O Google passou a documentar um novo relatório no Merchant Center chamado AI performance insights. A página oficial explica que o recurso mostra como uma marca aparece nas experiências de IA generativa do Google, especificamente no AI Mode e nos AI Overviews, dentro de jornadas de compra feitas por perguntas mais longas e conversacionais.

A novidade ainda não é um recurso disponível para todo mundo. Segundo a própria Central de Ajuda do Google Merchant Center, o AI performance insights está em piloto com um número limitado de contas nos Estados Unidos e deve se expandir para Austrália, Canadá, Índia e Nova Zelândia nos próximos meses. Não há indicação de disponibilidade no Brasil neste momento.

Mesmo assim, a pauta importa para PMEs brasileiras de e-commerce porque mostra para onde a mensuração de visibilidade está caminhando. Se o consumidor passa a perguntar ao Google coisas como "qual tênis é melhor para caminhada com amortecimento" ou "qual cafeteira compacta vale a pena para apartamento", o lojista deixa de disputar apenas palavra-chave curta e passa a disputar presença em respostas geradas por IA.

Esta matéria é de Notícia & Autoridade, com estágio dominante de meio de funil. Ela ajuda o dono de PME que já vende online a sair de uma visão restrita de tráfego e começar a preparar catálogo, descrições e dados de produto para uma busca mais conversacional.

O que o Google colocou no Merchant Center

A página oficial do Google afirma que o relatório de AI performance insights busca dar uma visão mais transparente de como marcas são descobertas no ecossistema de IA generativa do Google. O foco são as experiências AI Mode e AI Overviews, com dados voltados à jornada de compra.

Na prática, o relatório fica dentro do Merchant Center, na área de Analytics. O caminho descrito pelo Google é: entrar no Merchant Center, abrir a aba Analytics, selecionar Products e acessar a guia AI performance.

O objetivo não é mostrar todo tipo de consulta feita no Google. A documentação diz que os insights se concentram em consultas conversacionais com intenção de compra e relação com marcas. Consultas fora desse recorte não entram no relatório.

Esse detalhe é importante. O Google está separando uma camada específica de busca: perguntas mais complexas, com linguagem natural, nas quais o consumidor está descobrindo, avaliando ou se aproximando de uma compra.

Quais métricas aparecem no relatório

O AI performance insights trabalha com métricas que lembram uma mistura de SEO, pesquisa de mercado e análise competitiva.

A primeira é o share of voice da marca ou produto, calculado a partir das impressões de IA da empresa em comparação com concorrentes relacionados. A segunda é a média de participação dos concorrentes definidos no Merchant Center, para entender se a visibilidade da marca está acima ou abaixo de um padrão de mercado.

O relatório também mostra frequência de consultas, indicando a popularidade de tipos de pergunta, termos de produto, fases da jornada ou atributos procurados. Outra dimensão é o tipo de consulta, como busca por categoria, pesquisa de especificações ou procura por avaliações.

Há ainda filtros por categoria de produto, período, países elegíveis e tráfego. E aqui entra uma limitação decisiva: o Google informa que os dados atuais são restritos a tráfego orgânico de IA, como listagens gratuitas em experiências de IA. Tráfego de anúncios pagos não entra nesse relatório.

Para uma PME, isso reforça uma leitura que já vinha ficando clara: mídia paga continua importante, mas a base orgânica do produto, o catálogo e a clareza da oferta ganham peso em experiências de IA.

A jornada de compra fica mais visível

Um dos pontos mais úteis do relatório é a divisão da jornada em três fases: descoberta, avaliação e compra.

Na fase de descoberta, entram intenções iniciais, quando o consumidor explora opções gerais. Na avaliação, aparecem comparações, especificações e critérios de escolha. Na compra, entram perguntas mais próximas da decisão.

O Google diz que o scorecard de cada fase mostra o share of voice e ajuda a identificar onde a marca está bem e onde há espaço de otimização. Um exemplo citado na documentação é a descoberta de que um tipo de consulta por características de produto pode estar popular, mas a marca tem baixa participação nesse recorte.

