The Death of Search: How Shopping Will Work In The Age of AI

A situação atual da rede mundial de computadores é considerada insalubre, pois grande parte do conteúdo disponível consiste em material de baixa qualidade, otimizado especificamente para mecanismos de busca. Agentes de Inteligência Artificial podem direcionar os consumidores para produtos e serviços, desde que as atividades de compra comecem nessas plataformas. Historicamente, grandes motores de busca funcionam como um imposto sobre o Produto Interno Bruto (PIB), cobrando por clique sobre o gasto do consumidor, mas essa taxação pode estar prestes a migrar para outras entidades no novo cenário comercial.

A complexidade do sistema de comércio eletrônico atual motiva a análise sobre os diferentes tipos de compras onde a IA pode exercer influência. É fundamental compreender quais modelos de transação serão transformados e o que se espera observar no mercado mais amplo com a introdução dessas novas tecnologias e agentes autônomos.

O marketing de afiliados representa um dos modelos de negócio mais antigos da internet, precedendo até mesmo o AdWords e o AdSense. A mecânica básica envolve o envio de tráfego a um destino, recebendo uma comissão se a transação for concluída. Este sistema historicamente dependeu de cookies e pixels de rastreamento invisíveis para mapear a origem do cliente. Empresas como a Trial Pay atuaram como grandes afiliados globais, mas surge o questionamento sobre a sustentabilidade desse modelo na nova era da IA.

O marketing de afiliados é basicamente você envia alguém, este é o modelo de negócios mais antigo da internet, se é que se pode dizer assim.

A relevância do rastreamento baseado em cookies é questionada, especialmente porque o uso pessoal de ferramentas como o ChatGPT já supera significativamente a busca tradicional para fins não comerciais. A questão central é se este modelo de comissionamento ainda será capaz de sustentar o novo ecossistema de comércio eletrônico impulsionado por agentes inteligentes.

Existe uma dicotomia clara no comportamento de compra. As compras por impulso, como pegar um refrigerante no caixa do supermercado, são projetadas para alvejar emoções e não se beneficiarão da intervenção da IA, pois a decisão de compra é imediata e não pesquisada. Em contraste, itens de custo muito elevado exigem pesquisa intensiva, onde os agentes de IA podem ser extremamente úteis para analisar dados e auxiliar na decisão final.

Apesar da grande oportunidade criada pelos Modelos de Linguagem Grandes (LLMs) e agentes capazes de auxiliar ou realizar compras em nome do consumidor, poucas startups têm atacado o mercado de compras online com IA até o momento. A complexidade do sistema atual exige uma análise objetiva do comportamento observado antes de fazer previsões sobre o futuro do comércio.

Tendências virais observadas, como adolescentes usando o ChatGPT para identificar e comprar roupas vistas em fotos de celebridades, mostram o potencial da IA em pesquisa visual. Quando funciona, a IA pode sugerir alternativas mais acessíveis, indicando que essa demografia, um forte preditor de comportamento futuro, está pronta para a pesquisa e compra agentiva, especialmente quando os preços são favoráveis.

A ideia de precificação dinâmica e customizada ao extremo, onde o mesmo item tem preços diferentes para consumidores distintos com base em sua capacidade de pagamento, é uma velha ambição econômica. Capturar o excedente do consumidor é benéfico para o produtor, mas prejudicial para o consumidor.

Capturar o excedente do consumidor é ótimo para o consumidor, é ruim para o produtor.

Versões simplificadas dessa prática já foram tentadas, como cobrar mais de usuários de iPhone do que de Android, pois o dispositivo comunica uma elasticidade de demanda diferente. Contudo, tais práticas tendem a gerar desafios regulatórios significativos e níveis muito altos de impopularidade entre a base de clientes, dificultando sua implementação generalizada.

Atualmente, o comércio eletrônico representa apenas {16%} das vendas totais de varejo, um número menor do que muitas projeções feitas há duas décadas. Isso ocorre porque a curva de demanda difere drasticamente entre a necessidade de imediatismo e a compra não imediata. Enquanto o envio noturno é conveniente, a necessidade de um produto como pasta de dente no exato momento do uso exige uma ida à loja física, algo que o e-commerce não atende instantaneamente.

