Seu produto passa por quatro filtros antes de chegar a uma pessoa. Todos leem o mesmo catálogo.

No fim de setembro, a NielsenIQ cruzou uma linha: 51% dos consumidores dos EUA usaram ao menos uma ferramenta de IA para comprar no último mês. É a primeira vez que o número passa da metade [1].

E não é só pesquisa. A Amazon informou que mais de 350 milhões de clientes usaram o Alexa for Shopping, o agente que substituiu o Rufus, nos últimos 12 meses, com interações cinco vezes maiores que há um ano [2]. Ele já compra sozinho quando o produto chega ao preço que o cliente definiu [3]. No Walmart, quem compra com o Sparky gasta 40% mais por pedido do que quem não usa [4].

O Brasil vem logo atrás. Um relatório do BTG Pactual com dados da Similarweb mostra que o Mercado Livre é o site que mais recebe tráfego vindo de IA no ecommerce brasileiro, e que esse tráfego cresceu cerca de 374% em 2025 [5]. O próprio Mercado Livre já testa um assistente de compras com IA [6].

Na minha visão, esses números juntos ainda estão sendo lidos pequenos demais. Não é que apareceu mais um canal. É que, entre o seu produto e a pessoa que vai comprar, entraram filtros novos. Hoje são quatro.

Quatro filtros entre o seu produto e o comprador

• •Assistentes de IA. ChatGPT, Gemini, Claude, Perplexity. Quando alguém pergunta qual produto comprar, eles montam um card com o que encontram sobre você: título, preço, atributos, avaliações, loja. Se o dado não está lá, o card sai sem ele. Ou sai com o concorrente.
• •Agentes dos marketplaces. O Alexa for Shopping na Amazon e o assistente em teste no Mercado Livre. É o filtro mais maduro: tem carrinho, histórico, frete e, na Amazon, já compra sem o cliente clicar [3]. Ele lê o que está no anúncio. Só o que está no anúncio.
• •Agentes pessoais. Assistentes de uso geral que navegam sites, comparam e começam a fechar a compra em nome do consumidor. Em setembro, a Meta lançou nos EUA o Muse, um agente que abre o navegador, preenche formulários e finaliza a compra, e que conversa pelo próprio app ou direto no WhatsApp [12]. A Amazon já faz algo parecido em sites de terceiros com o Buy for Me [3], e o Google lançou o UCP, um protocolo aberto para agentes comprarem em qualquer loja [7]. É a camada menos madura, mas a que mais muda a relação do consumidor com a compra: ele delega a tarefa inteira.
• •A busca e o assistente do seu próprio site. Busca com LLM, recomendação, atendimento que vende. Lê o seu catálogo direto da fonte, com todos os defeitos que ele tiver.

Quatro filtros, com donos e níveis de maturidade diferentes. O que eles têm em comum é o que importa.

Nenhum deles se impressiona com foto bonita

No primeiro texto que escrevi aqui no blog, defendi que o agentic commerce muda a lógica de elegibilidade do ecommerce [8]. Quando uma pessoa entra no seu anúncio, você ainda pode persuadir. Quando um agente avalia o seu produto, você primeiro precisa ser compreendido.

Os quatro filtros funcionam assim. Eles leem atributo, ficha técnica, título, imagem e coerência entre canais. Um campo vazio já é motivo para pular. Uma medida que diz uma coisa na Amazon e outra no seu site é motivo para desconfiar.

Pense no que acontece quando a ficha técnica do anúncio diz bivolt e o site da marca diz 127V. O agente tem dois caminhos. Pode desconfiar e recomendar o concorrente. Ou pode recomendar e entregar ao cliente uma informação diferente da prometida. No primeiro caso, você some da resposta. No segundo, ganha uma devolução.

Nos dois casos, o problema não é de mídia. Não é de ranking. É de consistência.

É exatamente o que vemos na GLOBALD. Nos mais de 500 mil SKUs que o nosso agente de compliance já analisou, os erros que mais aparecem não são de persuasão. São de consistência: medida que diverge entre imagem e texto, cor que não bate, nome de produto que muda de um lugar para outro, erro de idioma, violação de regra do canal.

Nenhum desses problemas tira a sua marca da conversa. Todos eles podem tirar o seu produto da compra.

O filtro mais forte está dentro do marketplace

Tem uma leitura comum de que a IA vai tirar a busca do marketplace. Eu acho que não é bem isso.

