Um novo estudo da BoF Insights com 10 000 compradores europeus de moda e desporto conclui que a falta de informação sobre os produtos e a incerteza quanto ao tamanho continuam a ser os dois maiores problemas do comércio eletrónico, e até um em cada cinco inquiridos afirma que informações deficientes levaram ao abandono da sua última compra. Ainda assim, apenas 19% dos líderes do setor consideram prioritário corrigir os dados fundamentais dos produtos, enquanto 54% dão prioridade à UX e à expressão da marca. Ao mesmo tempo, uma auditoria técnica a 50 grandes sites mostra que a maioria pode ser razoavelmente recuperada pela IA, mas é muito menos eficaz a ajudar as máquinas a compreender o significado ou concluir transações. À medida que a procura do comércio social e os orçamentos de publicidade social paga aceleram no Q4, vencerão as marcas que corrigirem os fundamentos menos entusiasmantes antes de ampliarem a camada mais apelativa.
| O resumo diário da Beecommercer |
| Data: quarta-feira, 2 de setembro de 2026 |
| Apresentado por: beecommercer.com |
O tema de hoje é claro: ao comércio eletrónico não faltam novas interfaces, ferramentas de IA, formatos publicitários ou canais de distribuição.
O recurso escasso é informação comercial fiável. Os compradores continuam a precisar de compreender o que é o produto, se lhes vai servir, quando chegará, quanto custa e se a marca cumprirá a promessa. Os sistemas de IA precisam dos mesmos factos num formato legível por máquinas antes de poderem citar, comparar, recomendar ou realizar transações com fiabilidade.
As marcas mais expostas ao risco não são necessariamente as que adotam mais devagar. São as empresas que avançam rapidamente com novas tecnologias, deixando por resolver os dados dos produtos, a atribuição e os fundamentos operacionais.
Vamos a isso.
A GRANDE HISTÓRIA
As marcas de moda e desporto inovam sobre bases instáveis
O novo relatório 'Inside Fashion & Sports E-Commerce' da BoF Insights inquiriu 10 000 consumidores e quase 150 altos responsáveis de marcas e retalhistas no Reino Unido, Alemanha, França, Itália e Espanha. O relatório foi produzido em colaboração com a Amazon Fashion & Sports, pelo que o seu contexto de plataforma deve ser tido em conta, mas a diferença entre consumidores e setor é impressionante.
A falta de informação sobre os produtos e a incerteza quanto ao tamanho foram os dois maiores problemas das compras online. Até um em cada cinco consumidores inquiridos afirmou ter abandonado a sua última compra de moda ou desporto porque a informação não era suficientemente boa.
As prioridades de investimento do setor não correspondem a esse problema. Cinquenta e quatro por cento dos líderes inquiridos classificaram a UX e a expressão da marca como a principal prioridade no comércio eletrónico, enquanto apenas 19% colocaram os dados fundamentais dos produtos entre as prioridades.
Este é um aviso útil para o atual ciclo da IA. Melhores interfaces de recomendação, experiências mais ricas, percursos personalizados e checkout agêntico podem ser valiosos. Mas o sistema continua a precisar de informações exatas sobre tamanho, material, compatibilidade, preço, disponibilidade, entrega e devoluções antes de a experiência se tornar fiável.
O relatório também mostra para onde se desloca a confiança. Amigos e familiares continuam a ser a principal fonte de recomendações, enquanto os atletas conquistam a confiança de quase um terço dos consumidores inquiridos. Os microinfluenciadores, com 19%, superam as celebridades e os macroinfluenciadores, ambos com 17%.
Nas compras orientadas por IA, os retalhistas podem ter uma vantagem estrutural sobre as plataformas exclusivamente de IA. O relatório afirma que os consumidores confiam no checkout agêntico fornecido por retalhistas mais do dobro do que noutras fontes, incluindo empresas puramente de IA e marcas de moda.
