A 20 de Agosto de 2026 perguntámos ao ChatGPT, em português e a partir de Portugal, onde comprar um aspirador vertical até 200 euros. Entre os produtos recomendados apareceu um aspirador Bosch com esta descrição: ferro de passar com alta avaliação, fácil de usar.
Fomos atrás da causa até ao fim. Este artigo mostra o percurso todo, porque o interessante não é o erro: é o mecanismo, e o facto de a marca afectada não ter forma de o corrigir.
Primeiro: o erro não estava sozinho
No mesmo carrossel, um aspirador vertical aparecia descrito como robô de limpeza eficiente. E não é preciso ir verificar nada a nenhuma loja para saber que a descrição do Bosch estava errada, porque a resposta contradiz-se a si própria: três linhas abaixo do carrossel, o mesmo modelo descreve o mesmo produto como 2 em 1 e autonomia até 40 min. Um ferro de passar não tem autonomia de quarenta minutos.
Repetimos a pergunta e o carrossel devolveu produtos diferentes, com outro retalhista citado. Já lá vamos ao que isso significa.
Segundo: o modelo diz onde foi buscar
Perguntámos-lhe directamente de onde tinha vindo o ferro de passar. A resposta: a pesquisa devolveu uma página onde aspiradores e ferros apareciam juntos, e a informação de um colou-se ao outro.
Um modelo a explicar o seu próprio comportamento é a evidência mais fraca que existe, e este já tinha errado duas vezes na mesma conversa. Mas ao contrário de uma desculpa vaga, esta explicação é um mecanismo verificável. Dá para ir confirmar.
Terceiro: a página que ele leu
A ligação que o próprio assistente deixou traz a assinatura dele no fim:
youget.pt/pt/pequenos-eletrodomesticos
?q=Marca-Philips-Rowenta/Cor Principal-Azul
&utm_source=chatgpt.comLeia-se com atenção, porque está tudo aí. O utm_source=chatgpt.com confirma que foi esta a página visitada. O caminho é uma categoria de pequenos electrodomésticos, que é onde convivem ferros e aspiradores. E o filtro é por marca e por cor: o conjunto de produtos ali dentro não tem coerência de categoria nenhuma, são coisas Philips ou Rowenta que por acaso são azuis.
Um ferro azul ao lado de um aspirador azul. As condições perfeitas para os atributos se trocarem.
Quarto: o que essa página declara
Aqui é que a coisa fica clara. Corremos esta verificação no PowerShell, contra a página exacta:
$u = "https://youget.pt/pt/pequenos-eletrodomesticos?q=Marca-Philips-Rowenta%2FCor%20Principal-Azul"
$h = (Invoke-WebRequest -Uri $u -UseBasicParsing -UserAgent "Mozilla/5.0").Content
[regex]::Matches($h,'"@type"\s*:\s*"([^"]+)"') | ForEach-Object { $_.Groups[1].Value } |
Group-Object | Sort-Object Count -Descending | Select-Object Count, NameO resultado, tal como saiu:
Count Name
----- ----
20 ListItem
1 BreadcrumbList
1 ItemList
1 WebSite
1 Organization
1 ImageObject
1 WebPageNão existe um único Product.
Há uma lista com vinte itens, e cada item diz apenas que é um item de uma lista, com um nome e uma ligação. Nenhum preço ligado a um produto. Nenhuma categoria. Nenhuma marca. Nenhum tipo. A página mostra vinte produtos a um humano e não declara nenhum deles como produto a uma máquina.
Também não há meta robots, portanto a página está aberta a toda a gente. Não é um caso de conteúdo escondido. É o contrário: está tudo aberto e nada explicado.
O mecanismo, em três frases
O modelo abre uma página com vinte produtos misturados por cor. Vê nomes numa lista e preços no texto, sem nada que os ligue. Tem de decidir o que pertence a quê, decide mal, e apresenta o resultado ao comprador com a mesma confiança com que apresenta o resto.
Porque é que isto é maior do que parece
As páginas de filtros passaram a ser fonte. Durante anos, as páginas de categoria com facetas foram tratadas como lixo técnico: geradas dinamicamente, muitas vezes marcadas para não aparecer no Google, sem investimento nenhum. Deixaram de ser lixo no dia em que os assistentes começaram a ler páginas em vez de consultar índices. Hoje são superfície de citação, e são as páginas pior preparadas de qualquer loja.