Traduzindo para uma loja pequena: talvez o consumidor esteja procurando "mochila impermeável para notebook", "sapato confortável para trabalhar em pé" ou "ração para cachorro com pele sensível". Se o catálogo da loja não descreve esses atributos com clareza, a IA pode não ter sinal suficiente para considerar aquela oferta.

A disputa deixa de ser apenas aparecer para o nome do produto. Passa a ser aparecer para o contexto de uso, a dor do cliente, o atributo técnico e a fase da decisão.

O impacto prático para PMEs brasileiras

Para o dono de PME, o erro seria olhar essa novidade e pensar: "isso ainda não está no Brasil, então não preciso fazer nada".

A disponibilidade limitada é real e precisa ser respeitada. Mas o movimento é maior do que o piloto. O Google está sinalizando que, em buscas com IA, a visibilidade de produtos pode ser medida por participação em respostas, tipo de pergunta, fase da jornada e qualidade dos dados do catálogo.

Isso muda a prioridade de quem vende online. Título de produto genérico, descrição copiada do fornecedor, atributos incompletos e páginas sem contexto ficam mais frágeis. A loja que explica bem material, tamanho, compatibilidade, benefício, uso, restrição, público e diferença competitiva tende a oferecer sinais melhores para sistemas que interpretam consultas conversacionais.

Não é sobre encher a página de texto artificial. É sobre responder melhor às perguntas reais que o comprador faria antes de comprar.

Se a loja vende móveis, precisa explicar medidas, materiais, ambientes indicados, montagem, entrega e cuidados. Se vende cosméticos, precisa tratar tipo de pele, modo de uso, composição, restrições e resultados esperados com responsabilidade. Se vende eletrônicos, precisa deixar claros compatibilidade, garantia, especificações e comparação entre modelos.

A IA não elimina a necessidade de SEO. Ela aumenta o custo de ter conteúdo raso.

O que revisar no catálogo agora

A primeira revisão prática é no feed do Merchant Center. Produtos com títulos vagos, categorias erradas, atributos ausentes ou descrições pobres tendem a perder contexto. Mesmo que o relatório ainda não esteja disponível no Brasil, esses mesmos dados já sustentam listagens gratuitas, Shopping, Performance Max, Merchant Center e a compreensão geral da oferta.

O segundo ponto é a página do produto. Uma página boa não deve apenas repetir nome, preço e foto. Ela deve explicar para quem aquele produto serve, em que situação ele resolve um problema, quais atributos importam e quais dúvidas comuns precisam ser respondidas antes da compra.

O terceiro ponto é a consistência entre feed, página e conteúdo editorial. Se o produto fala uma coisa no feed, outra na página e outra no blog, a marca enfraquece sua própria leitura. Para IA, consistência é sinal de confiança.

O quarto ponto é acompanhar termos de busca internos, perguntas recebidas no WhatsApp, dúvidas de atendimento e objeções comerciais. Essas informações revelam como clientes de verdade perguntam. Muitas vezes, a linguagem do comprador é mais valiosa do que a linguagem técnica do fornecedor.

A leitura da AgenciAR

A novidade do Google não deve ser lida como uma corrida para manipular AI Overviews ou AI Mode. Esse seria o caminho curto e fraco.

A leitura mais útil para PME é outra: a busca está ficando mais parecida com uma conversa de venda. O cliente pergunta com contexto, compara critérios, mistura necessidade com restrição e espera uma resposta pronta para decidir melhor.

Quem vende online precisa organizar seus dados como se estivesse treinando um vendedor bom: nome correto, categoria certa, atributos completos, benefício concreto, limite claro, prova suficiente e resposta para objeções.

A diferença é que esse vendedor agora também precisa ser legível para o Google, para o Merchant Center e para experiências de IA. Não basta ter produto. É preciso que o produto seja compreensível.

