Do Schema Markup à recomendação de IA: O que ainda falta à maioria dos websites

Quase todas as lojas online possuem hoje dados estruturados integrados: o sistema da loja fornece-os automaticamente, o plugin de SEO está ativo e o validador apresenta sinal verde. E, no entanto, muitas destas lojas permanecem invisíveis assim que os clientes perguntam ao ChatGPT, Perplexity ou Gemini por recomendações. A nossa análise de 5.733 websites revela alguns motivos para isso: a estrutura técnica está presente em quase todo o lado, mas faltam frequentemente os sinais nos quais os sistemas de IA baseiam a identidade e a confiança. A pontuação média da auditoria é de 59,9% – apenas 2,8% dos websites atingem 80% ou mais, enquanto 42,6% ficam abaixo dos 60%. O que separa a maioria do grupo de elite não são relançamentos dispendiosos, mas sim alguns complementos específicos no markup existente. Neste artigo, explicamos as três lacunas mais comuns e mostramos concretamente como fechá-las.
Por que os sistemas de IA leem de forma diferente do Google
Para compreender as lacunas, ajuda observar como um assistente de IA elabora uma recomendação. Se alguém pergunta: "Onde posso comprar bons sapatos de corrida online?", o sistema deve esclarecer várias questões em segundo plano – inclusive se uma loja é suficientemente séria para uma recomendação:
- Quem é este fornecedor? O website, o perfil de avaliações e o registo da empresa pertencem à mesma entidade?
- O que exatamente é oferecido? Qual produto, a que preço, está disponível para entrega?
- Pode-se confiar no fornecedor? Existem factos e avaliações verificáveis?
Um ser humano responde a estas perguntas navegando pelo website. Um sistema de IA, por outro lado, prefere recorrer a informações que possa atribuir de forma inequívoca. Se faltar esta clareza, a resposta torna-se incerta – e fontes incertas são mencionadas com menos frequência. Os dados estruturados não são, por isso, um fim em si mesmos, mas a linguagem na qual responde a estas três perguntas de forma legível por máquinas.
O paradoxo: a tecnologia está lá, o conteúdo falta
71% dos websites analisados cumprem totalmente a nossa verificação de dados estruturados. O cenário é completamente diferente quando se trata dos conteúdos:
| O que ajuda os sistemas de IA | Totalmente cumprido |
|---|---|
| Dados estruturados fundamentalmente presentes | 71,1 % |
| Página "Sobre nós" com factos verificáveis | 24,3 % |
Empresa associada a perfis oficiais (sameAs) | 19,1 % |
| Avaliações legíveis como dados estruturados | 5,4 % |
O motivo é óbvio: os sistemas de lojas criam a estrutura básica automaticamente. No entanto, nenhum plugin pode saber quais perfis pertencem à sua empresa, o que o distingue e onde estão as suas avaliações. Estas informações devem ser adicionadas por si.
Lacuna 1: A identidade da empresa permanece obscura
Por que isto é importante
Os sistemas de IA trabalham com as chamadas entidades: empresas, pessoas e produtos identificados de forma inequívoca. Para tal sistema, a sua loja é inicialmente apenas um domínio. Ele tem de deduzir por si próprio se "lojaexemplo.pt", o perfil de avaliações "Loja Exemplo Lda" e o Perfil de Empresa no Google se referem à mesma empresa – e, no caso de nomes semelhantes, esta atribuição pode falhar.
Com a propriedade sameAs, responde a esta questão diretamente: "Estes perfis pertencem-nos." Desta forma, avaliações, menções e dados da empresa noutros locais podem ser atribuídos à sua empresa.
O que os dados mostram
Apenas 19% dos websites associam totalmente a sua empresa a perfis oficiais. Mesmo em websites com oferta de produtos, a percentagem é de apenas 22%.
Como implementar
Adicione na sua página inicial o markup Organization com a lista dos seus perfis reais:
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Loja Exemplo Lda",
"url": "https://www.lojaexemplo.pt",
"logo": "https://www.lojaexemplo.pt/logo.png",
"sameAs": [
"https://www.trustedshops.pt/avaliacao/info_XXXXXXXX.html",
"https://www.linkedin.com/company/lojaexemplo",
"https://www.instagram.com/lojaexemplo"
]
}
Boas Práticas:
- Qualidade acima da quantidade. Ligue apenas perfis que sejam mantidos ativamente e que lhe pertençam inequivocamente. Uma conta abandonada de 2018 não ajuda.
- Perfis de avaliação primeiro. Um perfil com avaliações reais de clientes é uma forte prova de confiança, porque existe independentemente do seu website.
- Manter o nome consistente. Utilize no markup o mesmo nome da empresa que consta no aviso legal (impressum) e nos perfis.
