ChatGPT consulta Google Shopping para montar carrossel de produtos; marcas devem priorizar otimização do feed

Experimento revela que consultas codificadas ao Google Shopping influenciam diretamente os produtos sugeridos pelo modelo

Pesquisas recentes e experimentos práticos apontam que, além de realizar buscas gerais na web, o ChatGPT cria consultas específicas e codificadas ao Google Shopping para compor o carrossel de produtos nas suas recomendações. Investigadores como Oliver de Segonzac, Alexis Rylko e Tom Wells já haviam indicado essa dependência. Um teste prático, realizado sobre 100 prompts distintos, confirma que os resultados do Google Shopping são uma camada extra e decisiva na seleção final dos itens sugeridos.

Como rodamos o experimento

O objetivo foi identificar as chamadas “fan-out queries” — as buscas em segundo plano que o ChatGPT executa para embasar respostas — e, em seguida, verificar se havia consultas específicas direcionadas ao Google Shopping. O processo seguiu quatro etapas:

• Pedir ao ChatGPT recomendações de produtos com critérios definidos (por exemplo: “best budget Android phones with great cameras”).
• Capturar as buscas de fan-out usando ferramentas como Semrush Enterprise AIO ou o Chrome DevTools para monitorar o tráfego em segundo plano.
• Localizar as consultas de shopping, que vêm em uma camada adicional e aparecem codificadas (ex.: cheap+android+smartphones+good+camera+2025).
• Comparar os resultados dessas consultas diretamente no Google Shopping, garantindo que as configurações de localidade e conta coincidissem para precisão.

Cada um dos 100 prompts foi executado cinco vezes para mitigar a natureza probabilística dos modelos de linguagem e registrar os produtos mais recorrentes no carrossel.

O que os dados mostraram

Após 100 prompts testados, o item principal exibido pelo ChatGPT estava entre os três primeiros resultados do Google Shopping em 75% das execuções. Além disso, houve sobreposição significativa entre os outros produtos do carrossel do ChatGPT e as primeiras posições do Google Shopping. Em exemplos específicos, os títulos, varejistas e preços exibidos por ChatGPT correspondiam exatamente aos listados no Google Shopping.

Esses achados indicam que o modelo usa duas camadas distintas no processo de recomendação: uma busca amplo-contextual (fan-out) para formar o conteúdo informativo e um segundo conjunto de buscas direcionadas ao Google Shopping para selecionar os produtos que aparecem no carrossel.

Por que o ChatGPT recorre ao Google Shopping

O Google Shopping oferece um ecossistema rico de dados: listagens de produtos, preços em tempo real, varejistas e avaliações. Para um sistema que precisa recomendar produtos com informações de preço e disponibilidade atualizadas, essa fonte é especialmente valiosa — algo que modelos e novas integrações (como as ferramentas de Shopping Research de provedores concorrentes) ainda têm dificuldade de igualar.

Embora haja movimentos claros para reduzir dependência de terceiros — por exemplo, integrações com Etsy e iniciativas próprias de pesquisa de compras — a escala e a atualidade dos dados do Google continuam difíceis de replicar. Isso é crítico em épocas de variação rápida de preços, como Black Friday, quando recomendações com informações desatualizadas podem comprometer a experiência do usuário.

O que isso significa para marcas e e‑commerce

• Priorizar o feed do Google Shopping: manter títulos, preços, imagens e disponibilidade atualizados aumenta as chances de aparecer no carrossel do ChatGPT.
• Ajustar configuração de localidade e atributos: o experimento mostrou que resultados dependem de locale-location — então feeds e campanhas devem refletir corretamente mercados-alvo.
• Preparar-se para compras in-chat: com protocolos como o Universal Commerce Protocol (UCP) e avanço de soluções de compra dentro de assistentes, experiências transacionais sem saída do chat tendem a crescer.
• Monitorar variações de conta: resultados podem divergir entre usuários logados, contas gratuitas e contas pagas; marcas devem testar em múltiplos cenários para validar presença.

Em resumo, hoje a otimização para aparecer nas recomendações do ChatGPT passa necessariamente por optimizar a presença no Google Shopping. Ao mesmo tempo, empresas precisam mapear estratégias de longo prazo para quando mecanismos de compra direta e ecossistemas proprietários se tornarem mais robustos.

Limitações e próximos passos

O estudo aqui descrito usou uma amostra de 100 prompts, cada um executado cinco vezes. Apesar de os resultados indicarem uma tendência clara, trata-se ainda de uma amostra limitada. Investigações com conjuntos maiores de dados e testes em diferentes idiomas, regiões e tipos de produto ajudarão a confirmar e refinar as conclusões.

Marcas interessadas podem replicar o teste localmente: basta usar uma conta (observando se é paga ou gratuita), monitorar as consultas de fan-out e pesquisar diretamente o query codificado no Google Shopping. Ferramentas como Semrush Enterprise AIO ou o DevTools do Chrome facilitam essa verificação.

À medida que a experiência de compra por chat evolui, empresas que mantiverem feeds de shopping precisos e adaptados ao comportamento do usuário terão vantagem competitiva nas novas superfícies de descoberta e venda alimentadas por IA.

Leigh McKenzie, citado no experimento, atua ajudando marcas a serem encontradas e confiáveis em Google, sistemas de busca por IA e outras superfícies modernas de descoberta — com foco prático em converter visibilidade em receita.