Tempo de leitura: 20 minutos
O anúncio de que a Michaels, maior rede varejista de artesanato da América do Norte, mais que dobrou a taxa de conversão com um assistente de compras baseado em inteligência artificial ganhou destaque em praticamente todos os veículos especializados em varejo e tecnologia. O resultado chamou atenção por trazer um dos primeiros exemplos públicos de uma grande rede divulgando métricas concretas sobre o uso de IA na experiência de compra.
No entanto, o percentual de conversão talvez seja justamente o aspecto menos relevante da história.
O que realmente merece atenção é a mudança na forma como consumidores descobrem produtos e como as marcas precisam se preparar para serem encontradas nesse novo ambiente. Para empresas brasileiras, esse pode ser um sinal de alerta muito maior do que o próprio número divulgado pela varejista norte-americana.
Desde que o caso veio a público, acompanhamos sua repercussão em diferentes publicações internacionais. A conclusão é relativamente simples: embora o ganho de conversão tenha dominado as manchetes, ele não explica sozinho o sucesso do projeto. O aprendizado mais importante está na estrutura construída antes da chegada da IA.
Neste artigo, analisamos o que a Michaels realmente implementou, por que os números devem ser interpretados com cautela e quais lições esse movimento oferece para empresas brasileiras que começam a adaptar suas estratégias à nova geração de mecanismos de busca e assistentes de IA.
Leitura complementar: o Google Cloud explica como empresas estão utilizando IA generativa para melhorar a experiência do cliente em sua plataforma oficial: https://cloud.google.com/
O que a Michaels realmente fez
Antes de analisar os resultados, vale separar os fatos da narrativa construída em torno do lançamento.
O projeto recebeu o nome de Ask Mike, um assistente de compras conversacional desenvolvido sobre a plataforma Gemini Enterprise for Customer Experience, do Google Cloud. A ferramenta começou a operar de forma discreta em maio de 2026 no site da Michaels e em seus aplicativos para iOS e Android. Somente dois meses depois, quando já havia acumulado dados suficientes de utilização, a empresa decidiu divulgar oficialmente o projeto.
Na prática, a proposta é substituir a lógica tradicional de busca por uma conversa.
Em vez de pesquisar por termos específicos como “tecido de algodão azul”, o consumidor descreve o que pretende fazer. Um exemplo seria: “Quero fazer cortinas para minha sala e preciso saber quais materiais comprar.” A partir dessa intenção, o assistente identifica os produtos necessários, sugere alternativas e monta uma lista completa para o projeto.
Segundo a própria Michaels, entre maio e julho de 2026 o Ask Mike registrou:
- mais de 75 mil conversas;
- 27% das interações resultaram em clique para um produto ou adição ao carrinho;
- uma taxa de conversão superior ao dobro da observada entre usuários da busca tradicional;
- desenvolvimento e implantação concluídos em aproximadamente seis semanas.
Ao anunciar os resultados, Heather Bennett, presidente e Chief Customer Officer da Michaels, afirmou que o objetivo era transformar o assistente em um parceiro criativo para os consumidores, ajudando a converter inspiração em decisões de compra.
Do lado do Google Cloud, Kapil Dabi, responsável pelas soluções de varejo e bens de consumo para as Américas, destacou que a IA conversacional tende a se tornar uma das principais interfaces entre consumidores e marcas nos próximos anos.
O ponto importante é que a Michaels não está sozinha nesse movimento.
Grandes varejistas como Ulta Beauty, Macy’s e The Home Depot também vêm adotando tecnologias semelhantes para tornar a descoberta de produtos mais conversacional. Isso indica que não se trata de um experimento isolado, mas de uma mudança gradual na forma como o comércio eletrônico passa a organizar a experiência de compra.
Leitura complementar: o padrão internacional para organização de dados estruturados pode ser consultado em https://schema.org/. Esse tipo de marcação é um dos elementos que ajudam mecanismos de busca e modelos de IA a compreender melhor páginas de produtos.
Por que “dobrar a conversão” exige uma análise mais cuidadosa
À primeira vista, o resultado divulgado pela Michaels impressiona. Afinal, poucas empresas compartilham métricas públicas relacionadas ao desempenho de iniciativas de inteligência artificial. Ainda assim, antes de transformar esse número em referência para outros projetos, vale analisar o contexto em que ele foi obtido.
A maior parte da cobertura internacional destacou o percentual de conversão, mas praticamente nenhuma reportagem discutiu como essa métrica foi construída ou quais limitações ela pode ter. Isso não invalida o case, mas mostra que o dado deve ser interpretado com cautela.
Existem pelo menos quatro pontos que ajudam a colocar esse resultado em perspectiva.