Eu entro no Mercado Livre para pesquisar produto. Não no Google, não no ChatGPT. Nos Estados Unidos, 57% dos consumidores começam a busca por produto na Amazon, contra 42% em buscadores [9]. O tráfego de IA que chega ao Mercado Livre cresce rápido, mas ainda é uma fração pequena das cerca de 240 milhões de visitas que o site recebe por mês [10]. O próprio BTG avalia que, no curto prazo, a IA soma para os marketplaces, porque manda para eles compradores com intenção alta [5].

O que muda não é onde o cliente pesquisa. É o que responde à pesquisa. Em vez de uma página de resultados ordenada por ranking, um agente que lê o anúncio, compara atributos e escolhe. A Amazon já faz isso com 350 milhões de clientes. O Mercado Livre está testando, e na MELI Experience, em setembro, o COO Daniel Rabinovich falou de agentes assumindo as compras rotineiras do consumidor [11].

Para quem vende, isso significa que o produto passa a ser filtrado duas vezes. Pelo agente de fora, que decide se você entra na resposta. E pelo agente de dentro, que decide entre os anúncios que sobraram. Os dois leem a mesma coisa.

A parte boa: a base é a mesma para os quatro

O que os quatro filtros exigem na base é igual: atributos completos, corretos e coerentes entre si. Esse trabalho se faz uma vez, na fonte.

A saída, não. Cada filtro lê o produto no seu próprio formato. A Amazon tem schema de atributos e regras de título próprios. O Mercado Livre tem a ficha técnica de cada categoria, com campos e nomes diferentes. Os assistentes de IA leem feed e dados estruturados na página. O UCP tem o seu padrão. O seu site tem o schema dele. O mesmo produto precisa ser traduzido para cada um.

A diferença entre ter e não ter a base está no que acontece nessa tradução. Sem a base, cada canal vira uma reescrita, e cada reescrita carrega um erro diferente. É assim que a voltagem muda entre a Amazon e o site. Com a base, a tradução vira mapeamento: um atributo corrigido na origem sai certo no card do ChatGPT, no anúncio do Mercado Livre, na compra do agente pessoal e na busca do seu site.

Isso não quer dizer que seja pouco trabalho. Arrumar algumas dezenas de produtos é simples. Manter milhares de SKUs consistentes, em mais de um idioma, traduzidos para canais com regras diferentes e atualizados toda semana, não é. É por isso que essa camada raramente se resolve com planilha e boa vontade. Ela precisa virar infraestrutura: uma fonte de verdade e várias saídas, cada uma no formato do canal.

O catálogo, que por muito tempo foi tratado como backoffice, virou a interface entre o seu produto e os agentes que decidem por ele.

Por onde começar antes da Black Friday 2026

Faltam menos de oito semanas para a Black Friday. Dá tempo de fazer o essencial:

• •Pergunte aos agentes antes do seu cliente. ChatGPT, Gemini e, se você vende na Amazon dos EUA, o Alexa for Shopping. Faça as perguntas que um comprador da sua categoria faria, com necessidade e faixa de preço reais. Veja se o seu produto entra, com quais informações e para qual link.
• •Compare o que o agente diz com o que o anúncio diz. Cada divergência de medida, voltagem, cor ou compatibilidade é uma venda perdida ou uma devolução esperando para acontecer.
• •Tenha uma fonte de verdade fora do marketplace. O anúncio não pode ser o único lugar onde o seu produto está bem descrito. O mesmo dado precisa alimentar Mercado Livre, Amazon, o site próprio e os feeds que as IAs leem.
• •Escreva atributos que respondem perguntas. O agente decide com o que o comprador perguntou. Se ele quer saber a autonomia da bateria e o seu anúncio não informa, você não entra na conversa.
• •Comece pelo que mais fatura. Não dá para arrumar tudo até novembro. Dá para arrumar o que mais pesa.

O catálogo que os agentes vão ler

Durante anos, a pergunta de quem vende foi: minha página converte bem?

Ela continua válida. Mas, com quatro agentes no meio do caminho, a primeira pergunta passou a ser outra:

Se a resposta for não, nenhum investimento em mídia ou em ranking resolve. O agente já escolheu outro.

Na GLOBALD, é exatamente esse tipo de problema que nos interessa resolver: fazer o produto ser compreendido por todos os agentes que decidem por ele. A gente audita o catálogo, encontra os erros de compliance, atributo, texto e imagem que tiram o produto das respostas, corrige e distribui os dados, no formato de cada canal, para marketplaces, site próprio, LLMs e protocolos de agentes como o UCP.

A Black Friday cai em 27 de novembro. O catálogo que os agentes vão ler naquele dia é o que estiver no ar nas próximas semanas.