Agentic commerce e feeds de produtos: um guia para retalhistas

Os dados de produto não pertencem a uma única equipa. Estão presentes em todas as áreas: e-commerce, merchandising, logística, conformidade e operações. Então, porque é que as questões relacionadas com o comércio agente convergem para os pagamentos?

As conversas sobre comércio agente tendem a começar com os PSP, as redes de cartões e a infraestrutura de pagamentos. Assim, as orientações iniciais sobre o que é possível, o que é realista e o que pode esperar chegam normalmente à empresa através dos pagamentos em primeiro lugar.

Além disso, como os dados de produtos envolvem tantos departamentos, a visibilidade multifuncional da equipa de pagamentos torna-se genuinamente útil. Pode não ser o proprietário dos dados, mas consegue ter uma visão abrangente do e-commerce, finanças, fraude, assuntos jurídicos e operações de uma forma que a maioria das equipas não consegue. Isso coloca-o numa posição privilegiada para coordenar as pessoas certas em torno das questões certas.

A maioria dos retalhistas já dispõe de um feed de produtos. Este pode estar alojado num sistema PIM, proveniente da sua plataforma de e-commerce, no feed do Google Merchant ou ser uma combinação dos três. E provavelmente já está a otimizar o seu catálogo para pessoas e motores de pesquisa, com títulos claros, boas descrições e categorias bem organizadas.

Mas isso não significa que o feed esteja pronto para a IA.

As plataformas de IA seguem requisitos rigorosos para feeds de produtos, tais como campos específicos, formatação consistente e dados atualizados, que muitas vezes vão além do que um feed de e-commerce padrão inclui. A otimização tradicional de e-commerce visa tornar as listagens apelativas para as pessoas. Os sistemas de IA têm prioridades diferentes, como por exemplo se os seus dados estão estruturados, completos e são legíveis por máquinas.

Ao contrário de uma jornada num site tradicional, isto não acontece apenas uma vez no momento do checkout. Os sistemas de IA podem verificar preços, disponibilidade e elegibilidade várias vezes durante uma única interação. Assim, dados inconsistentes ou desatualizados tornam-se visíveis rapidamente.

Há também uma vertente estrutural nisto. Cada plataforma de IA tem os seus próprios requisitos, pelo que os retalhistas precisam atualmente de adaptar os seus dados de produtos para cada uma separadamente. Isso significa repetir trabalhos semelhantes de mapeamento, formatação e atualização em todas as plataformas, com manutenção contínua sempre que os requisitos mudam.

A maioria das grandes empresas de retalho encontra-se algures a meio deste percurso. Alguns dados estão estruturados, outros estão dispersos por vários sistemas e outros ainda não estão disponíveis em tempo real. Para perceber em que ponto se encontra, pergunte-se:

• O nosso feed consegue ligar-se ao inventário em tempo real?

• Reflete a disponibilidade em tempo real?

• Apresenta preços e elegibilidade precisos?

• Conseguimos adaptá-lo para corresponder aos diferentes requisitos das plataformas de IA?

As lacunas na configuração do feed de produtos provavelmente abrangem várias equipas e sistemas. Por isso, o trabalho envolve tanto a coordenação como a tecnologia. Aqui fica uma forma prática de abordar esta questão:

1. Valide o feed existente em relação às especificações de IA

O primeiro passo é verificar se o feed está de acordo com os requisitos reais da plataforma, em vez de presumir que tudo funciona só porque o seu catálogo funciona atualmente. As plataformas de IA são específicas quanto aos dados de que necessitam, e dados atualizados e precisos são um sinal fundamental que utilizam para decidir o que apresentar. Se o seu feed tiver campos em falta, estiver desatualizado ou for inconsistente, os seus produtos poderão apresentar erros que comprometam a confiança nos seus dados. Ou podem nem sequer aparecer.

2. Trabalhe com outras equipas para corrigir lacunas de dados

A informação sobre os produtos de que necessita provavelmente já se encontra algures na empresa, mas pertence a equipas diferentes. Por isso, o primeiro desafio é a coordenação. Terá de:

• Descobrir o que falta: analise os campos obrigatórios e identifique o que não consta do seu feed atual. As lacunas mais comuns incluem peso, dimensões, prazos de entrega, políticas de devolução e detalhes regulamentares.

• Descubra onde se encontram: estes campos são frequentemente da responsabilidade dos departamentos de logística, operações, finanças ou conformidade, e não do e-commerce.

• Reúna as pessoas certas: não é necessário reconstruir os seus sistemas. O objetivo é garantir que os dados possam ser acedidos e utilizados conforme exigido pelas plataformas de IA.

Na maioria dos casos, isto significa reconciliar os dados entre o seu PIM, a plataforma de comércio, o sistema de gestão de encomendas (OMS), as ferramentas de inventário, os feeds dos marketplaces e o Google Merchant Center. As questões-chave são:

• Qual é o sistema de referência para preços, disponibilidade e elegibilidade?

• Quem é responsável por manter esses dados precisos e atualizados?

3. Defina o responsável pelos dados de produtos prontos para IA

Independentemente do número de sistemas em que os seus dados de produtos se encontram, as plataformas de IA esperam que sejam fornecidos num formato único, consistente e atualizado. Os retalhistas estão a abordar esta questão de várias formas, cada uma com as suas vantagens e desvantagens:

• Expanda o seu PIM: adicionar campos e lógica de IA ao seu PIM mantém a propriedade perto das suas equipas de catálogo e merchandising, mas pode exigir um trabalho de desenvolvimento significativo.

