Entenda de IA para marketplace

Quase toda conversa sobre IA em marketplace termina no mesmo lugar: alguém pediu um título pro ChatGPT, achou bom, colou no anúncio. Isso é IA usada como estagiário de redação. Funciona, economiza tempo, e não muda o resultado da operação — porque título nunca foi o gargalo.

O gargalo de quem vende em marketplace é decisão em volume. Quais dos seus 3.000 SKUs merecem verba de Ads amanhã. Qual preço ainda aguenta margem depois da comissão, do frete e do cupom. Qual anúncio rompe estoque em nove dias. Qual concorrente acabou de entrar embaixo do seu preço.

Nenhuma dessas perguntas se responde escrevendo melhor. Todas se respondem lendo dado que já existe, todo dia, no volume que nenhuma pessoa varre à mão. É aí que a IA muda alguma coisa.

As três camadas

Separar as três ajuda a entender por que tanta gente diz que "já usa IA" e não vê diferença no resultado.

Onde ela move o ponteiro

Seis usos concretos, com o mecanismo explícito. Se você não consegue descrever o mecanismo, provavelmente é camada 1 com nome bonito.

1. Precificação com a conta certa

   O erro raramente é o preço. É a conta por trás dele. Comissão muda por categoria, frete muda por faixa de preço e por reputação, cupom sai do seu bolso, imposto varia por produto. Cada uma dessas variáveis se mexe sozinha ao longo do mês.

   A IA aqui não adivinha preço: ela recalcula a margem real de cada SKU sempre que uma variável muda e aponta quais anúncios passaram a vender no prejuízo — antes de você descobrir no fechamento.

   Armadilha comumO frete que aparece no pedido costuma ser o que o comprador pagou, não o que você pagou. Quem monta a margem em cima desse número acha que está lucrando em anúncio que está drenando caixa.

2. Curva de anúncio e verba de Ads

   A distribuição de vendas num catálogo grande é brutalmente desigual: uma minoria de anúncios responde pela maior parte do faturamento, e uma parcela relevante da verba vai para anúncios que nunca vão converter.

   Cruzar impressão, conversão e margem (não só faturamento) separa o anúncio que merece verba do anúncio que só consome. Sem a margem na conta, você escala o produto que mais vende e menos lucra.

3. Previsão de ruptura e ponto de recompra

   Média de venda é um péssimo previsor: existe sazonalidade, efeito de dia da semana, efeito de campanha do marketplace e efeito do seu próprio Ads. Um modelo de demanda por SKU antecipa a data provável de ruptura e o ponto de recompra considerando o lead time do fornecedor.

   Ruptura em marketplace não custa só a venda perdida — custa posição, histórico de conversão e relevância que levam semanas para voltar.

4. Perguntas pré-venda

   Pergunta sem resposta é um gargalo silencioso: o comprador não reclama, ele só compra do concorrente. Classificar a intenção da pergunta e sugerir a resposta a partir do dado real da ficha técnica derruba o tempo de resposta sem inventar informação de produto.

   Armadilha comumResposta automática que "chuta" especificação gera reclamação, devolução e mediação. A regra é responder só a partir do que está cadastrado — e escalar para humano quando não está.

5. Leitura de concorrência

   Quem entrou na sua categoria, quem baixou preço, quem tomou o Buy Box, qual anúncio novo está subindo. É um volume de leitura diária que ninguém sustenta manualmente — e é exatamente o tipo de tarefa repetitiva e estruturada em que a máquina ganha do humano por desistência.

6. Diagnóstico de catálogo

   Ficha técnica incompleta derruba relevância e tira o anúncio de filtros que o comprador usa. Varrer milhares de SKUs apontando atributo obrigatório faltando, categoria errada, variação mal montada e título fora do padrão da categoria é trabalho de máquina.

   Este é o único da lista que pertence à camada 1 — e ele importa porque é diagnóstico, não redação.

Onde ela não funciona

Essa parte costuma ser omitida por quem vende IA. Ela é o que separa projeto que dá resultado de projeto que vira slide.

• IA não conserta dado ruim. Se o custo do produto está errado na sua planilha, você vai receber uma decisão errada — só que mais rápido e com mais confiança.
• IA não negocia. Verba de campanha do marketplace, condição comercial, prazo com fornecedor e relação com o time da plataforma continuam sendo trabalho humano.
• Texto gerado em massa sem revisão derruba conversão. E, dependendo da categoria, esbarra em política do marketplace.
• Modelo genérico não conhece a regra da sua categoria. Ele não sabe o que é atributo obrigatório no seu segmento nem o que a sua curva de frete faz com a sua margem. Isso é configuração, não prompt.

Por onde começar

1. Feche o dado antes do modeloCusto, comissão, frete real, cupom e imposto por SKU num lugar só. Sem isso, qualquer camada 2 é chute com sotaque técnico.
2. Escolha uma decisão — a que mais dóiPreço, verba ou compra. Uma. Projeto que começa querendo resolver as três não entrega nenhuma.
3. Rode em paralelo por 30 diasA máquina recomenda, o humano decide, e você compara. É a única forma honesta de saber se ela é melhor que o seu time — e em quais casos ela não é.
4. Só então automatize a execuçãoCamada 3 depois da camada 2 provada, com limite de variação e log de tudo que foi alterado sozinho.

Os caminhos do sucesso nós já temos. A decisão de acelerar as vendas online é sua.