Dados de Compras com IA do Google: A Demanda Importa Mais que a Visibilidade
Os Insights de Desempenho de IA do Google Merchant Center revelam a participação de voz da IA, estágios de compra, termos de produtos e lacunas de atributos. Veja o que as marcas devem fazer a seguir.
Rastreie a visibilidade da pesquisa de IASem instalação
Atualizado por
Com assistência de IA para apoio à pesquisa
9 minutos de leitura
Atualizado em Jul 22, 2026
O Google está abrindo os dados de compras por IA, mas a visibilidade não é o que mais importa
O Google Merchant Center começou a disponibilizar AI Performance Insights (Insights de Desempenho de IA) para os comerciantes. Pela primeira vez, as marcas podem usar um painel oficial do Google para ver quais necessidades dos consumidores seus produtos atendem no AI Mode, AI Overviews e Gemini, em que ponto essas necessidades se encaixam na jornada de compra e qual o nível de exposição à IA que recebem em comparação com marcas similares.
Após analisar o relatório, no entanto, fiquei ainda mais convencido de uma coisa:
O dado mais valioso na próxima fase da Otimização para Motores Generativos, ou GEO (Generative Engine Optimization), não será quantas vezes a IA menciona uma marca. Será onde a demanda do cliente está concentrada e se a marca consegue, de fato, satisfazer essa demanda.
1. Introdução
Não faz muito tempo, escrevi sobre o Google Search Console e o Bing Webmaster Tools começando a fornecer dados relacionados à pesquisa por IA.
Minha conclusão na época era de que a GEO estava migrando de um conceito novo, construído amplamente sobre monitoramento de terceiros e julgamento do setor, para um estágio em que dados oficiais de plataformas poderiam validá-lo.
A Microsoft começou a relatar citações, enquanto o Google Search Console começou a relatar impressões de IA. No mínimo, isso provou uma coisa: a visibilidade da marca e as citações dentro das respostas geradas por IA tornaram-se métricas que as plataformas de busca estão dispostas a rastrear formalmente.
Essa rodada de atualizações abordou principalmente a camada de sites e conteúdo:
- Se uma página apareceu nos resultados da pesquisa por IA;
- Se um site foi usado como fonte pela IA;
- Quais URLs receberam impressões ou citações.
Agora, o Google deu mais um passo à frente.
Desta vez, os dados entraram no Merchant Center, o que significa que se moveram para a camada de produto e e-commerce.
O AI Performance Insights do Google está começando a mostrar aos comerciantes como os consumidores descobrem seus produtos por meio do AI Mode, AI Overviews e Gemini, qual é o Share of Voice (participação de voz) que suas marcas detêm em relação a produtos comparáveis e quais termos e atributos de produto os usuários consideram mais importantes.
Isso não é apenas mais um relatório.
Ele representa a tentativa do Google de responder a uma pergunta muito mais relevante do que saber se um produto recebeu exposição:
Com o que os consumidores realmente se importam quando fazem compras por meio da IA?
2. O Google está fornecendo mais do que apenas um relatório de visibilidade de IA
Com base nas interfaces e explicações oficiais disponíveis atualmente, o AI Performance Insights contém quatro grandes categorias de dados.
2.1 Share of Voice (Participação de Voz)
A primeira métrica é o Share of Voice de uma marca dentro das experiências de compra por IA do Google.
Em termos simples, ele estima quanta exposição de IA uma marca e seus produtos recebem para necessidades de compra relevantes e, em seguida, compara essa exposição com marcas similares identificadas automaticamente pelo Google.
Figura 1: Exemplo de AI Performance Insights do Google Merchant Center, mostrando o Share of Voice de IA de uma marca e a média de marcas similares.
Essa métrica pode soar semelhante ao Visibility Score (Pontuação de Visibilidade) usado por muitas ferramentas de GEO, mas há uma diferença importante.
As ferramentas de GEO de terceiros normalmente:
Definem um conjunto de prompts, consultam vários modelos de forma recorrente e calculam a frequência com que uma marca aparece.
Os dados do Google vêm de seus próprios ambientes de compras por IA, incluindo AI Mode, AI Overviews e Gemini. Portanto, estão mais próximos da exposição real dentro do ecossistema do Google, embora não possam medir o desempenho fora desse ecossistema.
