Para auditar consistência de produto, compare em uma única planilha o que o feed, a página, o dado estruturado e cada marketplace dizem sobre o mesmo item: preço, disponibilidade e identificadores. Toda divergência é um ponto em que plataformas podem reprovar o item e em que uma IA pode escolher a versão errada da sua história.
Por que a consistência vira problema de IA?
Imagine um mapa em que a mesma rua tem três nomes. Quem navega com ele não erra por falta de dados, e sim por excesso de versões. É o que acontece quando o feed diz R$ 2.499, a página diz R$ 2.699 e o marketplace diz "indisponível". Um assistente que cruza fontes precisa decidir em quem acreditar, e essa decisão não é sua.
O que as fontes oficiais confirmam é prático. A central de ajuda do Google Merchant Center afirma que produtos com GTIN incorreto ou ausente não são sincronizados e ficam reprovados, e que divergência de preço ou disponibilidade entre feed e página de destino leva à reprovação preventiva do item. Persistindo o problema, a conta pode ser suspensa para anúncios de Shopping e listagens gratuitas, após um período de aviso de 28 dias com possibilidade de uma revisão de cortesia.
A OpenAI, na documentação do protocolo de comércio, pede ao comerciante um feed atualizado com identificadores, descrições, preço, estoque, mídia e opções de entrega, com amostra inicial para validação e snapshots diários. E a Google lembra, nas orientações sobre recursos de IA, que os dados estruturados devem corresponder ao texto visível da página.
Em resumo: feed, dado estruturado e página são lidos como um conjunto. Nossa leitura, que não é regra publicada, é que respostas de IA sobre produtos ficam mais estáveis quando esse conjunto é coerente, mas não prometemos efeito em recomendação.
Como fazer a auditoria em seis passos?
1. Escolha uma amostra que importe
Comece pelos 20 a 50 SKUs de maior margem ou volume, não pelo catálogo inteiro. Inclua ao menos um produto com variantes (cor, memória, voltagem) porque é onde o erro costuma morar.
2. Monte a planilha das quatro fontes
Para cada SKU, uma linha, e as colunas: preço e disponibilidade no feed, no HTML visível da página, no JSON-LD da página e em cada marketplace relevante (Amazon, Mercado Livre, Magalu). Registre também GTIN, marca e código do fabricante em cada lugar.
3. Compare o que o humano vê com o que a máquina lê
Abra a página no navegador e compare com o JSON-LD. Diferenças típicas: preço promocional no HTML e preço cheio no schema; "esgotado" na página e InStock no marcado; preço atualizado por script depois do carregamento, que o dado estruturado nunca acompanha.
4. Valide identificadores
Confira se o GTIN é válido, se pertence à marca informada e se a variante certa carrega o código certo. Já explicamos o raciocínio em Página de produto para IA: guia de GTIN, schema e specs.
5. Defina a fonte da verdade e o ritmo de sincronização
Escolha um sistema que manda (ERP ou PIM) e derive o resto dele. Se o feed é diário e a promoção muda de hora em hora, a janela de divergência é estrutural, não acidente. Reduza a janela ou deixe a promoção fora do dado até que ela seja confirmável.
6. Classifique e priorize as divergências
Use três níveis. Crítica: preço ou disponibilidade divergente, ou GTIN inválido. Média: descrição ou especificação diferente entre canais. Baixa: diferença de formatação. Corrija as críticas primeiro, porque são as que as plataformas tratam como violação.
Como o exemplo aparece na prática?
Com o produto fictício Aurora Pro 14 (dados de exemplo), suponha que a variante de 32 GB tenha GTIN próprio, mas o feed use o código da variante de 16 GB em ambas. Resultado: duas ofertas sob um mesmo identificador, e uma pergunta como "Aurora Pro 14 com 32 GB vale a pena?" pode receber o preço, o estoque e as avaliações da versão errada. Esse é o tipo de falha que só aparece quando alguém lê a resposta e conhece o catálogo. Vimos o lado conceitual disso em Feed e schema: como a IA reconcilia dados de produto.
O que levar daqui
- Compare feed, HTML visível, JSON-LD e marketplaces em uma planilha, SKU a SKU.
- GTIN ausente ou incorreto e divergência de preço ou estoque são violações tratadas pelo Merchant Center, segundo a central de ajuda do Google.
- Defina uma fonte da verdade e reduza a janela de sincronização.
- Priorize divergências críticas; formatação pode esperar.
- Consistência melhora a leitura do conjunto, mas não garante recomendação: a medição por modelo e prompt continua necessária, como descrevemos na metodologia.
Perguntas frequentes
Com que frequência devo auditar?
Mensalmente para a amostra principal, e sempre que mudar a política de preço, o feed ou o tema da loja. A OpenAI pede snapshots diários, o que mostra que o dado envelhece rápido.
Divergência de preço entre marketplace e site é sempre erro?
Não. Canais podem ter preços diferentes por regra comercial. O problema é a divergência não intencional ou desatualizada, que confunde plataformas e pessoas.
A auditoria precisa de ferramenta paga?
Não para começar. Uma planilha, o inspetor do navegador e os relatórios de diagnóstico do Merchant Center já cobrem a maior parte dos casos.
Para ver como a IA descreve seus produtos antes de corrigir o catálogo, rode o diagnóstico gratuito, uma análise experimental via API, ou agende uma demonstração.