A expectativa de entrega melhorou drasticamente; antes, o prazo era de duas semanas, mas hoje a demanda por tempo de espera diminuiu. Muitos consumidores realizam pesquisa online detalhada, mas finalizam a compra na loja física, seja para sentir a textura de uma roupa ou verificar o peso de um laptop, integrando o componente online à jornada offline.

A atribuição de vendas é o maior desafio técnico e operacional no ambiente digital, sendo a 'praga da existência' para muitos profissionais de marketing. O modelo mais corrosivo e difundido é o de atribuição de último clique, que aloca 100% do crédito ao último ponto de contato antes da conversão, ignorando influências anteriores como posts em redes sociais ou anúncios de alto impacto.

A coisa que sinto que mais odeio em todo o mundo é este modelo de negócios, como o Honey.

Ferramentas como Honey exemplificam a falha da atribuição, pois redirecionam o usuário no momento da compra para aplicar um cupom, roubando a atribuição do canal original e redirecionando-o de volta. Com a IA, o cenário se complica ainda mais, pois um agente pode interagir em múltiplas plataformas (Reddit, ChatGPT, anúncios) antes da compra, tornando incorreto creditar integralmente a última interação com a IA.

Os grandes vencedores no comércio eletrônico têm sido os agregadores, como Shopify e Amazon, e grandes marcas pioneiras. No entanto, muitas marcas que tiveram rápido crescimento, como Casper (colchões) ou Allbirds (calçados), falharam em se tornar negócios duráveis, pois não melhoraram inerentemente com a escala.

A internet 1.0 eliminou a vantagem da localização física, expondo a fraqueza dos revendedores de commodities. Se múltiplos varejistas vendem o mesmo tênis Nike, o consumidor migra para quem oferece o melhor serviço ou envio mais rápido. A ausência de barreiras de entrada para a revenda de produtos não fabricados internamente torna o modelo insustentável a longo prazo para os revendedores.

Produtos baseados em tendências, como calçados da moda, representam um desafio para varejistas com um único SKU ou estilo limitado, como Allbirds. Agregadores como Shopify ou Amazon conseguem absorver a demanda, pois podem exibir qualquer tendência que surja, enquanto o varejista focado em um produto específico corre o risco de ficar obsoleto rapidamente.

É muito difícil para a IA inculcar demanda. Como eu sei que o tênis On é legal? Eu preciso ver o Bama Rush.

Embora agentes de IA possam direcionar pessoas para produtos se a atividade de compra começar ali, a IA tem dificuldade em criar demanda do zero, ou seja, em tornar um item desejável culturalmente (inculcar demanda). Para produtos utilitários onde o consumidor sabe exatamente o que quer, a IA é um facilitador óbvio, mas para criar o desejo, o fator humano e social ainda é dominante.

O Google construiu sua hegemonia com um modelo freemium, oferecendo resultados de busca superiores gratuitamente, o que melhorou a qualidade da experiência orgânica. A monetização veio com o AdWords, onde anúncios relevantes, pagos por clique, complementavam os resultados. Esse modelo foi vantajoso porque a relevância dos anúncios era validada pelo engajamento do usuário, não sendo pré-determinada.

Atualmente, o Google está perdendo as consultas puramente informacionais, que não geram receita direta, para ferramentas como o ChatGPT. No entanto, as receitas de publicidade, que dependem da intenção de compra (o lado premium), permanecem em ascensão, indicando que a monetização principal ainda não foi significativamente abalada, embora o volume total de buscas possa estar em queda.

Uma barreira significativa para a adoção plena de LLMs como o ChatGPT no comércio é o problema da alucinação em recomendações de produtos. Usuários que buscam a melhor legging para uma trilha específica, fornecendo detalhes complexos, frequentemente recebem recomendações de produtos que não existem mais, ou cujos preços listados estão incorretos.

Essa imprecisão força muitos usuários experimentais a retornarem às buscas tradicionais no Google ou Amazon, aguardando que empresas como a OpenAI integrem informações de produtos mais relevantes e atualizadas. A OpenAI está trabalhando para resolver isso, mas, por enquanto, a falta de dados em tempo real impede a automação completa da jornada de compra por esses agentes.