Seu valor não reside em substituir todas as ferramentas de monitoramento de terceiros. Seu valor está em fornecer às marcas uma linha de base oficial.
Marcas de e-commerce agora podem determinar com mais confiança:
Meus produtos não estão apenas aparecendo em um punhado de prompts de teste. Eles entraram genuinamente no panorama de demanda de compras por IA do Google.
No entanto, o Share of Voice não deve ser interpretado como participação de mercado (market share).
O Google escolhe automaticamente as marcas de comparação, e os comerciantes não conseguem controlar totalmente o conjunto competitivo. O tamanho da amostra, a categorização do produto e o escopo do reconhecimento de entidades do Google também podem afetar a porcentagem.
Um Share of Voice de 100% não significa necessariamente que uma marca monopolizou sua categoria. Uma pontuação de 0% não significa necessariamente que ela não tenha exposição alguma.
A métrica é melhor utilizada para identificar tendências do que como uma medida isolada de desempenho de negócios.
2.2 Onde o usuário está na jornada de compra
O Google também classifica as consultas de compras por IA de acordo com o funil de compra:
- Descoberta (Discovery)
- Avaliação (Evaluation)
- Compra (Purchase)
Por exemplo:
- "Quais máquinas de café são adequadas para um escritório?" pode pertencer ao estágio de Descoberta.
- "Uma máquina de café em cápsulas ou uma máquina totalmente automática é melhor para um escritório pequeno?" está mais próximo da Avaliação.
- "Onde posso comprar esta máquina de café com função de temporizador?" já entrou na etapa de Compra (Purchase stage).
Figura 2: O AI Performance Insights divide a demanda de consumo em estágios de Descoberta (Discovery), Avaliação (Evaluation) e Compra (Purchase).
Acredito que isso seja mais valioso do que medir apenas a exposição à IA.
No passado, muitos programas de monitoramento de GEO simplesmente contavam se uma marca aparecia ou não.
No entanto, aparecer como resposta para "O que é um purificador de ar?" tem um valor comercial muito diferente de aparecer em "Quais são os melhores purificadores de ar para casas com animais de estimação?".
A primeira consulta pode ser apenas educação básica. A segunda já está próxima de uma decisão de compra.
Sem distinguir a intenção e o estágio de decisão, 100 menções à marca podem ser menos valiosas do que 10 recomendações vinculadas a consultas de alta intenção de compra.
Ao colocar esses dados diretamente no Merchant Center, o Google está efetivamente dizendo aos lojistas:
O AI Shopping não deve ser julgado apenas pela exposição total. Você precisa saber onde essa exposição ocorre na jornada de compra.
2.3 Quais Termos de Produto os Usuários Estão Usando
O Google também fornece Termos de Produto (Product Terms), que são conceitos e expressões de produtos que os consumidores usam com frequência durante a jornada de compras assistida por IA.
Isso requer uma interpretação cuidadosa.
O Google não está fornecendo uma lista completa de prompts brutos. Ele está fornecendo termos de produto agregados e tipos de consulta.
Essa estrutura se adapta à natureza da busca via IA.
Na busca tradicional, uma palavra-chave pode ser muito curta:
text
tênis de corridaUm usuário de IA, em vez disso, pode perguntar:
Eu corro quatro vezes por semana, sou mais pesado que a média e meus joelhos frequentemente se sentem desconfortáveis. Existem tênis de corrida com melhor amortecimento para corridas de longa distância e ritmo leve?
Essa única pergunta contém múltiplas dimensões:
- Frequência de uso
- Condição física do usuário
- Cenário de uso
- Funcionalidade do produto
- Riscos potenciais
- Preferências de compra
Se essa consulta fosse decomposta usando um relatório de palavras-chave tradicional, os dados se tornariam fragmentados.
Do ponto de vista da intenção do consumidor, porém, a demanda principal é clara:
Tênis de corrida de longa distância com bom amortecimento para corredores mais pesados com desconforto nos joelhos.
Em vez de entregar aos lojistas cada prompt longo individualmente, o Google agrega essas consultas em temas de demanda, termos de produto e estágios de compra mais gerenciáveis.
A análise do setor sobre o relatório chegou a uma conclusão semelhante: mais dados estão se tornando disponíveis, mas os lojistas ainda não conseguem ver a jornada completa de consulta bruta, cliques e conversões.
Este é um sinal importante para o setor de GEO.