Os retalhistas também avançam mais depressa na otimização para motores generativos: 56% afirmam que a GEO já faz parte da sua estratégia, contra 20% das marcas. O risco é as marcas perseguirem a camada de visibilidade sem corrigirem a camada de informação que o sistema de IA deve compreender.
Os dados de conversão reforçam este ponto. Os consumidores referem razões práticas, como entrega gratuita, devoluções fáceis e entrega rápida, com muito mais frequência do que escassez ou exclusividade para pagar o preço integral. Quarenta e dois por cento referem entrega gratuita, contra 15% para a escassez e apenas 7% para o acesso exclusivo.
| Conclusão para os operadores: Antes de financiar outra funcionalidade de compras com IA, audite os 50 produtos com maior receita quanto a tamanho, dimensões, material, compatibilidade, variantes, entrega, devoluções, imagens, avaliações e dados estruturados. Depois, compare esses campos entre o site, os feeds de comerciantes, os marketplaces e todas as fontes de produtos destinadas à IA. A inovação multiplica resultados quando a informação de produto é rigorosa; caso contrário, multiplica a confusão. |
A MUDANÇA
A preparação para a IA passa de 'Consegue rastreá-lo?' para 'Consegue compreendê-lo e utilizá-lo?'
O Search Engine Journal publicou uma auditoria a 50 grandes sites utilizando um quadro de preparação para a IA com três camadas: capacidade de recuperação, atribuição e significado, e transação e descoberta por agentes.
O site médio obteve um resultado razoável na capacidade de recuperação, com 74,4%. Esta camada sobrepõe-se bastante ao SEO técnico conhecido: HTML limpo, estrutura semântica, etiquetas ARIA, integridade da árvore de acessibilidade, sitemaps e formulários utilizáveis por máquinas.
A pontuação caiu acentuadamente quando a auditoria perguntou se a IA conseguia compreender o significado do conteúdo e quem o detém. A pontuação média de atribuição e significado foi de apenas 38,5%.
Os dados estruturados eram uma das maiores lacunas. Setenta por cento das páginas iniciais auditadas tinham JSON-LD, o que significa que quase um terço não tinha nenhum. Um modelo ainda pode adivinhar qual número é o preço ou que entidade detém a página, mas a probabilidade de interpretação errada aumenta quando o site não descreve explicitamente essas relações.
A terceira camada — transação e descoberta por agentes — está ainda muito pouco desenvolvida. A pontuação média foi de apenas 2,1%, refletindo o caráter ainda recente da interação segura entre agentes e sites. A auditoria analisa mecanismos como a descoberta OAuth e protocolos emergentes que poderão vir a permitir aos assistentes obter dados em tempo real ou concluir tarefas.
A conclusão mais útil não é a pontuação em si. É o facto de as marcas precisarem de tomar uma decisão estratégica explícita sobre o acesso da IA. Vinte e nove dos 50 sites auditados pareciam não ter qualquer política deliberada de acesso para bots de IA.
A Amazon é um bom contraexemplo. Obteve apenas 29,2% no total, mas a baixa pontuação parece intencional, porque a Amazon bloqueia a maioria dos bots de IA. Assim, uma pontuação baixa de 'preparação para a IA' pode refletir uma estratégia deliberada de comércio fechado, e não negligência técnica.
Esta é uma forma melhor de pensar a arquitetura de IA. O objetivo não é cumprir todas as listas de verificação emergentes. É decidir o que os sistemas de IA estão autorizados a ler, compreender e fazer com a empresa.
| Conclusão para os operadores: Divida a preparação para a IA em três perguntas: o sistema consegue recuperar o conteúdo, consegue compreender corretamente a entidade e o significado comercial, e deve ter autorização para agir? Corrija primeiro os fundamentos estabelecidos — HTML semântico, acessibilidade, Schema, saída limpa do servidor, sitemaps e política explícita para crawlers — antes de perseguir ficheiros ou protocolos de fronteira. Depois, tome deliberadamente a decisão de acesso, em vez de a herdar de predefinições antigas. |
A CAMADA OPERACIONAL
O Q4 recompensará mais a competência no canal do que a entrada de última hora
Um colaborador do Forbes Business Council que opera TikTok Shops defende que o Q4 de 2026 poderá ser um período decisivo para vendedores independentes, porque o TikTok Shop está a crescer rapidamente como canal distinto de comércio social. Trata-se de um artigo de opinião de um participante no canal, pelo que as recomendações estratégicas devem ser lidas nesse contexto.
