Como a tomada de decisão nas IAs generativas e respostas por IA afetam o e-commerce e o B2C.
Se o seu e-commerce ranqueia bem no Google e ainda assim perde venda para um concorrente que você nunca ouviu falar, o problema não está no seu SEO.
Está no lugar onde a decisão de compra está sendo tomada agora, e que o seu time de marketing ainda não está medindo.
Esse lugar é uma conversa.
Alguém pergunta ao ChatGPT, ao Perplexity ou ao próprio Google, na aba de IA, qual é o melhor produto para resolver um problema específico.
A resposta vem pronta, com recomendação, comparação e, às vezes, link direto de compra. O clique no seu site, quando existe, acontece depois da decisão.
Não antes.
O diagnóstico errado: otimizar o clique que já não é a primeira parada
A maioria dos e-commerces que atendo continua investindo energia no mesmo lugar de sempre:
- Título de produto;
- Meta description,
- Google Shopping;
- Campanha de performance;
Tudo isso ainda importa.
Mas parte de uma premissa que já não é verdadeira para uma fatia crescente das buscas: a de que o cliente chega até você navegando por resultados de busca tradicional.
Quando um consumidor pergunta “qual o melhor purificador de água para apartamento pequeno” ou “tênis de corrida bom para joelho sensível”, ele não está mais abrindo dez abas e comparando manualmente.
Ele está recebendo uma resposta sintetizada, com dois ou três produtos recomendados, direto na conversa.
Se o seu produto não está entre esses dois ou três, você não perdeu a venda no checkout.
Você perdeu antes de o cliente saber que você existia.
O erro comum é tratar isso como uma variação do SEO tradicional: “vamos aparecer melhor no Google e a IA vai puxar de lá também”.
Em parte é verdade.
Mas IA generativa não lê o seu catálogo do mesmo jeito que o Google lê.
Ela precisa de estrutura explícita para entender o que é o produto, para quem ele serve, o que o diferencia e por que recomendá-lo em vez do concorrente.
Sem essa estrutura, o modelo simplesmente não tem base para te citar, mesmo que seu produto seja melhor.
A causa real: seu catálogo fala com humanos, não com modelos de linguagem
A maior parte dos e-commerces constrói página de produto pensando em conversão visual:
- Foto;
- Preço;
- Avaliação;
- Botão de comprar;
Isso funciona para quem já chegou na página decidido a comprar.
Não funciona para o modelo de IA que está tentando decidir, no lugar do cliente, se aquele produto merece ser recomendado.
IA generativa recomenda a partir de três coisas:
Dados estruturados que ela consegue extrair com confiança (schema markup de produto, preço, disponibilidade, avaliação).
Conteúdo que responde perguntas comparativas de forma explícita (não é o mesmo que descrição de produto) e sinal de autoridade sobre a categoria, não só sobre o produto isolado.
Quando falta a primeira camada, o modelo simplesmente não consegue confirmar informação básica como preço ou estoque, e prefere não citar.
Quando falta a segunda, o modelo até reconhece o produto, mas não sabe para qual pergunta específica recomendá-lo, porque a página nunca respondeu isso de forma explícita.
Quando falta a terceira, o modelo cita o concorrente que já apareceu antes em conteúdo comparativo, porque para o modelo aquele concorrente é a referência da categoria.
Isso conecta diretamente com o que já vale para operações B2B: a decisão do cliente começa antes do seu anúncio aparecer.
No e-commerce, a diferença é a velocidade.
O ciclo de decisão B2B leva semanas.
No B2C, a pergunta e a compra podem acontecer na mesma conversa.
Como identificar se seu catálogo tem esse problema
Alguns sinais aparecem com frequência quando faço essa leitura em operações de e-commerce:
- O tráfego orgânico para termos de alta intenção está estável ou até crescendo, mas a taxa de conversão vem caindo sem explicação clara nos relatórios de mídia.
Isso costuma indicar que o cliente já chegou decidido a outra marca e está só confirmando preço no seu site.
- Suas páginas de produto não têm schema markup completo, ou têm apenas o básico (nome e preço), sem review, disponibilidade e especificações estruturadas.
Isso é fácil de checar: basta rodar a página no validador de dados estruturados do Google e ver o que falta.
