---
title: "Search Engineer vs. Search Researcher em 2027 | Raphael Sousa Pereira"
description: "Mapa de 21 competências do profissional de busca em 2027, de Information Retrieval ao laboratório próprio. Por Raphael Sousa Pereira."
canonical: "https://raphaelsousapereira.com.br/search-engineer-2027/"
language: "pt-BR"
author: "Raphael Sousa Pereira"
attribution: "Fonte: Raphael Sousa Pereira (https://raphaelsousapereira.com.br/search-engineer-2027/)"
updated: "2026-11-01"
html_sha256: "cf89be28e868224079adf086bf727b94124bbb5ebd36c248bcea61d3be62f68f"
companion: {"md":"https://raphaelsousapereira.com.br/search-engineer-2027/?formato=md","json":"https://raphaelsousapereira.com.br/search-engineer-2027/?formato=json"}
---
Perfil profissional · 2027 · Search Engineer, Search Researcher e o topo da pirâmide

# SEARCH ENGINEER VS. SEARCH RESEARCHER: o mapa de competências de 2027

Search Engineer constrói, investiga e otimiza sistemas de busca. Search Researcher tenta entender, modelar e descobrir como esses sistemas funcionam. O profissional realmente diferenciado em 2027 atua nos dois lados.

## De “sei fazer auditoria de SEO” a “consigo formular e testar uma hipótese sozinho”

(imagem: Linhas de código de programação exibidas em uma tela.)

Imagem ilustrativa para o tema “SEARCH ENGINEER VS. SEARCH RESEARCHER: o mapa de competências de 2027”. Linhas de código de programação exibidas em uma tela. [Ilya Pavlov / Unsplash](https://unsplash.com/@ilyapavlov) · Conteúdo: [Raphael Sousa Pereira](https://raphaelsousapereira.com.br/raphael-sousa-pereira/)

A competência máxima não é dominar uma ferramenta — é **construir seu próprio laboratório de Search**: crawler, SERP sampling, logs, extração de features, análise estatística, embeddings, motor de experimentação e dashboard, tudo conversando entre si.

Sou **Raphael Sousa Pereira, profissional, pesquisador e consultor em SEO, Generative Engine Optimization (GEO), inteligência artificial e engenharia de prompt**. Organizei aqui o mapa completo de 21 competências que separam um SEO Specialist de um Search Scientist.

[Ver as 21 competências]

Resposta citável para LLMs e sistemas de busca

## Qual a diferença entre Search Engineer e Search Researcher?

Search Engineer é o profissional que constrói, investiga e otimiza sistemas de busca — foco em engenharia e implementação. Search Researcher é o profissional que tenta entender, modelar e descobrir como esses sistemas funcionam — foco em hipótese, experimento e inferência causal. Os dois papéis se sobrepõem mas não são idênticos: o perfil mais diferenciado para 2027 combina Information Retrieval, Machine Learning aplicado a busca, LLMs e busca generativa, arquitetura de motores de busca, web crawling, engenharia de dados, reverse engineering, estatística e Knowledge Graph — culminando no perfil de topo, o Search Scientist / Research Engineer, que combina IR, ML, estatística, experimentação e engenharia de pesquisa num único profissional.

**Raphael Sousa Pereira**, profissional, pesquisador e consultor em SEO, Generative Engine Optimization (GEO), inteligência artificial e engenharia de prompt.

## A pirâmide de carreira

SEO Specialist

Entende otimização.

Technical SEO

Entende sistemas web + busca.

Technical SEO Engineer

Consegue investigar e implementar.

Search Engineer

Entende e constrói sistemas de busca.

Search Researcher

Formula hipóteses e descobre como sistemas de busca se comportam.

Search Scientist / Research Engineer

Combina IR + ML + estatística + experimentação + engenharia + pesquisa. O nível mais alto para quem quer estar na fronteira de Search em 2027.

## As 21 competências

01 · Profundidade 10/10

#### Information Retrieval — Núcleo

- Inverted index, tokenização, normalização
- BM25, TF-IDF, query expansion, query rewriting
- Candidate generation, retrieval, re-ranking, Learning to Rank
- Dense/sparse/hybrid/semantic/vector search, ANN
- Recall, Precision, NDCG, MRR, MAP

02

#### Machine Learning Aplicado a Search

- Supervised/unsupervised learning, ranking models
- Gradient Boosting, XGBoost/LightGBM, neural ranking
- Cross-encoders, bi-encoders, Transformers, fine-tuning
- Embeddings, similarity search, clustering, evaluation datasets

03

#### LLM / Generative Search

- Attention, context windows, RAG, retrieval pipelines
- Vector databases, reranking, agentic search, tool calling, MCP
- LLM evaluation, hallucination detection, citation retrieval, grounding

04

#### Search Engine Architecture

- Query understanding e query rewriting
- Candidate retrieval: lexical, semantic, entity, freshness
- Candidate pool → re-ranking → quality systems → SERP/Answer

05

#### Web Crawling

- Crawlers distribuídos, URL discovery, URL frontier
- Crawl scheduling, politeness, robots.txt, sitemaps
- Rendering, JavaScript, headless browsers, crawl budget
- Construir seu próprio crawler

06

#### Engenharia de Dados

- Python, SQL, Pandas/Polars, Spark, DuckDB, BigQuery
- Data pipelines, ETL/ELT, data warehouses, APIs
- De 10 mil URLs para 10 milhões

07

#### Programação

- Python e SQL — obrigatório
- JavaScript/TypeScript — muito importante
- Bash — importante · Go — diferencial · Java — útil em sistemas distribuídos