A web mundial está doente devido a dois fatores principais: a fragmentação em jardins murados (walled gardens) e a intensa comercialização do conteúdo aberto. Se, no passado, blogs sobre os melhores tênis eram movidos pela paixão e hospedados em servidores próprios, hoje o conteúdo é majoritariamente gerado para maximizar receitas de afiliados, resultando em listas de 'Top 10' sem análise honesta.

Não se pode transformar lixo de vendedor em análise honesta. Não importa quão boa seja a IA, a maioria das coisas na internet são lixo.

O modelo da Consumer Reports, que recusava publicidade e dependia exclusivamente de assinaturas para garantir a confiança nas avaliações, desapareceu em grande parte, similar ao que ocorreu com jornais locais após o impacto do Craigslist. A dificuldade reside em decodificar o conteúdo aberto, que está saturado de material SEO otimizado para comissões, e não em resolver problemas técnicos da IA, como a alucinação.

O modelo de negócios da Costco é considerado o melhor para o comércio, pois a empresa se recusa a vender produtos ruins e, crucialmente, recusa margens de lucro elevadas em itens individuais. A receita primária da Costco advém das anuidades dos membros, o que alinha seus incentivos diretamente com a manutenção do valor percebido da assinatura, protegendo o cliente de excessos.

Enquanto modelos como o da Apple buscam maximizar o preço cobrado, e o da Amazon busca o preço mais baixo em um mar de opções não curadas, a Costco oferece um modelo de confiança que exige décadas para ser replicado. Essa confiança torna a Costco imune a muitas disrupções do e-commerce e da IA, pois os clientes confiam que a curadoria já foi feita.

As compras podem ser categorizadas desde as impulsivas (como as facilitadas pelo TikTok Shop) até as altamente consideradas, como a aquisição de uma casa ou carro, que consomem uma parte significativa da renda. As extremidades desse espectro são as mais difíceis de serem totalmente mediadas pela IA. Compras impulsivas não envolvem pesquisa prévia, e compras muito caras geralmente exigem uma experiência física ou interação humana especializada.

Para produtos de uso contínuo, como uma bicicleta, a IA pode evoluir para conversas aprofundadas, talvez até por telefone, para entender todas as nuances dos critérios do usuário. Isso representa um salto além da capacidade atual de LLMs genéricos, oferecendo uma experiência de compra mais personalizada e eficaz.

Uma lente útil para analisar o futuro do comércio é determinar se o produto possui um Código Universal de Produto (UPC) ou SKU. Itens sem um código escaneável, como certos móveis vendidos pela Wayfair, dependem de atributos descritivos, tornando a pesquisa qualitativa necessária. Para itens com UPC, a automação da busca pelo menor preço se torna exponencialmente mais eficaz com a IA.

Se um produto possui um UPC, a parte da IA focada em otimização de preço e termos de compra pode automatizar a transação integralmente, garantindo o melhor envio e as melhores condições para o consumidor. O fator limitante é a determinação manual do SKU ou UPC, que é onde os agentes de IA se concentrarão para otimizar a economia para o consumidor.

Embora os agregadores tenham capturado a maior parte dos ganhos na última década, o cenário de IA abre espaço para novas empresas duráveis. O surgimento de plataformas como o ChatGPT demonstra que novos entrantes podem desafiar o status quo. O foco se deslocará para agentes especializados que dominem nichos de otimização de transação.

O último clique do século XXI, pós-IA, pertencerá às empresas que souberem gerenciar a complexidade da atribuição e otimizar o pagamento. Isso inclui a capacidade de selecionar automaticamente o cartão de crédito com melhor cashback para aquela compra específica e integrar rastreamento de afiliados para devolver benefícios ao consumidor. Esses serviços, que hoje são nichos para quem valoriza dinheiro sobre tempo, se tornarão extremamente fáceis de usar, expandindo seu mercado.

Do lado do comerciante, a infraestrutura dos websites precisará mudar drasticamente para acomodar agentes de IA navegando e tomando decisões de compra em nome dos usuários. É necessária uma adaptação na usabilidade para facilitar a interação com esses agentes e na infraestrutura financeira para permitir que eles utilizem cartões de crédito de forma segura e eficiente.