Conquistar a citação na resposta do assistente virou a nova obsessão do e-commerce. Trabalho de feed, conteúdo, dados estruturados e reputação existem hoje para um objetivo bem direto: fazer a IA falar o nome da sua marca quando alguém pergunta o que comprar.
Um levantamento da Contentsquare divulgado no início de setembro mostra que essa é a metade fácil da conta. Quando o assistente indica a marca e o site não corresponde à expectativa que ele acabou de criar, apenas 3% dos compradores seguem com a compra. Os outros 97% repensam.
E repensar, nesse contexto, raramente significa voltar depois. Significa abrir a aba do concorrente.
O que o estudo mediu
A pesquisa ouviu 2.000 consumidores nos Estados Unidos e na França, via Pollfish, e foi publicada em 2 de setembro de 2026. O recorte é específico: o que acontece no intervalo entre a recomendação da IA e a decisão de compra, ou seja, exatamente o pedaço da jornada que a maioria dos times de e-commerce ainda não instrumentou.
O dado de contexto ajuda a dimensionar o problema. Segundo o mesmo estudo, 36% dos entrevistados já substituíram buscadores tradicionais por IA em parte das compras, e entre os millennials de 30 a 44 anos esse número chega a 74%. Não é um canal experimental: é uma porta de entrada que já carrega volume, como registrou o CX Dive. Aqui no blog já mostramos que o tráfego vindo de IA converte acima da média, o que torna o desperdício ainda mais caro.
Os quatro destinos do comprador que a IA enviou
A pergunta central do estudo foi simples: a IA recomendou a marca, você entrou no site e a experiência decepcionou. O que você faz? As respostas se dividem assim:
| Reação do comprador | Participação | O que isso custa |
|---|---|---|
| Conclui a compra mesmo assim | 3% | Receita preservada |
| Vai direto para o concorrente | 23% | Receita transferida, e o concorrente ganha o dado do cliente |
| Continua pesquisando | 57% | Compra adiada, com alto risco de nunca voltar |
| Abandona a compra | 16% | Demanda destruída no meio do caminho |
Vale separar os dois blocos. Os 23% são perda imediata e mensurável. Os 57% são o número perigoso, porque na prática somem do seu relatório: aparecem como sessão sem conversão, sem nenhum sinal de que a origem era uma recomendação qualificada de IA.
Por que o assistente e o site divergem
O estudo aponta duas causas dominantes, e nenhuma delas é de design. São de dado. Vinte e um por cento dos entrevistados relataram que a IA deu uma informação diferente da que estava no site da marca, e 20% disseram que faltou detalhe para comprar com confiança, como detalhou o PPC Land.
Isso muda o diagnóstico. O problema não é que o site esteja feio ou lento (embora isso também pese). O problema é que o assistente monta a promessa a partir de uma fonte, e o site entrega a partir de outra. Preço defasado, estoque que não bate, política de frete diferente da que a IA citou, ficha técnica incompleta: cada divergência dessas quebra a confiança no momento mais caro do funil.
A dinâmica é a mesma que já discutimos quando o ChatGPT Shopping passou a decidir pelo feed e não pela web. Quanto mais o assistente se apoia em dados estruturados, mais o feed vira a fonte de verdade da sua marca. Se ele não conversa com o que está na página, a recomendação trabalha contra você.
Quando um assistente de IA indica uma marca e o site frustra, apenas 3% concluem a compra e 23% migram para um concorrente.
Contentsquare, pesquisa com 2.000 consumidores (EUA e França), setembro de 2026
Três verificações que cabem em uma tarde
1. Rode a auditoria de divergência
Liste seus 30 produtos de maior receita e pergunte a três assistentes (ChatGPT, Gemini e Perplexity) o preço, o prazo de entrega e as principais especificações de cada um. Compare linha a linha com a página. Toda divergência encontrada é um cliente indicado que você vai perder. Na nossa experiência com operações de médio porte, a taxa de divergência inicial raramente fica abaixo de 15%.
2. Trate o feed como página de produto
Se o assistente lê o feed, o feed precisa carregar o que convence: atributos completos, highlights, condições, política de devolução e disponibilidade real. As seis prioridades de SEO para compras com IA que já mapeamos continuam valendo, e o item de sincronia entre feed e página subiu de posição depois desse estudo.
3. Isole o tráfego de IA no relatório
Sem segmentar a origem, os 57% que seguiram pesquisando ficam diluídos no agregado e nenhuma decisão acontece. Crie o canal, acompanhe taxa de conversão, receita por sessão e taxa de saída da página de produto separadamente. É o mesmo princípio de colocar dados primários no centro da operação: o que você não separa, você não corrige.
Por que isso reordena a fila do CRO
A leitura fácil desse estudo é “melhore o site”. A leitura útil é outra: o tráfego indicado por IA chega com uma expectativa já formada, e essa expectativa foi montada por uma fonte que você controla apenas parcialmente.
Na prática, isso empurra para o topo da fila do CRO um tipo de teste que normalmente fica no fim: consistência de informação. Não é teste de cor de botão nem de headline. É garantir que preço, prazo, estoque e ficha técnica digam a mesma coisa no feed, na página e na resposta do assistente.
Quem trata isso como projeto de dados, e não como projeto de layout, resolve os 23% e recupera boa parte dos 57%. Quem trata como projeto de layout continua otimizando a página onde o cliente já decidiu sair.
Perguntas frequentes
O que o estudo da Contentsquare mediu exatamente?
A pesquisa ouviu 2.000 consumidores nos Estados Unidos e na França, via Pollfish, e foi publicada em setembro de 2026. Ela mapeou o comportamento do comprador no intervalo entre a recomendação de um assistente de IA e a decisão de compra no site da marca.
Por que só 3% concluem a compra?
Porque a recomendação da IA cria uma expectativa específica de preço, prazo e características. Quando o site não sustenta essa promessa, a confiança se quebra no momento da decisão. Os 97% restantes se dividem entre migrar para o concorrente, seguir pesquisando ou desistir.
Qual é a principal causa da divergência entre a IA e o site?
Dados desatualizados ou incompletos. No estudo, 21% relataram informação diferente da que estava no site e 20% disseram faltar detalhe para comprar com confiança. A causa raiz costuma estar no feed de produtos, não no design da página.
Como medir o tráfego vindo de assistentes de IA?
Crie um agrupamento de canal específico para as origens de IA no seu analytics e acompanhe taxa de conversão, receita por sessão e saída da página de produto separadamente. Sem esse isolamento, o comportamento desse público fica diluído no agregado.
Por onde começar a correção?
Pela auditoria de divergência nos produtos de maior receita: consulte três assistentes sobre preço, prazo e especificações e compare com a página. Cada divergência encontrada representa um comprador indicado que tende a ser perdido.
