E não é para menos, mudar o formato de pesquisa depois de 25 anos é para de fato mudar tudo.

Mas se a gente parar para dar um passo atrás, ao meu ver, o avanço da IA nas buscas é uma evolução natural.

Nos últimos 20 anos, o volume de informação na web aumentou em uma proporção inimaginável.

O Google, enquanto principal mecanismo de busca, precisava mudar o mecanismo para conseguir filtrar o que presta e entregar qualidade.

Minha tese trabalhando no dia a dia é simples: na era da IA, os marketplaces que vão liderar o mercado não são os que têm os maiores catálogos, mas os que sabem organizar a informação para ser útil de verdade para o cliente.

Recentemente, colocamos essa estratégia à prova no lançamento de um marketplace de nicho.

O resultado parcial desse case traz uma provocação incômoda: enquanto a maioria dos players continua rasgando dinheiro em anúncios para tentar “vencer o algoritmo”, a resposta para o crescimento sustentável e para a sobrevivência na era da IA está em um fator estrutural que quase todo mundo negligencia… e que você vai entender em detalhes logo adiante.

Resumo do que você vai ver por aqui

• O SEO de preguiçoso não dá mais resultado: Entregar páginas rasas e descrições idênticas vai deixar seu site invisível para os robôs de IA.

• Taxonomia na prática: Como organizar atributos e características de produto cria uma base de dados limpa para a IA entender e recomendar seu site, além de facilitar a vida do usuário.

• O fim da dependência de anúncios: Como a qualidade do conteúdo orgânico gera um efeito colateral valioso, derrubando o CPC e o CPM das campanhas pagas.

• Distribuição de receita saudável: Alcançamos um equilíbrio raro de faturamento (40,7% pago, 36,9% orgânico e 22,4% direto) com menos de um ano de operação e um ROAS de 5 no canal orgânico.

O fim do “SEO de preguiçoso” e a nova dinâmica da busca

Durante muito tempo, o e-commerce se acostumou com o “SEO de preguiçoso”(termo sensacional que esse cliente criou).

A lógica consistia em focar demais em palavras chave de maneira nem sempre natural, preencher descrições genéricas padronizadas (o que ainda acontece hoje, porém com o botãturbo ligado, por conta da IA) e esperar que o volume bruto de páginas indexadas fizesse a mágica do tráfego crescer.

Esse modelo está perdendo demais performance.

Com o Google entregando respostas diretas na tela do usuário, as buscas por palavras-chave mais genéricas e superficiais vão continuar a ter uma queda absurda de CTR (isso é uma suposição, afinal, essa mudança na barra de busca é um avanço em relação as AI Overviews e AI Mode).

Creio que também teremos mais uma rodada dos “Cavaleiros do Apocalipse” dizendo que o SEO morreu. Mas, particularmente, acredito que o negócio não seja esse.

O que tenho viso no dia a dia de mudança é que com o avanço da IA, cada vez mais precisamos de especificidade nos sites (autoridade nos tópicos importantes para o site com informações específicas) para personalizar a resposta de acordo com o que foi buscado e com o contexto do consumidor.

Ela não quer apenas saber se você lista o produto X em uma tabela, ela precisa entender os atributos profundos, a correlação semântica e se aquela informação é realmente relevante dentro de um nicho/contexto específico.

Leia também: Por onde começar sua estratégia de SEO para e-commerce e como agir em diferentes cenários?

O caos oculto nos grandes catálogos

É justamente aí que visualizo uma grande fraqueza de muitos marketplaces: a bagunça estrutural dos dados.

Ao abrir as portas para múltiplos vendedores (sellers), a maioria das plataformas perde completamente o controle da padronização dos dados.

O que se vê são catálogos gigantescos e redundantes, com descrições idênticas copiadas de distribuidores, imagens sem contexto e uma ausência crônica de especificações técnicas detalhadas.

Na era da busca clássica, o peso bruto do domínio compensava essa desorganização.

Mas o que estou vendo, até o momento, com o avanço da IA, é que elas simplesmente ignoram estruturas de conteúdo rasas ou confusas (sem autoridade de tópico, informações originais, etc).

Estamos notando que plataformas que conseguem dados estruturados, limpos e códigos mais estáticos performam melhor.

Leia também: Criação de conteúdo para páginas de produto em e-commerce: como usar IA no processo?

Como transformar a estrutura de dados em diferencial?

A solução para esse cenário não é tentar inflar o catálogo com mais produtos soltos. É desenhar uma arquitetura de dados organizada desde o dia zero.

No case desse marketplace de nicho que falei no início desse conteúdo, a estratégia de dados começou antes mesmo de a plataforma de vendas estar rodando.

Como era um domínio novo, subimos o blog de forma antecipada para aquecer o domínio e acelerar a indexação.

E a primeira grande conversa que tivemos sobre a estrutura do marketplace foi sobre a taxonomia de produto para entender atributos e características de cabo a rabo.

Em vez de criar categorias comerciais genéricas, mapeamos a árvore organizando por questões relevantes para o ICP do marketplace.

Criamos uma estrutura de árvore com uma profundidade que nenhum concorrente generalista tinha no mercado.

Por que a IA prefere informações organizadas?

A IA trabalha com estatística. Quando você entrega uma taxonomia muito clara em todos os canais, você dá para o robô a base de dados perfeita para ele trabalhar e chegar na resposta exata para a consulta do usuário.

O impacto prático disso foi uma escalada rápida de posicionamento.

Focando na cauda longa (long tail) e na especificidade que a concorrência ignora, o marketplace alcançou uma boa cobertura nos tópicos e produtos saiu do zero absoluto até chegar em um momento que o canal começou a ajudar no equilíbrio de GMV da loja.

No gráfico abaixo é possível ver a evolução de Novembro de 2025 (data do lançamento de fato do marketplace) em diante.

Lembrando que, apesar de o marketplace ter sido lançado em novembro de 2025, o domínio já estava "aquecido" e devidamente organizado com o blog.

Leia também: Personas sintéticas: o que são, como criar e como utilizar em suas estratégias de marketing

Conteúdo útil de verdade vs “Linguiça de SEO”

Se a taxonomia arruma a casa para as máquinas, o conteúdo útil retém o cliente.

Escrever para SEO hoje significa abolir o texto de preenchimento feito só para robô ler. O foco precisa ser a utilidade real: responder de forma direta o que o possível comprador precisa saber antes de realizar a compra.

Para isso, dentro do processo geral, desenvolvemos um grupo de ações simples para os lançamentos de produtos baseado em três pilares práticos:

1. Guias completos de especificação: Conteúdos densos que vão muito além do manual dos produtos e dos conteúdos enviados pelos fabricantes.

2. Conteúdos comparativos (Versus): Matrizes diretas de comparação entre modelos concorrentes do mercado, que também são vendidos no marketplace.(ex: Produto a marca 1 X vs. Produto a marca 2).

3. Dados de Bastidores / Entrevistas: Conteúdos originais construídos diretamente com marcas e fornecedores parceiros.

Quando o conteúdo ajuda de verdade, a coisa acontece naturalmente, você não só posiciona bem na SERP padrão como também começa a surgir como respostas nas AI Overviews.

Além desse grupo de ações para lançamento de produtos, desenvolvemos um template de conteúdo para as páginas de categoria e subcategoria focando em realmente ajudar a quem chega na página a navegar melhor nela.

Nele, explicamos não só o que a pessoa encontrará ali naquela listagem de produtos, como também damos dicas de como ele pode escolher entre os produtos que ali estão.

Um ponto importante que vale mencionar é que toda essa estrutura não só alimentou o marketplace e o blog, como também alimentou outros canais da marca (com suas devidas adaptações), como Instagram, Tiktok, etc.

Leia também: Como cobrir a jornada de compra no e-commerce com SEO?

A jornada de compra não é linear

Esse ecossistema provou que o funil linear clássico não existe mais.

O consumidor descobre o produto ou a necessidade em canais de entretenimento e redes de vídeo curto (primeiro contato), mas recorre à estrutura profunda e comparativa do marketplace na fase de consideração.

O conteúdo útil funciona como a âncora que valida a tomada de decisão antes da conversão.

O reflexo nas margens: para onde essa estratégia está levando o negócio

Muitos gestores acham que organizar dados e produzir conteúdo técnico são caprichos operacionais de marketing. Mas o verdadeiro impacto dessa disciplina aparece na última linha do balanço.

A grande maioria dos e-commerces hoje vive uma dependência crônica e perigosa de tráfego pago, queimando a margem para manter o faturamento ativo.

Só que o Google Ads, especialmente as campanhas de PMAX, virou uma caixa preta onde temos pouca informação. A melhor forma de otimizar isso é alimentando a máquina do Google com páginas e dados de qualidade.

À medida que nossa autoridade orgânica crescia, observamos um efeito colateral valioso nos relatórios de Google Ads: o custo de CPC e CPM médio das campanhas começou a despencar continuamente.

Como geramos qualidade de informação e base qualificada, o custo de mídia caiu.

Isso começou a gerar uma divisão saudável de receita (GMV) que é raríssima de se ver em projetos com menos de um ano de vida.

O faturamento distribuiu-se de forma equilibrada entre os canais:

• Busca orgânica: 32,88% (é o segundo principal canal de aquisição e ainda tem muita possibilidade de crescimento, sem que isso impacte em custo. Além disso, é um canal que consegue impactar bem todas as etapas da jornada)

• Mídia Paga: 39,52% (por mais que seja ainda o principal canal, o custo de aquisição segue em queda)

• Tráfego Direto:25,01% (é um canal que acreditamos que terá uma importância maior no futuro, visto que a jornada está cada vez mais fragmentada)

• Social Orgânico:2,27% (é um canal que apesar de gerar pouca receita direta, tem grande importância no processo de descoberta da marca)

• E-mail:0,13% (é um canal que ainda pode ser melhor aproveitado para recompra e ativação de base)

• Assistentes de IA: 0,20% (É o canal que acreditamos que terá mais importância em GMV a medida que a IA avançar. Hoje tratamos ele como importante na jornada de compra)

Dúvidas frequentes sobre operação de SEO em marketplaces

Como a organização dos atributos de produto ajuda a indexar na IA se os robôs buscam por linguagem natural?

A IA precisa cruzar informações exatas por trás dos panos para dar respostas estatisticamente confiáveis ao usuário.

Se o seu marketplace tem atributos vagos, o robô não consegue validar a resposta e simplesmente prioriza o concorrente que entregou o dado mastigado.

Focar em SEO realmente ajuda a baixar o custo do tráfego pago (CPC/CPM)?

Sim. O Google (principalmente em campanhas inteligentes como PMAX) pune páginas ruins cobrando mais caro pelo clique.

Quando sua estrutura orgânica melhora a experiência e retém o usuário, o índice de qualidade técnico do seu domínio sobe, funcionando como um desconto direto nos leilões de mídia.

Criar uma taxonomia muito profunda e técnica não afasta o consumidor leigo?

Pelo contrário. O cliente leigo é quem mais precisa de guias de especificação e comparativos diretos na fase de consideração para se sentir seguro.

A informação organizada traduz a complexidade técnica em utilidade de compra.

Conclusão

Chegar nesse nível de distribuição com menos de um ano de operação traz um aprendizado claro.

O marketing de antigamente, onde você hipersegmentava o perfil e comprava a palavra exata, já não dá o mesmo retorno. Os ROIs absurdos do passado não vão mais existir por conta de como as coisas estão mudando.

Se a dinâmica mudou, a resposta é tratar o seu site e seu ecossistema de conteúdo como um banco de dados organizado.

Quanto mais limpa e estruturada for a informação na entrada, melhor a IA vai trabalhar a seu favor na saída.

Organização da informação não é preciosismo de TI. É decisão de negócio.

Se você quer sobreviver no cenário de busca por IA, pare de tentar vender mais apenas gastando mais em anúncios ou inflando o catálogo com produtos sem contexto.

Organize a taxonomia, seja útil de verdade para o cliente e deixe a máquina trabalhar. Dessa forma, todos os canais tendem a ganhar.

A discussão é válida, afinal, a forma como as pessoas buscam informação está mudando.

O problema é como isso foi absorvido na prática por quem não é da área. Para muitos e-commerces, isso gerou mais FOMO do que solução.

De lá para cá, muitos lojistas entraram nessa briga e passaram a tentar “hackear” visibilidade nas IAs.

Só que o tráfego vindo de IA ainda não chega perto do orgânico via search. E no e-commerce, tráfego sem conversão não resolve nada.

Então não faz sentido tentar avançar na IA quando a base ainda está mal resolvida.

