Descrições de produtos com IA: método e revisão

Para reduzir erros em descrições de produto com IA, trate a ficha técnica como a única fonte de verdade. A IA só reescreve, organiza e adapta o tom. Ela.

Para reduzir erros em descrições de produto com IA, trate a ficha técnica como a única fonte de verdade. A IA só reescreve, organiza e adapta o tom. Ela não pode inventar atributo, medida, material ou benefício. Cada texto passa por revisão humana antes de ir para a loja, porque a informação publicada vincula o vendedor perante o consumidor.

O método tem cinco partes: ficha técnica completa, prompt que exige atributos, guia de tom da marca, checklist de SEO e revisão por campo. Abaixo você encontra cada uma, a tabela de quem revisa o quê, um exemplo de loja e os erros que mais aparecem.

Resumo rápido

A ficha técnica do fornecedor ou do cadastro interno é a fonte única. O que não está nela não entra no texto.

O prompt deve listar os atributos, proibir invenção e pedir que a IA aponte o que faltou.

Título, atributos visíveis e dados estruturados Product precisam ser coerentes com o que está na página.

Alegações como “o mais resistente” ou “hipoalergênico” só entram com comprovação documentada.

Revisão humana por campo e testes em lote pequeno antes de publicar o catálogo inteiro.

Por que a ficha técnica vem primeiro

Modelos de linguagem completam lacunas com texto plausível. Se a ficha diz “mochila em poliéster, 20 litros” e o prompt pede “descrição completa”, o modelo pode acrescentar “impermeável” ou “com costas acolchoadas” porque é comum em mochilas. O cliente lê, compra e recebe outra coisa. O problema não é o estilo do texto, é o dado inventado.

A solução é dar ao modelo apenas dados verificados e mandar que ele use somente eles. Ficha técnica é o cadastro do produto com atributos objetivos: nome, marca, modelo, dimensões, peso, material, cor, composição, capacidade, garantia, conteúdo da embalagem, instruções de uso e avisos de segurança. Se você já mantém um ERP ou uma planilha de cadastro, esse é o ponto de partida. Se os dados vêm de fornecedores, padronize os nomes das colunas antes de usar IA.

O que fazer quando a ficha é pobre

Fichas incompletas geram textos genéricos. Em vez de pedir à IA para preencher, use-a para listar o que falta: peça uma lista de atributos ausentes por categoria e cobre o fornecedor. Uma loja de calçados, por exemplo, precisa de numeração, material do cabedal, material da sola e tabela de medidas. Se a ficha não traz isso, o texto não deve fingir que traz.

Prompt com atributos e regras

Um prompt útil para descrição de produto tem quatro blocos: papel, dados, regras e formato. Quanto mais estruturado, mais fácil de testar e de repetir em lote.

Papel: “Você escreve descrições de produto para a loja X, para clientes brasileiros.”
Dados: a ficha técnica em formato de lista ou JSON, com um campo por atributo.
Regras: use somente os dados fornecidos; não crie medidas, materiais, certificações ou usos; se um atributo estiver vazio, escreva “não informado” no relatório e não no texto; não use comparativos como “melhor” ou “mais barato”.
Formato: título com limite editorial definido pela loja, três a cinco tópicos de benefício com base nos atributos, parágrafo curto, lista de especificações e relatório de pendências.

O relatório de pendências ajuda a tornar a revisão rastreável. Ele mostra ao revisor o que a IA não soube dizer, em vez de esconder a lacuna dentro de um parágrafo bonito. Mantenha cada ficha identificada pelo código do produto, para não misturar variantes parecidas.

Tom da marca

Sem guia de tom, cada produto sai com uma voz diferente. Escreva um guia de uma página com: como a marca trata o cliente (você, tu, senhor), nível de formalidade, palavras que usa e palavras que evita, tamanho típico de frase e exemplos de dois ou três textos aprovados. Cole o guia no prompt e peça ao modelo que siga os exemplos.

O tom não pode ser desculpa para exagero. Frases como “a mais confortável do mercado” soam bem, mas viram alegação que você precisa provar. Defina no guia uma lista de proibições: superlativos sem prova, promessas de saúde, resultado garantido e comparações com concorrentes.

SEO de produto

Se a equipe usa Gemini na redação, consulte o catálogo de integrações do Google Gemini para separar o assistente de escrita dos sistemas que atualizam estoque e preço.

SEO de produto cuida de como a página aparece e é entendida nos buscadores. Os pontos principais são título, atributos legíveis na página e dados estruturados.

