Quando alguém pergunta a um assistente de IA “qual é o melhor tênis de corrida para pisada neutra até R$ 500”, a resposta já chega com três ou quatro produtos e lojas. A pessoa não percorreu uma lista de links: recebeu uma recomendação. Para o e-commerce, isso muda o jogo. Estar na primeira página deixa de ser o único objetivo, e passa a importar ser encontrado, entendido e escolhido por sistemas que comparam produtos antes de mostrá-los.
GEO (Generative Engine Optimization, ou otimização para mecanismos generativos) é o conjunto de práticas que aumentam a chance de uma marca ser citada nessas respostas. Em lojas virtuais, ele se apoia em três camadas: os dados de produto que os sistemas leem, as páginas que explicam e comparam, e a reputação que sustenta a recomendação.
Este guia organiza essas camadas em ações concretas, com base na documentação oficial do Google e na especificação de feed da OpenAI para o ChatGPT. Onde a informação for da Analytikos e não de uma fonte, ela aparece como recomendação.
O que muda do SEO de loja para o GEO de loja
O ponto de partida é tranquilizador. Segundo a documentação do Google sobre recursos de IA na busca, não há requisitos adicionais nem otimizações especiais para aparecer em AI Overviews e no Modo IA: valem as boas práticas de SEO. A página precisa estar indexada e elegível para exibir um trecho na busca. Também não são necessários arquivos de texto específicos para IA nem marcação especial.
O que muda é o comportamento da busca. O Google explica que esses recursos podem usar o query fan-out: em vez de uma única pesquisa, o sistema dispara várias buscas relacionadas, por subtemas e fontes de dados, para montar a resposta. Para uma loja, isso significa que um produto pode ser avaliado por perguntas que o cliente nunca digitou, como compatibilidade, prazo de entrega ou política de troca.
| Aspecto | Busca clássica | Compras com IA |
|---|---|---|
| Unidade de resultado | Página ou listagem | Produto e loja recomendados na resposta |
| Decisão de exibição | Relevância e autoridade da página | Dados do produto, comparação com alternativas e reputação |
| Dados mais importantes | Título, conteúdo e links | Atributos, preço, disponibilidade, frete, devolução e avaliações |
| Consulta | Palavra-chave | Pergunta longa, decomposta em subperguntas |
| Medição | Posição e cliques | Citação, menção, tráfego referido e vendas |
Camada 1: dados de produto estruturados
Assistentes comparam produtos por atributos. Quanto mais completos e consistentes forem os dados, maior a chance de a loja entrar na comparação. Há dois canais: o markup na página e o feed enviado às plataformas.
Markup Product na página
O Google separa product snippets (para páginas em que a compra não é direta) de merchant listings (páginas de compra, com preço, frete, devolução e variações), e recomenda combinar markup e feed do Merchant Center para maximizar a elegibilidade, como descreve o guia de dados estruturados de produto. Há ainda as marcações de Organization, BreadcrumbList, Review e ProductGroup para variantes, listadas no guia de e-commerce. O princípio central: o markup deve refletir o que está visível na página.
Feed de produtos para o ChatGPT
A especificação de feed da OpenAI para compras no ChatGPT exige, em todas as linhas, identificador estável (item_id), título, descrição, URL, marca, nome do vendedor, imagem, disponibilidade e preço. Cada produto ou variante comprável ocupa uma linha. Entre os campos opcionais que mais ajudam na comparação estão GTIN, categoria, material, cor, tamanho, dimensões, peso, preço promocional, frete, política de devolução, quantidade e nota média de avaliações.
Dois cuidados de leitura. Primeiro, a especificação mira por padrão o mercado dos Estados Unidos, e outros mercados exigem confirmação da OpenAI, então lojas brasileiras devem verificar a disponibilidade antes de investir em integração. Segundo, a especificação não define uma frequência fixa de atualização, mas manda manter preço e disponibilidade correntes e atualizar o feed quando houver mudança de preço, promoção ou estoque. A montagem passo a passo está em Como aparecer no ChatGPT Shopping: feed de produtos.