Os números subjacentes da plataforma são significativos. O TikTok afirmou que a sua Shop nos EUA gerou mais de 500 milhões de dólares durante os quatro dias entre a Black Friday e a Cyber Monday de 2025, enquanto o número de compradores cresceu cerca de 50% em termos homólogos e as vendas através de comércio em direto aumentaram 84%.
A EMARKETER prevê que o GMV da TikTok Shop nos EUA atinja cerca de 23,4 mil milhões de dólares em 2026, mais 48% do que em 2025. O artigo da Forbes defende que os vendedores que pretendem ganhar tração no Q4 não devem esperar por outubro para aprender a plataforma, porque as relações com criadores, a mecânica dos conteúdos, as operações e a economia unitária demoram a construir.
A recomendação mais útil é financeira, e não tática: não projete a receita do Q4 utilizando a economia unitária do Q3. Os custos de aquisição das festas, as comissões dos criadores, as devoluções, a pressão sobre o inventário, os prazos de envio e a intensidade promocional podem todos evoluir na direção errada ao mesmo tempo.
O benchmark de anúncios sociais do Q2 da Emplifi acrescenta provas de que a concorrência já está a aumentar. O fornecedor analisou mais de 7 700 contas de anúncios da Meta e constatou que a despesa mensal mediana em anúncios sociais de comércio eletrónico aumentou 70% em termos homólogos, de 16 426 para 27 966 dólares.
O mesmo conjunto de dados mostrou que as taxas de cliques do comércio eletrónico aumentaram 29%, enquanto o custo por clique caiu 18%, para 0,133 dólares. Como se trata de dados de benchmark de um fornecedor, provenientes de contas da Meta geridas no conjunto de dados da Emplifi, não devem ser tratados como uma média universal do mercado.
Ainda assim, a direção é importante: a despesa e a eficiência podem melhorar ao mesmo tempo quando o anúncio está ligado a conteúdo relevante, avaliações reais e uma experiência de compra que funciona depois do clique.
| Conclusão para os operadores: Trate setembro como um mês de operações, não apenas de produção criativa. Fixe as prioridades de produto, o inventário, os limites mínimos de margem, os prazos de envio, os pressupostos de devolução, os canais de criadores e o acompanhamento antes de a pressão dos leilões do Q4 atingir o máximo. Não avalie um novo canal de comércio social apenas pelo GMV. Inclua no modelo as comissões dos criadores, as taxas da plataforma, os descontos, a execução logística, as devoluções e a qualidade dos clientes. |
3 PONTOS SOBRE ANÚNCIOS, AVALIAÇÕES E ESCALA COMERCIAL
1. A migração para o AI Max pode alterar a priorização das palavras-chave
A Google esclareceu a priorização de palavras-chave no AI Max para anunciantes que deixam de utilizar a definição de campanha de correspondência ampla.
Quando a definição de correspondência ampla da campanha é desativada ou uma campanha passa para o AI Max, as palavras-chave amplas existentes não são tratadas como palavras-chave de correspondência exata para efeitos de priorização.
Os anunciantes que pretendam preservar essa priorização precisam de criar cópias de correspondência exata na campanha AI Max. Converter as próprias palavras-chave amplas em correspondência exata eliminaria as suas estatísticas históricas.