Quem é citado é a loja, não o fabricante. Nas duas corridas, a fonte apontada ao lado dos preços era o retalhista. Quer dizer que a marca cujo produto é descrito ao contrário não controla a página onde o erro nasce, não controla o texto que sai, e nem sequer fica a saber.
E o resultado muda entre corridas. A mesma pergunta, minutos depois, devolveu produtos diferentes e outra loja. Uma verificação única não chega para nada, o que torna a medição repetida a única forma de saber o que está a acontecer.
A correcção
É técnica, é conhecida e é barata. Cada ListItem passa a conter um Product com name, brand, category e offers com price, priceCurrency e availability. Assim cada item da lista diz o que é e quanto custa, e nenhum atributo fica a flutuar à espera de se colar ao produto errado.
Para quem tem acesso ao template das páginas de listagem, é trabalho de um dia. O que falta não é dificuldade técnica, é alguém ter percebido que estas páginas passaram a ser lidas por máquinas que respondem a compradores.
Para uma marca que vende através de terceiros, a defesa é indirecta e dupla: ter uma página só daquele produto, que diga o que a coisa é antes de dizer o quanto é boa, e ter com o canal uma conversa sobre os dados estruturados das páginas de listagem. É uma conversa que quase nenhuma marca portuguesa está a ter.
Uma nota de justiça
Nomeámos a loja porque sem o endereço esta investigação não se verifica, e é a verificabilidade que lhe dá valor. Mas convém dizer o resto: aquela página tem ItemList declarado, o que é mais do que a maioria das lojas portuguesas tem nas páginas de categoria. O padrão do mercado é não ter nada. Se escolhêssemos uma loja ao acaso, provavelmente encontraríamos menos, não mais.
O problema não é de ninguém em particular. É de um mercado inteiro que ainda não percebeu que estas páginas mudaram de função.
O que vem a seguir
Este caso estabelece o mecanismo. O passo seguinte é a frequência: vinte perguntas em quatro categorias, repetidas ao longo de três semanas, para saber quantas vezes acontece e onde é pior. Os números serão publicados aqui.
Perguntas frequentes
Uma marca pode corrigir a descrição que a IA dá do seu produto?
Directamente não. Não existe formulário de correcção, painel de marca nem canal de suporte para contestar o que um assistente diz sobre um produto. O que existe é trabalho indirecto: reduzir a ambiguidade nas fontes que o modelo lê, para lhe dar menos espaço de adivinhação. E medir com regularidade, porque sem medição a marca nem sequer sabe que isto lhe está a acontecer.
O erro é da loja ou do modelo?
Dos dois, em proporções diferentes. O modelo errou ao apresentar como facto uma associação que tinha inferido. A página que ele leu não lhe deu meios de acertar: mostra vinte produtos e não declara nenhum deles como produto, sem preço nem categoria ligados a cada item. Um sistema que adivinha vai errar; um sistema que adivinha sobre dados incompletos erra mais.
Isto acontece só nesta loja?
Pelo contrário. A página que verificámos tem ItemList declarado, o que é mais do que a maioria das lojas portuguesas tem nas páginas de categoria e de filtros. O padrão do mercado é não ter dados estruturados nenhuns nessas páginas, porque durante anos elas não interessaram para SEO. Passaram a interessar quando os assistentes começaram a ler páginas em vez de índices.
Qual é a correcção técnica?
Cada ListItem passa a conter um Product, com name, brand, category, offers com price e priceCurrency, e availability. Assim cada item da lista diz o que é e quanto custa, e nenhum atributo fica a flutuar na página à espera de se colar ao produto errado. É trabalho de um dia para quem tem acesso ao template das páginas de listagem.
Saber se lhe está a acontecer
A parte incómoda desta história é que a marca do aspirador provavelmente nunca vai saber que isto aconteceu. Não há alerta, não há relatório, não há reclamação possível.
Peça a auditoria gratuita e corremos centenas de perguntas reais de comprador em doze motores e superfícies de IA, com as respostas na íntegra. Se alguma delas descrever mal o que vende, vai vê-la.
A ler a seguir
- Agentic commerce, a camada de dados que decide quem aparece.
- Seis comandos para saber se a IA consegue ler o seu site, a verificação de base.
- Compra agêntica: o que muda para as lojas portuguesas.