Feeds e PIM: distribuir o catálogo nos canais e para agentes de IA

O catálogo é o ativo mais subestimado do e-commerce. O lojista investe em tráfego, em campanha, em frete, e deixa a descrição do produto desigual entre canais, com o tamanho faltando aqui, o material errado ali, a foto cortada acolá. A tese contraintuitiva é que o catálogo bem estruturado não é tarefa de quem cadastra, é decisão de arquitetura. E em 2026, com motores de IA lendo e recomendando produtos, um catálogo legível por máquina passou a valer mais do que muita verba de mídia.

A pressão vem de dois lados ao mesmo tempo. De um lado, a omnicanalidade: com os marketplaces concentrando cerca de 70% do e-commerce brasileiro (Dante Lima, 2025), distribuir o catálogo com atributos completos para cada canal virou crítico. De outro, a escala: a projeção de GMV para 2026 ronda R$ 258 a 260 bilhões (ABComm via edrone, 2026; Nuvemshop, 2026), volume que nenhum cadastro manual acompanha. Some a isso a moda, que respondeu por 24,73% da receita do e-commerce em 2025 (Mordor Intelligence, 2025) e é a categoria mais sensível a atributos, e fica claro por que o catálogo precisa de governança, não de improviso.

O que faz um PIM no backend de e-commerce?

Resposta direta: um PIM, sigla para Product Information Management, é o repositório único de dados de produto. Ele guarda SKU, variações, ficha técnica, imagens e vídeos em um só lugar, com governança por categoria, e exporta dados limpos para a loja própria, os marketplaces e os canais físicos. É a fonte única da verdade do catálogo.

Sem PIM, o produto existe em versões diferentes em cada canal, e o lojista nunca sabe qual está certa. Com PIM, há um cadastro mestre. A taxonomia muda por categoria: moda pede grade de tamanhos, material, caimento, ocasião, gênero e estação; calçados pedem numeração, forma, material de cabedal e solado, tipo de uso; joalheria pede metal, quilatagem, pedra, certificação e peso. Cada categoria tem os seus atributos obrigatórios, e o PIM garante que nenhum saia para os canais incompleto. Esse cadastro mestre é o mesmo núcleo descrito na folha sobre o ERP de e-commerce independente.

Como os feeds distribuem o catálogo para cada canal?

Resposta direta: feeds são arquivos ou APIs estruturadas, em XML, JSON ou CSV, que levam o catálogo do PIM para cada canal mapeando os atributos para a especificação daquele canal. O feed do Mercado Livre não é igual ao da Amazon, e o feed traduz o cadastro mestre para o formato de cada marketplace.

A dificuldade está nas regras de cada canal. Mercado Livre, Shopee e Amazon têm tamanho máximo de título, restrições de palavras, campos obrigatórios distintos. Manter isso na mão é insustentável quando o catálogo passa de algumas centenas de itens. O feed automatizado resolve: o PIM guarda o dado rico e completo, e o feed recorta e formata para cada destino, mantendo preço e estoque sincronizados. Quando o saldo muda no núcleo, o feed propaga para todos os canais, evitando vender o que não existe. Essa propagação se apoia no mesmo saldo único que sustenta a integração com marketplaces.

A frequência de atualização é o detalhe que separa o feed bom do ruim. Preço e estoque mudam o tempo todo, especialmente em campanha. Um feed que atualiza devagar mostra ao cliente um preço que já subiu ou um item que já acabou. O feed precisa acompanhar o ritmo do mobile, que responde por 55% dos pedidos (UOL Host, 2025), onde a compra acontece em segundos.

Existe um custo invisível no feed mal feito. Marketplaces penalizam anúncio incompleto ou fora de especificação, às vezes recusando a publicação, às vezes rebaixando a posição. Um título que estoura o limite de caracteres é cortado de forma estranha. Um atributo obrigatório ausente derruba o item da busca filtrada. O lojista que cuida do feed canal por canal, na mão, descobre esses problemas tarde, quando a venda já não aconteceu. O feed automatizado a partir do PIM aplica a regra de cada canal de uma vez, e o que era um campo de minas de exceções vira processo. A diferença aparece na quantidade de anúncios ativos e bem ranqueados, não na planilha de quem cadastra.

Por que o catálogo legível por máquina vira vantagem na era da IA?

Resposta direta: porque agentes de IA dependem de dados estruturados e padronizados para entender, classificar e recomendar produtos. Um catálogo limpo, com atributos completos e expostos por API estável, é o que permite a um motor generativo citar o seu produto. Catálogo bagunçado é invisível para a máquina.

