No retalho com IA, o catálogo passou a ser conteúdo — e um preço desatualizado passou a ser risco de marca

É esta a diferença mais concreta entre uma operação preparada para pesquisa generativa e uma que apenas tem um site bonito. 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 experiências de shopping, além de ProductGroup para variantes e Organization / LocalBusiness para a camada de marca e de loja física.

Há um pormenor que costuma passar despercebido: o Google explicita que os dados estruturados melhoram a acuidade da compreensão de preço, desconto e portes de envio, e que o Merchant Center pode usar essa informação na verificação do feed. Ou seja, o schema não é apenas um pedido de rich result — é um insumo de verificação.

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

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

Feeds formais: os dois caminhos que hoje contam

Google Merchant Center

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

Para listagens orgânicas não há custo; a media paga é opcional.

OpenAI ACP

No Agentic Commerce Protocol da OpenAI, o feed é o ponto de partida da integração: dá ao ChatGPT os dados de catálogo necessários para indexar produtos, perceber os atributos centrais e mostrar informação correta de preço e disponibilidade. O ACP distingue ainda a elegibilidade para descoberta e para checkout através de flags próprias.

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

Isto não é um detalhe técnico. É a garantia de que o retalhista não subcontrata a uma camada de conversa nem a decisão comercial nem a política antifraude.

Superfícies adjacentes: porque isto é maior do que parece

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

Para operações omnicanal, isto cria uma ponte direta entre GEO, SEO local e visibilidade de inventário. Uma loja online com espaço físico ou com levantamento em loja ganha mais cobertura quando junta catálogo, loja, Business Profile e inventário local — porque o mesmo dado de entidade e de produto alimenta várias superfícies em simultâneo.

A tendência é de expansão: os motores generativos vão avançar na recomendação por imagem, vídeo, voz e estado de contexto. Isso aumenta o peso da multimédia de produto, dos vídeos explicativos, dos atributos visuais e da consistência entre feed, página e representação multimodal.

O problema que mais destrói valor: preço e existências dessincronizados

Chegamos à parte que merece atenção da administração, e não apenas da equipa técnica.

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

Em GEO, isto transforma-se num problema de confiança de outra ordem. Um motor generativo que cita um preço obsoleto até pode gerar tráfego, mas destrói conversão e perceção de marca. O cliente chega convencido de um preço que não existe. E a frustração não é atribuída ao motor — é atribuída a si.

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

Quatro repositórios, quatro regras

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

A regra mais importante da tabela é a última linha, e é absoluta: o 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 desta área — e dá tema para um artigo inteiro desta série.

Conteúdo orientado à resposta: o que muda nas páginas de produto

Com o catálogo estruturado, a camada editorial ganha um objetivo mais nítido. 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, prazos, garantia, em texto objetivo.
• →Avaliações — com a 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", não está a trabalhar a seu favor na pesquisa generativa.