SEO para compras com IA: dados de produto que contam

Um assistente de compras com IA não folheia a sua vitrine. Ele recebe um pedido como "tênis de corrida para pisada pronada, até 500 reais, que chegue em três dias" e precisa encontrar produtos que satisfaçam cada parte da frase. Quem responde a isso é o dado estruturado do produto: atributos, preço, estoque, frete, avaliações. A página bonita vem depois, e muitas vezes nem é lida.

Por isso o SEO para compras com IA se parece menos com escrever conteúdo e mais com engenharia de catálogo. Este artigo trata só disso: como uma loja deve organizar feed, marcação schema, avaliações e atributos para que assistentes de compra e resumos de produto gerados por IA consigam entender, comparar e recomendar os seus itens. Citação de artigos informativos por respostas de IA é outro assunto, com mecânica própria, e fica fora daqui.

Como um assistente de compras decide o que mostrar

Sem entrar em detalhes proprietários de cada plataforma, o processo geral é conhecido. O sistema interpreta a intenção do usuário, transforma a conversa em critérios (categoria, faixa de preço, tamanho, uso, prazo) e consulta uma base de produtos já normalizada. Só então um modelo de linguagem redige a recomendação ou o resumo comparativo. O Google, por exemplo, documenta que seus resultados de compras se apoiam em dados enviados pelos lojistas pelo Merchant Center e em marcação estruturada encontrada nas páginas.

A consequência prática é que o modelo de linguagem tende a se apoiar no que está na base, e não no texto da página, embora ainda possa errar. Se a base diz que a sua jaqueta é "preta" e o cliente pediu "impermeável", a jaqueta não entra na lista, mesmo que a página comente a impermeabilidade no quinto parágrafo. Um atributo ausente funciona como um atributo negativo.

Há um segundo efeito, menos óbvio. Quando os dados do feed, da marcação da página e do texto visível divergem, o sistema tem de escolher em quem confiar, e a saída mais segura costuma ser excluir o item ou mostrá-lo com menos destaque. Consistência entre as três fontes vale mais do que sofisticação em qualquer uma delas.

O feed de produtos é a fonte principal

Para lojas que vendem no Brasil, o feed enviado ao Google Merchant Center é a base de toda a visibilidade em compras, dentro e fora da busca tradicional. Ele é atualizado em ciclos que você controla, ao contrário do rastreamento de páginas, e por isso é o canal em que preço e estoque chegam mais rápido ao sistema.

Os atributos obrigatórios (identificador, título, descrição, link, imagem, preço, disponibilidade) são o mínimo para existir. O que separa um item recomendável de um item apenas presente são os atributos opcionais que respondem às perguntas reais dos compradores. Os que mais costumam faltar em catálogos brasileiros:

• GTIN e marca: o código de barras (EAN) permite ao sistema reconhecer que o seu produto é o mesmo item que aparece em outras lojas e agrupar avaliações e preços. Sem ele, o produto fica isolado. Use o GTIN real do fabricante; códigos inventados geram reprovação.
• Categoria do produto: preencha a categoria da taxonomia do Google com o caminho mais específico possível, não o nível genérico. É com ela que o sistema sabe quais atributos esperar.
• Atributos de variação: cor, tamanho, material, gênero, faixa etária e o agrupador de variantes (item_group_id). Cada variante precisa de linha própria, com preço e estoque próprios.
• Condição e identificação: informe se o item é novo, usado ou recondicionado, e o MPN quando não houver GTIN.
• Frete e devolução: prazo, custo e política de troca entram nos critérios de quem pede "chega até sexta" ou "frete grátis". Configure-os na conta, não só no rodapé do site.

Títulos e descrições escritos para máquina e para gente

O título do feed não é o título da página. Ele precisa trazer, nesta ordem aproximada, marca, tipo de produto e os atributos que distinguem a variante: "Nike Pegasus 41 Tênis de Corrida Masculino Preto Tamanho 42" diz mais ao sistema do que "Pegasus: corra mais longe". Slogans, caixa alta, emojis e frases promocionais atrapalham a correspondência e violam as políticas de anúncios.

A descrição merece o mesmo cuidado, com uma diferença. Resumos de produto gerados por IA costumam condensar o texto que encontram, então frases vazias ("produto de alta qualidade") simplesmente desaparecem, e o que sobra é o que tem conteúdo verificável: dimensões, composição, compatibilidade, o que vem na caixa, para quem o item serve e para quem não serve.

Um exemplo de reescrita. Antes: "Mochila incrível para todas as aventuras, com muito espaço." Depois: "Mochila de 30 litros em poliéster com revestimento repelente à água, compartimento acolchoado para notebook de até 15,6 polegadas, alças com regulagem e peso de 900 gramas." A segunda versão pode ser citada em uma comparação; a primeira não tem nada para citar.

Schema de produto na página: o que marcar

A marcação schema.org em JSON-LD na página de produto confirma e complementa o feed. O tipo Product deve carregar nome, descrição, imagens, marca, GTIN e SKU, além de um Offer com preço, moeda, disponibilidade e condição. Os valores precisam coincidir com o que aparece na tela e no feed; preço diferente entre marcação e página é um dos erros mais comuns e um dos que mais custam em confiança.

