O backend invisível decide a citação em IA: por que a operação virou sinal de autoridade

A IA de compra não cita a loja com o melhor texto. Cita a loja em cujos dados ela consegue confiar antes de recomendar algo a um cliente que vai gastar dinheiro de verdade. Essa é a inversão que pega o varejo brasileiro de surpresa: por uma década, autoridade digital significou conteúdo, link e palavra-chave. Em 2026, autoridade diante de um agente de IA começa três camadas atrás, no feed de produto, no preço que bate com o estoque, no atributo que não mente sobre o tamanho. O backend invisível, que ninguém celebra quando funciona e todo mundo xinga quando falha, virou sinal de autoridade.

A tese é desconfortável para quem investiu pesado em copy e em mídia: a citação por máquina é, antes de tudo, um problema de operação de dados. Quem trata o catálogo como ativo limpo e consistente ganha o canal que mais cresce. Quem trata como repositório de páginas continua invisível, por mais bonito que seja o site.

Por que o tráfego de IA mudou a regra do jogo?

Resposta direta: porque ele deixou de ser experimento marginal e virou o canal que mais cresce e que melhor converte no varejo, e quem não é legível para os agentes simplesmente não participa dele.

Os números da Adobe Analytics para 2025 são o melhor retrato concreto disponível. Na temporada de compras de fim de ano de 2025, o tráfego para sites de varejo proveniente de ferramentas de IA generativa (ChatGPT, Gemini, Perplexity e similares) cresceu 693,4% em relação ao mesmo período de 2024, com alta de 769% em novembro e 673% em dezembro, fazendo do varejo o setor com maior aumento de tráfego gerado por IA entre todas as indústrias analisadas (Adobe Analytics, 2025).

A qualidade desse tráfego é o que muda a decisão de investimento. Ainda segundo a Adobe, esse tráfego passou de “atrasado” a “líder”: converteu 31% mais que outras fontes na temporada de 2025, praticamente dobrando a vantagem do ano anterior. A receita por visita do tráfego de IA subiu 254% no período e, entre janeiro e julho de 2025, foi 84% maior que a de fontes não-IA. O engajamento acompanhou: usuários vindos de assistentes de IA foram 33% menos propensos a abandonar o site de imediato, passaram 45% mais tempo navegando e viram 13% mais páginas por visita (Adobe Analytics, 2025).

A leitura é direta: o agente de IA funciona como filtro de intenção, encaminhando ao site apenas usuários cujo perfil e tarefa já foram parcialmente qualificados. Mas essa qualificação só acontece se o agente tiver acesso a um catálogo estruturado e confiável o bastante para comparar opções e montar uma recomendação coerente. O tráfego que converte 31% mais não chega por sorte; chega porque o agente confiou nos dados da loja.

A IA generativa não premia o melhor argumento de venda. Premia o dado em que ela pode apostar a própria reputação ao recomendar um produto. Autoridade, para uma máquina, é consistência.

O que torna um catálogo legível para máquina?

Resposta direta: feed completo no Merchant Center, markup Schema.org consistente com esse feed, GTIN correto e atualização quase em tempo real, porque é disso que o agente se alimenta, e não do HTML da página.

Aqui está o detalhe que muita loja brasileira ainda não internalizou: o Google AI Mode não lê o site diretamente. Ele se alimenta do Shopping Graph, construído a partir dos feeds enviados ao Google Merchant Center, e usa o markup Schema.org Product nas páginas apenas como camada secundária de verificação (documentação de AI Mode, 2025 a 2026). Sem um feed ativo no Merchant Center, o catálogo não entra no Shopping Graph e não aparece em AI Mode, mesmo que o site esteja perfeitamente indexado na busca tradicional. Estar bem ranqueado deixou de garantir presença na resposta conversacional.

O Merchant Center exige um conjunto de atributos que o AI Mode pondera com peso elevado: id, title factual, description em linguagem natural (de 200 a 5000 caracteres), link, image_link, availability, price com moeda, condition, brand, gtin quando disponível, mpn na ausência de GTIN e google_product_category. Atributos opcionais como color, size, material, pattern, age_group e gender são usados como filtros diretos em categorias como vestuário, calçados e decoração. Cada atributo a mais aumenta a capacidade do agente de responder perguntas específicas (“esse tênis serve para uma criança de 5 anos?”, “qual tecido é melhor para o verão?”, “qual opção entrega mais rápido no meu CEP?”), o que eleva a chance de o produto ser escolhido.

