No varejo com IA, o catálogo virou conteúdo — e preço desatualizado virou risco de marca

Essa é a diferença mais concreta entre uma operação preparada para busca generativa e uma que apenas tem um site bonito. E é também a área onde mais gente subestima o trabalho, porque parece configuração e é, na verdade, arquitetura de dados.

Schema: o que o Google recomenda especificamente para comércio

O Google recomenda Product e Offer para merchant listings e shopping experiences, além de ProductGroup para variantes e Organization / LocalBusiness para a camada de marca e loja física.

Um detalhe que costuma passar batido: o Google explicita que structured data ajuda a melhorar a acurácia da compreensão de preço, desconto e frete, e que o Merchant Center pode usar essas informações na verificação do feed. Ou seja, o schema não é apenas um pedido de rich result — é um insumo de verificação.

A regra que sustenta tudo isso: dados estruturados coerentes com o texto visível. Markup que declara um preço diferente do que a página mostra não é otimização, é inconsistência — e inconsistência é justamente o que degrada a confiança de um mecanismo na sua fonte.

Sobre Open Graph, vale repetir: ele complementa metadados de compartilhamento, apoia unfurls e scrapers secundários, mas não substitui schema nem Merchant Center.

Feeds formais: os dois caminhos que hoje importam

Google Merchant Center

No Google, os feeds do Merchant Center seguem sendo o caminho com maior profundidade comercial, e são mandatórios para algumas superfícies, como a Shopping tab. Não é uma alternativa ao SEO técnico — é uma camada distinta, com regras próprias, que distribui o catálogo para Search, Shopping, Images, Lens e Maps.

Para listagens orgânicas, não há custo; mídia paga é opcional.

OpenAI ACP

No Agentic Commerce Protocol da OpenAI, o feed é o ponto de partida da integração: ele dá ao ChatGPT os dados de catálogo necessários para indexar produtos, entender atributos centrais e exibir informações corretas de preço e disponibilidade. O ACP ainda distingue elegibilidade para descoberta e para checkout por meio de flags próprias.

Há um ponto de arquitetura que vale entender com precisão, porque é frequentemente mal explicado: no ACP, o checkout é renderizado na interface do ChatGPT, mas o estado real da compra, o processamento de pagamento e a decisão de aceitar ou recusar o pedido permanecem nos sistemas do merchant — que também avalia risco e fraude na própria stack.

Isso não é um detalhe técnico. É a garantia de que o varejista não terceiriza a decisão comercial nem a política antifraude para uma camada de conversa.

Superfícies adjacentes: por que isso é maior do que parece

O Google documenta que dados de produto podem aparecer não só em Search, mas também em Google Images, Shopping tab, Lens, Maps e Business Profile.

Para operações omnichannel, isso cria uma ponte direta entre GEO, SEO local e visibilidade de inventário. Um e-commerce com loja física ou retirada em loja ganha mais cobertura quando une catálogo, loja, Business Profile e inventário local — porque o mesmo dado de entidade e produto alimenta várias superfícies simultaneamente.

A tendência é de expansão: mecanismos generativos vão avançar em recomendação por imagem, vídeo, voz e estado de contexto. Isso aumenta a importância de mídia de produto, vídeos explicativos, atributos visuais e consistência entre feed, página e representação multimodal.

O problema que mais destrói valor: preço e estoque dessincronizados

Aqui está a parte que merece atenção de diretoria, não só de time técnico.

O Google documenta explicitamente que a combinação entre dados do site e Merchant Center pode gerar inconsistência quando o site muda antes do feed, e recomenda atualizações automáticas e maior controle sobre o timing do feed para reduzir o conflito.

Em GEO, isso vira um problema de confiança de outra ordem. Um motor generativo que cita um preço obsoleto pode até gerar tráfego, mas destrói conversão e percepção de marca. O cliente chega convencido de um preço que não existe. A frustração não é atribuída ao mecanismo — é atribuída a você.

A consequência arquitetural é direta: qualquer arquitetura de RAG comercial precisa ter TTL curto para atributos voláteis, priorização de documentos frescos e mecanismos de invalidação de embedding e de cache de contexto quando preço, disponibilidade ou promoção mudam.

Quatro repositórios, quatro regras

Do ponto de vista de fluxo de dados, o ideal é separar ao menos quatro repositórios lógicos, cada um com regra própria:

A regra mais importante da tabela é a última linha, e ela é absoluta: contexto de identidade nunca entra no corpus público. Misturar conteúdo público e dados pessoais no mesmo índice, sem isolamento, é a falha de arquitetura mais séria dessa área — e é assunto de uma matéria inteira desta série.

Conteúdo orientado a resposta: o que muda nas PDPs

Com o catálogo estruturado, a camada editorial ganha um objetivo mais claro. Módulos citáveis por intenção funcionam melhor do que copy genérica:

• →Comparativos — este modelo contra aquele, com critérios explícitos.
• →Compatibilidade — o que funciona com o quê.
• →Medidas e especificações — números, não adjetivos.
• →Manutenção e durabilidade — como cuidar, quanto dura.
• →Políticas — troca, devolução, prazo, garantia, em texto objetivo.
• →Reviews — com marcação apropriada.

O critério é sempre o mesmo: a informação é objetiva, verificável e atribuível? Se a resposta for "é bonita, mas não dá para citar", ela não trabalha para você em busca generativa.