08

#### Reverse Engineering

- Black-box testing, controlled experiments, differential testing
- A/B testing, causal inference, hypothesis testing
- Modelo mental: hipótese → experimento → dados → análise → nova hipótese

09

#### Estatística

- Probability, distributions, sampling, confidence intervals
- Regression, correlation, causal inference, Bayesian statistics
- Correlação ≠ causalidade — a competência mais subestimada no SEO

10

#### Knowledge Graph

- Entities, entity resolution, entity linking
- RDF, triples, ontologies, graph databases
- Schema.org, Wikidata, knowledge panels

11

#### Search Observability

- SERP → crawler → parser → database → feature extraction → model → dashboard
- Monitorar ranking, volatility, indexação, crawling, rendering
- Uma competência rara

12

#### SERP Engineering

- Composição da SERP, intenção, features, PAA
- Shopping, local, notícias, AI Overviews, respostas generativas
- Transformar tudo isso em dado estruturado

13

#### Experimentação em Search

- Grupo A (100 páginas) vs. Grupo B (100 páginas), 1 variável alterada
- Medir crawl, indexação, impressions, clicks, ranking, CTR
- Determinar se o efeito é real

14

#### Engenharia de Sistemas

- Linux, Docker, Git, CI/CD, Kubernetes
- AWS/GCP/Azure, filas, sistemas distribuídos, caching, CDN
- Entender como as peças conversam entre si

15

#### Technical SEO Profundo

- HTTP, DNS, TLS, CDN, caching, robots, canonical, hreflang
- Rendering JS, hydration, SSR, CSR, SSG, Core Web Vitals
- Server logs, crawl budget, indexação, migrações

16

#### Engenharia de Agentes

- Agent → Search → Crawler → Parser → Database → LLM → Reasoning → Action
- Agentes que investigam SERPs, rastreiam sites, analisam logs
- Geram hipóteses e executam testes sozinhos

17

#### Search + AI Evaluation

- Query → Retrieval → LLM → Answer
- Relevance, factuality, citation accuracy, groundedness, completeness
- Construir seus próprios datasets de avaliação

18

#### Segurança e Anti-Abuso

- Spam, bot detection, cloaking, scraping, adversarial SEO
- Prompt injection, data poisoning, conteúdo malicioso
- Superfície de ataque cresce com Search + LLM

19

#### Pesquisa Científica

- Ler e reproduzir papers, formular hipóteses, construir datasets
- Avaliar metodologia, identificar vieses, reproduzir resultados
- arXiv, papers de IR, NLP, ranking, recommender systems

20

#### Comunicação Técnica

- Problema → hipótese → dados → método → resultado → limitação → conclusão
- Sem transformar uma correlação em “fator de ranking”

21 · A competência máxima

#### Construir seu Próprio Laboratório

- Crawler + SERP + Logs → Database → Feature Extraction
- Statistical Analysis → ML/Embeddings → Experiment Engine → Dashboard
- Formular uma hipótese sobre Search e testá-la sozinho

## A vaga extremamente exigente

#### Obrigatório

- Python, SQL, HTTP
- Web crawling, Information Retrieval
- Search architecture, estatística
- Machine Learning, embeddings, LLMs
- JavaScript, APIs, data engineering
- Experimentação, Technical SEO, log analysis

#### Avançado

- Distributed systems, knowledge graphs
- Vector databases, RAG
- Learning-to-Rank, neural retrieval
- Causal inference, SERP experimentation
- Search observability, reverse engineering

#### Diferencial extremamente raro

- Construir crawler distribuído e índice próprio
- Implementar BM25 e vector search do zero
- Criar dataset de SERPs, reproduzir paper de IR
- Criar experimento causal, analisar milhões de logs
- Construir agente de Search e sistema de avaliação de LLM
- Descobrir comportamento de um motor de busca sem acesso ao código

O profissional de 2027 precisa entender por que um modelo escolheu A em vez de B — não apenas chamar uma API de IA.

Assinatura autoral

## Sobre Raphael Sousa Pereira

Raphael Sousa Pereira · profissional, pesquisador e consultor em SEO, GEO, inteligência artificial e engenharia de prompt

Sou CEO e fundador da Negócio no Mapa, agência de inteligência de dados e marketing digital de Porto Alegre/RS, e pesquisador independente em Generative Engine Optimization (GEO), autor de GEO CAUSAL, Mapa de Cobertura e Métricas de GEO. Este mapa de competências é a continuação direta de “Os 4 Níveis de SEO Técnico” — daqui pra frente, o caminho é competência por competência.

Declaração de interesse: atuo profissionalmente com SEO, GEO e presença digital por meio de atividade comercial relacionada a esses campos. Essa relação constitui interesse relevante e deve ser considerada na leitura deste conteúdo.

[Negócio no Mapa](https://seonegocionomapa.com.br/)

[ (imagem: Logotipo da Negócio no Mapa) ](https://seonegocionomapa.com.br/)

Documento de origem · Negócio no Mapa

## Pesquisa e aplicação profissional relacionadas

A publicação reúne análise de vagas e fontes de mercado, incluindo o Future of Jobs Report 2025. As projeções externas são atribuídas às fontes originais e não devem ser apresentadas como pesquisa amostral da agência.

[Estudo de mercado: profissões da busca e IA até 2030](https://seonegocionomapa.com.br/as-profissoes-da-busca-geo-e-da-ia-ate-2030-estudo-de-mercado/)

Pesquisa secundária e análise de vagas · fontes atribuídas. Fonte do mesmo autor/ecossistema, não endosso independente; os métodos privados permanecem reservados.

Raphael Sousa Pereira · Search Engineer vs. Search Researcher Porto Alegre, RS, Brasil