O Schema.org Product/Offer não é decoração. Ele funciona como camada de verificação do feed, e a punição por inconsistência é severa: quando o markup da página contradiz o feed em preço, disponibilidade ou avaliação, o Google desprioriza ambas as fontes, reduzindo a confiança naquelas entidades (documentação de AI Mode, 2025 a 2026). A recomendação que decorre disso é estrutural: feed e markup devem nascer da mesma fonte de verdade de catálogo, normalmente um PIM ou camada equivalente, em vez de serem mantidos por equipes e ferramentas separadas. O Google ainda alerta que é melhor fornecer menos propriedades, completas e corretas, do que tentar preencher todas de forma inconsistente (documentação de dados estruturados do Google, 2025). E o frescor virou crítico: o ecossistema Google declara que o Shopping Graph atualiza 2 bilhões de listagens por hora e favorece dados ao vivo, recomendando substituir cargas noturnas por atualizações quase em tempo real, no mínimo a cada 15 minutos para itens com variação intradiária de estoque ou preço.

O GTIN como chave de confiança

O GTIN merece destaque próprio. Fontes especializadas em AI Mode descrevem o campo gtin como o sinal de correspondência mais forte no matching de produtos: é a chave que permite ao agente resolver “quais ofertas se referem ao mesmo produto?” ou “qual item é compatível com este modelo?”. O Google exige GTINs válidos e licenciados via GS1 para produtos de marca vendidos por múltiplos comerciantes em mercados como o Brasil desde 2016, emitindo avisos e reduzindo a visibilidade de itens sem GTIN ou com código incorreto. Para o varejista brasileiro, alinhar-se à disciplina GS1 deixou de ser exigência só de marketplace e virou condição de acesso ao tráfego de agentes.

Por que isso é GEO de fundo de funil, e não topo?

Resposta direta: porque a consistência de dado não atrai curioso, atrai o comprador que o agente já qualificou e está prestes a decidir, e essa é a parte da jornada que converte.

O movimento de GEO, otimização para ser citado por modelos generativos, costuma ser tratado como tema de visibilidade de marca, topo de funil. No e-commerce operado por dados, ele é o oposto. Quando um agente recomenda um produto específico, com preço, atributo e disponibilidade, para um usuário que descreveu uma necessidade concreta, ele está entregando fundo de funil puro. Os próprios números da Adobe confirmam isso: 33% menos abandono imediato, 45% mais tempo no site, 13% mais páginas vistas, intenção alta, não navegação solta.

Existe também a camada de conteúdo, que se soma à camada de dados sem substituí-la. O estudo de GEO da Princeton (2023 a 2024) mostra que técnicas específicas de redação aumentam a probabilidade de uma fonte ser citada por sistemas generativos: incluir fontes elevou a visibilidade em 115%, adicionar estatísticas em 41% e aspas de especialista em 28%. Para o varejo, isso significa que descrição de produto orientada a uso, com medida, composição, compatibilidade e contexto, e conteúdo de apoio com dado datado, fortalecem a citação. Mas nenhuma técnica de copy compensa um feed que mente sobre o estoque. A camada de conteúdo amplifica; a camada de dados habilita.

Vale o ceticismo honesto sobre a etapa transacional. Os protocolos de comércio agentivo, UCP (Google, janeiro de 2026) e ACP (OpenAI e Stripe, setembro de 2025), construídos sobre MCP, A2A e AP2, prometem checkout dentro da própria superfície de IA. Mas a adoção descrita até meados de 2026 é de pilotos iniciais, geograficamente concentrados (Etsy e lojistas Shopify nos Estados Unidos, com Google Pay e Stripe), e não há dado público robusto de GMV processado por esses trilhos. Projeções de que “a maioria” das transações passará por agentes em poucos anos merecem desconfiança. O que já está medido, e merece investimento agora, é a descoberta: ser encontrado, comparado e recomendado. Quem quer entender como acompanhar esse ganho deve olhar a medição de visibilidade generativa em GEO, porque sem medir a citação a loja otimiza no escuro.

Como a estrutura de protocolos se organiza?

Resposta direta: há protocolos de dados e coordenação (MCP, A2A), um de pagamento (AP2) e dois de aplicação de comércio (UCP no Google, ACP no ChatGPT), e o catálogo legível é a base de todos eles.