• Páginas lentas

• Estrutura confusa

• Páginas de produto fracas

Isso que impacta o resultado final e consequentemente impacta também a visibilidade em IAs.

Pensando nisso, separei neste conteúdo 27 ações de SEO, separadas em 6 grupos, que tem funcionado em projetos de e-commerce que participo, tudo isso sem focar na sopa de letrinha.

Meu intuito aqui é tentar simplificar.

Resumo do que você vai ver por aqui

• Base técnica: o que define se você é rastreado, indexado e competitivo (velocidade, URLs, schema).

• Arquitetura da informação: como você organiza o site para cobrir demanda de busca.

• Páginas de categoria: onde você captura intenção de meio de funil.

• Páginas de produto: onde o tráfego vira receita.

• Conteúdo informativo: como você deixa de depender de mídia paga para gerar demanda.

• Visibilidade em IA: como você passa a aparecer nas respostas, não só nos links.

1️⃣ Base técnica: onde muitas lojas perdem eficiência de rastreamento e indexação de páginas

Muitos gestores tratam a área técnica como uma como grupo secundário. Mas conforme a loja tem mais produtos, maior tende a ser o impacto da base técnica no resultado da loja.

Entretanto, existem pontos aqui que são importantíssimos tanto para lojas pequenas quanto grandes. Para essas, marquei-as com uma ⭐️.

1. ⭐️ Estruture URLs enxutas e claras: historicamente na Bridge SEO, notamos que slugs mais simples (3 a 5 palavras) indexam mais rápido. Então, sejam claros na estrutura da URL. Pelo endereço qualquer um já deve saber sobre o que a página fala. Mas lembre-se, indexar rápido não significa que a página irá performar. A URL é apenas um passo.

2. Implemente Schema Markup além do que a sua plataforma entrega de básico: Algumas plataformas entregam schemas de "Product" por padrão nas PDPs mas não entregam “ItemList" nas páginas de deparatamento/categoria/subcategoria. Vale olhar os templates de sua loja e aplicar os schemas não padrões dela, pois isso poderá ajudará a loja a aparecer de formas diferentes nos resultados de busca.

3. ⭐️ Limpe a formação de URLs (Crawl Budget): filtros, ordenações e parâmetros de campanhas geram “index bloat”, que é quando o mecanismo de busca indexa um grande número de páginas do seu site com baixo valor, irrelevantes ou duplicadas. Controle isso via robots.txt para não desperdiçar o limite que os buscadores tem para ler sua loja.

4. ⭐️ Respeite a semântica dos headings (H1, H2): revise todos os templates da sua loja. A hierarquia de headings precisa fazer sentido para todos, humanos e robôs.

5. Simplifique o código para melhorar o tempo de carregamento: a Akamai fez um estudo em 2017 e viu que um atraso de 100 milissegundos no tempo de carregamento de um site pode prejudicar as taxas de conversão em 7%. Entretanto, vale olhar o que é possível editar em sua plataforma. Quer entender isso com cases mais práticos, veja essa página aqui da web.dev.

Leia também: Por onde começar sua estratégia de SEO para e-commerce e como agir em diferentes cenários?

2️⃣ Arquitetura da Informação: como você organiza a sua informação

Muitas lojas organizam o menu da loja copiando a árvore estrutural do ERP. O problema é que o usuário não pensa como o seu sistema corporativo.

Assim como fiz no primeiro grupo de ações, coloquei uma ⭐️ nas ações prioritárias tanto para lojas pequenas quanto grandes.

1. ⭐️ Organize a taxonomia de forma não ambígua: saiba a diferença exata entre categorias (o produto em si) e filtro/atributo (uma característica dele). Isso evita categorias duplicadas que canibalizam o tráfego. Além disso, essa diferenciação possibilita a geração de idealização de novas páginas bem específicas.

2. ⭐️ Achate o menu principal: mantenha a profundidade do site em, no máximo, 3 cliques a partir da home. Sites mais fundos que isso costumam perder tráfego interno nas páginas mais profundas.

3. ⭐️ Alinhe o preenchimento de todos os dados com o setor de cadastro: cada campo (voltagem, material, dimensões ou campos específicos do seu produto) bem preenchido no cadastro do produto é o combustível para tudo na loja. O preenchimento correto abre portas para criar departamentos, categorias e subcategorias mais completas. Além disso, com os dados preenchidos, é possível criar uma boa base de dados para a futura criação de um sistema de criação de conteúdo para produtos.

Leia também: Criação de conteúdo para páginas de produto em e-commerce: como usar IA no processo?

3️⃣ Páginas de departamento, categoria e subcategoria

O erro aqui é tratar a categoria apenas como uma prateleira de produtos. Uma categoria forte é um hub que captura quem ainda está avaliando a compra.

Assim como fiz nos pontos anteriores, coloquei uma ⭐️ nas ações prioritárias tanto para lojas pequenas quanto grandes.

1. ⭐️ Use o topo da página para explicar de forma resumida o que é a página (máx. 300 palavras): Não são todas as plataformas que disponibilizam este espaço para criação de conteúdo. Caso a sua não disponibilize, será necessário editar o template das páginas de lista e criar este espaço. Ele deve funcionar como um resumo da página. Pense em uma estrutura textual que informe o que o usuário encontrará ali (quais produtos), como ele pode utilizar os produtos e como ele pode escolher.

2. Use o fundo da página para aprofundar: Assim como informei no primeiro ponto. Aqui também não é toda plataforma que disponibiliza o espaço. Caso isso aconteça na sua plataforma, também será necessário editar o template das páginas de lista para criar o espaço. Em relação ao conteúdo, se no topo o intuito é resumir, no fundo da página o intuito e explicar em mais detalhes e sanar possíveis dúvidas. Pense em uma estrutura textual que explique por que comprar aquela determinada lista de produtos faz sentido para o seu ICP, como escolher o produto ideal para as necessidades do seu ICP dentro daquela lista e por que faz sentido que o seu ICP compre na sua loja. Além disso, esse é um ótimo espaço para disponibilizar um FAQ específico da lista de produtos.

3. ⭐️ Construa linkagem interna estruturada: Utilize os campos de conteúdo das categoria para criar uma estrutura de linkagem interna entre páginas que tenham ligação entre elas (ex: em uma categoria camisetas podemos ter no conteúdo uma linkagem para categorias como calça, bermuda, etc. Tudo vai depender de como organiza sua loja). Isso pode (e deve) melhorar as taxas de rastreamento das páginas e melhorar o seu tráfego orgânico (via buscas).

4. ⭐️ Trabalhe os filtros de navegação estrategicamente: torne a busca rápida para o usuário, bloqueando os parâmetros duplicados para o motor de busca (com tags canônicas) e utilizando também o robots.txt.

4️⃣ Páginas de produto

Quando o tráfego orgânico chega na PDP, o usuário está a pouquíssimos cliques de abrir o carrinho.

Não estrague isso com uma página genérica.

Assim como fiz nos pontos anteriores, coloquei uma ⭐️ nas ações prioritárias tanto para lojas pequenas quanto grandes.

1. Nomeie o produto facilitando a leitura: pense o nome do produto de uma forma que seja fácil do usuário entender e buscar.

2. ⭐️ Não copie o fabricante: em vários casos, o conteúdo de uma página de produto pode ser igual ou parecido com o conteúdo do mesmo produto em outra loja. Isso possivelmente acontece porque a origem do conteúdo foi o fabricante. Contudo, em cada loja o cliente compra por algum motivo. E é nesse motivo que você deve ancorar o conteúdo da sua PDP. Pense que a PDP é a página ali mais próxima da conversão. Então, se alguém chegar nela, você precisa convencê-la de que aquele é o produto ideal para a necessidade dela.

3. Incentive avaliações obsessivamente: As avaliações além de serem um conteúdo gerado pelo usuário, são provas sociais para a página de produto, são parte essencial nos schemas de produto e com certeza ajudam no aumento de conversão.

4. ⭐️ Adicione dúvidas frequentes (FAQ): quebre as principais objeções de compra (do SEU CLIENTE… lembre-se que seu cliente é seu e compra de você por algum motivo) direto na página de produto e utilize o schema markup correspondente para isso (FAQPage).

5. ⭐️ Fale a língua do seu comprador: Como falei no ponto 2 desse grupo de ações, o cliente da sua loja é único. Ele compra de você por alguma motivo. Então, não tem motivos para não falar a língua dele. Isso além de focar na venda, cria diferenciação para SEO / GEO e afins, afinal, quando você é específico, você sai do conteúdo commodity.

6. Use a página para reforçar a relação de produtos: vitrines de “quem comprou, levou” (linkagem interna forte) transferem autoridade no detalhe e podem ampliar o ticket médio da compra.

Leia também: Personas sintéticas: o que são, como criar e como utilizar em suas estratégias de marketing

5️⃣ Estratégia de conteúdo informativo

Se o seu e-commerce não responde às dúvidas de topo de funil, você terceiriza seu cliente para o afiliado — e paga mais caro no remarketing depois.

1. ⭐️ Escreva focado no comprador, não só no volume de busca: cace a intenção real, não apenas a palavra-chave óbvia.

2. ⭐️ Use sua taxonomia como espelho: os clusters de conteúdo do blog devem ser exatamente os mesmos dos seus departamentos mais lucrativos.

3. Trabalhe diferentes tipos de conteúdo: o fundo de funil muitas vezes precisa de um vídeo, não de um texto de 2.000 palavras.

4. ⭐️ Interligue o conteúdo editorial com a loja direta: simplifique o caminho entre a leitura de um guia técnico e o botão de comprar.

Leia também: Como cobrir a jornada de compra no e-commerce com SEO?

6️⃣ Visibilidade em IA e LLMs

O tráfego orgânico para consultas totalmente informativas caiu cerca de 61%, mas a taxa de cliques para marcas citadas diretamente nas respostas das IAs é 35% superior aos resultados velhos.

1. ⭐️ Seja específico em todas as suas páginas: Saiba que o comportamento de busca está em mudança constante. Durante anos o trabalho de SEO foi 100% focado em palavras chave. Hoje, elas ainda tem enorme importância mas quando olhamos para as LLMs, temos outras variáveis que atuam, como contexto e especificidade do que a pessoa está dando input, por exemplo. Então, quanto mais as suas páginas tiverem conteúdos que possam fazer parte dessas variáveis melhor. E isso só é possível quando você monta páginas específicas para o SEU ICP.

2. Aumente drasticamente a “densidade de fatos”: LLMs priorizam conteúdos densos para evitar alucinações. Inserir dados, tabelas técnicas e unidades de medida ajudam nisso. Então, seja dentro dos conteúdos informativos ou das páginas de produto, priorize esse tipo de informação sempre que possível.

3. Estruture a página para extração direta: Sempre que possível seja direto nas heading tags (se o conteúdo abaixo for esclarecimento de dúvida, a heading tag deve ser a pergunta exata) e no conteúdo (seja direto se precisar ser direto, utilize tabelas se precisar utilizar).

Dúvidas Frequentes

SEO ainda vale a pena com o crescimento das IAs?

Vale, mas mudou de papel.

O tráfego informativo segue em queda (já vi casos de quedas de mais de 70% em 2 anos), mas a visibilidade para marcas citadas nas respostas aumentou.

Os esforços de SEO são a base para essa "encontrabilidade" nas IAs.

Então é mais que necessário entender o papel de cada uma das páginas existentes na sua loja. O que terá foco maior em IA? O que terá foco maior em SERP? Como aumentar a visibilidade das páginas?

Preciso focar em GEO, AEO ou SEO tradicional?

Apesar de muitos verem como disciplinas separadas, o meu ponto de vista é de que SEO continua sendo a base (infraestrutura + conteúdo + autoridade).

GEO/AEO são extensões disso. Se o básico não estiver bem feito, nenhuma dessas frentes tende a funcionar.

Vale a pena investir em conteúdo para e-commerce?

Sim.

Conteúdo é importantíssimo em todas as etapas da jornada/funil.

No topo/meio, sem conteúdo, você terceiriza a geração de demanda para outros e depois precisa recomprar esse usuário via mídia paga.

No fundo, você deixa de aparecer para buscas específicas e também acaba tendo que comprar esse usuário via mídia paga.

Conclusão

O ponto não é tentar executar 27 ações perfeitas amanhã de manhã. Possivelmente isso travará a sua equipe.

O ideal é entender o comportamento do seu tráfego orgânico hoje para saber quais das 27 ações listadas aqui pode gerar mais resultado em menos tempo.

