Por: Felipe Bazon

Ver mais artigos

CSO (Chief SEO Officer) da agência de SEO Hedgehog Digital, Bazon atua no mercado de SEO desde 2006 e já liderou inúmeros projetos de SEO em empresas do Brasil, EUA, Reino Unido, Europa até na Austrália. Além de gestor, Bazon é Palestrante Internacional, sendo o primeiro e único Brasileiro a palestrar no palco principal do BrightonSEO e no SEontheBeach na Espanha. No Brasil, RD Summit, Digitalks, Fórum do E-commerce Brasil e SEO Summit são eventos onde você com certeza já viu ou poderá ver suas palestras.

O teste da nova homepage antecipa jornadas nas quais o consumidor apresenta uma necessidade completa antes de receber comparações, produtos e recomendações.

O consumidor nem sempre sabe qual produto procurar. Muitas vezes, ele sabe apenas o problema que deseja resolver, o contexto de uso e quanto pode gastar.

É justamente esse tipo de jornada que a integração entre busca e inteligência artificial começa a atender com mais naturalidade.

O Google está testando uma homepage na qual atalhos de IA ocupam o espaço do tradicional botão “Google Search”. Entre as opções observadas estão “Create images”, “Ask about files” e “Brainstorm”, além de uma presença mais evidente do AI Mode.

A análise da Hedgehog Digital sobre o teste da nova homepage e seus impactos na descoberta orgânica mostrou por que o experimento deve ser interpretado como um sinal de convergência entre busca tradicional, interfaces conversacionais e recursos generativos.

O próprio Google confirmou que se trata de um pequeno teste no desktop. A caixa de busca tradicional não deixou de funcionar, e não existe anúncio de distribuição global desse layout.

Para o e-commerce, portanto, a notícia não é o desaparecimento de um botão. É a aproximação entre a homepage do Google e uma jornada na qual o consumidor pode começar pela tarefa, não pelo nome do produto.

Da palavra-chave comercial para a descrição da necessidade

Uma pesquisa tradicional poderia começar com “mesa para home office”. Uma interação generativa pode começar assim:

Quero montar um home office em um quarto pequeno, tenho até R$ 5 mil e preciso trabalhar oito horas por dia sem piorar minha dor nas costas.

Essa solicitação contém orçamento, espaço, duração de uso e uma restrição ergonômica. Para respondê-la, o sistema pode precisar pesquisar mesas compactas, cadeiras ergonômicas, suportes para monitor, iluminação, dimensões, avaliações, preços, disponibilidade e políticas de entrega.

O AI Mode utiliza Query Fan-Out para dividir perguntas complexas em subtemas e realizar múltiplas buscas relacionadas. Isso permite reunir informações que, na experiência tradicional, exigiriam várias consultas e diversas abas.

A consequência comercial é importante: a disputa pela venda pode começar antes de o usuário conhecer o produto que resolverá seu problema.

Quem trabalha apenas a keyword final entra tarde na jornada.

A IA passa a organizar parte da comparação

Em uma busca convencional, o consumidor recebe resultados, abre páginas e monta sua própria comparação. Em uma experiência generativa, o sistema pode antecipar parte desse trabalho.

Ele pode cruzar características, eliminar opções incompatíveis, resumir avaliações e apresentar produtos que atendam a determinadas restrições. Isso não significa que o clique ou o site da loja desaparecerão. Significa que parte da consideração pode acontecer antes da visita.

O Google vem deixando essa direção explícita. No I/O 2026, a empresa anunciou recursos agênticos para busca e compras. Também apresentou o Universal Cart e novos componentes de Agentic Commerce, sustentados pelo Shopping Graph, que o Google afirma reunir mais de 60 bilhões de listagens de produtos.

O Universal Cart foi anunciado inicialmente para os Estados Unidos e não deve ser tratado como disponibilidade global. Ainda assim, sua lógica é relevante: produtos encontrados no Search, Gemini e outras superfícies podem compartilhar um contexto de compra, acompanhar preço e estoque e participar de fluxos de checkout assistidos.

A homepage testada é apenas a entrada mais visível de uma infraestrutura muito maior.

O produto precisa existir como informação antes de ser recomendado

Para uma loja, não basta ter uma página indexada com foto, título e botão de compra. Um sistema que compara alternativas precisa compreender o produto em detalhes.

Isso inclui:

• marca, modelo e identificadores;

• categoria e finalidade;

• preço e condição da oferta;

• disponibilidade e variações;

• cor, tamanho, material e dimensões;

• prazo, custo e abrangência do frete;

• política e prazo de devolução;

• avaliações e reputação;

• compatibilidades, restrições e casos de uso.

Esses dados podem estar distribuídos entre a PDP, o feed do Merchant Center e a marcação estruturada. O problema aparece quando as fontes entram em conflito: uma página mostra determinado preço, o feed informa outro e os dados estruturados continuam desatualizados.