• Utilize a sua plataforma de comércio: expor os dados de produtos através de APIs e ligar-se diretamente a plataformas de IA pode ser mais rápido de configurar, mas pode introduzir dependência do roteiro da sua plataforma.

• Crie a sua própria camada de tradução: criar um serviço que extraia dados de diferentes sistemas, que os padronize e formate para cada plataforma de IA dá-lhe controlo total, mas requer manutenção contínua à medida que os requisitos mudam.

• Trabalhe com um parceiro de pagamentos ou de infraestrutura: deixar que um parceiro trate da preparação e partilha dos seus dados com as plataformas de IA pode reduzir o trabalho de desenvolvimento personalizado, mas implica depender de uma camada externa.

Não existe uma resposta única e correta. A melhor abordagem depende da sua capacidade de engenharia, do nível de controlo que pretende manter, do número de plataformas que planeia suportar e da frequência com que os seus dados mudam. Setores em rápida evolução, como viagens, marketplaces e alimentação, necessitarão de uma integração em tempo real mais estreita do que catálogos mais estáticos.

Na prática, trata-se menos de escolher uma ferramenta e mais de decidir como os seus sistemas funcionam em conjunto para manter os dados dos produtos precisos, atualizados e prontos para a IA.

Algumas plataformas de IA permitem que as empresas criem experiências personalizadas dentro das suas interfaces. Se tiver criado um servidor MCP, pode utilizá-lo para alimentar uma dessas experiências, ligando o servidor à plataforma, criando uma experiência interativa alinhada com as convenções da plataforma e permitindo que os utilizadores selecionem a sua marca antes de interagirem.

Os retalhistas que adotam esta abordagem tendem a dividir-se em dois grupos.

Alguns estão a utilizá-la para testar experiências de marca nativas de IA. Isto tende a funcionar melhor quando os clientes já pesquisam diretamente pela marca, quando o percurso beneficia de orientação passo a passo ou quando o produto é complexo de configurar.

Outros estão focados em garantir que os seus produtos apareçam em pesquisas gerais de IA ao lado de outras marcas quando os utilizadores fazem perguntas abrangentes. Para a maioria dos gestores de pagamentos, esta é a prioridade mais imediata.

A abordagem que faz sentido depende da marca e dos clientes, e não são mutuamente exclusivas. Quer esteja a criar uma experiência de marca ou a otimizar para a descoberta geral, a preparação subjacente é a mesma. Necessitará de dados de produtos estruturados e legíveis por máquinas, sinais precisos de preços e disponibilidade, políticas claras e uma forma de se adaptar à medida que os requisitos da plataforma evoluem.

Com base nas nossas conversas com retalhistas empresariais e plataformas de IA, o desafio mais premente para o comércio agênico é a infraestrutura. Por isso, é nisso que estamos focados.

Estamos a trabalhar com retalhistas e plataformas de IA para partilhar o que é exigido atualmente, ajudar as equipas de pagamentos a decidir o que vale a pena fazer agora e apoiar a preparação sem forçar decisões que possam ser difíceis de reverter mais tarde. Também estamos a contribuir para as discussões sobre normas emergentes, para que não tenha de se comprometer demasiado cedo com uma única abordagem.

Ao nível da infraestrutura, estamos focados no ponto de encontro entre as interfaces de IA e os sistemas de comércio reais. O nosso objetivo é reduzir a fragmentação, apoiar múltiplas normas e ajudá-lo a evitar integrações separadas para cada nova plataforma.

O nosso foco é ajudar os retalhistas a manter o controlo sobre os seus dados e as relações com os clientes.

Ninguém espera que já tenha tudo bem definido em relação ao comércio agente. Mas as conversas que já está a ter com PSPs e parceiros dão-lhe uma visão mais clara do que é realista em relação à maioria das equipas. Isso coloca-o numa boa posição para ajudar a sua organização a concentrar-se nas coisas certas. Eis o que deve ter em mente:

• Ter um feed de produtos não significa que está pronto. A descoberta orientada por IA requer especificações explícitas, campos obrigatórios e atualização de dados para além dos feeds tradicionais de comércio eletrónico.

• Os maiores obstáculos são dados fragmentados, propriedade pouco clara e suposições sobre o que já existe. Estes são problemas solucionáveis, mas requerem coordenação interfuncional.

• Não precisa de apostar numa única plataforma de IA para se preparar. Dados de produtos limpos, estruturados e legíveis por máquinas são reutilizáveis em assistentes de IA e interfaces de descoberta.

• Concentre-se na preparação sem ficar preso a uma única solução. Construa bases que possa adaptar à medida que os padrões e as plataformas de IA evoluem, em vez de se comprometer demasiado cedo com implementações específicas.

Bons dados de produto são o ponto de partida. Mas fazer com que funcionem em todas as plataformas de IA também significa mantê-los atualizados, traduzi-los para diferentes formatos e adaptá-los à medida que os requisitos mudam. Como alguém que trabalha em várias equipas, está bem posicionado para impulsionar isso.

Está a pensar em como seriam os dados de produto prontos para agentes no seu negócio? Entre em contacto connosco.