Quando você analisa o orgânico com os dados operacionais na mão, ele para de ser algo extremamente técnico e passar a ser mais uma alavanca de crescimento para o e-commerce.

Cada canal respondia pelo seu resultado e estava tudo bem.

O problema é que o comportamento do usuário nem sempre respeita essa divisão e nem sempre o canal desempenhará um papel tão forte no fundo do funil, por exemplo.

Hoje, a descoberta pode começar em um vídeo curto no TikTok, continuar com uma busca no Google, passar por um vídeo mais robusto no Youtube, amadurecer com alguns contatos via e-mail e terminar com uma visita direta ao site dias depois.

Às vezes muda a ordem. Às vezes encurta. Às vezes alonga.

A jornada sempre foi confusa.

Mas antes, os canais eram mais previsíveis e muitas vezes conseguíamos cobrir boa parte dela com poucos canais.

Hoje, em muitos casos, não mais.

Quando os times de marketing operam os canais estruturas separadas, muitas vezes, o que se perde não é só eficiência. Perde-se entendimento de como a jornada realmente acontece.

Para colocar um pouco de luz nessa perspectiva, reuni várias estatísticas de marketing orgânico que fazem sentido prestarmos atenção em 2026.

O que os números mostram, quando você conecta os pontos, é outra coisa: o orgânico não diminuiu. Ele se espalhou entre plataformas, formatos e momentos da jornada.

E isso muda a forma de planejar, executar e medir.

Abaixo, estão alguns dos dados mais relevantes para entender esse cenário e, mais importante, o que eles indicam na prática para quem está no dia a dia da operação de marketing.

Resumo do que você vai ver por aqui

• O Google continua central, mas já não concentra sozinho o valor do tráfego orgânico.

• O clique ficou mais escasso e mais disputado.

• As AI Overviews aceleram uma mudança de queda de CTR que já estava em curso.

• As redes sociais influenciam muito mais do que distribuem tráfego.

• Tráfego direto e e-mail ganham peso como ativos proprietários.

• A atenção está cada vez mais dentro de plataformas fechadas.

• Produzir mais conteúdo nem sempre resolve.

• A busca se fragmentou, e o orgânico precisa acompanhar esse movimento.

O Google ainda importa muito, mas não explica mais o tráfego orgânico sozinho

Se existe um erro comum hoje, é interpretar a fragmentação da atenção como perda de relevância do Google. Não é isso que os dados mostram.

O Google ainda responde por cerca de 63% dos referrals para grandes sites nos Estados Unidos.
Fonte: Sparktoro

Ou seja, ele continua sendo a principal fonte de distribuição de tráfego orgânico da web.

Isso importa porque, no meio de tanta discussão sobre IA, tráfego orgânico e plataformas fechadas, existe uma tendência de supercorrigir a rota e tratar o buscador quase como um canal “do passado”, o que no meu ponto de vista é extremamente inadequado.

Na prática, isso não se sustenta. Ao mesmo tempo, olhar esse dado isolado também leva a conclusões ruins.

O fato de o Google ainda ser dominante não significa que ele concentra toda a construção de demanda, descoberta e consideração.

Em muitos mercados, principalmente os que exigem mais repertório, confiança e comparação, o buscador captura uma parte da jornada que já começou antes, em outro lugar.

Podemos pegar como exemplo o e-commerce. De acordo com a pesquisa E-commerce Trends 2026, o Google continua sendo o principal canal de pesquisa de produtos mas dê uma olhada também na importância das redes sociais e canais de reputação somados.

O usuário não começa mais, necessariamente, no Google. Muitas vezes, ele chega lá depois de ter visto algo no social, consumido conteúdo em vídeo ou recebido alguma indicação.

A busca entra como etapa de validação, aprofundamento ou comparação. Isso muda a leitura de atribuição e também a forma de organizar as ações.

Leia também: Por onde começar sua estratégia de SEO para e-commerce e como agir em diferentes cenários?

O clique no Google está mais escasso

Outro dado importante para entender 2026 é este: mais ou menos 1 em cada 5 buscas terminam sem cliques no Google (dados da Europa e EUA). Além disso, esse comportamento estabilizou.
Fonte: Sparktoro

Esse comportamento costuma ser usado como uma das formas de falar que “o SEO morreu”.

O que ele mostra, na verdade, é que o modelo de negócio do Google está evoluindo com o avanço da IA. Ele se tornou mais eficiente em resolver parte das necessidades do usuário dentro da própria SERP (ao menos, essa é a ideia do AI Overviews e do AI Mode).

Além desses recursos com IA, ainda tem os snippets da própria SERP.

Em algumas consultas, isso acontece com respostas rápidas, mapas, painéis, comparações, previsões, calculadoras ou elementos visuais. Em outras, com uma organização melhor da informação.

O efeito prático é que o clique deixou de ser a principal métrica para medir sucesso de uma determinada página.

Em muitos casos, a pessoa encontrou o que precisava sem visitar nenhum site.

Em outros, avançou na decisão e clicou depois, em outro momento, por outro canal, inclusive de forma direta.

Isso exige um ajuste na forma de mensurar os resultados.

Se a lógica continuar restrita a “ranquear para gerar visita”, parte do valor gerado pela presença orgânica simplesmente não aparece na leitura.

A disputa deixa de ser só por tráfego.

Passa a ser por:

• presença ao longo da jornada

• lembrança de marca

• associação em momentos de decisão

E isso não é só SEO.

Vale para social, conteúdo distribuído e qualquer ponto de contato que faça sua marca aparecer mais de uma vez para a mesma pessoa.

Quando o clique fica mais raro, a consistência de presença passa a pesar mais.

AI Overviews aceleram uma mudança mais ampla

A introdução de AI Overviews tornou essa dinâmica ainda mais visível.

A presença de AI Overviews cresceu ao longo de 2025, saindo de cerca de 6% das buscas em janeiro para picos acima de 20% no mesmo ano.
Fonte: Semrush

Em paralelo, a Seer Interactive mostrou que queries com AI Overviews registraram queda de até 61% no CTR orgânico.

O que esses números reforçam não é só pressão sobre SEO. Eles mostram uma mudança na função da busca.

A SERP deixa de ser um catálogo de links e passa a funcionar como uma camada de resposta. O usuário pergunta, o sistema organiza, resume e entrega um primeiro nível de entendimento antes de qualquer clique.

Isso muda duas coisas

• A primeira é operacional: estar bem posicionado continua importante, mas já não basta. Em várias consultas, a maior visibilidade está no bloco de resposta e nas fontes que ajudam a construir essa síntese.

• A segunda é estratégica: se a busca está organizando conhecimento distribuído na web, a construção de autoridade não pode acontecer só dentro do Google. Marcas que aparecem, são mencionadas e são lembradas em diferentes contextos tendem a acumular mais sinais.

Na prática, isso conecta tudo.

Conteúdo, social, marca e reputação passam a influenciar mais diretamente o desempenho de busca.

Social media influencia mais do que distribui

Esse é um dos pontos em que muitos times ainda erram na leitura.

A maioria dos sites recebe apenas uma pequena fração do seu tráfego total a partir de social.

Se esse dado for lido isoladamente, a conclusão costuma ser: “social não funciona”. Mas o problema não está no canal. Está na expectativa.

As redes não são, na maioria dos casos, bons canais de distribuição de link. Elas funcionam muito mais como ponto de contato recorrente.

O usuário:

• vê um conteúdo

• aprende algo

• passa a reconhecer a marca

E segue.

O efeito aparece depois:

• em uma busca no Google

• em um acesso direto

• em uma conversão assistida

Na prática, social cumpre um papel claro na jornada.

Ele constrói demanda que outros canais vão capturar.

E é aqui que a separação entre times começa a custar caro.

Um olha alcance, outro olha clique, outro olha conversão, mas o usuário só está passando por etapas diferentes do mesmo processo.

Leia também: Personas sintéticas: o que são, como criar e como utilizar em suas estratégias de marketing

Tráfego direto é um efeito do sistema, não uma sobra

Outro comportamento que tenho notado em alguns sites é o crescimento mês a mês de tráfego através da origem "direct traffic".

Muita gente ainda trata tráfego direto como mais uma fonte. Mas se a fonte cresce mês a mês, é necessário entender o que pode estar influenciando esse crescimento.

Mas, olhando o todo, ele indica algo mais relevante: a marca está sendo lembrada.

O usuário:

• digita a URL

• busca pelo nome

• volta por hábito

Isso não acontece por acaso.

Na prática, é resultado da soma de vários pontos de contato.

• social gera reconhecimento

• conteúdo aprofunda

• SEO captura intenção

• e-mail mantém relação

Quando isso funciona, o usuário deixa de depender só de intermediário.

Email continua sendo um ativo proprietário central

Em paralelo a toda essa fragmentação, existe algo que não mudou tanto: a importância de canais próprios.

O e-mail marketing segue como um dos canais mais eficientes, com estimativas de retorno de até US$ 36 para cada US$ 1 investido.
Fonte: Litmus

Mais do que o número, importa o papel.

É um canal onde você controla a comunicação.

Na prática, ele cumpre uma função simples.

• Alguns canais geram a atenção e podem capturar o lead ou gerar a primeira compra.
  O e-mail transforma isso em relacionamento e novas vendas.

Sem isso, a operação fica dependente demais de plataformas.

Você continua gerando demanda, mas não acumula ativo.

A atenção está dentro de apps e ambientes fechados

O relatório da DataReportal reforça um movimento claro: a maior parte do tempo digital acontece em aplicativos.
Fonte: DataReportal

O usuário não navega como antes.

Ele entra direto em plataformas específicas.

• TikTok

• YouTube

• Instagram

Cada uma com sua lógica.

Na prática, isso muda o que significa “estar presente”.

Não basta ter um bom site.

Você precisa estar onde a descoberta acontece.

Produzir mais conteúdo não resolve

90,63% das páginas não recebem tráfego orgânico.
Fonte: Ahrefs

A maior parte do conteúdo simplesmente não performa.

E isso acontece por motivos previsíveis:

• falta de demanda

• pouca diferenciação

• desalinhamento com intenção

• ausência de distribuição

Em um cenário mais fragmentado, a resposta errada costuma ser produzir mais.

Mais posts. Mais artigos. Mais vídeos.

Na maioria dos casos, isso só aumenta volume sem impacto.

O que tende a funcionar melhor é coordenação.

Menos peças isoladas e mais ativos que se desdobram, se conectam e podem ser aproveitados em múltiplos canais.

Dúvidas Frequentes

Social orgânico deve ser medido por tráfego?

Depende do que você quer entender, mas só medir tráfego costuma levar a conclusões erradas.

Se o social está cumprindo seu papel de construir demanda e gerar reconhecimento de marca, o efeito tende a aparecer em outros pontos: crescimento de busca de marca, aumento de tráfego direto, melhor taxa de abertura de e-mail, menor custo por lead. Nenhum desses indicadores é atribuído diretamente ao social no analytics convencional.

Isso não significa que tráfego não importa. Significa que ele é uma métrica parcial para um canal que opera, principalmente, em etapas anteriores da decisão.

Na prática, faz mais sentido medir social por alcance qualificado, crescimento de audiência própria e efeitos indiretos sobre outros canais do que usar clique como indicador principal de resultado.

O site perdeu relevância com a ascensão das plataformas?

Não perdeu. Mas o papel dele mudou dentro da jornada.

Durante muito tempo, o site era o centro de tudo. Era onde o tráfego chegava, onde o conteúdo estava e onde a conversão acontecia. Tudo girava em torno dele.

Hoje, ele continua sendo um ativo importante e em muitos casos central, pois é ali que a conversão acontece. Mas já não é o único ponto de contato nem o início obrigatório da jornada.

O usuário pode descobrir sua marca no TikTok, validar no Reclame Aqui, aprofundar no YouTube e só então chegar ao seu site para converter. Ou pode nunca chegar ao site e converter via WhatsApp, marketplace ou direto numa plataforma de terceiros.

Qual é o maior erro hoje em equipes de marketing?

Trabalhar os canais de forma isolada.

Não por falta de competência em cada área. Em geral, os times sabem o que fazem. O problema é que, quando cada frente tem seus próprios objetivos, métricas e ritmo, a operação otimiza partes sem nunca otimizar o todo.

O responsável por SEO foca em posição e clique. O responsável por social foca em alcance e engajamento. O responsável por CRM foca em conversão na base. Nenhum deles está errado. Mas, enquanto cada um olha para o seu pedaço, o usuário está transitando entre todos eles sem que ninguém acompanhe essa jornada completa.

