatou que os cálculos estão corretos. O valor da análise de sensibilidade não substitui o resultado principal congelado.

Exemplos conhecidos de classificação

Estes exemplos mostram o que a análise de sensibilidade realmente alterou. São ilustrações da metodologia aplicada a domínios específicos com este instrumento de pesquisa — não avaliações dos programas globais de idiomas dessas organizações.

O que este estudo pode — e não pode — revelar

Estudos da web em larga escala se tornam menos úteis quando suas ressalvas são tratadas como letras miúdas de um contrato. Várias limitações afetam de forma significativa como esses números devem ser usados. Por isso, elas devem fazer parte da interpretação, em vez de ficarem escondidas no fim da página.

Este é um estudo de grandes sites classificados no ranking Tranco, não de todos os sites

A população de origem foi a lista 46W9X do Tranco. O Tranco foi criado para fornecer um ranking de domínios populares voltado à pesquisa. Por isso, a amostra privilegia intencionalmente sites de destaque, em vez dos milhões de domínios pequenos, inativos ou pouco visitados presentes no restante da internet. A afirmação correta diz respeito aos grandes sites analisados com sucesso nesta amostra, e não a “26,3% da web”.

As exclusões decorrem de questões de infraestrutura, não indicam sites monolíngues

O rastreador tentou acessar 40.457 domínios únicos e analisou 25.005 com sucesso. Os 15.452 restantes foram excluídos por motivos como falhas de DNS, respostas de robots, erros HTTP, restrições de acesso e CAPTCHAs. Esses domínios nunca foram contabilizados como monolíngues. Tratar sites inacessíveis como monolíngues introduziria um viés significativo no resultado.

“Confirmado” mede a existência de conteúdo alternativo detectável, não a qualidade da tradução

Um site confirmado passou por um teste de conteúdo deliberadamente mecânico: o rastreamento obteve conteúdo principal substancial em um idioma diferente do da página inicial. O estudo não avaliou fluência linguística, adaptação cultural, qualidade da terminologia, desempenho de conversão nem a precisão da tradução humana. Um site pode ser tecnicamente confirmado como multilíngue e ainda conter traduções ruins; também pode oferecer excelente localização em áreas que o rastreamento não visitou.

O rastreamento é limitado a cinco páginas de conteúdo por domínio

O limite de páginas mantém um estudo de 25.000 domínios computacionalmente viável e impede que sites grandes dominem o rastreamento. Em contrapartida, a cobertura do corpus é incompleta. Os idiomas observados, as ocorrências de mistura de idiomas, as verificações de metadados e outras medidas por página descrevem o que apareceu na amostra limitada de páginas — não necessariamente em todas as URLs disponibilizadas pelo domínio.

O JavaScript foi testado de forma seletiva, não em todos os casos

A versão congelada dos dados estáticos não utilizou renderização no navegador. A etapa posterior com Chromium se concentrou nos 889 registros analisados com sucesso e explicitamente sinalizados como dependentes de JavaScript. Esse era o ponto adequado para testar a lacuna evidente na classificação, mas isso não permite determinar o que um novo rastreamento completo, com renderização no navegador, produziria para todos os 25.005 casos analisados com sucesso.

A identificação de idioma e a equivalência entre páginas alternativas podem gerar casos limítrofes

A identificação de idioma e a equivalência entre páginas alternativas são classificações automatizadas e podem gerar casos limítrofes, especialmente em páginas curtas, com muito conteúdo padronizado ou pouco convencionais. Uma análise de sensibilidade direcionada a iorubá/tagalo reduziu a estimativa de sites confirmados de 26,3% para 25,5% com regras mais rigorosas para páginas alternativas, sem alterar a conclusão geral. A revisão de sensibilidade da identificação de idioma contou com auxílio de IA, e não foi um estudo de validação com avaliação humana como padrão de referência.

O Multilingual Web Score é um modelo de pesquisa, não uma pontuação de mecanismo de busca

O GMWS facilita a comparação das diferenças de implementação ao publicar de forma transparente a ponderação de doze componentes e duas deduções. Os pesos fazem parte do desenho de pesquisa da GlotEO. O Google não os definiu nem os endossou, e este estudo não testou nenhuma relação entre a pontuação e o posicionamento nos resultados de busca, o tráfego ou a conversão.

Compare sua implementação multilíngue com os resultados do estudo

A pesquisa é mais útil quando serve de ponto de partida para uma auditoria. A lista de verificação abaixo permite comparar indicadores comuns de implementação com a amostra de sites confirmados como multilíngues. Marcar um item não gera uma pontuação de posicionamento nos resultados de busca; apenas registra quais camadas de implementação seu site já contemplou.

O que as equipes devem fazer de forma diferente

1. Trate a tradução e a facilidade de descoberta como frentes de trabalho separadas. Uma página pode existir em outro idioma sem indicar claramente sua relação com as páginas equivalentes. É exatamente isso que demonstra a ausência de hreflang em 30,3% dos casos. Para entender a implementação de URLs localizadas e hreflang, consulte SEO multilíngue.

2. Verifique a qualidade de toda a estrutura da página, não apenas do artigo ou da descrição do produto. Foram detectados trechos não traduzidos, misturados ao conteúdo traduzido, em 39,4% dos sites confirmados. Navegação, textos do rodapé, formulários e modelos de página podem comprometer uma tradução que, de resto, está completa.

3. Inclua os metadados no fluxo de trabalho de localização. A taxa de 11,6% de pontuação máxima para título + metadados foi a lacuna de implementação mais evidente entre os critérios de maior peso na pontuação. Os metadados voltados aos mecanismos de busca não devem ficar em segundo plano.

4. Dê a cada idioma/região um endereço estável. A pesquisa constatou que URLs distintas e rastreáveis eram comuns entre os sites confirmados. Além disso, o Google recomenda URLs distintas, em vez de depender apenas de conteúdo que se adapta ao idioma/região.

5. Deixe as incertezas explícitas nas auditorias. Este estudo não classificou como “monolíngues” os sites que não conseguiu classificar. Suas próprias auditorias devem ter o mesmo cuidado com estruturas de página que dependem de JavaScript, adaptação geográfica, autenticação e acesso de rastreadores.

Como o estudo foi realizado

Este é um estudo observacional de grandes sites em uma amostra classificada pelo ranking Tranco, não uma amostra aleatória de todos os domínios registrados nem uma base de dados de clientes.

Regras de classificação

Confirmado: o rastreador acessou uma URL alternativa cujo conteúdo principal estava em um idioma diferente do da página inicial, com pelo menos 200 letras de conteúdo principal em cada uma das páginas.

Provável: o site apresentou fortes sinais de descoberta de conteúdo multilíngue — como hreflang, URLs com estrutura de localidade ou um seletor que apontava para outro caminho —, mas o rastreamento não acessou uma página alternativa que atendesse aos critérios.

Monolíngue: a página inicial foi analisada, nenhuma página alternativa que atendesse aos critérios foi acessada e nenhum conjunto forte de sinais de descoberta de conteúdo multilíngue foi detectado.

Incerto: as evidências eram contraditórias ou insuficientes. A classificação Incerto foi mantida visível e nunca foi alterada para Monolíngue sem indicação explícita.

O que está congelado e o que é uma camada complementar

Lista de origem da Tranco: 46W9X ↗. Os links do Google em outras partes desta página estão identificados como orientações externas e não são misturados às tabelas de resultados da GlotEO.