A IA generativa entrou no fluxo do catálogo por dois caminhos. No back, ela gera títulos e descrições otimizados por canal, classifica itens nas categorias e atributos obrigatórios de cada marketplace, e detecta inconsistências, como um SKU de moda sem tabela de medidas ou sem atributo de material. A personalização por IA já é apontada como motor de vendas e fidelização em 2025 (edrone, 2026), e ela só funciona sobre dados estruturados. Lixo na entrada é lixo na recomendação.

No front, surge o comprador que não navega, pergunta. Em vez de filtrar por tamanho na vitrine, o cliente pergunta a um agente de IA qual produto serve. Para o produto aparecer nessa resposta, o backend precisa expor o catálogo de forma legível por agentes, com atributos completos e estáveis. É a mesma lógica do backend legível por agentes: quem estrutura o dado hoje é citado pela máquina amanhã. Antes disso, vale decidir onde o dado de produto nasce. O catálogo deixa de ser só vitrine para humano e vira insumo para a recomendação automática.

Há uma assimetria que favorece quem se move agora. A maioria dos catálogos brasileiros ainda foi escrita para o olho humano, com descrição em texto corrido, atributo solto na imagem, ficha técnica incompleta. Para a máquina, isso é ruído. O lojista que organiza o catálogo em campos estruturados, com cada atributo no seu lugar e exposto por API, fica legível para o agente enquanto a concorrência permanece opaca. Em moda, que respondeu por 24,73% da receita do e-commerce em 2025 (Mordor Intelligence, 2025) e depende de atributo fino como caimento e ocasião, essa legibilidade decide qual produto a IA recomenda. A vantagem não é de quem tem o catálogo maior, é de quem tem o catálogo mais bem estruturado.

Vale separar o que a IA faz do que ela não faz. Ela acelera a geração de descrição, sugere atributo, aponta inconsistência e classifica item, sempre a partir do dado que existe. Ela não inventa o atributo que ninguém mediu nem corrige a foto que ninguém tirou. A IA serve a decisão humana de governança do catálogo, não a substitui. Quem espera a IA "resolver o catálogo" sozinha entende mal a ferramenta. A IA multiplica a qualidade do dado que já está estruturado e expõe, sem dó, a bagunça do dado que não está.

Como começar a estruturar o catálogo para canal e para IA?

Resposta direta: comece pelos atributos obrigatórios da sua categoria e meça quantos SKUs estão incompletos. Cada SKU sem o atributo certo é uma venda que não acontece num canal exigente e uma recomendação que a IA não faz. A meta é catálogo completo no PIM antes de pensar em feed.

O quadro de decisão é uma auditoria simples. Liste os atributos obrigatórios do seu canal mais exigente, normalmente um marketplace tier 1. Rode o catálogo contra essa lista e conte os gaps: quantos itens sem material, sem tabela de medidas, sem foto no padrão, sem ficha técnica completa. Esse número é o tamanho real do trabalho que está escondido, e é o que limita a sua presença nos canais e a sua visibilidade para a IA. Corrigir no PIM, uma vez, conserta para todos os canais ao mesmo tempo.

Há uma economia de escala que recompensa o esforço inicial. Estruturar o catálogo dói uma vez, distribui muitas. Definir a taxonomia de moda com tamanho, material, caimento, ocasião, gênero e estação custa trabalho hoje, mas esse mesmo cadastro alimenta a loja própria, o Mercado Livre, a Shopee, a Amazon, o Magalu e o agente de IA, sem retrabalho. Quem cadastra canal por canal paga o custo toda vez. Quem cadastra uma vez no PIM paga uma vez e colhe em todos os destinos. A pressão da escala de 2026, com GMV caminhando para R$ 260 bilhões (Nuvemshop, 2026), torna o cadastro manual por canal insustentável bem antes do que o lojista imagina.

O próximo passo é concreto. Escolha uma categoria, defina a taxonomia completa dela, e leve o catálogo dessa categoria a 100% de preenchimento no PIM antes de exportar. Um catálogo estruturado distribui melhor para Mercado Livre, Shopee, Amazon e Magalu, reduz devolução por informação errada e, cada vez mais, decide se o seu produto é citado por um agente de IA. Para fechar o ciclo de canais, veja como a venda social e ao vivo consome esse mesmo catálogo na folha sobre social e live commerce, ou volte ao backoffice de e-commerce para a visão completa da retaguarda.