O resultado prático costuma ser desperdício: conteúdo que não alimenta social, social que não alimenta base, base que não retroalimenta pauta de conteúdo. Cada canal funciona como se fosse o único.

Quando isso muda, ou seja, quando há coordenação de mensagem de audiência e de objetivo entre as frentes, tudo começa a funcionar como sistema. E é aí que o resultado começa a ser consistente.

Conclusão

Os dados não mostram o apocalipse orgânico. Na verdade, mostram o fim de uma forma mais simples de operar.

SEO, social, conteúdo e e-mail continuam extremamente relevantes. Porém, a lógica está mudando.

A jornada mistura tudo:

• descoberta

• validação

• decisão

E isso acontece em lugares diferentes.

Quando os canais não conversam, você perde eficiência.

Quando eles se conectam, você ganha consistência.

E esse tem sido o grande de desafio das empresas nesse momento de mudança.

Produzem conteúdo em escala, montam automações complexas e acompanham dashboards cheios de métricas. Mas, paradoxalmente, estão cada vez piores em entender quem está do outro lado da tela.

Parte disso vem de uma inversão perigosa que a IA trouxe para o marketing: muita gente começou a usar a tecnologia para gerar respostas antes de usá-la para estruturar entendimento.

O resultado é uma internet mais pasteurizada, com conteúdos parecidos, argumentos reciclados e pouca profundidade e personalização baseada no comportamento do cliente.

Se você quer sair desse ciclo, a resposta não é produzir mais. É entender melhor.

E é aqui que entram as personas sintéticas.

Neste artigo, vamos aprofundar o que elas são, de onde vem essa lógica, como construir esse tipo de sistema com base em evidência e por que isso pode melhorar a capacidade de tomar decisões de marketing.

Resumo do que você vai ver por aqui

• A evolução da IA no marketing aumentou a capacidade de produção, mas não necessariamente melhorou o entendimento sobre o cliente.

• Parte dos times passou a usar a tecnologia para gerar respostas antes de estruturar contexto, o que contribui para conteúdos mais genéricos, pouco personalizados e com baixa aderência à realidade do cliente.

• O uso tradicional de personas no marketing tende a descrever perfis, mas não necessariamente ajuda na tomada de decisão no dia a dia.

• Personas sintéticas surgem como uma forma de simular comportamento com base em contexto, permitindo testar argumentos, estruturas e abordagens antes da execução.

• A qualidade dessa simulação depende diretamente da base utilizada, especialmente de dados reais de interação com clientes, como reuniões, propostas, objeções e decisões tomadas ao longo da operação.

• A construção desse tipo de persona passa por organização de dados, estruturação de contexto e calibração com base na experiência prática, evitando respostas genéricas ou desconectadas da realidade.

• Esse tipo de abordagem pode ser aplicado em diferentes frentes do marketing, como SEO, conteúdo e conversão, ajudando a reduzir desalinhamento, antecipar objeções e melhorar a qualidade das decisões antes da implementação.

• Apesar disso, personas sintéticas não substituem validação real, tendem a refletir os limites dos dados utilizados e não reproduzem completamente a complexidade do comportamento humano.

• O uso mais consistente não está em tratar como verdade absoluta, mas como um ambiente de teste para reduzir incerteza e melhorar o ponto de partida das decisões.

O que são personas sintéticas?

Antes de falar de personas sintéticas, vale lembrar que o conceito de persona em si não surgiu com IA.

Ele ficou conhecido no contexto de design e software com o trabalho do Alan Cooper, que descreveu como começou a usar personas para projetar produtos a partir do usuário real, e não da opinião do time interno.

O problema é como isso foi operacionalizado no marketing.

Na prática, a persona virou um artefato estático. Um slide, um PDF ou uma página de brand book com algo como: “Priscila, 35 anos, gerente de marketing, quer provar ROI”.

Isso descreve. Mas não ajuda a decidir.

Quando chega a hora de escrever uma landing page, criar uma pauta, priorizar um tópico ou reposicionar uma oferta, o time continua no mesmo lugar: tentando adivinhar como aquele cliente reagiria.

É aqui que as personas sintéticas entram. Elas não são apenas uma representação do cliente e sim uma simulação mais ativa dele.

Em vez de um documento parado, você passa a ter um agente configurado com contexto, memória, objetivos, restrições e repertório suficiente para reagir a estímulos de forma coerente com um perfil real.

Na prática, isso significa sair de: “acho que esse conteúdo faz sentido para a persona” para: “testei esse argumento, essa estrutura e essa objeção contra um modelo baseado no comportamento esperado dessa persona”.

O paper “Generative Agents: Interactive Simulacra of Human Behavior”, publicado por pesquisadores de Stanford, mostrou que agentes com memória, contexto e objetivos conseguem simular comportamentos humanos de forma estruturada o suficiente para tarefas de interação e tomada de decisão.

Claro: isso não significa que a IA virou um ser humano.

Significa outra coisa, bem mais útil para marketing: se você alimenta o sistema com bom contexto, ele consegue reagir de forma útil o suficiente para testar hipóteses antes de colocá-las no mundo real.

Mas existe uma lógica que vale para tudo que envolve IA: se você alimenta o modelo com lixo, a resposta será lixo.

O erro mais comum: usar IA para inventar cliente

Esse é o ponto onde a maioria das pessoas erra.

Muita gente tenta criar uma persona sintética a partir de um prompt sem nenhuma base de dados, como: “aja como um head de marketing com as características x, y, z” ou “aja como uma consumidora de e-commerce da classe média que gosta de a, b, c”.

Isso quase sempre gera um estereótipo.

E esse estereótipo pode até ajudar em algumas situações, mas dificilmente consegue simular questões relacionadas ao seu cliente de verdade, porque não tem dados para isso.

Se você quer usar personas sintéticas de forma séria, não está criando um personagem. Está montando um sistema de decisão baseado em comportamento real.

A pergunta não é: “como eu faço a IA parecer inteligente?”.

A pergunta é: “como eu faço a IA reagir com base no que meus clientes efetivamente fazem, falam, priorizam e rejeitam?”.

Como criar personas sintéticas com base em dados reais?

Você não constrói uma boa persona sintética com criatividade. Você constrói com evidência operacional.

O caminho mais útil, na prática, passa por três blocos.

1️⃣ Reunir dados reais

Antes de abrir qualquer LLM, você precisa organizar o material que já tem sobre quem é, como pensa e como age o seu cliente.

Isso inclui:

• transcrições de calls de vendas

• objeções recorrentes

• tickets de suporte

• termos do Search Console

• jornadas de navegação

• dúvidas comerciais

• páginas com alta retenção ou alta saída

• conversas reais com clientes

• perfil demográfico do cliente comprador

• contexto político e operacional do mercado em que você atua

Esse último ponto importa mais do que parece.

A IA não sabe, sozinha, que o seu cliente está sendo pressionado pela diretoria, que já foi frustrado por uma agência anterior, que opera com time enxuto ou que precisa defender orçamento a cada trimestre.

Se esse contexto não entra, o modelo reage de forma limpa demais. E a vida real não é limpa.

Um caminho que funciona bem na prática é usar o histórico de relacionamento com clientes que você considera referência.

Propostas que foram aprovadas. Reuniões comerciais. Alinhamentos de projeto. Tarefas que eles priorizaram e o resultado do que foi executado.

• O que esse tipo de cliente aceita sem questionar?

• O que ele questiona antes de aprovar?

• Onde ele trava?

• O que ele pede para ajustar?

Você organiza esse material, sobe como contexto, pede para o modelo identificar padrões. Ajusta onde não faz sentido e vai chegando numa persona que reage de forma próxima ao comportamento real.

O ponto é que isso não é um documento que você cria uma vez. É algo que você vai calibrando conforme acumula mais informação.

2️⃣ Estruturar o contexto da persona

Aqui, o erro clássico é focar demais em demografia e pouco em comportamento.

O que mais importa não é idade, cidade ou cargo isoladamente. O que importa é:

• como essa pessoa decide

• o que ela teme

• o que ela precisa provar

• o que ela já tentou

• onde ela desconfia

• o que ela considera complexo demais

• o que ela precisa resolver agora

Um exemplo mais útil seria algo assim: “Você é uma gerente de marketing B2B com pressão direta por receita. Você não domina a execução técnica de SEO, mas responde pelos resultados. Já trabalhou com parceiros que prometeram demais e entregaram pouco. Tem pouco tempo, baixa tolerância a discurso genérico e tende a rejeitar conteúdos que não deixam claro o impacto em negócio.”

Isso é muito mais útil do que uma persona “bonita”.

3️⃣ Calibrar antes de confiar

Depois de montar a persona, você precisa testar.

Faça perguntas cuja resposta você já conhece pela experiência prática.

Se a persona começar a responder como especialista técnico quando deveria responder como gestora pressionada por resultado, o modelo está errado.

Se ela valorizar detalhe operacional demais quando, na vida real, priorizaria previsibilidade e impacto em receita, o modelo está errado.

Persona sintética útil não é a que parece sofisticada. É a que reage de forma plausível.

E para chegar nisso, você precisa ter alguma vivência com o cliente que está tentando replicar. Sem isso, você continuará muito mais no achismo.

Onde isso gera valor de verdade

O maior erro ao discutir com personas sintéticas é tratá-las como curiosidade de IA.

Elas são interessantes porque ajudam a reduzir erro antes da publicação, antes da campanha e principalmente, ajudam a personalizar o seu conteúdo de acordo com o contexto da sua persona.

E isso tem impacto direto em eficiência.

SEO: entender a busca como processo mental

Ferramentas tradicionais de keyword research mostram volume, concorrência e variações de termo.

Mas elas não mostram, com profundidade, o que está acontecendo na cabeça da pessoa quando aquela busca acontece.

É aqui que a persona sintética começa a fazer diferença.

Você pode simular contexto: “Seu tráfego orgânico caiu 30% no mês e a diretoria está cobrando explicações. O que você pesquisaria agora?” ou “Você precisa justificar investimento em conteúdo para o próximo trimestre. Que tipo de dúvida você teria antes de aprovar esse orçamento?”

Isso ajuda a revelar formulações reais de problema, hesitações, perguntas adjacentes e critérios de decisão.

Em um ambiente cada vez mais influenciado por AI Search e AI Overviews, isso fica ainda mais importante.

O artigo “Personas Are Critical for AI Search”, do Growth Memo, reforça esse ponto: entender a persona é central para entender como a pergunta será formulada, como a necessidade será expressa e que tipo de resposta terá mais chance de ser consumida e citada por sistemas de busca baseados em IA.

Em outras palavras: não basta mais mapear keyword. Você precisa mapear contexto, formulação e expectativa de resposta.

Leia também: Criação de conteúdo para páginas de produto em e-commerce: como usar IA no processo?

Conteúdo: reduzir desalinhamento antes de publicar

Muito conteúdo não performa não porque o tema está errado, mas porque foi construído num nível de profundidade diferente do que o cliente esperava.

• Ou está genérico demais.

• Ou técnico demais.

• Ou longo demais antes de gerar qualquer relevância.

E isso pode ser testado antes de publicar.

Você pode pegar um rascunho e perguntar para a persona sintética: “o que você acha desse conteúdo?”, “em que trecho você perderia o interesse?” ou “quais outras dúvidas você teria sobre esse tópico?”.

Esse tipo de uso conversa diretamente com o que o Nielsen Norman Group já mostrou há muito tempo sobre comportamento de leitura na web: as pessoas não leem de forma linear e paciente; elas escaneiam, filtram e decidem muito rápido se continuam ou saem.

Isso vale para artigo (blog), landing page, roteiro de vídeo, copy de anúncio e descrição de produto.

Conversão: antecipar objeção antes que ela apareça

Aqui está um dos usos mais interessantes.

Antes de publicar uma página de serviço ou produto, você pode pedir para a persona reagir como alguém que está quase comprando, mas ainda não está convencido.

Por exemplo:

• o que nessa página parece exagero?

• o que está mal explicado?

• o que te gera desconfiança?

• o que faltou para você sentir segurança?

• que tipo de dúvidas você teria?

Esse processo não substitui validação com cliente real, mas melhora muito a primeira versão do argumento e acelera o caminho para o que funciona.

Como falei antes, não dá para tratar a persona sintética como verdade absoluta. Ela ajuda a simular comportamento, mas não vai acertar 100%.

Leia também: Como cobrir a jornada de compra no e-commerce com SEO?

Onde as personas sintéticas falham?

É importante manter os pés no chão.

Personas sintéticas não são uma leitura mágica do seu cliente. Elas têm limites claros.

