Product Schema: Quais campos JSON-LD a IA precisa
Product Schema para Visibilidade de IA: Quais campos o seu JSON-LD realmente precisa
Para operadores de e-commerce: sem um Product Schema implementado corretamente de acordo com o padrão Schema.org, uma loja online é quase invisível para os motores de busca de IA. Neste artigo, você aprenderá quais campos seu JSON-LD deve conter obrigatoriamente — e quais campos opcionais fazem a diferença decisiva na visibilidade da IA.
O papel dos dados estruturados na era da IA
Quando um motor de busca baseado em IA processa uma consulta complexa – por exemplo, "Melhores tênis de corrida para maratonistas propensos a lesões com entrega até amanhã" – ele precisa de fatos legíveis por máquina. O Product Schema funciona como a única fonte de dados confiável.
Enquanto o Google tradicionalmente também avalia o texto visível de uma página, os crawlers LLM como GPTBot ou PerplexityBot dependem principalmente de dados estruturados. A razão: um LLM pode extrair fatos de um bloco JSON-LD de forma muito mais confiável do que de um texto corrido que mistura linguagem de marketing, formulações ambíguas e elementos decorativos.
Seja Padrão, não criativo
A máxima é: "Seja Padrão, não criativo". Use o vocabulário oficial do Schema.org. Embora a interface visual possa ser criativa, a descrição técnica deve seguir padrões rigorosos.
Erros comuns na prática:
- Nomes de propriedades inventados como
productCategoryem vez decategory - Declarações
@typeausentes em objetos aninhados - Formatos de moeda inconsistentes (EUR vs. € vs. Euro)
- Preço como string com vírgula em vez de ponto ("159,90" em vez de "159.90")
Cada um desses erros pode fazer com que a IA descarte ou interprete os dados incorretamente.
Os campos obrigatórios indispensáveis
- name: O nome completo do produto — claro, descritivo e sem floreios de marketing. "Tênis de Maratona Pro-Run X1" em vez de "O Tênis de Corrida DEFINITIVO!!!".
- offers: Preço, moeda e disponibilidade. Sem essa tríade, seu produto é irrelevante para consultas comerciais de IA. Sempre use o formato de URL do Schema.org para disponibilidade (por exemplo,
https://schema.org/InStock). - review ou aggregateRating: A prova social é indispensável para recomendações de IA. Um produto com 124 avaliações e 4.8 estrelas será recomendado com muito mais frequência do que um sem quaisquer dados de avaliação.
Campos decisivos para a visibilidade da IA
Identificadores (SKU, GTIN, MPN)
Os identificadores são a espinha dorsal da diferenciação de variantes. O GTIN (Global Trade Item Number) permite que a IA compare e combine dados de diferentes fontes. Se o seu produto é identificado identicamente no Amazon, na sua loja e num portal de comparação de preços através do GTIN, a confiança da IA na qualidade dos dados aumenta significativamente.A SKU (Stock Keeping Unit) também ajuda na identificação interna do produto e na diferenciação de variantes (tamanho, cor). Sem identificadores, a IA trata cada listagem como um produto potencialmente diferente.
Marca
O campobrand é muitas vezes subestimado, mas essencial. Ele vincula o produto à entidade de marca superior no Knowledge Graph. Sempre use o tipo aninhado: "brand": { "@type": "Brand", "name": "Pro-Run" }.
Preço e Disponibilidade
Esses dados devem corresponder exatamente no JSON-LD com as informações da página de destino. Qualquer discrepância entre o preço exibido e o preço do esquema pode ser considerada uma tentativa de manipulação pelos crawlers e danificar a confiança de forma duradoura.Preste atenção especial a:
priceCurrencyno formato ISO-4217 (EUR, USD, GBP)pricecomo número decimal com ponto (não vírgula)priceValidUntilpara ofertas por tempo limitadoavailabilitycomo URL do Schema.org
Detalhes de Envio
Através de
shippingDetails, você pode especificar com precisão os prazos de entrega e os custos de envio. Somente assim a IA pode responder a perguntas como "O que pode ser entregue até sexta-feira?" ou "Qual loja entrega gratuitamente?". Este campo está se tornando cada vez mais um diferencial, pois os usuários nas pesquisas de IA frequentemente filtram por condições de entrega.
Avaliação Agregada e Avaliações
As avaliações servem como prova social. Os sistemas de IA classificam produtos com histórico positivo mais alto. Importante: UseaggregateRating para a avaliação geral e, adicionalmente, entradas review individuais para opiniões detalhadas de clientes. Quanto mais avaliações verificadas, mais forte o sinal de confiança.
Exemplo prático: JSON-LD correto
{
"@context": "https://schema.org/",
"@type": "Product",
"name": "Pro-Run Marathon Schuh X1",
"description": "Leichter Laufschuh für Marathonläufer mit verstärkter Dämpfung und atmungsaktivem Obermaterial.",
"sku": "PR-X1-2024",
"gtin13": "4012345678901",
"brand": { "@type": "Brand", "name": "Pro-Run" },
"image": "https://example.com/images/pro-run-x1.jpg",
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"reviewCount": "124"
},
"offers": {
"@type": "Offer",
"priceCurrency": "EUR",
"price": "159.90",
"availability": "https://schema.org/InStock",
"priceValidUntil": "2025-12-31",
"shippingDetails": {
"@type": "OfferShippingDetails",
"deliveryTime": {
"@type": "ShippingDeliveryTime",
"transitTime": {
"@type": "QuantitativeValue",
"minValue": 1,
"maxValue": 2,
"unitCode": "d"
}
}
}
}
}
Validação e Teste
Um Product Schema bem construído pouco adianta se contiver erros de sintaxe. Use estas ferramentas para validação:
- Google Rich Results Test: Verifica se o seu esquema é qualificado para Rich Snippets
- Schema.org Validator: Valida a correção técnica em relação ao padrão
- AI Trust Audit: Verifica seus dados estruturados especificamente para visibilidade e integridade da IA
Conclusão
Use consistentemente identificadores únicos (GTIN, SKU), mantenha os detalhes de envio e entrega diretamente no esquema, mantenha os dados de preços e disponibilidade cuidadosamente atualizados e siga rigorosamente o padrão Schema.org. Um Product Schema completo não é um "nice-to-have" — é o bilhete de entrada para a visibilidade da sua loja na IA.