A unidade de análise mais valiosa no futuro pode não ser um prompt isolado. Pode ser:
Um cluster de consultas redigidas de formas diferentes, mas impulsionadas pela mesma intenção subjacente do cliente.
2.4 Se os Atributos do Produto Estão Completos
A quarta categoria abrange os atributos de produto com os quais os usuários se preocupam e se esses atributos estão ausentes nos dados de produtos da marca.
Os usuários podem perguntar frequentemente sobre:
- Materiais
- Cores
- Dimensões
- Público-alvo
- Funcionalidades
- Ambientes de uso
- Compatibilidade
- Estilo
- Classificação de impermeabilidade
- Capacidade de carga
Suponha que os consumidores perguntem repetidamente se um produto é adequado para uso externo, mas o feed de produtos, os dados estruturados e a página do produto nunca descrevam seu ambiente de uso. O Google terá dificuldade em determinar se o produto deve ser recomendado.
O Google Merchant Center sempre dependeu dos dados de produtos enviados pelos lojistas para combinar produtos com consultas relevantes. O Google também tem enfatizado consistentemente que informações de produto precisas e completas afetam diretamente se os produtos podem ser exibidos corretamente.
No passado, os lojistas otimizavam feeds principalmente para o Shopping Ads e listagens gratuitas.
Agora, esses mesmos campos também estão começando a influenciar a descoberta de produtos no Modo IA, AI Overviews e Gemini.
O papel do feed de produtos está mudando:
Ele não é mais apenas uma fonte de dados para publicidade. Está se tornando a linguagem fundamental usada pela IA para entender um produto.
3. O Google Está Transformando a Busca por IA de um Relatório de Palavras-Chave em um Mapa de Demanda
A parte mais subestimada desta atualização não é o fato de o Google ter introduzido o Share of Voice. É a forma como o Google escolheu organizar os dados.
O Google não entregou simplesmente uma lista de palavras-chave de IA aos lojistas.
Em vez disso, o relatório de AI Shopping foi organizado em torno de:
- Estágios de compra
- Tipos de consulta
- Termos de produto
- Atributos do produto
- Marcas semelhantes
- Completude dos dados do produto
Por quê?
Porque os usuários de IA não usam consistentemente um conjunto pequeno e fixo de palavras-chave.
A mesma necessidade pode ser expressa de dezenas de formas.
Por exemplo, um usuário procurando um purificador de ar para uma casa pequena pode perguntar:
- Como devo escolher um purificador de ar para um quarto?
- Qual CADR é necessário para um cômodo de 20 metros quadrados?
- Qual tipo de purificador de ar é melhor para um cômodo com animais de estimação?
- Qual purificador de ar funciona silenciosamente à noite?
- Um purificador de ar de alta potência é um desperdício em um cômodo pequeno?
- Que sistema de filtragem é adequado para alguém com rinite alérgica?
Essas perguntas parecem completamente diferentes no nível da sentença.
Do ponto de vista da demanda comercial, no entanto, elas podem pertencer a alguns clusters de intenção estáveis:
- Purificação para espaços pequenos
- Lares com animais de estimação
- Operação silenciosa durante o sono
- Alergias e rinite
- Correspondência de desempenho com o tamanho do ambiente
O que realmente influencia as recomendações de IA não é se uma marca cobre exatamente um prompt específico. É se:
As informações do produto e os ativos de conteúdo da marca cobrem de forma abrangente as estruturas de demanda recorrentes que os clientes utilizam ao tomar decisões.
É por isso que há muito acredito que medir GEO com apenas algumas dúzias de prompts predefinidos cria uma falsa sensação de certeza.
Uma empresa pode selecionar cuidadosamente 100 perguntas e relatar que a visibilidade da marca aumentou 20%.
Mas, se essas perguntas não representam o que os clientes realmente valorizam, ou se omitem cenários de compra de alto valor, o aumento de 20% significa muito pouco.
O Google também está se afastando de consultas isoladas em direção a uma demanda e intenção agregadas.
4. Mais dados estão disponíveis, mas o ciclo fechado completo ainda não existe
Ao observar a evolução dos dados oficiais da plataforma, o Google está começando a preencher três camadas.
A primeira camada é o Search Console, que relata impressões para conteúdo de sites em recursos de pesquisa de IA.