Elas herdam os problemas dos dados

Se você alimenta o sistema com base ruim, o sistema vai produzir resposta ruim com alta confiança.

Esse ponto conversa com a crítica feita no paper “On the Dangers of Stochastic Parrots”, que alerta para o fato de modelos de linguagem reproduzirem padrões dos dados em que operam, sem necessariamente compreender o mundo como nós compreendemos.

No contexto de marketing: se o seu CRM está enviesado, se suas entrevistas são rasas ou se você só está ouvindo uma parte da base, a persona sintética vai amplificar esse problema.

A boa notícia é que ela é algo que você vai melhorando com o tempo. Conforme você adiciona mais material, o modelo vai ficando mais próximo do comportamento real.

Elas não têm risco real

A IA não sofre consequência.

Ela não sente medo de perder o emprego, de errar uma campanha ou de ter orçamento cortado em uma reunião difícil.

Ela pode simular esse contexto. Mas simular não é viver.

Isso significa que, para decisões mais sensíveis, ela funciona como apoio, não como substituto.

Elas tendem a organizar demais a realidade

A vida real é contraditória, apressada e muitas vezes irracional.

• Clientes compram sem comparar tudo.

• Ignoram informação importante.

• Desistem por detalhe bobo.

• Mudam de prioridade no meio do caminho.

A IA tende a responder de forma mais coerente do que muita gente age na prática.

Por isso, o melhor uso não é como verdade absoluta. É como se fosse um teste constante com o objetivo de reduzir cada vez mais as incertezas.

Dúvidas frequentes

Preciso de uma base de dados gigante ou de um time técnico para criar uma persona sintética?

Não. O erro é achar que você precisa de uma estrutura complexa de dados para começar.

Você precisa de evidência operacional. Se você pegar as últimas cinco propostas que bons clientes aprovaram, as transcrições das reuniões comerciais que fecharam negócio e os principais tickets de suporte, você já tem material suficiente para uma primeira versão.

O valor não está no volume absurdo de dados, mas em subir um contexto real de como o seu cliente decide e seu comportamento de objeções.

Por que eu não posso simplesmente pedir para a IA “agir como um gerente de marketing de e-commerce”?

Porque isso gera um estereótipo, não o seu cliente.

Se você usa um prompt genérico, a IA vai te dar uma resposta baseada na média da internet. Ela não sabe que o seu cliente específico acabou de ter o orçamento cortado, que ele tem pouca tolerância a determinada coisa ou que ele precisa aprovar tudo com um CEO técnico. Sem os seus dados reais, você está apenas usando a IA para inventar um personagem, e não para estruturar um sistema de decisão.

Com que frequência eu preciso atualizar ou refazer essa persona?

A persona sintética não é um PDF ou um slide que você faz uma vez no ano e guarda na gaveta. Ela é um organismo vivo.

O ideal é iterar sempre que você tiver novos sinais do mercado. Fechou com um cliente que trouxe uma objeção nova? Adicione no contexto. O mercado mudou e a prioridade dos clientes agora é outra? Suba essa informação.

Você volta no modelo, adiciona os novos arquivos e calibra a persona para que ela continue reagindo de forma plausível.

Conclusão

O ponto central não é que personas sintéticas permitem produzir mais rápido.

O ponto central é que elas ajudam a errar menos.

Elas funcionam como um laboratório de hipótese para SEO, conteúdo, produto e conversão. Ajudam você a testar ângulo, objeção, profundidade, clareza e aderência antes de investir tempo e distribuição.

Mas o grande valor está na qualidade dos entendimento (os dados) que você coloca nela.

Quem usa IA para terceirizar pensamento tende a gerar conteúdo genérico em escala.

Quem usa IA para aprofundar entendimento tende a ganhar precisão.

E, em um cenário onde busca, conteúdo e descoberta estão cada vez mais mediados por sistemas de IA, precisão e personalização valem mais do que volume.

Se o seu marketing está ficando parecido com o de todo mundo, o problema provavelmente não está no canal.

Está na superficialidade com que você está entendendo quem está do outro lado.

Ele pesquisa termos associados à necessidade dele, pesquisa lojas e marketplaces, navega entre categorias, compara alternativas e, agora, pode usar IA para ajudar na resolução de objeções (frete, tamanho, garantia, qual é o melhor produto para a necessidade específica dele) em todas as etapas.

Se o seu e-commerce não aparece em nenhuma dessas buscas, você está terceirizando a decisão de compra para concorrentes, marketplaces, sites de conteúdo e IAs.

Neste conteúdo, vamos abordar algumas possibilidades de como o SEO pode atuar em diferentes etapas da jornada de compra, tanto buscadores tradicionais quanto experiências com IA.

Resumo do que você vai ver por aqui

• A jornada pré-compra virou um conjunto de idas e vindas entre descoberta, avaliação, comparação e remoção de objeções e a IA entrou no meio encurtando caminhos e reduzindo cliques.

• Quando seu e-commerce não aparece nesses momentos, você entrega a decisão para concorrentes, marketplaces, sites de conteúdo e IAs que não usam seus dados.

• O Google continua dominante no Brasil, mas o cenário já mudou: AI Overviews aparecem em média em 16% das buscas (com picos de 25%, segundo Semrush 2025), e isso altera como o usuário decide sem necessariamente visitar vários sites.

• A mesma intenção de compra agora acontece em buscadores tradicionais e em experiências conversacionais (ChatGPT, Perplexity, Bing Copilot), com impacto direto na forma como o cliente compara e tira dúvidas.

• O topo do funil (categoria) depende de arquitetura e clareza: taxonomia bem feita, links internos e breadcrumbs para o Google entender suas páginas, conteúdo útil na categoria e controle de filtros/facetas para evitar duplicação em escala.

• A consideração (produto) depende de dados e completude: PDP forte, dados estruturados (Product/Offer/Review) e avaliações reais. No cenário de IA, Merchant Center e feed consistente passam a ser obrigatórios porque o Shopping Graph alimenta carrosséis e respostas.

• A redução de risco (objeções) precisa ser resolvida dentro do seu domínio e também fora dele: políticas e FAQs indexáveis em HTML acessível, conteúdo de pré-objeção em PDP/blog e reputação ativa em fontes externas que viram insumo para respostas de IA.

• O modelo mental deixa de ser só SEO para ranking e passa a incluir SEO + AEO/GEO: ranquear continua importante, mas ser fonte citada e recomendada (com dados consistentes e conteúdo estruturado) passa a ser parte importantíssima na estratégia.

A busca mudou e a jornada de compra também

Estamos passando por mudanças relevantes na forma como buscamos produtos e informações.

Não apenas pela IA, mas também pela quantidade de estímulos e opções disponíveis durante a busca.

Até pouco tempo, era possível ter uma jornada mais previsível:

o cliente buscava no Google > via uma lista de links > clicava nos que pareciam mais relevantes > repetia o ciclo até tomar a decisão.

Hoje, existe uma camada de inteligência artificial entre o seu site e o cliente que resume e indica informações que podem ser páginas, vídeos, conteúdos de rede social, entre outros formatos.

Leia também: Por onde começar sua estratégia de SEO para e-commerce e como agir em diferentes cenários?

Google AI Overviews

O Google exibe respostas geradas por IA no topo e no meio (nos snippets People also ask) de muitas buscas.

Segundo dados do Semrush, que analisou cerca de 10 milhões de palavras entre janeiro e novembro de 2025, as AI Overviews aparecem em média em 16% das buscas, podendo atingir 25% em períodos de pico.

ChatGPT, Perplexity, Gemini, Bing Copilot, etc.

Consumidores estão usando chatbots de IA para pesquisar produtos, comparar alternativas e tirar dúvidas de forma conversacional.

O ChatGPT já integra busca web e pode auxiliar na compra dentro do próprio chat. O Perplexity vai além, com “Buy with Pro” e citações de fontes com links.

Essas plataformas passam a capturar uma parte da jornada de compra que antes pertencia quase totalmente ao Google.

Apesar disso, de acordo com a pesquisa E-commerce Trends 2026, o Google continua sendo a principal fonte de pesquisa para produtos.

Segundo a pesquisa, o Google foi mencionado em 59% dos casos, enquanto o ChatGPT apareceu em 7%, o que indica que, no Brasil, esse comportamento ainda não é dominante.

Na prática, para um e-commerce, essas fases se traduzem em alguns tipos de busca. E cada um deles exige tanto estratégias de SEO clássico quanto otimização para o cenário de IA.

Possibilidade de busca 1: “O que existe dentro da categoria que estou buscando?”

O que o cliente normalmente busca aqui? Termos amplos e exploratórios. Ele ainda não decidiu o produto ou modelo específico, mas já sabe a categoria e está entendendo o mercado.

Possíveis exemplos de buscas:

• “tênis para corrida”

• “cadeira ergonômica escritório”

• “ar-condicionado split 12000 btus”

O que o SEO faz aqui?

Garante que suas páginas de categoria e subcategoria apareçam para essas buscas. Isso exige:

• Arquitetura de site bem organizada, com categorias, subcategorias e breadcrumbs que ajudem os crawlers e o usuário a entender a taxonomia. Links internos claros e hierarquia lógica são fundamentais para que os crawlers descubram e entendam suas páginas.

• Conteúdo útil na página de categoria, não apenas uma grade de produtos. Um texto introdutório que ajude na escolha (critérios, diferenças entre tipos, para quem serve cada linha) transforma a categoria de uma vitrine em uma página que apoia a decisão.

• Controle inteligente de filtros, criando páginas indexáveis apenas para combinações com demanda real de busca, evitando geração de páginas duplicadas ou de baixa qualidade.

O que muda com a IA?

Quando alguém busca “melhor tipo de colchão para dor na coluna”, o Google AI Overview pode gerar uma resposta completa com tipos, características e até links para produtos sem que o usuário precise acessar uma página de categoria.

Para não perder essa visibilidade:

• Crie conteúdo com profundidade e um ângulo editorial claro, que a IA considere relevante para citar como fonte. Não pense apenas em páginas de categoria, o blog pode cumprir um papel importante aqui.

• Garanta que o conteúdo esteja acessível em HTML limpo, sem depender excessivamente de JavaScript para renderização. Tanto crawlers quanto modelos de IA precisam ler esse conteúdo com facilidade.

• Invista em marca: dados do Messy Middle do Google mostram que familiaridade com a marca influencia a preferência. Em AI Overviews, marcas mais reconhecidas tendem a ser mais citadas.

Por que isso importa para o gestor?

Se sua categoria não aparece no Google, nem nos resultados tradicionais, nem como fonte em AI Overviews, o primeiro contato do cliente será com um concorrente ou marketplace.

Você perde o topo do funil.

Possibilidade de busca 2: “Esse produto me atende?”

O que o cliente normalmente busca aqui: termos mais específicos. Ele já tem um produto (ou poucos) em mente e quer validar detalhes.

Exemplos:

• “Nike Pegasus 40 masculino”

• “geladeira frost free 410l inox”

• “sofá retrátil de 3 lugares suede cinza”

Aqui, o cliente já tem noção do que quer, falta decidir onde, quando ou como comprar.

O que o SEO faz aqui?

Faz sua página de produto (PDP) ranquear e se destacar com informações completas. Isso exige:

• Conteúdo completo na PDP: descrição que responde dúvidas reais do comprador, especificações técnicas, variações (cor, tamanho, voltagem), imagens de qualidade e, quando possível, vídeo. Segundo o E-commerce Trends 2026, informações incompletas na PDP são uma das principais causas de desistência de compra no Brasil.

• Dados estruturados (Schema.org): marcação de Product, Offer (preço, disponibilidade), AggregateRating e Review. Isso habilita resultados enriquecidos na SERP, aumenta CTR e melhora a compreensão por buscadores e IAs.

• Avaliações reais de clientes na PDP, também estruturadas. Funcionam como prova social e impactam tanto clique quanto conversão.

Leia também: Criação de conteúdo para páginas de produto em e-commerce: como usar IA no processo?

O que muda com a IA?

AI Overviews para buscas de produto frequentemente puxam dados do Google Shopping Graph, um banco com bilhões de produtos atualizado em tempo real.

Preço, disponibilidade, avaliações e especificações aparecem diretamente na resposta da IA, muitas vezes com carrosséis clicáveis.

Nesse cenário:

• Google Merchant Center atualizado e feeds bem estruturados deixam de ser opcionais. Título, preço, estoque, imagens e identificadores como GTIN/EAN precisam estar corretos.

• Dados estruturados precisam estar consistentes com o feed. Divergências prejudicam elegibilidade.

• Reviews com volume e atualidade passam a ter mais peso nas respostas.

