O filtro de rejeição de respostas do Google: o que revelam 12 752 respostas rejeitadas

O Google rejeita agora as respostas às avaliações sem aviso prévio. Sem notificação. Sem explicação. A sua resposta fica no estado «REJEITADA» na API, enquanto você pensa que foi publicada.

Sabemos isto porque podemos vê-lo. A API do Perfil de Empresa do Google introduziu o ReviewReplyState a 1 de abril de 2026 (Blog de Alterações do Google Dev). Antes disso, todas as respostas publicadas através da API eram publicadas automaticamente. Sem moderação. Sem filtro.

Isso mudou. E com essa mudança surgiu um problema de rejeição silenciosa que a maioria das empresas e agências nem sequer suspeita que está a enfrentar.

Recolhemos 12 752 respostas a avaliações rejeitadas a partir dos dados da nossa plataforma, através de duas extrações distintas: uma imediatamente após a disponibilização dos dados, em 22 de abril de 2026, e outra em 28 de maio de 2026, para descobrir o que está realmente a ativar o filtro do Google. Esta é a primeira vez que estes dados são publicados. Eis o que descobrimos.

A dimensão do problema é maior do que se pensa

No nosso conjunto de dados combinado de 12 752 respostas rejeitadas:

92,6 % eram respostas a avaliações de 5 estrelas. As avaliações positivas são as que geram mais rejeições, quase certamente porque as empresas (e as ferramentas de IA) lhes respondem com mensagens padronizadas e em tom entusiástico.

O número de rejeições registou um aumento acentuado em 2024. De 354 rejeições em todo o ano de 2022 e 398 em 2023, o número saltou para 9 393 só em 2024. Ou o filtro do Google se tornou claramente mais rigoroso, ou a qualidade da avaliação mudou.

A resposta rejeitada média foi redigida 1 221 horas, ou seja, cerca de 50 dias, após a publicação da avaliação original. As respostas atrasadas e agendadas em massa aparecem nos dados numa proporção desproporcional, e essa média tem vindo a aumentar desde a nossa primeira recolha de dados. O facto de isto acontecer de forma silenciosa constitui o problema central. Uma resposta que é rejeitada não gera um erro. Não é devolvida. Simplesmente não aparece. Sem visibilidade ao nível da API, nunca se saberia.

Duas imagens, uma história

O gráfico abaixo apresenta o número mensal de rejeições de ambas as extrações de dados. A primeira extração (22 de abril de 2026, apresentada a azul claro) registou 7 151 respostas rejeitadas. A segunda extração (28 de maio de 2026, apresentada a azul escuro) identificou 12 752, um aumento de 78% em apenas cinco semanas, refletindo tanto novas rejeições como respostas historicamente rejeitadas que ainda não tinham sido indexadas na nossa primeira extração.

A linha âmbar mostra a percentagem de respostas rejeitadas em cada mês que contêm linguagem padrão detectável de IA. A sua evolução constitui a principal conclusão desta análise.

Os dois conjuntos de dados revelam um quadro consistente: uma tendência estável até 2022–2023, um aumento explosivo em 2024 e uma mudança acentuada na composição a partir de meados de 2025, em que o volume diminui enquanto a natureza do que resta se altera significativamente.

Razão n.º 1: Os modelos de texto gerados por IA são o principal fator desencadeante

67 % de todas as respostas rejeitadas no nosso conjunto de dados continham pelo menos uma frase padrão detetável como proveniente de IA. Esta proporção aumentou de cerca de 35 % no início de 2024 para 85 % em meados de 2024, mantendo-se estável até ao início de 2025.

As frases que aparecem com mais frequência nas respostas rejeitadas são precisamente aquelas geradas por ferramentas de resposta de IA não configuradas ou genéricas:

Estas frases não aparecem apenas nas respostas de rejeição; elas predominam nelas. Não se trata de uma mera correlação. O padrão é demasiado consistente e a sequência temporal demasiado precisa para ser mera coincidência.

A nossa hipótese: o sistema de moderação do Google criou um modelo estatístico de respostas automáticas de baixa qualidade às avaliações. As frases acima são as «marcas» da geração em massa por IA. Aparecem em milhões de respostas, abrangendo milhares de milhões de empresas, com uma frequência pouco natural. O filtro do Google parece sinalizar as respostas que combinam estes sinais num padrão de modelo reconhecível.

Pense nisso como um filtro de spam. As palavras isoladas não são o problema. A combinação «frase de abertura + nome + frase de elogio + frase de satisfação + frase de encerramento com perspetiva de futuro» é o padrão que o Google aprendeu a rejeitar.