Você nunca testou perguntar diretamente ao ChatGPT ou ao Perplexity uma pergunta que um cliente seu faria antes de comprar?
Se você nunca fez esse teste, não tem como saber se aparece ou não.
E na minha experiência, a maioria não aparece.
- Seu conteúdo de categoria e de produto explica características, mas nunca responde diretamente perguntas do tipo “qual é melhor para X” ou “diferença entre A e B”.
Esse é o formato que IA generativa mais usa como fonte de recomendação, e a maioria dos e-commerces nunca escreveu nesse formato.
O que fazer primeiro, sem virar projeto de seis meses
Não é preciso reconstruir o catálogo inteiro para começar a mudar isso.
O primeiro movimento que costuma abrir espaço real é auditar schema markup nas páginas de produto de maior margem ou maior volume, não no catálogo inteiro de uma vez.
Product, Offer, AggregateRating e FAQPage são os tipos que mais aparecem sendo lidos por modelos de IA em teste de campo.
Em paralelo, vale escrever conteúdo comparativo explícito para as perguntas que você já sabe que seus clientes fazem antes de comprar, porque a equipe de atendimento ouve isso todo dia.
Esse conteúdo não é a descrição do produto reescrita.
É uma resposta direta à pergunta de decisão, no formato que um modelo de IA consegue extrair e citar.
- Também importa garantir que seu feed de produtos, o mesmo usado no Google Merchant Center, esteja limpo e atualizado, porque parte da recomendação em IA generativa se apoia nesses mesmos dados estruturados de disponibilidade e preço.
- Feed desatualizado derruba confiança do modelo tanto quanto derruba performance de mídia paga.
Em projetos onde essa auditoria foi feita primeiro nas categorias de maior ticket, o padrão que apareceu não foi um salto imediato de tráfego.
Foi aparecer nas respostas de IA para perguntas de comparação onde antes só o concorrente aparecia.
Isso muda o formato da disputa: você para de competir só por lance de mídia e passa a competir por estrutura de conteúdo, algo que se acumula em vez de se esgotar a cada clique pago.
O padrão que aparece nos projetos
Um padrão recorrente em auditorias de e-commerce: a marca investe pesado em mídia paga para uma categoria específica, tem CAC sob controle e conversão dentro da média do setor.
Só que, ao perguntar diretamente para ChatGPT e Perplexity qual produto recomendariam para o mesmo público que a mídia paga está tentando atingir, a marca simplesmente não aparece.
Quem aparece é um concorrente menor, com menos investimento em mídia, mas com páginas de produto estruturadas e conteúdo comparativo publicado há mais tempo.
Isso não significa abandonar mídia paga.
Significa reconhecer que existe uma camada de decisão anterior ao clique pago, que hoje está sendo ocupada por quem investiu em estrutura de dados e conteúdo, não necessariamente por quem investe mais em anúncio.
E-commerce e AI Search: perguntas frequentes
IA generativa substitui SEO tradicional no e-commerce?
Não substitui.
Se soma a ele, com regras próprias. SEO tradicional ainda decide se seu produto aparece em busca orgânica. AI Search decide se seu produto é recomendado dentro de uma resposta gerada, o que depende mais de estrutura de dados e conteúdo comparativo do que de ranqueamento clássico.
Como saber se meu e-commerce aparece no ChatGPT ou no Perplexity?
O único jeito confiável é testar diretamente: perguntar como um cliente perguntaria, sem citar sua marca, e ver quem o modelo recomenda.
Fazer isso para as cinco a dez perguntas de decisão mais comuns da sua categoria já dá um retrato honesto.
Schema markup realmente influencia recomendação de IA?
Influencia a capacidade do modelo de confirmar informação básica com segurança, como preço, disponibilidade e avaliação.
Sem essa confirmação, o modelo tende a preferir uma fonte onde a informação está mais clara, mesmo que seu produto seja equivalente ou melhor.
Sua marca aparece quando o cliente pergunta, ou só quando ele já sabe o nome dela?
Se essa pergunta te incomodou, faz sentido colocar números nela antes de decidir o que fazer.
A Análise de Presença em AI Search mapeia como sua marca aparece hoje no ChatGPT, Perplexity, Gemini e Google AI Overviews, identifica os gaps de estrutura de dados e conteúdo, e mostra exatamente onde o concorrente está ocupando o espaço que deveria ser seu.
