O Merchant API ganhou, em outubro de 2026, relatórios de desempenho agêntico do UCP, em versão alfa, que mostram checkout e conversão dentro do AI Mode e do Gemini. É o primeiro dado oficial de compra feita dentro da IA do Google. Mas ele mede o fim do funil, não se a sua marca foi recomendada antes.
O que o relatório agêntico do UCP mede?
As notas de versão do Merchant API descrevem duas visões novas em accounts.reports.search, na versão v1alpha, cobrindo superfícies do Google como o AI Mode na Busca e o Gemini:
UcpAgenticPerformanceView: funil de conversão no nível da conta, com pedidos, cancelamentos e transferência de carrinho, segmentado por data e país do cliente.UcpAgenticProductPerformanceView: métricas de cliques no botão de compra por produto (offerId), também por data e país.
Há ainda um guia, "Analyze UCP agentic performance (Alpha)", com consultas de exemplo em MCQL, a linguagem de consultas do Merchant Center. Como é alfa, nomes e comportamento podem mudar.
O contexto vem da Retail Brew, que em 6 de outubro resumiu os anúncios do Google antes do fim de ano: comerciantes que usam o checkout com UCP podem levar carrinhos para o próprio site, testar fluxos de checkout e ver análises de desempenho, com mais recursos previstos. A mesma matéria cita a analista Sky Canaves, da eMarketer, dizendo que a adoção de consumidores das ferramentas de compra por IA do Google ainda é "bastante limitada".
Por que isso é um avanço?
Até aqui, medir compra em IA era trabalho de arqueologia: referrer ambíguo, UTM perdido, atribuição discutível. Já descrevemos essas armadilhas em Atribuição de tráfego de IA: definição e armadilhas. Um relatório que vem de quem opera a superfície elimina parte do palpite.
Também é coerente com outro movimento do Google, a aba de insights de IA no Merchant Center que mostra o que as pessoas digitam nas superfícies de IA, que analisamos em Insights de IA no Merchant Center: prompts reais. Com os dois, o varejista enxerga a pergunta que entra e o carrinho que sai.
O que ele não mede?
Pense no funil como uma ampulheta. O relatório mede o gargalo estreito, onde o pedido acontece. A parte larga, em cima, é onde a IA escolhe quais produtos mostrar. As notas que lemos não listam nenhuma métrica de quantas vezes seu produto foi considerado e preterido, nem de quem foi recomendado no seu lugar. Portanto, três leituras erradas são tentadoras:
- "Poucos cliques de compra significam que a IA não gosta de mim." Pode significar que seu produto aparece, mas o checkout via UCP não está ativo para ele. O relatório só enxerga o que passou pela porta de checkout do UCP.
- "Tenho cliques, então estou sendo recomendado." O botão de compra pode ter sido clicado depois de uma busca por marca, em que a recomendação já estava decidida pelo comprador.
- "O dado vale para todos os mercados." O relatório segmenta por país do cliente, mas as notas não informam em quais países o checkout do UCP está disponível. Para o Brasil, não assumimos nada.
Nossa opinião: é um bom termômetro de conversão e um péssimo substituto para medir recomendação. Quem confunde os dois acaba otimizando o checkout de um produto que a IA nem está mostrando.
Como combinar o relatório com a medição de recomendação?
Use o relatório do Google como resultado e a medição de recomendação como causa provável:
- Rode as perguntas de compra da sua categoria em várias rodadas e registre quando seu produto é recomendado, citado ou ignorado. Veja a diferença em Citação, menção e recomendação: as três diferenças.
- Cruze por produto. Se um SKU tem recomendação alta e poucos cliques, o problema está depois da lista: preço, estoque, frete. Se tem muitos cliques e recomendação baixa, seu público já sabe o que quer.
- Registre a data. Respostas de IA variam por modelo, prompt e dia, e comparar um dia contra outro sem várias rodadas leva a conclusões falsas. Explicamos o cuidado em Margem de erro em IA: quantas rodadas medir.
O diagnóstico gratuito da Citoriq é uma análise experimental via API e não replica a interface de consumidor do ChatGPT, nem a do Gemini ou a do AI Mode. Ele mostra tendência; o relatório do Google mostra pedido. Nenhum dos dois, sozinho, conta a história inteira. Leia a metodologia.
O que levar daqui
- O Merchant API passou a oferecer, em alfa, relatórios de checkout e conversão no AI Mode e no Gemini, por conta e por produto.
- O relatório mede o fim do funil de quem usa o checkout com UCP, não a recomendação.
- As notas não informam disponibilidade por país; não presuma que se aplica ao Brasil.
- Cruze conversão (Google) com recomendação (medição própria) antes de decidir onde agir.
- Por ser alfa, guarde os dados exportados; o formato pode mudar.
Perguntas frequentes
Preciso usar o checkout com UCP para ter esses dados?
As visões descritas tratam de checkout e conversão agêntica, então esperamos dados apenas de quem usa esse fluxo. Confirme na documentação do guia de desempenho agêntico.
Esse relatório mostra por que a IA não me recomendou?
Não. Ele mostra o que aconteceu no checkout. A causa da ausência de recomendação exige medir as respostas da IA.
Posso tratar a versão alfa como definitiva?
Não. Alfa significa que o Google pode mudar campos e regras. Exporte e documente os dados que usar.
Quer ligar o que a IA recomenda ao que realmente vende? Comece pelo diagnóstico gratuito ou agende uma demonstração.