Eis um exemplo real retirado dos nossos dados (uma resposta a uma avaliação de 5 estrelas sobre serviços de canalização, com 1 731 caracteres, rejeitada imediatamente):

«Olá, Tannas, Obrigado pela sua avaliação tão positiva e por recomendar vivamente a Kingstree Plumbing! Estamos imensamente gratos pelo seu apoio… É maravilhoso saber que a abordagem informativa, eficiente e simpática do Dane teve um impacto tão positivo… O seu feedback é inestimável para nós… #KingstreePlumbing #AltamenteRecomendado #ServiçoEficiente…»

Esta resposta contém hashtags, excesso de palavras-chave, comprimento excessivo e frases de elogio ao estilo da IA, e parece ter sido gerada por uma ferramenta sem qualquer controlo de qualidade. Foi rejeitada imediatamente.

A lição: se a sua ferramenta de respostas por IA produzir respostas que soam como as de qualquer outra ferramenta do género, o filtro do Google acabará por detetá-la.

Motivo 2: Palavrões em nomes, nomes de empresas e itens do menu

Isto surpreende as pessoas. O filtro de palavrões do Google analisa o texto completo da resposta, mas não consegue distinguir entre um insulto e um contexto em que a mesma expressão seja legítima.

O problema manifesta-se de três formas distintas.

The practical rule:A regra prática: antes de a sua ferramenta de resposta publicar uma resposta, deve realizar uma verificação prévia do texto completo, incluindo o nome do revisor, quaisquer nomes de produtos e a assinatura da empresa. Se alguma sequência de caracteres puder ativar um filtro automático de linguagem imprópria, a resposta precisa de ser revista por um utilizador antes de ser enviada.

Razão n.º 3: Respostas que são duplicados exatos e respostas com conteúdo mínimo

Nos dados, uma conta enviou a resposta «Obrigado!», com dez caracteres, literalmente, a mais de 100 avaliações consecutivas. Todas foram rejeitadas. Outra conta enviou «obrigado pela boa avaliação» de forma idêntica a 46 avaliações seguidas. Um terceiro padrão: «Obrigado 🙏», com apenas o primeiro nome do avaliador acrescentado, enviado centenas de vezes por uma conta.

No extremo oposto: respostas rejeitadas que consistem apenas num único emoji “👍”, “🙌”, “😊” ou apenas em sinais de pontuação como “!!!” ou “.”.

É provável que estejam em ação dois mecanismos. Em primeiro lugar, a duplicação exata em grande escala é um sinal clássico de spam. Quando a mesma frase é enviada a partir da mesma conta para dezenas ou centenas de avaliações num curto espaço de tempo, esse padrão corresponde a um comportamento automatizado de baixa qualidade já conhecido, independentemente de a frase em si ser ofensiva. Em segundo lugar, o Google parece aplicar um limiar mínimo de qualidade. Uma resposta que não acrescenta qualquer valor informativo ao registo público, como «Obrigado!», não contribui com nada que um leitor não pudesse deduzir a partir da classificação por estrelas e pode não atingir o nível mínimo de qualidade que o sistema de moderação aplica antes de uma resposta ser aprovada.

A implicação prática: a utilização de modelos não é apenas um problema de linguagem de código padrão. Mesmo uma resposta curta, clara e que não tenha sido gerada por IA será rejeitada se for idêntica a dezenas de outras respostas da mesma conta.

Razão 4: Dados de contacto no corpo da resposta

As respostas às avaliações não são um canal para gerar tráfego ou captar clientes potenciais. A política de conteúdo do Google deixa isso claro, e os nossos dados confirmam-no.

327 respostas (2,6 %) continham um endereço de e-mail incluído no corpo da resposta. Trata-se quase sempre de uma tentativa bem-intencionada de resolver uma reclamação: «Por favor, contacte-nos através do endereço[email protected]para que possamos resolver a situação.»

287 respostas (2,3 %) incluíam expressões como “contacte-nos” ou “ligue-nos”, orientando o autor da avaliação a realizar uma ação fora da plataforma. Este padrão é consistente com as avaliações negativas e neutras, nas quais as empresas procuram instintivamente transferir a conversa para fora da plataforma.

A posição do Google é clara: uma resposta a uma avaliação deve ser dirigida publicamente ao autor da avaliação. Se pretender entrar em contacto de forma privada, utilize a funcionalidade de mensagens privadas já existente no Google. Incluir o seu e-mail de apoio numa resposta pública é considerado uma solicitação comercial ou fora da plataforma, e será bloqueado.