Por que isso importa para o gestor?

A decisão de clicar, ou até de comprar, acontece cada vez mais antes da visita ao site. Quem estrutura/organiza melhor os dados, aparece.

Possibilidade de busca 3: “Qual é a melhor opção para mim?”

O que o cliente normalmente busca: comparação e escolha.

Exemplos:

• “Pegasus 40 vs Ultraboost 23”

• “melhor cadeira ergonômica até 2000 reais”

• “top 5 aspiradores robô custo-benefício”

• “vale a pena comprar [produto]?”

O que o SEO faz aqui?

Cria conteúdos que ajudam na decisão: comparativos, guias e análises.

Isso exige:

• Critérios claros de comparação.

• Tabelas de prós e contras.

• Recomendação por perfil de uso.

• Conteúdo baseado em evidência (não só descrição).

• Alinhamento com as diretrizes de Product Reviews do Google, priorizando análise real, pontos fortes e fracos e comparação com alternativas relevantes.

• Linkagem entre conteúdos e PDPs, criando um ecossistema que mantém o usuário dentro do site.

O que muda com a IA?

Esse é um dos momentos mais impactados.

IAs respondem comparações com facilidade, muitas vezes sem necessidade de clique.

Para aumentar a chance de ser fonte:

• Conteúdo precisa ter estrutura clara, dados objetivos e linguagem direta.

• O conceito de GEO (Generative Engine Optimization) entra aqui: de acordo com pesquisas acadêmicas, conteúdos com dados, clareza e boa estrutura têm mais chance de serem usados por modelos generativos.

• Monitorar presença em AI Overviews passa a ser tão relevante quanto monitorar ranking.

Por que isso importa para o gestor?

Se o seu e-commerce não tem conteúdo de comparação, quem vai “educar” o cliente são blogs de terceiros, influenciadores, concorrentes ou a própria IA, usando fontes que você não controla.

Pior: em respostas de IA, a comparação pode ser feita sem que o usuário visite nenhum dos sites.

Possibilidade de busca 4: “Tem algo que me impeça de comprar?”

O que o cliente busca: validação final e redução de risco.

Exemplos:

• “[loja] é confiável?”

• “política de troca”

• “prazo de entrega”

• “compatível com [modelo]?”

• “como instalar”

• “como limpar”

O que o SEO faz aqui?

Garante que essas respostas estejam no seu domínio.

Isso exige:

• Políticas claras e indexáveis

• FAQ baseado em dúvidas reais

• Conteúdo de suporte

• Sinais de confiança (E-E-A-T)

O que muda com a IA?

Se você não responde, outras fontes respondem e a IA usa essas fontes.

Por isso:

• Conteúdo precisa ser acessível, estruturado e claro.

• Reputação externa (Reclame Aqui, Google, etc.) passa a influenciar diretamente as respostas.

• Conteúdo de pré-objeção dentro das PDPs ou blog ajuda a antecipar dúvidas.

Por que isso importa para o gestor?

Segundo a pesquisa E-commerce Trends 2026, políticas pouco claras e falta de informação estão entre os principais motivos de abandono de carrinho.

Então, se você tem essa informação, a disponibilize no site para o possível cliente possa consumir.

Caso contrário, a IA poderá usar outras fontes para responder.

O que muda quando sua estratégia cobre a jornada de compra inteira?

Quando suas páginas estão presentes em todos os 4 tipos de busca, você:

• Captura demanda que antes ia para outros canais, como blogs, marketplaces, concorrentes, redes sociais. Cada busca respondida no seu domínio é uma oportunidade a menos para a concorrência.

• Reduz o custo de aquisição, pois o tráfego orgânico que chega em diferentes momentos da jornada diminui a dependência de mídia paga para “resgatar” o cliente que já pesquisou em outro lugar.

• Tende a aumentar a taxa de conversão porque o cliente que encontra categoria, PDP, comparativo e FAQ no mesmo site constrói familiaridade e confiança com a marca antes de comprar. O Google chama isso de “mere exposure effect” na pesquisa do Messy Middle: a simples exposição repetida à marca em diferentes momentos da jornada aumenta a preferência por ela.

• Se posiciona como fonte para a IA. Isso se torna um ativo competitivo cada vez mais valioso. Enquanto concorrentes perdem tráfego para respostas automáticas, seu e-commerce é a fonte que a IA cita, recomenda e linka. Isso não substitui o tráfego orgânico direto mas garante que, mesmo quando o clique não acontece, sua marca está na resposta.

Dúvidas Frequentes

O que ajustar primeiro para ganhar visibilidade em IA?

Comece pelas PDPs: dados completos, schema bem implementado, reviews reais e Merchant Center consistente.

Como cobrir comparação sem ser genérico?

Criando conteúdo com função clara de decisão, com critérios objetivos, prós/contras e recomendação por uso.

Conclusão

SEO continua sendo o que garante presença nas buscas. AEO/GEO passa a ser o que garante presença nas respostas.

As duas coisas se complementam.

O SEO técnico continua sendo base, mas agora o conteúdo também precisa funcionar como insumo para modelos de linguagem.

No fim, quem aparece na busca participa da jornada e quem aparece na resposta participa da decisão.

A bolha do GEO, AIO, AEO e de todas as siglas que hoje circulam no mercado.
A bolha em que todo mundo parece estar obcecado por ser citado e ganhar visibilidade nas interfaces de IA.

Estar presente nesses espaços faz sentido.
Mas será que esse deve ser o foco principal para qualquer e-commerce?

Recentemente, conversando com um colega de mercado, soube que um grande CEO (alguém que admiro bastante) não fazia ideia de que era possível trabalhar páginas para que fossem utilizadas como fonte por IAs.

Isso acendeu um alerta de que nem todo mundo está vivendo essa bolha.

O que mais me chamou atenção foi que, assim que descobriu essa possibilidade, esse CEO redirecionou boa parte da estratégia para esse objetivo.

Mas, ao olhar para a estrutura de SEO da empresa, vi que havia uma queda muito mais forte do que os 30% de redução de CTR mencionados em um estudo da BrightEdge, que comentei em um post no LinkedIn.

E aí veio a pergunta: faz sentido colocar todos os esforços de SEO em ser citado nas IAs mesmo que existam outras questões que devam ser resolvidas?

Sim, precisamos acompanhar o avanço da IA nas buscas.

Mas, antes disso, precisamos olhar para o que realmente move o ponteiro do negócio.

E até hoje, não vi nenhum caso concreto de e-commerce que tenha gerado um crescimento expressivo de receita a partir de tráfego vindo de interfaces de IA.

É por isso que escrevi este conteúdo: para ajudar lojas em diferentes momentos de maturidade a estruturar uma operação de SEO que acompanhe as tendências, mas que, acima de tudo, priorize o que é mais importante para o estágio atual do negócio.

Resumo do que você vai ver por aqui

• O avanço das AI Overviews e de outras interfaces de IA já merece atenção, mas isso não significa que ganhar visibilidade nesses ambientes deva ser a prioridade número um para qualquer e-commerce.

• Hoje, pelo menos no contexto analisado, a maior parte das citações em IA ainda está concentrada em buscas informacionais, com baixa representatividade em páginas diretamente ligadas à venda.

  Isso significa que, para muitas lojas, existe um risco claro de inverter prioridades: tentar aparecer nas IAs antes de estruturar o que colabora diretamente com vendas.

• Mesmo com a evolução das buscas com IA, a SERP do Google continua sendo o ambiente com maior clareza de oportunidade, comportamento e impacto para a maioria das operações.

Onde o e-commerce brasileiro está atualmente?

De acordo com a ABIACOM — Associação Brasileira de Inteligência Artificial e E-commerce, o setor continua avançando. Os números mostram isso com clareza.

Faturamento

O Brasil já conta com milhões de lojas virtuais, e isso se reflete nas expectativas de crescimento do setor.

A previsão para 2026 é ultrapassar R$ 259 bilhões, mais de R$ 20 bilhões acima de 2025.

Pedidos e compradores

Assim como no faturamento, a estimativa de pedidos segue em crescimento.

A expectativa é chegar a 460 milhões de pedidos, cerca de 20 milhões a mais do que no ano anterior.

Já quando olhamos para a estimativa de compradores, o movimento é um pouco diferente.

Aqui, o crescimento é bem mais tímido: pouco mais de 2,5 milhões de novos compradores em relação a 2025.

Esse contraste deixa um ponto importante mais evidente: o avanço de faturamento e pedidos não vem apenas da entrada de novos clientes, mas também da capacidade de extrair mais valor da base atual.

Quem já compra está comprando com mais frequência ou adquirindo produtos de maior valor.

Onde a IA está impactando nas buscas quando falamos de e-commerce?

De acordo com um estudo da Semrush sobre AI Overviews, 2025 foi um ano em que esse tipo de resposta passou a aparecer em um volume maior de buscas para além das consultas puramente informacionais.

Embora os dados sejam de uma base dos Estados Unidos, esse movimento começa, aos poucos, a aparecer também no Brasil.

Ainda assim, a maior parte das AI Overviews continua concentrada em palavras-chave de intenção informativa: 57,16% em outubro de 2025.

No segundo semestre de 2025, publiquei no LinkedIn uma análise sobre dois grandes players do setor de cosméticos: O Boticário e Natura.

O que encontrei foi o seguinte:

• Mais de 80% das citações aconteceram em buscas informacionais, com fontes vindas principalmente de páginas de blog e conteúdos educativos.

• Em alguns casos, páginas de produto e categoria também foram citadas, mas em contextos mais comerciais ou navegacionais, como buscas de marca ou dúvidas específicas sobre produtos.

• Nos dois casos, o tráfego estimado via AI Overviews foi baixo.

Ou seja, mais ou menos no mesmo período em que os dados da Semrush mostravam esse avanço nos Estados Unidos, o cenário brasileiro ainda mostrava uma concentração muito maior das AI Overviews em buscas informacionais do que em buscas transacionais.

Como integrar esse comportamento de busca com IA à estratégia de SEO?

Diante desse cenário, existem alguns caminhos possíveis, dependendo da realidade de cada loja:

• Dominar a busca por informações associadas ao universo da marca, trabalhando múltiplos tipos de páginas, incluindo conteúdos educativos, guias e blog.

• Dominar dúvidas comerciais específicas sobre produtos, com foco em PDPs e conteúdos de apoio.

• Explorar de forma mais profunda a arquitetura da loja, com atenção especial às PLPs.

• Trabalhar dados estruturados de produto, incluindo os schemas mais relevantes para produto, Merchant Center e SERP.

Diante desse cenário, existem alguns caminhos que podem ser aplicados de acordo com a realidade de sua loja:

1. Dominar a busca por informações associadas ao universo da marca: trabalhando múltiplos tipos de páginas, incluindo conteúdo educativo, guias e blog.

2. Dominar dúvidas comerciais específicas sobre produtos: trabalhando PDPs (páginas de produto) e conteúdos associados.

3. Explorando de maneira profunda a arquitetura da loja: trabalhando principalmente PLPs (páginas de categoria).

4. Explorando dados estruturados de produtos: trabalhando todos os schemas associados ao produto (veja recomendações para o Merchant Center e para as SERPs).

No fim, esses caminhos se organizam em dois grandes grupos: um mais voltado a conteúdo e outro mais voltado à camada técnica.

Nos dois casos, o objetivo deve ser o mesmo: ajudar o usuário a avançar na decisão de compra.

Quais são os riscos de queimar etapas e colocar IA na frente de tudo?

Mesmo com o crescimento do uso do ChatGPT em diferentes contextos, o Google ainda é amplamente dominante no cenário de buscas.

Isso significa que, quando falamos de oportunidade, comportamento e mensuração, ainda temos muito mais clareza de dados no Google.

Talvez você esteja pensando: “Mas hoje já não dá para aparecer em ChatGPT, Perplexity, Gemini e outras interfaces?”

Sim, dá. Mas o ponto aqui é outro.

Se esse passa a ser o foco principal cedo demais, a tendência é operar com menos clareza do que operar a partir do Google e, como consequência, ampliar presença também nas outras interfaces.

Quando falamos de e-commerce, falamos de vendas que se concretizam dentro de uma loja virtual.

Ou seja, falamos de tráfego qualificado com potencial de conversão.

É por isso que gosto de priorizar o Google e, depois, expandir a leitura para outras interfaces de IA.

Até hoje, não vi nenhum case concreto em que essas interfaces tenham tido grande representatividade nas vendas de um e-commerce.

Além disso, a página de resultados do Google já é completamente diferente do que era há poucos anos.