Para negócios pequenos, isso pode virar vantagem. Grandes catálogos costumam ter escala, mas também têm muita descrição genérica. Uma PME com menos produtos pode revisar melhor cada item, enriquecer páginas estratégicas e transformar dúvidas reais de clientes em conteúdo que ajuda tanto pessoas quanto mecanismos de busca.

O que não fazer

Não vale inventar atributos para aparecer mais. Se um produto não é impermeável, sustentável, vegano, compatível ou indicado para determinado uso, isso não deve ser colocado no feed nem na página. A curto prazo, pode até gerar clique. A médio prazo, gera devolução, reclamação e perda de confiança.

Também não vale criar conteúdo automático em massa sem revisão. A IA pode ajudar a estruturar descrições, perguntas frequentes e comparações, mas a empresa precisa validar informação técnica, promessa, disponibilidade, preço, prazo e política comercial.

Outro cuidado é não tratar share of voice como métrica isolada. Quando o relatório chegar a mais mercados, aparecer mais em consultas de IA será interessante, mas a pergunta final continua sendo comercial: essa visibilidade traz tráfego qualificado, venda, margem e recompra?

Como se preparar sem esperar o piloto chegar

A ação mais sensata agora é mapear produtos prioritários. Comece pelos itens com maior margem, maior demanda, maior recorrência ou melhor potencial de diferenciação. Depois revise títulos, descrições, atributos, imagens, páginas e dúvidas frequentes.

Em seguida, observe as perguntas reais dos clientes. O WhatsApp, o atendimento, o histórico de busca do site e as conversas comerciais mostram a linguagem que a IA também tende a encontrar na jornada de compra: tamanho, comparação, uso, garantia, preço, entrega, material, durabilidade e confiança.

Por fim, conecte SEO e Merchant Center. Não trate o feed como tarefa técnica isolada nem o blog como texto separado da venda. A loja precisa construir uma base coerente: produto bem cadastrado, página útil, conteúdo de apoio e mensuração que ajude a decidir onde investir.

O relatório do Google ainda está em piloto. A preparação, não.

Fontes consultadas

  • Google Merchant Center Help: About AI performance insights — https://support.google.com/merchants/answer/17200695
  • PPC News Feed: AI Performance Insights Now in Limited Pilot in GMC — https://ppcnewsfeed.com/ppc-news/2026-07/ai-performance-insights-limited-pilot-gmc/

Leitura editorial da AgenciAR

O ângulo central desta matéria é que o Google está começando a transformar visibilidade em experiências de IA em um dado de gestão para e-commerce. Para PMEs brasileiras, mesmo sem acesso imediato ao piloto, o movimento antecipa uma exigência prática: catálogos e páginas de produto precisam responder melhor às perguntas reais do comprador, com dados completos e linguagem útil.

Perguntas frequentes

O AI performance insights já está disponível no Brasil?

Não há indicação oficial de disponibilidade no Brasil. A documentação do Google informa que o recurso está em piloto com um número limitado de contas nos Estados Unidos e deve se expandir para Austrália, Canadá, Índia e Nova Zelândia nos próximos meses.

O relatório mede anúncios pagos?

Não no formato atual descrito pelo Google. A página oficial diz que os dados atuais são limitados a tráfego orgânico de IA, como listagens gratuitas em experiências de IA. Tráfego de anúncios pagos não está incluído.

Pequenas lojas devem mudar o SEO por causa disso?

Devem melhorar a base, não correr atrás de truque. O caminho prático é revisar títulos, descrições, atributos, categorias, páginas de produto e respostas para dúvidas reais dos clientes.

Isso substitui o Google Ads ou o SEO tradicional?

Não. O relatório mostra uma nova camada de visibilidade em experiências de IA, mas não substitui mídia paga, SEO técnico, conteúdo útil, Merchant Center bem configurado e mensuração comercial.

O que uma PME pode fazer agora?

Priorizar produtos importantes, enriquecer dados do Merchant Center, revisar páginas de produto, incluir atributos reais e usar dúvidas de clientes para melhorar descrições e conteúdo de apoio.