Título e atributos

O título de produto deve dizer o que é o item, a marca, o modelo e o atributo que diferencia, como cor ou tamanho, sem repetir palavras-chave. Os atributos relevantes, como material, dimensões e compatibilidade, devem aparecer em texto na página, não só em imagem. A IA pode propor variações de título, mas o revisor escolhe a que descreve melhor o item. O Google também orienta a criar conteúdo útil e confiável, pensado para pessoas e não para o buscador, e isso vale para descrições geradas por IA.

Dados estruturados Product

Dados estruturados são marcações no código da página, geralmente em JSON-LD, que descrevem o produto em formato que o Google entende. Segundo a documentação do Google Search Central, a marcação Product pode tornar a página elegível a exibições mais ricas, como preço, disponibilidade, avaliações e informações de frete nos resultados. A documentação oficial distingue dois usos: snippets de produto, para páginas em que o cliente não compra direto, e listagens de comerciante, para páginas em que ele pode comprar. Para listagens de comerciante, a página de requisitos do Google lista como propriedades obrigatórias o nome do produto (name), ao menos uma imagem (image) e uma oferta (offers, do tipo Offer).

A regra mais relevante para texto gerado por IA vem das diretrizes de qualidade: não marque conteúdo que não está visível para quem lê a página, e use dados estruturados que representem fielmente a página, sem enganar o usuário. Na prática, o preço, a disponibilidade e as características no JSON-LD precisam ser os mesmos que o cliente vê. Gere a marcação a partir do mesmo cadastro que alimenta a descrição, e não por uma segunda etapa de IA que possa divergir. Valide com o Teste de Resultados Multimídia do Google antes de publicar.

O Google também recomenda complementar a marcação da página com um feed no Merchant Center, o que aumenta a elegibilidade e ajuda a conferir os dados. Se você usa as duas fontes, mantenha os valores iguais.

Regras de marketplaces

Cada marketplace define regras próprias para título, imagens, categorias e atributos obrigatórios, e essas regras mudam. Não copie a mesma descrição em todos os canais sem conferir. Antes de gerar em lote para um canal, leia a página de política de anúncios dele e transforme as regras em linhas do prompt, como limite de caracteres do título e proibição de termos promocionais no título. Se a plataforma exige atributos específicos por categoria, inclua esses campos na ficha técnica. Para quem acompanha preços e avaliações em marketplaces, veja também o artigo sobre acesso permitido a preços e avaliações no Mercado Livre e na Amazon.

Revisão humana: campo por campo

Revisão eficiente tem dono e critério por campo. A tabela abaixo é um ponto de partida que a loja deve adaptar à sua equipe.

Campo	Fonte	Quem revisa	O que checar
Título	Nome, marca, modelo e atributo-chave da ficha	Analista de catálogo	Descreve o item, sem superlativo e sem palavra que não esteja na ficha
Medidas e peso	Ficha do fornecedor ou medição própria	Compras ou estoque	Unidade correta, medida com ou sem embalagem
Material e composição	Ficha ou etiqueta do produto	Compras	Idêntico ao que consta no produto e na embalagem
Benefícios	Derivados dos atributos da ficha	Analista de conteúdo	Cada benefício tem um atributo que o sustenta
Alegações (saúde, desempenho, ecológico)	Laudo, certificado ou documento do fabricante	Jurídico ou responsável legal	Existe comprovação arquivada; caso contrário, remover
Preço, prazo e frete	Sistema da loja	Financeiro ou operação	Mesmos valores da página e dos dados estruturados
Garantia, troca e devolução	Política da loja	Atendimento ou jurídico	Texto coerente com a política publicada
Avisos de segurança	Manual ou ficha do fabricante	Compras ou jurídico	Presentes e sem omissão
Texto alternativo das imagens	Imagem real do produto	Analista de conteúdo	Descreve o que a imagem mostra, sem inventar

O texto alternativo merece atenção própria, porque mistura SEO e acessibilidade. Veja o passo a passo em texto alternativo de imagens com IA: revisão de acessibilidade para lojas virtuais.

CDC: informar com clareza e não prometer sem prova

O Código de Defesa do Consumidor exige informação adequada também na oferta digital. Pelo art. 30, uma informação suficientemente específica sobre o produto passa a integrar o compromisso do fornecedor. O art. 31 exige apresentação compreensível e correta, em português, sobre atributos e condições relevantes, incluindo riscos. Já o art. 37 proíbe publicidade que engane, inclusive quando uma omissão distorce a decisão de compra. Aplicar essas regras ao cadastro é responsabilidade da loja.

Para quem usa IA, três consequências práticas. Primeiro, uma medida errada gerada pelo modelo é uma informação incorreta da loja, não do modelo. Segundo, omitir uma característica relevante, como “não acompanha bateria”, também pode induzir ao erro. Terceiro, uma alegação sem prova, como “reduz dores”, “antialérgico” ou “100% sustentável”, cria risco jurídico e de reclamação. Prefira dados objetivos e verificáveis: “algodão 100%”, “capacidade de 20 litros”, “garantia de 12 meses”.

