O sinal da Shopify importa porque mostra que AI discovery começa a tocar resultados de comércio. Usuários pesquisam em sistemas de IA, comparam produtos, seguem recomendações e depois compram. O tema deixou de ser apenas visibilidade em respostas. Passou a ser impacto comercial.
Mas 13x não deve ser lido como promessa universal. Múltiplos altos costumam partir de bases pequenas. Além disso, medição de IA ainda é imatura. Parte do aumento pode ser demanda real. Outra parte pode vir de uma nova fonte de dados que torna visível uma atividade antes invisível.
Pequeno em visitas, grande em requests
O tráfego humano vindo de IA pode continuar pequeno na participação total, enquanto requests de agentes de IA já aparecem com força nos logs. Não há contradição. Visitas humanas e requests de máquina são camadas diferentes.
GA4 vê principalmente visitas. Edge e server logs veem também agentes. As duas visões são úteis, mas respondem perguntas diferentes.
Três velocidades
Observed Growth mede tudo que é visível hoje contra o período anterior. É simples, mas muda muito quando novas fontes são conectadas.
Comparable Growth compara apenas fontes ativas nos dois períodos. É melhor para saber se a atividade de IA está crescendo com a mesma cobertura.
Coverage Expansion Lift é a diferença. Não é ruim. Significa que agora você enxerga mais. Mas não deve ser vendido como crescimento de mercado.
Qualidade do crescimento
Crescimento de boa qualidade aparece em Visit, Commerce e Attribution. A IA traz pessoas, essas pessoas demonstram intenção comercial, e pedidos ou leads se conectam a sessões.
Crescimento fraco fica em Request. Um pico de crawler, um novo conector de logs ou uma amostra maior de prompts pode subir a curva sem criar compradores. É visibilidade, não necessariamente revenue.
A lição da Shopify não é que toda marca deve esperar 13x. A lição é que IA começa a se comportar como canal comercial e precisa de medição séria. AIAA ajuda a organizar a evidência: o que foi mencionado, lido, visitado, convertido e atribuído.
Para times de e-commerce e B2B em mercados internacionais, essa separação evita dois erros. Last click subestima IA porque ela influencia o início da jornada. Chamar tudo de “AI revenue” a superestima. O caminho é medir por camadas.
A pergunta correta não é se a marca também consegue anunciar 13x. A pergunta útil é em que camada o crescimento aparece e se ele pode ser comparado com a mesma cobertura de medição. Crescimento em Answer indica mais presença nas respostas de IA. Crescimento em Request indica que agentes estão lendo mais páginas de produto, preço ou políticas. Apenas Visit, Commerce e Attribution mostram se isso se aproxima de pessoas, ações e receita.
Em reporting executivo, meses com novas fontes de dados precisam ficar marcados. Se Edge logs, classificação de AI referrers ou integração Shopify entram em maio, junho não é comparável diretamente com abril. A curva pode subir porque a demanda cresceu ou porque agora se vê uma atividade antes invisível. AIAA obriga a separar esses efeitos.
Essa separação muda o plano de trabalho. Se Request cresce, revise dados de produto, crawlability, páginas de confiança e fontes citáveis. Se Visit cresce sem Commerce, revise landing pages, preço, prova social, comparativos e CTA. Se Commerce cresce sem Attribution, falta conectar sessão, pedido, CRM e logs. Assim, um sinal de mercado vira uma agenda operacional.
Também ajuda na conversa com finanças. Finance não deve tratar Answer ou Request como receita, mas pode aceitá-los como sinais iniciais. Visit e Commerce são sinais mais próximos de demanda. Attribution é a camada que entra na discussão de revenue. Essa disciplina torna a IA mensurável sem inflar os resultados.
Para marcas que vendem em ciclos mais longos, o impacto de IA pode aparecer antes da compra. O usuário vê uma recomendação, pesquisa a marca depois, volta por direct ou por busca de marca e só então compra. Se o relatório olhar apenas o último clique, a IA desaparece. Se chamar toda menção de revenue, a IA fica inflada. AIAA mantém as duas coisas separadas.
FAQ
Q1: O dado da Shopify é importante?
A: Sim. Mostra que IA pode influenciar pedidos reais, mas precisa de contexto.
Q2: O que é Comparable Growth?
A: Crescimento medido apenas com fontes ativas nos dois períodos.
Q3: Coverage Expansion Lift é ruim?
A: Não. Significa que a visibilidade de medição melhorou. Só não deve ser confundido com demanda.
Q4: Que crescimento vale mais?
A: O que aparece em Commerce e Attribution, porque se aproxima de receita.
Q5: O que um time deve mudar?
A: Separar Answer, Request, Visit, Commerce e Attribution no reporting.