Segundo a Semrush, nas SERPs em que há AI Overviews, diferentes formatos podem aparecer ao mesmo tempo, como:

• Links orgânicos

• People Also Ask

• Pesquisas relacionadas

• Carrossel de vídeos

• Carrossel de imagens

• Entre outros…

Ou seja, só de focar no Google, a estratégia já pode (e talvez deva) ser extremamente multimodal.

O problema começa quando isso vira uma corrida por citação a qualquer custo, deixando para trás o resultado final que realmente importa.

E prédio sem sustentação cai.

Na minha visão, existem algumas etapas que precisam estar minimamente resolvidas antes de colocar força total nesse foco maior em IA:

• Definir os objetivos financeiros da loja e entender exatamente como o SEO contribui para atingi-los.

• Mapear o papel de cada canal, considerando jornadas cada vez mais complexas e pontos de contato com funções diferentes.

• Conhecer profundamente o perfil de comprador, conversando com clientes, analisando padrões e fazendo pesquisas. Isso orienta SEO, mas também melhora toda a operação de marketing.

• Ter a base técnica sob controle, com atenção a rastreamento, indexação e Core Web Vitals. Quanto maior a loja, maior a chance de gargalos técnicos.

• Ter o fundo de funil otimizado com PLPs e PDPs bem estruturadas, orientadas ao comprador e conectadas à jornada de compra.

• Ter conteúdos informativos associados aos produtos, cobrindo dúvidas, usos e diferenciais que aproximem o usuário da conversão (como vimos, aqui no Brasil conteúdos de blog podem ser fonte de respostas de IA em vários casos).

• Ter uma estratégia robusta de topic clusters, começando pela curva A e cobrindo toda a jornada em torno dos temas mais relevantes para a marca.

• Planejar a distribuição desse conteúdo, considerando que a busca por informação está fragmentada e que distribuir ativos amplia o alcance para além do Google.

• Aplicar IA para otimizar processos internos, encurtando etapas e aumentando eficiência onde isso realmente faz sentido.

Quando uma dessas etapas é ignorada, a base fica frágil.

E, muitas vezes, acelerar demais a otimização para IA significa concentrar esforço no topo do funil, justamente onde a presença dessas interfaces costuma ser mais forte.

Só que, dependendo do momento do negócio, o fundo do funil ainda pode ter muito mais espaço e muito mais potencial de geração de receita em curto prazo.

Por onde começar a estratégia de SEO para e-commerce então?

Como comentei no início, a proposta aqui é mostrar alguns cenários e indicar como agir em cada um deles, sem pular etapas e respeitando o momento do negócio.

Ao longo dos anos, percebi que a maioria das lojas costuma se encaixar em três situações.

1️⃣ Cenário 1: uma loja sem atuação em SEO

Esse é um cenário comum em lojas com dependência em 1 ou poucos canais.

Ter baixa performance orgânica não significa que a loja não vende. Significa apenas que SEO ainda não foi tratado como um canal estratégico.

E está tudo bem.

Se o CAC está controlado, a operação se paga e o caixa está saudável, o negócio continua funcionando.

O que costuma acontecer nesse cenário?

• O tráfego orgânico representa uma fatia pequena da receita.

• Qualquer oscilação nos principais canais de conversão gera impacto relevante no caixa.

• As vendas orgânicas vêm, em grande parte, de buscas de marca ou de páginas que posicionaram bem sem um trabalho estruturado por trás.

Agora, com o hype da IA, de repente todo mundo quer aparecer nas IAs.

Lembra do prédio sem sustentação? Aqui está um bom exemplo disso.

Se a base ainda não está organizada, tentar pular direto para citações em IA significa lidar com um volume grande de estruturação técnica, textual e visual.

E a pergunta é simples: como a loja vai sustentar isso se ainda não construiu histórico de execução?

Nesse momento, o foco pode (e muitas vezes deve) estar no fundo do funil, nas páginas mais próximas da venda.

Assim, o canal começa a contribuir mais rapidamente para a receita e cria fôlego para avançar nas próximas etapas.

O que priorizar nesse cenário?

• Otimização das páginas de produto, começando pela curva A: descrições completas, imagens de qualidade, dados estruturados, elementos de confiança, dúvidas frequentes e tudo o que ajude o usuário a decidir.

• Organização da árvore de categorização: cada categoria e subcategoria precisa ter título claro, descrição otimizada e uma estrutura que facilite a decisão. Em alguns casos, também faz sentido criar PLPs adicionais para buscas mais segmentadas.

• Linkagem interna inteligente: PLPs bem conectadas reforçam a hierarquia do site e ajudam o usuário a navegar. Em PDPs, vale inserir links para produtos em destaque, itens mais buscados da categoria e conteúdos informativos relevantes.

• Base técnica sob controle: quanto maior a loja, maior o risco de gargalos técnicos. O Google Search Console ajuda a identificar e corrigir problemas que comprometem a indexação.

🔥 Ponto importante: parto do princípio de que você conhece profundamente o comprador do seu produto. Isso costuma ser muito mais valioso do que se apoiar apenas em dados de palavra-chave. Ferramentas são importantes, mas vêm depois da clareza sobre ICP.

Esse é o momento de pensar primeiro em receita.

Trabalhar fundo de funil não significa ignorar topo de funil.

Significa garantir que cada clique orgânico tenha mais chance de virar venda, especialmente quando o orçamento para SEO ainda é limitado ou instável.

2️⃣ Cenário 2: uma loja com algum conhecimento em SEO

Aqui já existe um avanço em relação ao cenário anterior.

SEO deixa de ser um território totalmente desconhecido.

A loja já fez alguns ajustes técnicos, trabalhou categorias e produtos, mesmo que ainda sem uma estratégia tão clara, e talvez já tenha alguns conteúdos informativos publicados.

O tráfego orgânico passa a ter um papel mais visível na receita, e a expectativa sobre o que ele pode entregar começa a ficar mais concreta.

Além disso, o time já acompanha métricas com mais consciência, entende o básico de funil e consegue avaliar melhor o impacto das ações.

O desafio, nesse ponto, é ganhar consistência e ampliar cobertura.

Na prática, isso significa trabalhar mais produtos, mais temas e construir presença em diferentes momentos da jornada.

O que priorizar nesse cenário?

• Ampliar a cobertura de produtos: se no cenário 1 o foco estava na curva A, aqui já faz sentido consolidar essa frente e avançar para curvas B e C, criando páginas otimizadas e bem estruturadas para mais categorias e subcategorias.

• Construir uma estratégia de conteúdo mais robusta: depois de cobrir bem o fundo do funil, faz sentido avançar para outras etapas da jornada. Isso inclui pensar no universo em torno dos produtos e categorias e estruturar clusters de conteúdo que cubram dúvidas iniciais, comparativos, avaliações e guias mais aprofundados.

• Analisar e priorizar com base em métricas: a vantagem desse estágio é já contar com histórico. Use isso para identificar páginas com potencial de expansão, temas com melhor resposta e gargalos que merecem correção.

• Integrar SEO com outros canais: aprendizados de tráfego pago, e-mail e redes sociais podem melhorar pauta, distribuição e priorização de conteúdo.

⚠️ Cuidado: nesse estágio, é comum querer acelerar demais e tentar cobrir toda a jornada de uma vez. O ponto de atenção é não perder de vista o resultado final, colaborar com vendas, nem a consistência das implementações.

3️⃣ Cenário 3: uma loja com atuação robusta em SEO

Aqui estamos falando de uma operação mais madura.

SEO já faz parte da estratégia de marketing, o orgânico tem peso relevante no negócio e existe um processo claro de otimização contínua.

As páginas de produto e categoria estão bem estruturadas, há clusters de conteúdo consolidados e a base técnica está sob controle.

O time conhece métricas com profundidade, acompanha tendências e tem histórico suficiente para tomar decisões com mais velocidade.

O desafio agora é consolidar liderança e explorar novas frentes para continuar à frente do mercado.

Nesse estágio, SEO deixa de atuar apenas como canal de aquisição e passa a ter um papel mais forte em marca, influência e presença omnicanal.

O que priorizar nesse cenário?

• Monitoramento de concorrência e tendências: acompanhar Google, AI Overviews e LLMs para entender onde a marca aparece, onde não aparece e onde há espaço para ganhar presença.

• Expansão de topical authority: criar ou reforçar hubs de conteúdo que aprofundem autoridade em temas estratégicos, cobrindo subtemas, nuances e formatos diferentes.

• Experimentação e inovação: testar novos formatos de conteúdo, eventos online, integrações com comunidades e outras ações que ampliem presença de marca e criem barreiras competitivas.

• Uso de IA para ganho de eficiência: em uma operação mais madura, já faz mais sentido automatizar partes do processo ou, no mínimo, encurtar o tempo de execução com apoio de IA.

Nesse estágio, a ideia já não é apenas seguir o que está funcionando no mercado. É criar um caminho próprio.

O papel do SEO aqui é sustentar relevância e construir referência nos mais variados formatos de busca, mesmo quando isso envolve testar movimentos sem garantia imediata de resultado, como por exemplo o foco em aumentar a citação em IAs.

Dúvidas frequentes

Meu e-commerce precisa focar em aparecer no ChatGPT e no Perplexity agora?

Depende muito do seu momento. Se a sua loja ainda tem problemas básicos de SEO (como indexação, páginas de produto mal otimizadas ou lentidão), o impacto de aparecer nessas ferramentas será muito menor do que resolver o básico no Google. A prioridade número um deve ser capturar a demanda que já está no Google, mais próxima da conversão.

As AI Overviews (respostas de IA do Google) vão acabar com o tráfego do meu e-commerce?

Até o momento, os dados mostram que as AI Overviews se concentram principalmente em buscas informacionais (topo de funil). Para buscas transacionais (quando o usuário quer comprar um produto específico), o Google continua exibindo, em muitos casos, a estrutura tradicional, com links de categorias, produtos e anúncios.

Qual é o maior erro que um e-commerce pode cometer hoje com SEO e IA?

Tratar a IA como um atalho mágico para gerar tráfego, sendo que até o momento ela não tem uma representatividade forte nisso (pelo menos até o momento não vi nenhum caso concreto). Tentar publicar centenas de textos gerados por IA sem estratégia, ou focar em aparecer no topo do funil só para ganhar citações, enquanto o fundo do funil (páginas de categoria e produto) continuam não otimizadas. Primeiro otimize o que pode trazer vendas e depois otimize o que pode trazer mais awareness.

Conclusão

Seja qual for o momento da sua loja, o ponto é simples: priorize o que tem mais potencial de mexer no ponteiro agora.

Não há nada de errado em querer aparecer nas IAs.

O erro é colocar isso na frente de coisas que giram o ponteiro agora. Sem a sustentação, o prédio terá dificuldade de manter-se de pé.

Só por esse dado, já dá para abrir uma conversa sobre a utilização de IA no processo de criação de conteúdo para páginas de produto (PDP) em e-commerces.

Como utilizar a IA de maneira que ela não entregue um conteúdo genérico?

Como fazer para que ela não invente atributos ou delire em algumas afirmações?

Dá, sim, para produzir conteúdo com IA de um jeito autêntico, útil e sem blablabla, mantendo atributos de marca e consistência.

Mas, até hoje, em todos os projetos que participei nesse sentido (e em outros casos que observei), uma característica sempre esteve presente quando dá certo: uma base de dados verificável que alimenta a IA.

Quando a IA tem uma base que guia não só as características do produto, mas também tom de voz e o template a ser utilizado, a entrega final tende a ficar muito mais alinhada do que simplesmente tentar resolver tudo com um “bom prompt”.

Neste conteúdo, apresentarei um racional em 7 etapas que tenho utilizado na Bridge SEO para tornar a criação de conteúdo de PDP mais escalável.

Mas vale lembrar: isso não é piloto automático. Ainda será necessária revisão e direcionamento estratégico.

Resumo do que você vai ver por aqui:

• IA pode (e deve) entrar no processo de criação de conteúdo para PDPs, mas só funciona bem quando está apoiada por uma boa base de dados e não necessariamente por um "bom prompt".

• Quando o e-commerce tenta gerar descrições em volume sem uma base organizada, duas coisas costumam acontecer: o texto vira commodity (genérico) e o tom varia demais entre páginas.

• Conteúdo genérico não ajuda o cliente a decidir e ajuda pouco na descoberta do produto nas SERPs e nas interfaces de IA, porque não diferencia, não responde dúvidas específicas e não sustenta performance.