Razão n.º 5: Hashtags no texto da resposta

38 respostas no nosso conjunto de dados continham hashtags, e todas as 38 foram rejeitadas. As hashtags são uma funcionalidade das plataformas de redes sociais, onde a descoberta de conteúdos é impulsionada pela utilização de etiquetas. As avaliações do Perfil do Google Business não são redes sociais. São um indicador estruturado de confiança.

O exemplo de hashtag rejeitada dos nossos dados ilustra bem o problema: #KingstreePlumbing #AltamenteRecomendado #EspecialistasNaÁreaDeEdmonton

Isto parece uma manipulação de SEO, com a inserção excessiva de nomes de empresas e termos de localização numa resposta, com o objetivo de influenciar os sinais de pesquisa local. Independentemente de ter sido essa a intenção, o filtro do Google interpreta-o dessa forma.

A regra é simples: nada de hashtags nas respostas às avaliações.

Razão n.º 6: Agendamento em massa e rapidez de resposta

O tempo de resposta, por si só, não causa rejeição. Mas é um elemento do padrão mais amplo que o Google parece estar a analisar.

78,7% das respostas rejeitadas no nosso conjunto de dados foram publicadas mais de 24 horas após a publicação da avaliação. O atraso médio foi de 1 221 horas, ou seja, cerca de 50 dias, um aumento em relação às 720 horas registadas na nossa primeira recolha de dados. Isto reflete o comportamento das empresas que agrupam as suas respostas, recorrendo frequentemente à geração em massa por IA uma vez por semana ou por mês, em vez de responderem em tempo real. Essa média está a piorar, e não a melhorar.

Quando uma mesma conta envia um grande volume de respostas num curto espaço de tempo, todas seguindo o mesmo modelo estrutural, esse padrão é compatível com abuso automatizado. É o equivalente digital a enviar 500 e-mails a partir do mesmo endereço IP numa hora, o que é tecnicamente legítimo, mas estatisticamente suspeito.

A nossa hipótese sobre a programação em massa: o sistema do Google pode não avaliar uma resposta isoladamente. Pode avaliá-la no contexto da frequência, do número de respostas que esta conta enviou neste período, do grau de semelhança estrutural entre essas respostas e se o padrão corresponde a comportamentos automatizados de baixa qualidade já conhecidos. Isto é mais difícil de provar apenas com base no texto da resposta. No entanto, os dados relativos ao tempo, combinados com os dados sobre respostas padronizadas e duplicações, apontam fortemente nessa direção.

O que a Política de Conteúdo do Google realmente proíbe

As políticas declaradas pelo Google relativas às respostas às revisões são genéricas e não estão documentadas de forma exaustiva. Com base nos nossos dados e na documentação da API, as seguintes categorias de conteúdo apresentam o maior risco de rejeição:

Causas certas:

• Palavrões ou linguagem ofensiva (incluindo nos nomes dos avaliadores, nas denominações comerciais e nos nomes de produtos mencionados na resposta)

• Endereços de e-mail

• Hashtags

• Respostas idênticas enviadas em grande escala a partir da mesma conta

• Respostas que não atingem um nível mínimo de qualidade ou conteúdo (um único emoji, apenas «Obrigado!»)

Hipóteses sólidas baseadas nos nossos dados:

• Modelos padrão gerados por IA (a causa principal, 67 % de todas as rejeições)

• Padrões de velocidade em massa a partir de uma única conta

• Excesso de palavras-chave ou manipulação de SEO no texto da resposta

• Respostas que excedam um limite de comprimento não documentado (a resposta mais longa rejeitada nos nossos dados tinha 1 731 caracteres)

Risco mais baixo, mas que vale a pena acompanhar:

• Respostas em várias línguas em que o conteúdo é sinalizado numa língua, mas não noutra

• Respostas repletas de emojis, especialmente quando combinadas com texto muito curto

• A cronologia: quando o filtro mudou e como evoluiu

Os dados revelam uma tendência clara ao longo de duas fases.

Fase 1: 2024 até ao início de 2025.A epidemia de respostas padrão geradas por IA. Antes de 2024, as rejeições no nosso conjunto de dados eram mínimas: 354 em 2022, 398 em 2023. A partir de março de 2024, as rejeições começaram a acelerar acentuadamente. Em maio de 2024, mais de 70% de todas as respostas rejeitadas continham respostas padrão geradas por IA. Em julho de 2024, esse número atingiu 85% e manteve-se assim até fevereiro de 2025.