| Campo do feed | Para que serve | Erro comum |
|---|---|---|
| item_id | Identifica o item de forma estável | Reutilizar o ID para outro produto ou colocar o preço no ID |
| title e description | Entrada de texto para a comparação | Título genérico ou cópia do fornecedor |
| price e availability | Dados que o sistema compara | Preço desatualizado em relação ao site |
| gtin | Liga o produto a catálogos globais | Dígito verificador inválido |
| variantes (group_id) | Agrupa tamanhos e cores do mesmo produto | Agrupar produtos diferentes como variantes |
| devolução e frete | Condições que o comprador compara | Política no feed diferente da política do site |
Camada 2: páginas escritas para comparação
Dados estruturados dizem o que o produto é. A página explica por que ele serve para determinado uso. Para ser útil a um sistema que decompõe a pergunta em partes, a página de produto precisa responder, em texto, às perguntas mais prováveis: para quem é, para qual uso, de que material, quais medidas, com o que é compatível e quais alternativas existem.
- Atributos em tabela: material, dimensões, capacidade, voltagem, compatibilidade. Texto objetivo é mais fácil de extrair que parágrafos longos.
- Uso e público: uma frase clara do tipo “indicado para corrida em asfalto, pisada neutra”.
- Perguntas e respostas reais: as dúvidas do atendimento viram bloco de perguntas na página.
- Frete, prazo e devolução visíveis: o Google pede que informações de frete e devolução sejam coerentes com o Merchant Center e com a página.
- Conteúdo em texto: o Google reforça manter o conteúdo importante em texto, apoiado por imagens e vídeos.
Os tipos de página que mais aparecem como fonte nas respostas de IA, e como priorizá-los num projeto, estão em Tipos de página que a IA mais cita.
Camada 3: reputação e sinais de confiança
Recomendar um produto é uma decisão de risco para o assistente. Por isso, sinais de confiança pesam: avaliações reais de clientes, nota coerente com o volume, presença em fontes independentes e informações claras de quem vende. Três frentes valem investimento contínuo.
- Avaliações: peça avaliação depois da entrega e publique-as na página com markup coerente. Avaliação falsa ou incentivada sem divulgação cria risco com o Google e com os consumidores.
- Reputação pública: responda reclamações em canais abertos de reputação. Respostas profissionais ficam visíveis a quem consulta a marca.
- Dados próprios: pesquisas, guias de tamanho e testes feitos pela loja se tornam fontes citáveis. O caminho está em Dados próprios: como estudos originais tornam sua marca fonte.
Acesso técnico: o que não pode bloquear
Nada disso funciona se o conteúdo não for acessível. O Google lista as ações básicas: manter o rastreamento permitido no robots.txt e na camada de CDN ou hospedagem, facilitar a descoberta por links internos, entregar boa experiência de página, manter dados estruturados coerentes com o texto e manter o Merchant Center e o Perfil da Empresa atualizados. Verifique também se o firewall ou a CDN não bloqueiam rastreadores legítimos por engano, pois esse é um erro comum em lojas com proteção agressiva contra bots.
Para dados estruturados voltados a assistentes além do Google, veja o ponto de partida em dados estruturados para ChatGPT e Perplexity.
Como medir o resultado
A medição tem dois blocos. O primeiro é o Google: segundo a documentação, o tráfego de recursos de IA está incluído no relatório de desempenho do Search Console, no tipo de busca Web, e o Google sugere acompanhar conversões e engajamento no Google Analytics. O segundo são os demais assistentes, em que a loja mede por três vias.
- Tráfego referido no GA4: sessões vindas de domínios de assistentes, comparadas por receita e conversão.
- Lista fixa de prompts: 20 a 30 perguntas de compra da categoria, rodadas todo mês, registrando se a loja e os concorrentes aparecem.
- Busca de marca: crescimento de buscas pelo nome da loja depois de recomendações.
Conta de ilustração: 25 prompts por mês, com a loja citada em 6 deles, dão 24% de presença (6 ÷ 25). Se, após ajustes em feed e páginas, a presença sobe para 11 em 25, são 44%. O valor importa menos que a tendência e a comparação com os concorrentes na mesma lista.
Plano de 30 dias para uma loja
- 1Semana 1: auditar dadosCompletar atributos, GTIN, preço e disponibilidade no catálogo; validar markup.
