Otimização para comércio agêntico (ACO): como ser escolhido por agentes de compras com IA

Mais da metade dos consumidores americanos já usa IA em alguma etapa da compra. O levantamento de setembro da NielsenIQ mostra 51% no último mês, contra 42% em maio. O agente Muse, da Meta, já consegue finalizar compras em lojas Shopify com o Shop Pay. O consumidor faz uma pergunta e recebe duas ou três respostas.

Se o seu produto não está entre elas, o consumidor nunca chega a ver o seu anúncio.

O trabalho de ser uma dessas respostas começou a ganhar nome: otimização para comércio agêntico (Agentic Commerce Optimization, ou ACO). Este guia explica o que é, como se diferencia de SEO e GEO, e uma rotina semanal que uma equipe pequena consegue manter.

O resumo

	SEO	GEO	ACO
Onde o comprador pergunta	Uma caixa de busca	Um assistente de IA	Um agente de compras com IA que também pode comprar
O que vence	Uma página bem posicionada	Ser mencionado ou citado	Ser um dos poucos produtos que o agente recomenda
O que o mecanismo lê	Páginas, links	Páginas, fontes, entidades	Dados estruturados do produto: atributos, preço, estoque, avaliações, políticas
O que você mede	Posição, cliques	Menções, participação nas respostas	Participação na prateleira por pergunta e pedidos vindos de canais de agentes

A ACO não substitui SEO nem GEO. Ela acrescenta uma camada por cima, na qual o agente escolhe um produto, não uma página.

O que um agente de compras realmente observa

Peça a um agente "uma mala de mão que funcione para duas crianças num voo longo" e observe o que ele faz. Ele não passa os olhos pela sua página inicial. Compara alguns produtos com base em fatos que consegue ler e repetir:

Atributos específicos. Peso, dimensões, material, capacidade. "Leve" perde para "2,4 kg".
Preço e disponibilidade. Um preço atual que coincide entre os canais e um estoque confiável.
Comprovação. Número de avaliações e nota, e afirmações que apontam para uma fonte.
Políticas. Prazo de garantia, janela de devolução, prazo de entrega.
Aderência à pergunta. Se o anúncio diz para quem o produto serve, em palavras próximas das que o comprador usa.

O motivo que o agente dá para a escolha é o sinal mais útil que você vai receber. "Escolhido porque informa as dimensões internas e 10 anos de garantia" mostra exatamente quais campos corrigir.

Uma rotina semanal de ACO

1. Liste as perguntas que valem a pena vencer

Comece com 10 a 20 perguntas de compradores, com as palavras deles. Busque em avaliações, chamados de suporte e termos de busca. Marque cada uma com prioridade alta, média ou baixa e anote quais SKUs deveriam ser a resposta.

2. Confira a prateleira

Faça cada pergunta nos agentes que seus compradores usam: ChatGPT, Gemini, Meta Muse, Amazon Rufus. Use uma sessão nova e não cite a marca. Registre onde você aparece (ou que não aparece), quem foi escolhido no seu lugar e o motivo que o agente apresentou. Guarde um trecho da resposta como evidência.

As respostas variam de uma execução para outra, então uma única checagem é apenas uma amostra. O que importa é a tendência ao longo de várias semanas.

3. Procure a lacuna nos dados, não no texto

Para cada pergunta em que você perde, coloque seu anúncio ao lado dos vencedores e descreva a diferença concreta. A maioria das lacunas é uma destas cinco: um atributo ausente, uma afirmação sem fonte, um preço diferente entre canais, o status de estoque ou a falta de informações de política.

4. Proponha uma correção por campo, com fonte

"Adicionar peso embalado: 3,1 kg (ficha técnica do fornecedor, rev. C, página 2)" é uma correção que alguém consegue verificar. "Melhorar a descrição" não é. Nunca copie o número de um concorrente só porque ele o ajudou a subir. Se você não consegue comprovar um valor, ele espera.

5. Deixe uma pessoa aprovar o que vai ao ar

Os agentes repetem o seu anúncio como fato para um comprador que pode pagar na hora. Texto sobre preço, garantia, certificação e compatibilidade deve sempre esperar por uma pessoa. Pequenos ajustes de texto podem andar mais rápido.

6. Confira de novo

A checagem da semana seguinte mostra se a correção mexeu na sua posição. Relate a variação por pergunta e por agente. Uma execução isolada não prova causa.

O que costuma dar errado

Perseguir o texto da resposta em vez dos dados. Reescrever o texto para soar como o vencedor raramente funciona. Os agentes escolhem com base em fatos.
Inventar especificações para preencher lacunas. Um atributo inventado é pior do que um ausente. O agente vai citá-lo, e o cliente vai cobrar você por ele.
Preços diferentes em canais diferentes. Um agente que encontra seu produto por US$ 179 em um checkout e US$ 189 em outro pode não escolher nenhum dos dois, ou comprar pelo preço errado.
Medir uma vez só. Uma captura de tela de uma resposta de IA é apenas uma anedota.

Rodando a ACO com uma equipe de agentes

A rotina acima é, em sua maior parte, trabalho repetitivo: fazer as mesmas perguntas toda semana, comparar anúncios, redigir correções campo a campo. Isso é trabalho para agentes. Decidir quais fatos são verdadeiros e quais preços são aceitáveis não é.

No Buda, uma equipe de agentes de IA para e-commerce trabalha a partir de um único espaço da loja, com os dados de produto, as planilhas de fornecedores e as políticas por perto. Um agente de pesquisa acompanha os anúncios dos concorrentes. Um agente de enriquecimento de catálogo preenche os atributos que faltam e sinaliza anúncios com preços desatualizados ou estoque conflitante entre canais. Um agente de anúncios redige o texto no formato de cada canal. Cada resultado volta como rascunho, para uma pessoa aprovar antes de chegar à loja.

O mesmo espaço pode guardar a rotina semanal como uma habilidade reutilizável e executá-la em horários definidos. O agente de SEO, que já organiza grupos de palavras-chave, pode manter em um só lugar o trabalho de busca e o de respostas de IA.

Comece pequeno: escolha cinco perguntas de compradores e uma linha de produtos, faça a checagem por três semanas e veja o que os motivos revelam.

Perguntas frequentes

Otimização para comércio agêntico é o mesmo que GEO?

Não. O GEO trata de ser mencionado ou citado em respostas de IA. A ACO trata de ser o produto que um agente de compras de IA recomenda e, cada vez mais, o que ele compra. Depende muito mais de dados estruturados de produto, preço e estoque do que de artigos.

Quais agentes de compras com IA devo checar?

Os que seus compradores usam. Para a maioria dos vendedores que atendem os EUA, são ChatGPT, Gemini, Meta Muse e Amazon Rufus. Walmart e outros mantêm assistentes de compras próprios dentro de seus marketplaces.

Posso automatizar as checagens?

Leia primeiro os termos de cada plataforma. Muitas não permitem raspagem automatizada. Um caminho mais seguro é um agente trabalhando numa sessão de navegador que você controla, em ritmo humano, com cada resposta salva como evidência.

Quanto tempo leva para uma correção aparecer?

Varia conforme o agente e a frequência com que ele atualiza os dados de produto. Acompanhe semanalmente e observe a tendência ao longo de um mês.