A segunda camada é o Merchant Center, que relata o Share of Voice (participação de voz) do produto, estágios de compra, termos de produto e demanda por atributos em cenários de AI Shopping.
A terceira camada é o Google Ads e o Merchant Center, que continuam conectando feeds de produtos, publicidade e dados de transações.
Mesmo assim, as lacunas mais importantes permanecem.
O que exatamente o usuário perguntou?
Os comerciantes atualmente veem termos agregados e tipos de consulta, não um registro completo prompt a prompt.
O usuário clicou?
Uma marca pode saber que um produto recebeu exposição por IA, mas pode não saber quantos cliques uma classe específica de consultas de IA gerou.
Qual demanda levou a um pedido?
Ainda não existe uma cadeia de atribuição completa no nível de consulta que conecte:
- Um usuário perguntando sobre um cenário
- Um produto sendo recomendado
- O usuário visitando o site
- O usuário adicionando o produto ao carrinho
- A compra sendo concluída
Por que a marca apareceu ou por que esteve ausente?
O relatório pode mostrar o resultado, mas pode não explicar totalmente se:
- Campos do feed estavam incompletos
- A página do produto carecia de informações críticas
- Avaliações e fontes de terceiros eram insuficientes
- Preço, estoque ou frete não correspondiam à necessidade do usuário
- Um concorrente tinha sinais de conteúdo e entidade mais fortes para aquele cenário
O relatório responde principalmente:
A marca entrou em uma categoria específica de demanda dentro do Google AI Shopping?
Ele ainda não responde totalmente:
Por que a marca apareceu, por que esteve ausente e como a probabilidade de aparecer pode ser melhorada sistematicamente?
A cobertura da indústria resumiu a atualização com precisão: os dados de pesquisa de IA do Google estão se expandindo, mas grandes lacunas permanecem em relação a cliques, consultas exatas, conjuntos competitivos e atribuição de conversão.
5. O que isso significa para as ferramentas de GEO de terceiros
Mais relatórios oficiais não eliminam automaticamente o valor de ferramentas de terceiros.
No entanto, produtos que dependem apenas de um processo de "definir prompts, perguntar repetidamente, calcular taxa de menção" tornar-se-ão cada vez mais limitados.
O Google já pode dizer aos comerciantes:
- Seu Share of Voice nos ambientes de AI Shopping do Google
- Em qual estágio de compra os usuários estão
- Quais termos de produto são mais populares
- Quais atributos de produto estão faltando
- Como a marca se compara com marcas similares
Se um produto de terceiros ainda reportar apenas:
Sua marca apareceu em 13 de 50 prompts.
Isso claramente não é suficiente.
Produtos de GEO de terceiros precisarão entregar pelo menos três coisas que os dados oficiais da plataforma ainda não conseguem fornecer.
5.1 Mensuração multiplataforma
O Google pode explicar apenas o ecossistema Google.
As marcas ainda precisam entender seu desempenho no ChatGPT, Perplexity, Copilot, Claude e outros pontos de entrada de IA.
Cada plataforma possui fontes de dados, mecanismos de citação, catálogos de produtos e lógica de recomendação diferentes.
5.2 Cobertura de intenção de toda a indústria
As plataformas oficiais mostram apenas os dados que coletam e agregam.
As marcas ainda precisam de uma estrutura completa de demanda da indústria, incluindo:
- Cenários do cliente
- Perguntas de compra
- Comparações de produtos
- Preocupações com riscos
- Atributos do produto
- As demandas que pertencem aos estágios de Descoberta (Discovery), Avaliação (Evaluation) e Compra (Purchase).
5.3 Causas e Ações Recomendadas
O verdadeiro valor de negócio não vem de dizer a uma marca: "Você não apareceu".
Ele vem de explicar:
- Qual cluster de intenção não está sendo coberto
- Qual concorrente detém atualmente essa demanda
- Se o elemento ausente são informações do produto, conteúdo no site ou sinais de confiança de terceiros
- Se a marca deve otimizar seu feed, páginas de produto, páginas de comparação, conteúdo de avaliações ou fontes externas
- Se as métricas oficiais e os resultados de negócio mudaram após a conclusão do trabalho
À medida que os dados oficiais amadurecem, as ferramentas de terceiros precisam evoluir de sistemas de monitoramento para sistemas de análise e decisão.
