Recebemos a mesma pergunta de todo lojista que ouviu falar sobre otimização de feed com IA: "realmente funciona ou é só hype?"
Resposta curta: funciona quando feito corretamente. Reescritas genéricas com IA tendem a quebrar feeds (mostraremos exatamente como). Reescritas com suporte a categoria, bloqueio de atributos e fila de revisão produzem aumentos de CTR confiáveis e repetíveis.
Este artigo apresenta três estudos de caso reais dos últimos 6 meses, anonimizados mas com números reais antes e depois, padrões de reescrita e armadilhas.
A configuração
Para cada estudo de caso, executamos um teste A/B de 14 dias:
- Dia 0: captura do feed existente. Documentar CTR, participação de impressões e taxa de conversão nos 100 principais SKUs.
- Dia 1–7: implantar reescritas com IA em 50% randomizado de SKUs (grupo de "teste"). Os outros 50% mantiveram a cópia original (o "controle").
- Dia 8–14: manter o teste. Comparar ambos os grupos nas mesmas campanhas do Google Ads, lances e audiências.
As três lojas executavam Performance Max. Todas tinham usado o feed existente por pelo menos 6 meses, então o controle era uma linha de base estável.
Caso 1 — Moda (roupas femininas mid-market)
Catálogo: 2.400 SKUs. Preço médio: US$ 78. CTR existente em Shopping: 1,4%.
As reescritas (amostra):
| Antes | Depois |
|---|---|
| Vestido Wrap | Vestido Midi Wrap em Algodão com Amarração Lateral, Cintura Cintada, Preto, Comprimento Joelho |
| Blusa Linho | Blusa Gola V Blend de Linho, Manga Curta, Cru, Ajuste Solto |
| Camiseta Listrada | Camiseta Algodão Listrada Gola Careca, Manga Longa, Azul Marinho & Branco |
O padrão: tecido + silhueta + gola + comprimento de manga + cor + descritor de ajuste, nessa ordem. Essa é a estrutura que melhor mapeia como consumidoras de moda realmente buscam — digitam tecido e silhueta, depois refinam com cor.
Resultados após 14 dias:
| Métrica | Controle | Teste (reescritas IA) | Aumento |
|---|---|---|---|
| CTR | 1,4% | 2,1% | +50% |
| Impressões | 142K | 167K | +18% |
| Taxa de conversão | 1,8% | 1,9% | +6% |
| Custo por clique | US$ 0,84 | US$ 0,71 | −15% |
Por que funcionou: moda tem uma taxonomia de busca particularmente rica ("vestido midi preto", "blusa linho gola v cru") e os títulos originais carecem de cobertura de atributos. As reescritas recuperaram cobertura de buscas. O CPC caiu porque a pontuação de relevância subiu.
Caso 2 — Utensílios de Cozinha
Catálogo: 580 SKUs. Preço médio: US$ 42. CTR existente: 0,9%.
Este foi o caso mais desafiador. As buscas de utensílios de cozinha são dominadas por grandes varejistas (Amazon, IKEA, Williams Sonoma) e tendem a ser muito orientadas por marca. O feed original usava descrições do fabricante literalmente.
As reescritas (amostra):
| Antes | Depois |
|---|---|
| Le Creuset Panela Holandesa Redonda 5,5 Qt | Panela Holandesa Signature Le Creuset Redonda, 5,5 Qt, Cereja, Ferro Fundido Esmaltado, Segura em Forno até 500°F |
| Processador de Alimentos Cuisinart | Processador de Alimentos Cuisinart Custom 14 Xícaras, Aço Inoxidável, Motor 720W, Inclui Discos de Fatia e Ralador |
| Escorredor de Salada OXO | Escorredor de Salada OXO Good Grips, 6,34 Litros, Sem BPA, Operação com Bomba de Uma Mão, Tigela Transparente |
O padrão: marca + modelo + capacidade + cor + material + especificação-chave. Capacidade e material são os sinais de desambiguação pelos quais consumidores realmente filtram.
Resultados após 14 dias:
| Métrica | Controle | Teste | Aumento |
|---|---|---|---|
| CTR | 0,9% | 1,2% | +33% |
| Impressões | 58K | 71K | +22% |
| Taxa de conversão | 2,4% | 2,6% | +8% |
| ROAS | 3,2x | 3,9x | +22% |
A taxa de conversão quase não se alterou (as PDPs permaneceram inalteradas), mas o aumento de impressões e CTR se traduziu em melhoria significativa de ROAS.
Caso 3 — Beleza / Skincare
Catálogo: 320 SKUs. Preço médio: US$ 34. CTR existente: 1,8%.
Beleza é interessante porque a linguagem de busca é pesada em palavras-chave de ingrediente e preocupação ("sérum retinol pele sensível", "vitamina c clareador").
As reescritas (amostra):
| Antes | Depois |
|---|---|
| Sérum Facial Hidratante | Sérum Facial Clareador Vitamina C 15% com Ácido Hialurônico, 30ml, Para Pele Opaca, Vegano, Sem Fragrância |
| Creme Noturno | Creme Noturno Retinol 0,5% com Niacinamida & Esqualano, 50ml, Para Anti-Envelhecimento, Testado em Pele Sensível |
| Protetor Solar FPS 50 | Protetor Solar Mineral FPS 50, Óxido de Zinco & Dióxido de Titânio, 50ml, Reef-Safe, Para Pele Sensível, Não-Comedogênico |
O padrão: ingrediente ativo + concentração + tipo de produto + ingrediente secundário + tamanho + preocupação + certificação. Ingrediente ativo primeiro porque é assim que consumidoras de beleza buscam.