Este momento coincide precisamente com a adoção em massa de ferramentas de resposta a comentários baseadas em IA. À medida que o volume de respostas geradas por IA aumentava em todo o ecossistema do Google, o sistema de moderação do Google parece ter identificado os padrões produzidos por essas ferramentas. Esta é a dinâmica central: as ferramentas de IA criaram uma epidemia de respostas padronizadas. O Google responde com um filtro de respostas padronizadas (dois anos depois).

Phase 2: April 2025 onwards.A partir de abril de 2025, a percentagem de rejeições atribuíveis a modelos de IA diminui drasticamente, passando de mais de 70 % para valores de um dígito em alguns meses. O volume total de rejeições também diminui significativamente.

São possíveis duas interpretações, e ambas podem ser parcialmente verdadeiras. Ou as ferramentas de resposta a avaliações baseadas em IA tornaram-se suficientemente sofisticadas para que as empresas deixassem de utilizar esses modelos de baixa qualidade (pelo que estão a ser enviadas menos respostas padronizadas), ou o Google aplica o filtro para interceptar as respostas padronizadas numa fase específica do ciclo de resposta à avaliação, antes de estas atingirem o estado formal de «REJEITADO». Esta última hipótese é improvável. O Google pode não utilizar as respostas às avaliações para a criação de perfis contextuais e de entidades por IA no primeiro ano da avaliação, ou em menor medida. O que permanece nos dados do final de 2025 e de 2026 é um perfil composicional diferente: principalmente casos de linguagem obscena no contexto, spam com duplicados exatos e respostas com conteúdo mínimo, as categorias abrangidas nas Razões 2, 3 e 6 acima.

O que isto significa para a sua estratégia de resposta às avaliações

Verifique o estado atual das suas respostas. Se estiver a publicar através da API, precisa de ter acesso ao campo «ReviewReplyState». As respostas publicadas através da interface do Perfil de Empresa do Google ou de ferramentas de terceiros que não apresentam este campo estão a ser feitas às cegas. Uma pequena percentagem das suas respostas existentes pode já estar no estado «REJEITADO»; para se antecipar aos filtros, siga estes 5 passos:

1. Analise a sua ferramenta de respostas com IA.Se esta produzir respostas que incluam expressões como «ficamos muito contentes por saber», «a sua satisfação é a nossa principal prioridade» ou «esperamos poder recebê-lo novamente», está a gerar conteúdo com elevado risco de rejeição. Estas frases são indicadores estatísticos de uma automatização de baixa qualidade. Re-treine ou reconfigure a ferramenta com uma linguagem mais específica, contextual e variada.

2. Run a pre-flight profanity check on the full reply text.O filtro de palavrões do Google analisa o texto completo da resposta, mas não consegue distinguir entre um insulto e um contexto em que a mesma expressão seja legítima.

3. Elimine modelos exatamente idênticos. Se a sua ferramenta estiver a enviar respostas idênticas em várias avaliações, esse padrão constitui um sinal direto de rejeição, independentemente da qualidade do conteúdo. Cada resposta deve ser diferente, mesmo que a diferença seja mínima.

4. Remova os dados de contacto dos modelos.Qualquer modelo que inclua o seu endereço de e-mail, número de telefone ou a frase «contacte-nos» deve ser revisto. Responda às reclamações com uma oferta geral para entrar em contacto, e não com uma chamada à ação direta que inclua informações de contacto.

5. Distribua as respostas ao longo do tempo.Se estiver a programar o envio de 200 respostas às 9h da segunda-feira, esse padrão é facilmente detetável. Distribua as respostas por intervalos de tempo e procure responder no prazo de 24 horas após a publicação da avaliação.

A falta de visibilidade é o verdadeiro problema

A maioria das empresas não sabe que as suas respostas estão a ser rejeitadas. Essa é a questão mais complicada.

Não há nenhum e-mail do Google. Não há nenhuma indicação no painel do Perfil da Empresa. A resposta simplesmente não aparece publicamente, embora, internamente, se encontre no estado «REJEITADA» , que só a API consegue revelar. Para qualquer empresa que dependa de ferramentas de terceiros que não mostrem este campo, o problema é totalmente invisível.

É por isso que o acesso ao ReviewReplyState ao nível da API não é um pormenor técnico; é um requisito operacional. Sem ele, está a publicar para uma caixa preta.

No GMBapi.com, o estado «ReviewReplyState» é apresentado para cada resposta. Quando uma resposta é rejeitada, a plataforma assinala-a, para que possa ser revista, corrigida e reenviada. Os dados subjacentes que deram origem a este artigo provêm diretamente dessa infraestrutura de monitorização, obtidos através de duas extrações realizadas com um intervalo de cinco semanas entre elas.

O objetivo não é dizer-lhe o que não deve fazer. É tornar visível o que é invisível.