Se a priorização normal do AI Max para as palavras-chave de correspondência exata existentes for aceitável, não é necessária qualquer ação.
| Conclusão para os operadores: Audite as campanhas de Search de elevado valor antes da migração e identifique as consultas em que a priorização da correspondência exata é comercialmente importante. Não altere palavras-chave amplas para correspondência exata apenas para preservar a prioridade sem considerar a perda dos dados históricos das palavras-chave. Documente a estrutura pretendida antes da migração, para que o desempenho após a alteração possa ser diagnosticado com clareza. |
2. A Google está a transformar avaliações de lojas em textos publicitários gerados por IA
A Google está a testar uma secção 'O que os clientes adoram' nos resultados patrocinados, identificada como 'gerada por IA a partir das avaliações de classificação da loja'.
A Google já utilizava resumos de avaliações gerados por IA nas classificações de lojas e nos painéis locais. O novo tratamento publicitário mostra a mesma informação a passar de forma mais visível para o resultado patrocinado.
Isto transforma os dados de reputação em parte do criativo publicitário, quer o anunciante escreva o texto ou não. A plataforma pode extrair temas recorrentes das avaliações e apresentá-los como um sinal comercial de confiança.
A vantagem óbvia é uma prova social mais forte. O risco é um resumo de IA realçar um tema que a marca não teria escolhido ou comprimir experiências mistas dos clientes numa afirmação simplificada.
| Conclusão para os operadores: Trate a qualidade e os temas das avaliações como elementos de meios pagos. Monitorize as expressões que os clientes repetem, responda às reclamações recorrentes e verifique se os resumos gerados por IA representam a experiência com precisão. À medida que as plataformas geram mais textos a partir de sinais próprios e de terceiros, a gestão da reputação torna-se parte da governação criativa. |
3. O negócio de comércio eletrónico da Amazon continua enorme, mesmo numa narrativa de mercado dominada pela IA
Um comentário para investidores do Yahoo Finance observa que o negócio de comércio eletrónico da Amazon segue uma trajetória de receitas que poderá ultrapassar 750 mil milhões de dólares em 2026, enquanto a AWS cresce muito mais rapidamente.
A divisão exata da avaliação entre o comércio eletrónico e a AWS apresentada no artigo é uma estimativa do autor, não uma divulgação da Amazon, e o texto foi escrito para investidores, não para operadores.
O lembrete mais útil é estratégico. A infraestrutura de IA pode dominar a narrativa do mercado, mas o ecossistema de retalho, marketplace, serviços a vendedores, logística, publicidade, subscrições e execução da Amazon continua a ser um dos maiores sistemas comerciais do mundo.
É por essa escala que os dados dos produtos, as avaliações, a execução e a confiança no retalho continuam a ser importantes. A camada de descoberta mais avançada acaba por precisar de um comerciante capaz de concluir a encomenda.
| Conclusão para os operadores: Não deixe que a narrativa da IA desvie a atenção da economia unitária e das operações comerciais. Utilize novos canais de descoberta para criar procura, mas continue a medir disponibilidade, custo de execução, margem, devoluções, repetição de compra e carga sobre o serviço ao cliente. A empresa com a melhor interface de IA não tem automaticamente o melhor negócio comercial. |
FORA DE HORAS
A camada menos entusiasmante está a tornar-se a camada competitiva
As histórias de hoje descrevem um mercado em corrida para a descoberta por IA, compras agênticas, comércio social e meios pagos cada vez mais automatizados.
Mas as provas mais fortes continuam a apontar para fundamentos pouco glamorosos.
Os consumidores abandonam compras porque a informação dos produtos não é clara. Pagam o preço integral porque a entrega e as devoluções parecem fáceis. Os sistemas de IA interpretam mal as páginas quando o Schema e os sinais de entidades são fracos. Os vendedores perdem margem no Q4 quando as comissões e as taxas de devolução crescem mais depressa do que a receita. A automatização do Google Ads torna-se mais difícil de diagnosticar quando a estrutura das palavras-chave é alterada sem um plano.
A camada tecnológica está a melhorar rapidamente. Isso não significa que os fundamentos possam permanecer incompletos.
A próxima vantagem no comércio eletrónico poderá resultar de uma disciplina muito simples: corrigir a fonte de verdade antes de multiplicar a interface.
A Equipa Beecommercer