Resultados após 14 dias:
| Métrica | Controle | Teste | Aumento |
|---|---|---|---|
| CTR | 1,8% | 2,6% | +44% |
| Impressões | 31K | 38K | +23% |
| Taxa de conversão | 3,1% | 3,5% | +13% |
| ROAS | 4,1x | 5,7x | +39% |
O maior aumento dos três estudos. Beleza recompensa títulos específicos e carregados de atributos porque as consumidoras compram a promessa do ingrediente tanto quanto a marca.
O que funcionou em todos os três
Olhando para os três estudos, três padrões consistentemente geraram o aumento:
1. Priorizar o token de intenção de compra
Em todos os três casos, o token mais importante de intenção do consumidor foi movido para os primeiros 30 caracteres do título. Para moda isso é tecido+silhueta; para utensílios de cozinha é marca+modelo+capacidade; para beleza é ingrediente ativo+concentração.
Por quê: o layout do Google Shopping trunca títulos em cerca de 70 caracteres em mobile. Os primeiros 70 caracteres fazem 90% do trabalho no SERP.
2. Substituir fluff de marketing por specs pesquisáveis
"Premium", "Mais vendido", "Favorito dos clientes", "Exclusivo" — estes são tokens de zero valor. Não correspondem a nenhuma consulta de busca, usam orçamento de caracteres e prejudicam ativamente sua pontuação de qualidade (Google as vem desempriorizando desde 2018).
Substitua por: dimensões, pesos, capacidades, certificações, materiais, números de modelo. O maior ganho de orçamento de caracteres nos três estudos foi eliminar adjetivos de marketing.
3. Alinhar às principais buscas reais
Este é o passo que quase ninguém faz. Antes de reescrever, extraímos as 50 principais consultas de busca que cada loja já estava correspondendo — mesmo que essas consultas tivessem conversão ruim. As reescritas então incluíram explicitamente os tokens dessas buscas.
Parece óbvio, mas a maioria das ferramentas de "reescrita com IA" não tem acesso ao seu relatório de termos de busca e então reescrevem às cegas. As reescritas acabam correspondendo a alguma outra taxonomia (frequentemente a nomenclatura do catálogo do fabricante) em vez da linguagem real do seu consumidor.
O que quebrou quando reescritas com IA deram errado
Também vimos muitas reescritas com IA destruir feeds. Os três modos de falha:
- Specs alucinadas. Reescritas genéricas com ChatGPT vão inventar valores de capacidade, peso ou material se não estiverem presentes na fonte. Isso gera desaprovações do Merchant Center e, pior, reclamações de clientes.
- Marca ou número de modelo perdidos. "Sony WH-CH720N" vira "fones de ouvido wireless premium". Você acabou de tornar seu produto invisível para qualquer um procurando por ele pelo nome.
- Voz inconsistente. Quando o prompt de reescrita não tem escopo por categoria, você acaba com utensílios de cozinha que parecem um anúncio de skincare. O catálogo se lê como baixa confiança.
É por isso que MagicFeedPro usa prompts com escopo de categoria, bloqueio de atributos (marca/modelo/GTIN/tamanho/cor não podem ser alterados), e uma fila de diff antes da publicação.
Vamos reescrever seus 20 principais SKUs e mostrar o diff antes de qualquer coisa ficar ao vivo. Grátis.
A conclusão
Um aumento de 40% em CTR parece dramático, mas é na verdade o piso do que é possível quando um feed sub-otimizado recebe uma reescrita com suporte a categoria. As equipes que mais ganham com reescritas com IA:
- Executam uma auditoria de termos de busca primeiro para aprender quais buscas estão realmente correspondendo.
- Constroem um prompt por categoria que bloqueia identificadores e prioriza o token de intenção de compra.
- Testam A/B antes da implantação em catálogo inteiro.
- Auditam diagnósticos do Merchant Center durante e após o lançamento.
Pule a etapa 1, e suas reescritas com IA corresponderão à taxonomia de outro. Pule a etapa 4, e você perderá as rejeições se acumulando silenciosamente.
Uma técnica avançada adicional: usar estratégia de label customizado para segmentar produtos após reescrita permite controle ainda mais apertado sobre modificadores de lance e segmentação de feed. Essa abordagem em camadas — reescrever, segmentar, testar — é o que separa operações de feed de seis dígitos de sete dígitos.
FAQ
Artigos relacionados
IA Está Remodelando Google Shopping: Feed para SGE em 2026
Otimização de feed de compras com IA do Google depende de 6 atributos que decidem quais produtos aparecem nos carrosséis de IA. Corrija seu feed agora.
Atributos de Metafields do Shopify no Google Shopping
Mapeie metafields do Shopify para atributos do Google Shopping como product_detail e product_highlight em menos de um dia — sem desenvolvedores, sem perda de dados.
Reescrever Bundles e Multipacks para Google Shopping com IA
Otimização de títulos de bundle no Google Shopping falha quando IA remove tokens de quantidade. Corrija atributos e recupere impressões perdidas em menos de uma hora.