6. O que marcas independentes de e-commerce devem fazer a seguir
Não recomendo responder a esta atualização correndo imediatamente atrás de outro número de Share of Voice em IA.
Uma abordagem mais prática é revisar quatro áreas primeiro.
6.1 Verifique se o Feed de Produtos ainda é escrito para a era da publicidade
Muitas marcas independentes de e-commerce fornecem apenas as informações mais básicas em seus feeds no Merchant Center:
- Título do produto
- Preço
- Imagem
- Marca
- GTIN
- Disponibilidade
Mas as perguntas que os consumidores fazem por meio da IA são muito mais complexas.
Eles perguntam:
- Para quem este produto é adequado?
- Em quais situações ele deve ser usado?
- Como ele difere de outros modelos?
- Ele é compatível com um dispositivo específico?
- Ele pode resolver um problema específico?
- Quais são suas limitações?
- Como seus materiais e processos de fabricação diferem?
Se essa informação existe apenas no conhecimento da equipe de atendimento ao cliente, ou está espalhada em imagens sem aparecer no feed, em dados estruturados ou em páginas de produto rastreáveis, a IA terá dificuldades em entender o produto com precisão.
6.2 Verifique se as páginas de produto realmente respondem às dúvidas de compra
Muitas páginas de produto de marcas parecem atraentes, mas seu conteúdo consiste principalmente em:
- Um slogan de marketing
- Várias fotos de estilo de vida
- Três ou quatro destaques de características
- Um botão de compra
Esse tipo de página pode funcionar para alguém que já decidiu comprar, mas é pouco adequado para ajudar a IA a responder a perguntas complexas.
Uma página de produto que seja mais fácil para a IA entender e recomendar deve explicar claramente:
- Para quem o produto é destinado
- Para quem o produto NÃO é destinado
- Qual problema ele resolve
- Suas principais especificações
- Seu ambiente de uso pretendido
- Como ele difere de outros modelos
- Dúvidas comuns
- Avaliações autênticas de clientes
- Políticas de envio, devolução, troca e garantia
6.3 Construa conteúdo em torno de cenários e decisões, não apenas termos de produto
As marcas estão acostumadas a criar conteúdo em torno de nomes de produtos:
- O que é este produto?
- Quais são as vantagens deste produto?
- Como usar este produto?
Os usuários de IA Shopping expressam necessidades com mais frequência por meio de cenários:
- Adequado para apartamentos pequenos
- Adequado para pele sensível
- Adequado para viagens de negócios frequentes
- Adequado para crianças
- Adequado para uso externo
- Com orçamento abaixo de $500
- Como devo escolher entre o Produto A e o Produto B?
A estrutura de conteúdo do futuro precisa se expandir de um catálogo de produtos para um catálogo de decisões do cliente.
6.4 Analise dados oficiais juntamente com dados de negócio
Os Insights de Performance de IA não podem provar o crescimento da receita sozinhos.
Uma abordagem mais razoável é combinar:
- Share of Voice de IA e insights de demanda do Merchant Center
- Impressões de IA do Search Console
- Visibilidade de marca multiplataforma de terceiros
- Dados de tráfego e conversão do GA4, Shopify e sistemas de CRM
Somente então uma marca pode avaliar:
- Se a exposição via IA está aumentando
- Quais clusters de demanda estão impulsionando o aumento
- Se as páginas de produto e o conteúdo estão recebendo mais visitas
- Se a busca pela marca e o tráfego direto estão mudando
- Se a atividade gera, em última instância, pedidos ou leads
7. Esta atualização também valida a direção da Dageno
A maioria dos produtos GEO iniciais começou com o monitoramento de prompts.
Um cliente inseria um conjunto de perguntas, a ferramenta consultava modelos de IA em horários programados e o sistema registrava se a marca aparecia, em que posição estava e quais fontes eram citadas.
Isso era valioso no estágio inicial da indústria, porque as marcas precisavam primeiro saber se apareciam nas respostas geradas por IA.
As limitações, no entanto, tornaram-se cada vez mais óbvias:
- Quem define os prompts?
- Esses prompts representam o mercado real?
- Necessidades mais importantes estão sendo perdidas?
- O volume e o valor dos prompts funcionam da mesma forma em diferentes setores?
- Após o aumento da visibilidade, quais decisões do cliente a marca realmente cobre?
- Por que a marca aparece e por que está ausente?