O Google documenta também propriedades específicas para comércio: política de devolução (MerchantReturnPolicy) e detalhes de envio (OfferShippingDetails) dentro do Offer, e AggregateRating e Review para avaliações. Marcar é opcional, mas são exatamente as informações que um assistente precisa para responder a perguntas de prazo, custo de troca e reputação sem depender de adivinhação.

Alguns cuidados que evitam problemas:

• Marque apenas o que o visitante vê na página. Avaliações que não aparecem para o usuário não devem estar no JSON-LD.
• Em páginas com variantes, mantenha o preço da variante selecionada e atualize a marcação quando ela mudar, inclusive em lojas que carregam dados por JavaScript.
• Não marque uma listagem de categoria como se fosse um único produto. Cada URL de produto descreve um produto.
• Valide com o Teste de Resultados Multimídia e acompanhe os relatórios de aprimoramentos do Search Console, que apontam campos ausentes e inconsistências.

Avaliações: a matéria-prima dos resumos gerados por IA

Resumos do tipo "os compradores elogiam o conforto, mas reclamam do tamanho" saem do texto de avaliações reais. Isso muda a função das avaliações na sua loja: elas deixam de ser só prova social para virar conteúdo de descrição do produto, escrito por quem o usou e lido por máquinas.

O que torna um conjunto de avaliações útil para esse fim é a especificidade, não a nota. Um comprador que escreve "usei em corrida de 10 km e a palmilha esquentou" fornece um fato utilizável. Você influencia isso sem fabricar nada: no pedido de avaliação, pergunte sobre uso, tamanho escolhido e adequação em vez de só pedir estrelas, e mantenha campos como "usou para" ou "comprou o tamanho".

Também importa a origem. Agregadores reconhecem produtos pelo GTIN, então avaliações coletadas por plataformas de terceiros podem ser associadas ao item se o identificador estiver correto. Em contrapartida, avaliações compradas, incentivadas de forma não declarada ou copiadas de outro produto violam as regras do Google e podem configurar publicidade enganosa segundo o Código de Defesa do Consumidor, e são o tipo de sinal que sistemas de detecção procuram. Responda também às negativas: uma resposta objetiva do lojista fica ao lado da reclamação e mostra o que foi resolvido.

Atributos que respondem a perguntas reais

Assistentes de compra funcionam bem com perguntas compostas, e cada pedaço da pergunta precisa encontrar um campo. Faça o exercício com a sua categoria: liste as dez perguntas que os clientes fazem no atendimento e verifique se a resposta de cada uma existe como atributo estruturado, e não apenas em texto corrido.

Em eletrodomésticos, as perguntas costumam ser voltagem, consumo, capacidade, dimensões para caber no espaço e garantia. Em moda, caimento, tabela de medidas, composição e cuidados de lavagem. Em cosméticos, tipo de pele, ingredientes e se é vegano. Em suplementos e produtos regulados, atenção redobrada: só informe o que consta no registro e na rotulagem, sem alegações de saúde que a Anvisa não permita.

Padronize os valores. "Preto", "PT", "black" e "Preta" no mesmo catálogo são quatro cores para um sistema que agrupa por texto. Defina um vocabulário por atributo, aplique-o na importação do ERP e revise-o quando entrar um fornecedor novo. O mesmo vale para unidades: escolha centímetros ou milímetros, litros ou mililitros, e não misture.

Manutenção: preço, estoque e diagnóstico

Um assistente que recomenda um produto esgotado ou com preço errado perde a confiança do usuário, e lojas com dados inconsistentes correm o risco de perder visibilidade. Por essa razão, atualização frequente de preço e disponibilidade, por feed agendado ou por API, é requisito de base. Quando o preço na página diverge do feed, o Merchant Center sinaliza o item e ele pode ser suspenso.

Crie uma rotina curta de conferência. Semanalmente, abra os diagnósticos do Merchant Center e trate itens reprovados e avisos; mensalmente, compare uma amostra de dez produtos entre feed, JSON-LD e página; a cada troca de tema ou plataforma, refaça o teste da marcação, porque atualizações de template costumam apagar o JSON-LD sem ninguém perceber.

Sobre medição, seja honesto com os limites: nem todas as plataformas de assistentes informam de onde veio uma recomendação, então parte do efeito será indireta. Acompanhe o que é observável, como impressões e cliques em listagens de produto no Search Console e no Merchant Center, o tráfego direto e de marca, e pergunte aos clientes como chegaram à loja. Evite atribuir ao trabalho de dados resultados que você não consegue separar de outras mudanças.

Por onde começar em uma loja real

Se o catálogo é grande, não tente corrigir tudo de uma vez. Ordene os produtos por receita ou margem e comece pelos cem primeiros. Para cada um, confirme GTIN, marca, categoria específica, título com atributos, descrição com fatos verificáveis, schema coerente e política de frete e devolução configurada. Só depois replique o padrão para o restante por regras no feed, em vez de editar item por item.

O erro mais frequente nesse trabalho é tratá-lo como projeto pontual. Dados de produto são um processo contínuo, porque o catálogo muda toda semana. A loja que mantém um responsável, um vocabulário de atributos e uma checagem recorrente tende a ser entendida com precisão pelos sistemas de compra, e entender com precisão é a condição para ser recomendada.