O artigo anterior mostrou que o primeiro campo de disputa do Agentic Commerce não é pagamento, mas descoberta e recomendação. Para competir ali, a marca precisa de infraestrutura B2A, Business-to-Agent. Uma página bonita para humanos não basta; agentes precisam de dados estruturados, verificáveis e atualizados.
O primeiro pilar é Schema.org. Product com name e price é pouco. Um agente precisa ler Brand, Offer, Availability, AggregateRating, ShippingDetails e ReturnPolicy. Sem isso, não consegue avaliar confiança, frete, devolução e risco da recomendação.
O segundo pilar é llms.txt. Ele não deve copiar o sitemap. Deve selecionar 20 a 50 páginas essenciais para a IA entender marca, produtos, políticas e prova social. Cada link precisa de uma descrição curta e útil.
O terceiro pilar é Product Feed. Google Merchant Center, Shopify Agentic Storefronts e fluxos de dados de produto dependem de feeds precisos. Preço antigo, estoque incorreto, variações incompletas e imagens fracas reduzem a confiança da IA.
O quarto pilar é UCP Manifest. Ele declara capacidades do comerciante, como consulta de catálogo, carrinho, descontos, checkout e pós-venda. Ainda é cedo, mas marcas maiores devem acompanhar a evolução.
Ser legível para IA não garante recomendação. B2A é condição necessária, não suficiente. Concorrentes, contexto do usuário, conhecimento prévio dos modelos e regras da plataforma também influenciam. Mas sem B2A a marca mal entra na comparação.
O diagnóstico de busca com IA da Gravity verifica profundidade de Schema, qualidade de llms.txt, atualização do Product Feed, requisições reais de agentes e descrição da marca em respostas de IA. O objetivo é entender o que a IA vê, o que ela não vê e onde a recomendação perde confiança.
Na prática, a infraestrutura de dados B2A não deve ser tratado como uma iniciativa isolada de conteúdo. Dados de produto, respostas de IA, requests de agentes, visitas, comportamento e pedidos precisam ser lidos como uma cadeia de evidência. Só assim o time decide se o gargalo está em dados, conteúdo, integração técnica ou orçamento.
Também é preciso disciplina de medição. Busca com IA e Agentic Commerce já são observáveis, mas ainda não têm a estabilidade de paid media clássico. Prompt sampling, referrers, logs de servidor e pedidos Shopify têm pontos cegos. A medição útil separa evidência forte, sinal assistido e correlação.
FAQ
Q1: Qual a diferença entre B2A e B2C?
A: B2C otimiza a experiência humana. B2A otimiza dados para agentes de IA: formato estruturado, fatos verificáveis e atualização em tempo real.
Q2: Quais propriedades de Schema são mais importantes?
A: Preço, disponibilidade, avaliação, detalhes de frete e política de devolução. As últimas três costumam faltar.
Q3: llms.txt é necessário para Google AI Overview?
A: Não. Google depende principalmente de Schema e Merchant Center. llms.txt é mais útil para ChatGPT, Perplexity e Claude.
Q4: Shopify resolve automaticamente?
A: Parcialmente. Schema e feed básicos existem, mas frete, devolução e llms.txt geralmente exigem trabalho manual.
Q5: Qual é o ROI de B2A?
A: Maior chance de recomendação por IA, Rich Results melhores, feed mais forte e preparação para UCP/ACP.