A Dageno está passando do monitoramento limitado de prompts para uma cobertura abrangente de intenções do setor.
Estamos menos interessados em:
Quantas vezes a marca apareceu nestas 100 perguntas predefinidas?
Estamos mais interessados em:
Em todo o setor, em que cenários os usuários fazem perguntas? A quais etapas de compra essas necessidades pertencem? Quais demandas já foram capturadas pelos concorrentes? Em quais clusters de intenção a marca está completamente ausente? Essa ausência é causada por informações de produto, estrutura de conteúdo, fontes de confiança ou reconhecimento da marca?
O relatório do Google também está organizando os dados de IA em torno de etapas de compra, termos de produto, tipos de consulta e atributos de produto.
Isso se alinha à nossa visão sobre para onde o setor está caminhando:
A unidade fundamental da busca por IA não permanecerá como um prompt individual. Ela se tornará, gradualmente, uma intenção agregada do usuário e um cenário de decisão.
O Google pode fornecer dados de seu próprio ecossistema.
A Dageno precisa adicionar cobertura multiplataforma, inteligência de demanda em todo o setor e explicações causais.
O objetivo não é fornecer aos clientes mais um print mostrando que "a visibilidade de IA aumentou 10%".
O objetivo é ajudar as marcas a construir um novo mapa de demanda de mercado que responda:
- O que os usuários do setor estão perguntando
- Qual é o tamanho de cada cluster de demanda
- Quais perguntas influenciam as compras
- Quais marcas atualmente ocupam as respostas
- Quais lacunas a marca deve abordar primeiro
- Se as métricas oficiais e os resultados de negócios evoluem juntos após a otimização
Conclusão
O lançamento do AI Performance Insights pelo Google Merchant Center é uma atualização importante.
Pela primeira vez, marcas de e-commerce podem usar um painel oficial para ver a fatia de exposição de seus produtos no Google AI Shopping, as etapas de compra associadas a essa exposição, os termos de produto que interessam aos usuários e as lacunas nos atributos de produto.
Mas o significado mais importante desta atualização não é que o Google adicionou mais uma métrica de visibilidade de IA.
É o fato de o Google estar reconhecendo publicamente que:
A competição no AI Shopping não se trata apenas de o produto ter sido indexado. Trata-se de o produto conseguir corresponder à demanda real oculta por trás da linguagem natural do usuário.
No passado, os comerciantes otimizavam títulos e feeds com base em palavras-chave.
Agora, as marcas precisarão reorganizar todo o seu sistema de informações de produto em torno de públicos, cenários, atributos, problemas e etapas de compra.
Isso também significa que a GEO (Generative Engine Optimization) se parecerá cada vez mais com uma disciplina formal de crescimento, em vez de um novo conceito que prova seu valor por meio de prompts manuais.
O ciclo de dados ainda está incompleto.
Grandes lacunas permanecem em relação a prompts exatos, cliques, lógica de recomendação e atribuição de pedidos.
Mas o número de painéis está crescendo.
A próxima etapa não será vencida pela primeira marca que comprar uma ferramenta de visibilidade de IA. Será vencida pela marca que conectar primeiro a demanda do setor, dados de produto, ativos de conteúdo e métricas de desempenho oficiais.
Os usuários já estão tomando decisões de compra por meio de IA.
O que as marcas precisam disputar não é meramente mais uma impressão.
É o direito de ser incluído na resposta final do usuário.
About the Author
Atualizado por
Tim
Tim is the co-founder of Dageno and a serial AI SaaS entrepreneur, focused on data-driven growth systems. He has led multiple AI SaaS products from early concept to production, with hands-on experience across product strategy, data pipelines, and AI-powered search optimization. At Dageno, Tim works on building practical GEO and AI visibility solutions that help brands understand how generative models retrieve, rank, and cite information across modern search and discovery platforms.
Related Articles
Como melhorar a taxa de citação de produtos no ChatGPT Shopping em respostas de compras com IA
Tim • Jun 22, 2026
Como melhorar o ranking de sites de citação para produtos do ChatGPT Shopping
Richard • Jun 22, 2026
Como otimizar tipos de fontes de citação para recomendações de compras do ChatGPT
Richard • Jun 22, 2026
Como aumentar a contagem de citações de produtos no ChatGPT Shopping
Richard • Jun 22, 2026