- 2Semana 1: abrir o acessoConferir robots.txt, CDN e firewall; revisar o Merchant Center.
- 3Semana 2: reescrever páginas-chaveDez produtos e cinco categorias principais, com atributos, uso e perguntas.
- 4Semana 3: reforçar reputaçãoRégua de avaliação pós-entrega e resposta às reclamações abertas.
- 5Semana 4: medir a linha de baseRodar a lista de prompts, registrar presença e tráfego referido no GA4.
Erros comuns de GEO em e-commerce
Os erros abaixo reduzem a chance de recomendação ou distorcem a medição. Estão agrupados por natureza.
Erros de dados
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Preço ou estoque diferentes entre site, feed e markup | Sistemas veem inconsistência e podem descartar a oferta | Gerar as três fontes do mesmo cadastro |
| Catálogo sem atributos (material, medidas, uso) | A comparação entre produtos fica sem base | Completar atributos por categoria, começando pelos mais vendidos |
| Variantes tratadas como produtos separados | Fragmenta avaliações e atributos | Agrupar com ProductGroup e group_id |
| Ignorar a limitação de mercado do feed | Esforço de integração sem efeito no Brasil | Confirmar disponibilidade antes de investir |
Erros de conteúdo e acesso
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Descrições copiadas do fornecedor | Mesma informação em dezenas de lojas, sem diferencial | Escrever uso, público e comparações próprias |
| Frete e devolução só em pop-up ou PDF | Informação difícil de extrair | Colocar em texto visível na página |
| Bloquear rastreadores por proteção anti-bot | O conteúdo não é lido nem citado | Revisar regras de firewall e CDN |
| Apostar em arquivo especial para IA | O Google informa que não é necessário | Investir nos dados e nas páginas |
Erros de reputação e medição
| Erro | Por que distorce | Como corrigir |
|---|---|---|
| Poucas avaliações e sem resposta às reclamações | Falta o sinal de confiança que sustenta a recomendação | Régua de avaliação e processo de resposta |
| Medir só posição no Google | Ignora as citações em assistentes | Acompanhar presença em prompts e tráfego referido |
| Mudar tudo ao mesmo tempo | Impossível saber o que funcionou | Priorizar por categoria e medir antes e depois |
| Tratar o resultado de um prompt como verdade | Respostas variam por contexto e execução | Rodar a lista várias vezes e analisar a tendência |
Checklist de GEO para e-commerce
- Catálogo com atributos completos, GTIN e identificador estável por item.
- Preço, disponibilidade, frete e devolução idênticos no site, no markup e no feed.
- Uma entidade Product válida por página, coerente com o texto visível.
- Páginas de produto com atributos em tabela, uso, público e perguntas reais.
- Avaliações reais coletadas após a entrega e publicadas na página.
- Robots.txt, CDN e firewall liberando rastreadores legítimos.
- Merchant Center e Perfil da Empresa atualizados.
- Lista fixa de prompts rodada todo mês e tráfego referido acompanhado no GA4.
Perguntas frequentes
GEO substitui o SEO na minha loja?
Não. O Google informa que as mesmas boas práticas de SEO valem para os recursos de IA. O GEO acrescenta atenção a dados de produto, comparação e reputação.
Preciso criar um arquivo llms.txt?
O Google afirma que não são necessários arquivos de texto específicos para IA nem marcação especial para aparecer nesses recursos. O investimento rende mais em dados e páginas.
Minha loja pode enviar feed para o ChatGPT?
A especificação da OpenAI descreve o formato, mas o upload padrão mira os Estados Unidos e outros mercados exigem confirmação. Verifique a disponibilidade para o Brasil antes de integrar.
O Merchant Center ajuda no GEO?
Sim. O Google recomenda combinar markup e feed do Merchant Center para maximizar a elegibilidade em experiências de compra, e orienta manter essas informações atualizadas.
Como saber se minha loja aparece nas respostas de IA?
Monte uma lista fixa de perguntas de compra da sua categoria, rode-a mensalmente em cada assistente e registre se a loja é citada, em que posição e com que descrição.
Avaliações influenciam a recomendação?
Sim, como sinal de confiança. Priorize avaliações reais de clientes, coletadas após a entrega, e responda aos problemas relatados publicamente.