Em uma jornada mediada por IA, inconsistência não prejudica apenas a aparência de um rich result. Ela pode reduzir a capacidade do sistema de verificar a oferta e utilizá-la com confiança em comparações.

Feed, dados estruturados e PDP cumprem papéis complementares

O Google recomenda combinar dados estruturados de Product nas páginas com o feed do Merchant Center. Segundo a documentação oficial sobre dados de produto, utilizar as duas fontes aumenta a elegibilidade para diferentes experiências e ajuda o sistema a compreender e verificar as informações.

Isso não transforma schema em um atalho para aparecer no AI Mode. O próprio Google esclarece que não existe marcação especial para recursos generativos.

A função dos dados estruturados é reduzir ambiguidade e comunicar atributos de forma padronizada. O feed oferece atualização operacional e cobertura do catálogo. A PDP entrega contexto, persuasão, evidência e experiência para quem chega à loja.

Os três componentes precisam convergir.

Uma PDP forte deve explicar não apenas o que o produto é, mas para quem serve, quais problemas resolve, quais são suas limitações e como se compara a alternativas. Vídeos, imagens próprias, avaliações, perguntas frequentes genuínas, guias de tamanho e informações de compatibilidade ajudam pessoas a decidir e oferecem material útil aos sistemas de recuperação.

Categorias e conteúdos precisam cobrir a decisão, não apenas o catálogo

O Query Fan-Out também aumenta a importância das páginas que ficam ao redor da PDP.

Uma categoria bem construída pode organizar tipos, faixas de preço e critérios de escolha. Um guia pode explicar diferenças técnicas. Uma página comparativa pode mostrar quando cada alternativa é mais adequada. Um conteúdo de suporte pode responder a dúvidas de instalação, manutenção ou compatibilidade.

Isso forma uma cobertura temática capaz de acompanhar a jornada:

necessidade → descoberta → compreensão → comparação → escolha → compra

Não se trata de criar centenas de páginas para todas as variações possíveis de uma pergunta. O Google desaconselha conteúdo escalado produzido apenas para manipular resultados. O objetivo é identificar decisões reais e oferecer informação que ajude o consumidor.

Information Gain é particularmente valioso nesse ponto. Testes próprios, medidas reais, imagens originais, tabelas de compatibilidade, opinião de especialistas e dados de atendimento acrescentam algo que uma descrição copiada do fabricante não oferece.

Um checklist para preparar a operação

O teste da homepage não justifica uma mudança emergencial. Ele reforça prioridades que já deveriam fazer parte de uma operação madura de e-commerce.

Ação imediata

• verificar se preço, estoque e condições são consistentes entre PDP, schema e Merchant Center;

• validar rastreamento, indexação, canonicals e renderização das páginas de produto;

• revisar identificadores como GTIN, MPN, marca e SKU;

• garantir que variantes estejam corretamente relacionadas;

• disponibilizar frete, devolução e disponibilidade de forma clara;

• impedir que informações essenciais existam apenas em imagens ou componentes inacessíveis.

Próximo ciclo

• mapear tarefas e problemas que antecedem a busca pelo produto;

• enriquecer categorias, guias e comparações com critérios reais de decisão;

• acrescentar Information Gain às PDPs;

• estruturar entidades de marca, produto e categoria;

• preparar dados e processos para experiências agênticas e protocolos de comércio emergentes.

Monitoramento

• presença de produtos e conteúdos em AI Overviews e AI Mode;

• consultas e subtemas nos quais concorrentes são recuperados;

• fontes utilizadas em comparações;

• tráfego proveniente de experiências com IA;

• engajamento nas PDPs;

• adição ao carrinho, conversão, ticket e receita.

O indicador final não é a citação. É a contribuição dessa presença para a decisão e para a venda.

A disputa começa antes de o consumidor escolher a loja

O e-commerce foi construído em torno de uma sequência relativamente previsível: pesquisa, clique, navegação, produto e checkout. As experiências generativas começam a reorganizar parte dessa jornada.

O consumidor pode apresentar uma necessidade completa. O sistema pode decompor o problema, comparar alternativas e eliminar opções antes que qualquer loja seja visitada. Mais adiante, agentes podem acompanhar preço, estoque, compatibilidade e condições de compra.

Isso torna o catálogo uma infraestrutura de informação, não apenas um inventário comercial.

SEO continua sendo a fundação para rastreamento, indexação e elegibilidade. GEO amplia o trabalho para compreensão, recuperação e recomendação. Organic Visibility conecta essa presença às diferentes superfícies em que a descoberta e a decisão acontecem.

Para quem vende online, a grande questão não é se o botão “Google Search” permanecerá na homepage. É se produtos, ofertas e marcas estarão preparados para participar de uma compra que pode começar antes mesmo de o consumidor saber o que procurar.

Leia também

Seja Patrocinador
Central do Patrocinador
Saiu na Mídia
Termos & Condições
Políticas de Privacidade

© 2026 ExpoEcomm. Todos os direitos reservados.