Quando o cliente devolve o produto porque a descrição não bateu com o que recebeu, o custo cai na operação. Para estruturar esse fluxo, leia agentes de IA para trocas e devoluções no e-commerce.

Testes antes de publicar o catálogo

Gerar mil descrições de uma vez e publicar sem amostra é o caminho mais curto para repetir o mesmo erro mil vezes. Use um processo em etapas:

Escolha uma amostra de 20 a 30 produtos de categorias diferentes, incluindo os de ficha mais pobre.
Gere as descrições e peça a duas pessoas que as comparem, atributo por atributo, com a ficha.
Anote os tipos de erro: atributo inventado, omissão, superlativo, tom fora do guia.
Ajuste o prompt e o guia de tom para eliminar esses erros e refaça a amostra.
Só então rode em lote por categoria, com nova amostragem a cada lote.
Depois de publicar, acompanhe o que o cliente reclama, as perguntas ao atendimento e a taxa de devolução por motivo.

Se a loja quiser comparar versões de texto, faça um teste A/B com tráfego suficiente e um critério definido antes, como taxa de adição ao carrinho. Sem volume, a comparação não prova nada.

Exemplo: loja de utilidades domésticas em Goiânia

Uma loja virtual de utilidades domésticas em Goiânia vende centenas de itens de vários fornecedores. O catálogo tinha descrições copiadas dos fabricantes, com pouco texto próprio. O caso é ilustrativo. A equipe seguiu este caminho.

Padronizou a planilha de cadastro com colunas fixas: material, dimensões, capacidade, voltagem, garantia e conteúdo da embalagem.
Escreveu o guia de tom: tratamento por “você”, frases curtas, sem superlativos e sem promessas de resultado.
Criou o prompt com os quatro blocos e o relatório de pendências. Os itens com ficha incompleta voltaram para o fornecedor.
Rodou uma amostra de 25 produtos. A revisão achou duas descrições que chamavam uma panela de “antiaderente” sem que isso constasse na ficha. O prompt ganhou a regra de nunca citar revestimento sem o dado.
Gerou o JSON-LD Product a partir da mesma planilha, validou no teste de resultados multimídia do Google e conferiu preço e disponibilidade com os da página.
Publicou por categoria, com um revisor de compras para medidas e material e uma pessoa do atendimento para a coerência com a política de troca.

A equipe deve acompanhar divergências e devoluções depois da publicação. O exemplo não comprova redução de devoluções nem ganho de vendas; esses resultados dependem de medição da própria loja.

Erros comuns

Pedir “descrição completa” sem dar a ficha. A IA completa com o que é comum na categoria.
Reaproveitar a mesma descrição em todos os marketplaces. Cada canal tem regras e limites diferentes.
Dados estruturados que divergem da página. Preço ou disponibilidade diferentes no JSON-LD violam as diretrizes do Google.
Alegações sem comprovação. “Hipoalergênico”, “ecológico” e “o mais resistente” exigem prova.
Revisar só o tom e não os números. O erro caro está na medida, no material e na compatibilidade.
Publicar o catálogo todo sem amostra. O mesmo erro se repete em escala.

Perguntas frequentes

Posso publicar descrições geradas por IA sem revisão?

Não é recomendável. A informação publicada é responsabilidade da loja, e erros de medida, material ou compatibilidade geram devoluções e reclamações. Revise ao menos os campos objetivos e as alegações.

O Google penaliza texto gerado por IA?

O foco da orientação do Google está na utilidade e na confiabilidade do conteúdo para as pessoas, e não na ferramenta usada para escrevê-lo. Texto genérico, copiado ou impreciso tende a ser ruim por si só. Confira a página de conteúdo útil do Google nas fontes abaixo.

Os dados estruturados Product são obrigatórios?

Não são obrigatórios para a página existir, mas podem tornar o produto elegível a exibições mais ricas na busca. Se usar, mantenha a marcação fiel ao que está visível na página.

Como evitar que a IA invente atributos?

Envie a ficha técnica, proíba informações fora dela e peça um relatório de pendências. Essas instruções reduzem risco, mas não garantem ausência de erro. Revise campos críticos de cada item e use amostragem adicional para encontrar padrões no lote.

Posso usar o texto do fabricante como base?

Como informação de produto, sim, mas confira os direitos de uso do material e os dados com o fornecedor. Acrescente informações próprias e úteis, sem atribuir uma penalidade automática de SEO à duplicação.

Descrições de produto com IA para e-commerce: método e revisão