Lacuna 2: Dados de produtos incompletos
Por que isto é importante
Quando os assistentes de IA comparam produtos ou dão recomendações de compra, precisam de factos fiáveis: preço, moeda, disponibilidade. Sem estes dados, o sistema corre o risco de transmitir informações obsoletas ou erradas – e prefere recorrer a fontes onde os dados estejam completos.
As identificações de produto, como GTIN/EAN e a marca (brand), desempenham um papel especial. São a chave única através da qual um produto é reconhecido em diferentes websites. Só assim é que relatórios de testes, comparações de preços e avaliações podem ser atribuídos sem margem para dúvidas à sua oferta.
O que os dados mostram
Entre os websites com markup de produto, faltam partes dos dados da oferta em cerca de um em cada cinco (21%). As identificações de produto e a marca nem sequer estão totalmente indicadas em 41% dos casos.
Como implementar
Um markup de produto completo na página de detalhes do produto assemelha-se a isto:
{
"@context": "https://schema.org",
"@type": "Product",
"name": "Sapatilha de Corrida Aero 3",
"gtin13": "4012345678901",
"brand": { "@type": "Brand", "name": "MarcaExemplo" },
"offers": {
"@type": "Offer",
"price": "89.95",
"priceCurrency": "EUR",
"availability": "https://schema.org/InStock",
"url": "https://www.lojaexemplo.pt/aero-3"
}
}
Boas Práticas:
- Verificar uma página de produto real. Abra o código-fonte (não a página renderizada) e procure por
gtin,priceeavailability. O que faltar ali, muitos crawlers de IA não verão. - Alinhar o visível com o markup. O preço e a disponibilidade no markup devem corresponder à oferta visível. As discrepâncias prejudicam mais do que ajudam.
- Adotar identificadores do sistema de gestão de mercadorias. O GTIN geralmente já existe – apenas não é exportado para o template da loja.
Lacuna 3: A página "Sobre nós" diz pouco de concreto
Por que isto é importante
Para a questão "Este fornecedor é fiável?", os sistemas de IA procuram factos verificáveis. Frases como "Somos o seu parceiro para qualidade e paixão" não contêm tais factos – não podem ser confirmadas nem refutadas. Já o ano de fundação, a sede da empresa, os responsáveis ou a especialização podem sê-lo.
O que os dados mostram
Apenas 24% dos websites cumprem totalmente a nossa verificação da página "Sobre nós". Frequentemente, a página falta por completo ou consiste predominantemente em afirmações publicitárias genéricas.
Como implementar
Um exemplo de antes e depois:
Antes: "Para nós, o cliente está no centro de tudo. Oferecemos a melhor qualidade a preços justos."
Depois: "A Loja Exemplo Lda foi fundada em 2011 em Braga e é especializada em equipamento de corrida. A nossa equipa de doze colaboradores – incluindo três consultores certificados de calçado de corrida – processa anualmente mais de 40.000 encomendas. A gerente é Anna Exemplo."
Boas Práticas – estas informações devem constar na página:
- Nome completo da empresa e sede
- Ano de fundação e breve histórico
- Especialização: Em que área é que a sua empresa é a escolha certa?
- Pessoas responsáveis ou a equipa
- Provas verificáveis, como certificados, prémios ou associações
O seu plano em três passos
- Associar identidade (aprox. 30 minutos). Adicionar links
sameAspara os seus perfis reais no markup Organization da página inicial. - Verificar uma página de produto (aprox. 1 hora). Controlar preço, moeda, disponibilidade, GTIN e marca no código-fonte e adicionar campos em falta no template – a alteração afetará todos os produtos.
- Reescrever a página "Sobre nós" (aprox. 2 horas). Substituir afirmações publicitárias pelos factos mencionados acima.
Nenhum destes passos requer um relançamento. Todos os três atuam onde a maioria dos websites no nosso benchmark desperdiça potencial.
Em que ponto está o seu website?
A média é uma orientação, não um objetivo. A sua própria análise mostrará qual das três lacunas está aberta no seu caso e onde tem mais a ganhar.
Uma melhor pontuação na auditoria significa melhores condições técnicas. Ninguém pode garantir uma menção nas respostas da IA.
Metodologia: Dados de 09/11/2026. Foi analisada a execução completa mais recente de cada website desde a introdução do catálogo de verificação atual (25/06/2026), num total de 5.733 websites; websites verificados várias vezes contam apenas uma vez, execuções interrompidas são excluídas. As taxas de produtos referem-se aos 2.109 websites com markup de produto detetado. Trata-se de websites verificados voluntariamente, não de uma amostra representativa do mercado. Não apresentamos deliberadamente uma evolução temporal, uma vez que a composição dos websites verificados se alterou ao longo dos meses.