• Para o Google, o ponto não é “quem escreveu” (humano ou IA). O ponto é utilidade. O problema é publicar em escala conteúdo de baixa qualidade, pouco útil ou feito só para escalar.

• Em PDP, “utilidade” geralmente significa agir como um bom vendedor: explicar com clareza o que é o produto, para quem serve, como usar, cuidados, compatibilidades, restrições e o que vem na caixa.

• Manter integridade de marca (tom, promessas, diferenciais e consistência) em escala depende de tratar conteúdo de produto como um sistema com etapas e governança.

• O racional proposto é um sistema de 7 etapas para tornar a produção de conteúdo de PDP escalável sem perder qualidade: dados do produto, persona/ICP, guia de voz, templates, organização/amarração, escrita com regras e monitoramento.

• Para quem está começando, o caminho é: escolher uma linha/categoria importante (curva A), organizar base de atributos + persona + template, e só então escalar com IA.

• O sucesso não é “o texto ficou bonito”: é melhora em conversão e performance orgânica.

Quando o uso de IA costuma dar errado em conteúdos de PDPs?

Quando um e-commerce começa a usar IA para gerar descrições em volume sem ter uma base de informações organizada, normalmente um (ou os dois) cenários abaixo aparece:

1 - O texto fica genérico

A IA escreve “bonitinho”, mas sem especificidade para quem vai comprar e/ou usar o produto.

Aquela combinação clássica de frases como “produto de alta qualidade”, “perfeito para o seu dia a dia”, “ideal para quem busca praticidade”.

Serve para praticamente qualquer SKU, de qualquer categoria.

E, justamente por isso, não ajuda o cliente a decidir e ajuda pouco também na descoberta desse produto nas SERPs e interfaces de IA.

Do lado dos mecanismos de busca (e das próprias respostas de IA), esse é o tipo de conteúdo que tende a cair no que o Google chama de “conteúdo produzido em escala sem utilidade real”.

Aquele conteúdo que existe, preenche o espaço mas não traz nada de diferente e que as vezes você tem a impressão que já viu em outro lugar.

2 - O tom varia demais entre páginas

Cada descrição parece ter sido escrita por uma “marca diferente”.

Um produto soa técnico e sóbrio. Já o outro vem com um tom mais empolgado, detalhando mais pontos que não foram detalhados no primeiro.

À primeira vista, isso pode até parecer detalhe. Mas pense em um caso de atualização de 1000 a 3000 produtos…

O que isso pode gerar:

• reduz consistência de marca;

• reduz percepção de confiança;

• tende a puxar conversão, tráfego e citações em IA para baixo em vez de ajudar.

Ou seja, quando a IA entra no processo sem dados, sem guia de voz e sem estrutura, ela não “resolve o conteúdo de PDP”. Ela só enche linguiça, preenchendo o espaço e o joga para frente.

Para o Google, não é sobre “quem escreveu”, e sim sobre utilidade

O Google já deixou claro que o problema não é usar a IA nos construção do conteúdo. O problema é publicar conteúdo de baixa qualidade, pouco útil ou feito só para escalar.

Dois pontos que valem como referência direta (com fonte oficial):

• Diretrizes de “conteúdo útil” (Helpful Content): a ideia central é produzir conteúdo focado em pessoas, que ajude de verdade. Então partindo da lógica que estamos em uma página de produto, o conteúdo deve ter o papel daquele bom vendedor, que entende tudo do produto e tem uma forte empatia com o cliente, sabendo como o produto pode o ajudar ou resolver alguma questão do cliente.

• Orientação sobre conteúdo gerado com automação/IA: o foco é na qualidade e na utilidade, não na ferramenta. Partindo da ideia que você, como dono ou gestor do e-commerce, seja detentor das informações de cadastro, tenha informações de clientes que já compraram aquela categoria de produto, você tem todas as informações que ajudariam uma IA na construção do conteúdo da página.

Na prática, para PDP, isso se traduz em duas exigências implícitas:

• Expertise do vendedor: características, uso, limpeza, cuidados, compatibilidades, restrições.

• Experiência do comprador: para quem é, em que contexto se usa, que objeções surgem, o que costuma gerar dúvida e devolução.

Como manter a integridade do conteúdo usando IA no processo de criação de conteúdo?

Manter tom, promessas, diferenciais e consistência em escala não depende de “usar a IA certa” ou “achar o prompt mágico”.

Depende de tratar o conteúdo de produto como um sistema, com etapas que precisam ser respeitadas.

E como falei no início desse conteúdo, vou compartilhar o racional de 7 etapas que utilizamos em projetos de e-commerce, independente do porte da operação.

Etapa 1: Base de dados com características dos produtos (dados verificáveis)

Essa é a base de tudo.

Se a IA não tem acesso a dados corretos e completos sobre o produto, ela tem uma tendência muito maior de delirar.

Inventar atributo de produto pode virar devolução, baixa taxa de conversão e perda de confiança.

O que essa base precisa conter (no mínimo):

• Atributos técnicos: material, composição, peso, dimensões, voltagem, capacidade e informações do tipo.

• Variações: cores, tamanhos, modelos disponíveis.

• Restrições e compatibilidade: “não compatível com…”, “requer…”, “não indicado para…”.

• Manutenção e cuidados: por exemplo, em louças, se é compatível com máquina lava-louças, que tipo de detergente pode ser utilizado etc. Isso muda de produto para produto e de categoria para categoria.

• Garantia: prazo, condições, o que cobre e o que não cobre.

• Certificações e selos: quando existem, podem ser diferencial.

• O que vem na caixa: reduz dúvida pré-compra e devolução pós-compra.

Etapa 2: Base de dados com personas/ICPs por produto (para não escrever “para todo mundo”)

Descrição genérica não convence ninguém.

A IA precisa saber não só as características, mas para quem está escrevendo, para gerar um texto que faça sentido na decisão de compra daquele perfil.

Não precisa ser um mapeamento complexo. Para cada grupo de produtos, registre:

• Quem compra: perfil do comprador principal (ex.: mãe comprando para filho, profissional comprando para uso diário, presente para terceiro, pessoa comprando para uso próprio).

• Por que compra: qual problema resolve ou qual desejo atende.

• O que compara (se possível): alternativas consideradas (concorrentes, substitutos, outras categorias).

• O que complica a compra: dúvidas e objeções comuns (e isso precisa ser atualizado ao longo do tempo).

• Como busca: termos e linguagem que esse perfil usa (dados do Search Console e do GA ajudam muito aqui).

Com esses dados, é possível montar uma persona sintética baseado em dados reais de compradores. Quando a IA recebe esses dados junto com os atributos do produto, o texto tem muito mais chance de falar com o comprador real.

Etapa 3: Guia de voz (por categoria, linha ou cluster do catálogo)

Organize o guia de voz de um jeito que faça sentido para o seu catálogo.

Um único e-commerce pode (e costuma) ter mais de um guia, porque as categorias podem ter públicos e linguagens muito diferentes.

Cada guia deve conter:

• Vocabulário permitido e proibido: listas objetivas com exemplos.

• Nível de formalidade: definido com exemplos (ex.: “direto, sem floreio, sem exclamações excessivas”).

• Pontos inegociáveis independentemente do produto (troca, postura, maneira de se referir ao cliente, termos que sempre aparecem, etc.).

• Como falar dos diferenciais: a forma padrão (por exemplo, sempre em bullets; ou sempre com “o que muda na prática”; etc.).

Aqui é basicamente onde teremos todo o “pode” e “não pode” que ajudará a IA na hora de escrever.

Etapa 4: Templates fixos de conteúdo de PDP (por categoria ou grupo)

Defina templates de PDP separados por categoria (ou outra categorização que funcione).

Se a loja tem categorias muito distintas, pode ser que a estrutura do conteúdo da PDP seja diferente.

Não existe um template único que sirva igual para artigos de cozinha e para camisetas, por exemplo.

Por isso, o template é parte do sistema.

O que não pode faltar no template (estrutura-base aplicável na maioria dos casos):

• Resumo (2–3 linhas): o que é o produto e para quem serve.

• Benefícios (bullets): benefícios para o público, não só características.

• Especificações: tabela ou bullets (com base nos dados técnicos).

• Compatibilidade, medidas, cuidados, contraindicações (quando aplicável).

• FAQ do produto: perguntas reais (tendo o snippet "pessoas também perguntam" ou scrapping de outros sites como fonte) ou próximas da realidade (que podem ser geradas de maneira sintéticas através da persona sintética).

O ponto é ter estrutura fixa para a IA preencherm, reduzindo assim a chance de delírio.

Etapa 5: Organização e amarração dos dados (SKU → tudo)

As etapas 1 a 4 criam quatro bases. Antes de gerar qualquer texto, esses dados precisam estar organizados para acesso confiável por todos.

Isso pode estar em planilha ou banco de dados. O que importa é a organização.

Na prática:

• Vincule cada SKU aos dados de produto (Etapa 1), à persona da categoria (Etapa 2), ao guia de voz aplicável (Etapa 3) e ao template correto (Etapa 4).

• Identifique lacunas antes de gerar. Se um SKU não tem atributos completos, não gere texto para ele. Texto com dado incompleto é texto com risco de invenção.

• Padronize formatos e nomes. Se a base técnica chama de um jeito e o template chama de outro, vai dar confusão e retrabalho.

Essa é a etapa menos “criativa” e mais importante.

A qualidade do texto gerado depende diretamente da completude e da qualidade dos dados.

Etapa 6: Escrita com IA pautada em regras (IA dentro do processo, não “IA solta”)

Aqui é a execução.

Você pode montar um fluxo no n8n, por exemplo, para garantir que cada etapa só rode se a anterior estiver completa.

Aqui na Bridge SEO, para operações desse tipo, temos um agente montado no n8n que roda via Google Sheets, ChatGPT e DataForSEO. Dessa forma, cada etapa do fluxo acontece somente se a anterior for concluída, e isso ajuda a manter o padrão.

Mas mesmo que você faça manualmente, o “prompt bom” aqui não é o criativo: é o prompt com restrições claras e com as bases certas.

O prompt (ou a entrada do seu fluxo) precisa carregar:

• Atributos do SKU (Etapa 1).

• Persona/ICP de compra (Etapa 2).

• Regras de tom e vocabulário (Etapa 3).

• Formato de saída (Etapa 4).

• Instrução explícita e repetida: “use apenas dados presentes nas etapas anteriores; não invente nada; se faltar dado, sinalize”.

A ideia é sair dentro do padrão. Quanto menos “conserto manual”, mais a operação escala de verdade.

Etapa 7: Monitoramento de resultados (o que acontece depois retroalimenta o sistema)

Depois de publicar em escala, não acaba.

Você precisa acompanhar o que mudou e ajustar o sistema.

Monitore indicadores de negócio e SEO, por linha/categoria:

• Taxa de conversão das PDPs trabalhadas: melhorou ou piorou vs. período anterior?

• Cliques e CTR orgânico: as páginas estão recebendo mais cliques? O CTR melhorou?

• As páginas estão sendo mais encontradas? O número de palavras indexadas por página melhorou ou piorou vs. período anterior?

• Como os produtos estão sendo encontrados via IA? A nível Google, quantas das palavras possuem AI Overviews? Quantas dessas AI Overviews a página tem sido resposta?

O sistema funciona quando o pós-publicação retroalimenta o pré-geração:

• novas dúvidas viram novos itens de FAQ

• novas objeções atualizam a persona

• atributos faltantes voltam para a base técnica

• termos reais de busca ajudam a ajustar linguagem e blocos

Dúvidas frequentes

Por onde eu começo se hoje minhas PDPs são todas “na mão” e sem padrão?

Comece pequeno e pelo que mais dói.
Primeiro, organize uma base de atributos para uma linha/categoria relevante (curva A).

Em paralelo, defina persona/ICP dessa linha e um template.

Só depois traga a IA para preencher os blocos dentro dessas regras.

Como eu sei se valeu a pena produzir conteúdo de PDP com IA no processo?

Você valida por resultado, não por opinião sobre o texto.

Compare antes/depois por linha/categoria em: taxa de conversão, cliques e CTR orgânico, além de dúvidas recorrentes no SAC.

Se conversão melhora, cliques qualificados aumentam e o time responde menos “o que vem na caixa?” e “serve para…?”, o sistema está funcionando.

Conclusão

Usar IA no processo de criação de conteúdo para páginas de produto em e-commerce funciona quando você trata PDP como sistema com base confiável de dados de produto, clareza de persona, guia de voz objetivo e templates fixos.

Sem esse sistema, você só acelera a produção de texto genérico e ao invés de escalar performance, apenas jogará um problema para frente.