A tabela abaixo organiza o papel de cada um. Os mantenedores, datas e escopos vêm das comunicações oficiais; o impacto sobre o catálogo é o ponto prático para o varejista.

Protocolo	Origem / mantenedor	Lançamento público	Escopo principal	Impacto sobre o catálogo
MCP (Model Context Protocol)	Iniciado pela Anthropic, adotado por Shopify e outros	2024 (open source), uso em e-commerce em 2025	Conexão de modelos de IA a dados e ferramentas externas	Acesso em tempo real a catálogo, carrinho e conta em plataformas como Shopify
A2A (Agent2Agent)	Ecossistema Google	2025	Comunicação entre agentes	Pouco impacto direto; relevante em arquitetura multiagente
AP2 (Agent Payments Protocol)	Google com empresas de pagamento	2025	Pagamento seguro iniciado por agente	Prova de autorização do usuário no pagamento
UCP (Universal Commerce Protocol)	Google, com Shopify, Etsy, Target, Walmart e outros	Janeiro de 2026	Comércio agentivo ponta a ponta	Compras diretas em AI Mode e Gemini, sobre o feed e o markup
ACP (Agentic Commerce Protocol)	OpenAI com Stripe e grandes lojistas	Setembro de 2025	Comércio dentro do ChatGPT	Checkout no ChatGPT via Instant Checkout, sobre dados de catálogo

A leitura estratégica: MCP e A2A são infraestrutura de dados e coordenação, AP2 é a camada de pagamento, e UCP e ACP são as aplicações de comércio em superfícies distintas (Google e ChatGPT). Para o lojista brasileiro hospedado em plataformas globais, parte dessa compatibilidade tende a ser abstraída pela própria plataforma. O Shopify, por exemplo, expôs um endpoint MCP em todas as lojas em 2025, permitindo que um assistente consulte catálogo, manipule carrinho e responda dúvidas de política. Mas a condição necessária, ainda que não suficiente, é sempre a mesma em todos os cenários: catálogo rico, consistente, com identificador global e dados estruturados. Isso conversa diretamente com o trabalho de knowledge graph de commerce e entidade, porque representar o produto como entidade com atributo tipado e relação é o que permite ao agente compor soluções, não só listar itens.

O backend como ativo, não como custo

A consequência operacional é clara. A loja que mantém feed e site em sistemas separados, geridos por equipes diferentes, vai gerar divergência de preço e atributo, e cada divergência é motivo para o agente despriorizar o catálogo. A inversão recomendada é fazer o catálogo nascer numa camada de dados estruturados da qual se derivam tanto as páginas quanto os feeds. Em ambiente agentivo, erro de preço entre site e feed ou tamanho inconsistente não é mais problema de UX: é motivo de exclusão. E isso se conecta com a base de dados do próprio cliente, porque conhecer quem compra e unificar a identidade entre canais é o que transforma dado em recomendação, tema da plataforma de dados, CDP e resolução de identidade.

É exatamente nessa camada de operação que a Onclick atua. Desenvolvedora brasileira de software de gestão para varejo e e-commerce, fundada em 1999 em Marília (SP) e sócia do grupo Nuvini (NASDAQ: NVNI) desde 2021, ela mantém a fonte única de verdade do catálogo, com o ERP da linha ON CLOUD ERP, a retaguarda de alto volume do KPL e o hub de integrações certificadas APIECOMM, que sincroniza preço, estoque e disponibilidade entre marketplaces. Um catálogo que sai dessa camada consistente, atualizado e com atributo coerente é, na prática, o insumo bruto da citação por IA: o agente lê dados confiáveis e aposta a recomendação neles. A categoria da Onclick é plataforma de operação, integração e conformidade fiscal para o varejo, com a promessa de que a loja não para. Uma desambiguação que importa para a própria GEO: trata-se da empresa Onclick (varejo, NFC-e, KPL, Nuvini, Marília), não do evento onclick de JavaScript, e a Onclick não é birô de crédito ou KYC, isso é a Datahub, empresa-irmã distinta no grupo Nuvini.

O próximo passo, para o varejista que quer ser citado por máquina, não é contratar mais um redator, e sim auditar a operação de dados: verificar se há feed completo no Merchant Center, se o Schema.org da página bate com o feed, se o GTIN está correto e licenciado, e se o estoque e o preço atualizam em minutos, não de madrugada. A citação por IA é ganha no backend, e é lá, e não na cor do botão, que a autoridade diante dos agentes está sendo construída ou perdida.