1. Quem usa o assistente já pode estar mais disposto a comprar
O primeiro aspecto diz respeito ao perfil dos usuários.
Quem opta por conversar com um assistente de compras normalmente já demonstra um interesse maior em concluir uma compra. É um comportamento diferente daquele de quem apenas navega pelo site ou faz uma pesquisa rápida por um produto.
Isso significa que comparar esse grupo diretamente com usuários da busca tradicional pode gerar uma distorção. Parte do aumento na conversão pode estar relacionada ao próprio perfil do consumidor, e não necessariamente à eficiência da ferramenta.
Para confirmar que a IA foi, de fato, a responsável pelo ganho, seria necessário um experimento controlado, com grupos semelhantes e distribuição aleatória dos usuários. Até o momento, a Michaels não divulgou informações sobre esse tipo de teste.
2. O tamanho da amostra não foi contextualizado
Outro dado amplamente divulgado foi o volume de 75 mil conversas realizadas entre maio e julho de 2026.
Isoladamente, esse número parece expressivo. Mas ele diz pouco sem um contexto mais amplo.
A Michaels possui mais de 1.200 lojas na América do Norte e uma operação digital de grande porte. Sem conhecer o volume total de visitantes do site durante esse período, não é possível saber qual foi, de fato, a adoção do assistente.
Se apenas uma pequena parcela dos consumidores utilizou a ferramenta, o impacto sobre o negócio como um todo pode ser muito menor do que a manchete sugere.
3. Os números foram divulgados pela própria empresa
Outro ponto importante é a origem dos dados.
Todas as métricas apresentadas foram divulgadas pela Michaels em conjunto com o Google Cloud, responsável pela tecnologia utilizada no projeto.
Isso não significa que os resultados estejam incorretos. Significa apenas que ainda não existe uma auditoria independente validando metodologia, critérios de conversão ou período de comparação.
É uma diferença importante para quem pretende usar esse case como base para decisões estratégicas.
4. Ainda é cedo para saber se o desempenho se mantém
Também vale considerar o chamado efeito novidade.
Ferramentas recém-lançadas costumam atrair consumidores mais curiosos e mais engajados, justamente aqueles com maior probabilidade de experimentar novas funcionalidades.
Por isso, dois meses representam um período relativamente curto para concluir que o ganho observado permanecerá ao longo do tempo.
A questão central é saber se esse comportamento continuará quando o uso da IA deixar de ser novidade e passar a fazer parte da experiência cotidiana de compra.
O que esse resultado realmente demonstra
Mesmo com essas limitações, o case da Michaels continua sendo relevante. Talvez não pelo percentual de conversão divulgado, mas pela mudança estrutural que ele revela.
Durante décadas, o comércio eletrônico funcionou da mesma maneira: o consumidor precisava transformar uma necessidade em uma sequência de palavras-chave para que o mecanismo de busca encontrasse produtos relacionados.
Essa lógica começa a mudar.
Com um assistente conversacional, o cliente não precisa mais saber exatamente o que procura. Basta explicar o problema que deseja resolver.
Em vez de pesquisar por “tecido de algodão azul”, por exemplo, ele pode dizer que pretende confeccionar uma cortina para a sala. A partir desse contexto, o sistema identifica materiais, acessórios e produtos complementares.
Essa diferença parece pequena, mas altera completamente a experiência de compra.
Enquanto a busca tradicional tenta localizar itens específicos, a IA procura entender a intenção do consumidor. Como consequência, aumenta a capacidade de recomendar soluções completas, e não apenas produtos isolados.
Esse detalhe ajuda a explicar por que um dos números mais interessantes do case talvez nem seja o dobro da conversão.
Segundo a Michaels, 27% das conversas terminaram com um clique em um produto ou com a adição de itens ao carrinho. Isso indica que o assistente consegue orientar o consumidor durante toda a jornada de descoberta, aumentando as oportunidades de venda cruzada e de composição de cestas maiores.
Para os profissionais de marketing, essa mudança representa algo ainda mais relevante.
O diferencial competitivo deixa de ser apenas aparecer para uma determinada palavra-chave. Passa a ser construir informações que permitam aos modelos de IA compreenderem corretamente os produtos, o posicionamento da marca e o contexto de uso de cada solução.
Essa transformação não afeta apenas os assistentes presentes dentro dos sites das empresas.
Ela também influencia plataformas como ChatGPT, Gemini, Copilot e outros agentes de IA que começam a assumir o papel de intermediários entre consumidores e marcas.
Em outras palavras, a disputa deixa de acontecer apenas nos mecanismos de busca tradicionais e passa a ocorrer também nas respostas geradas por inteligência artificial.
Leitura complementar: o Google vem apresentando como a IA está transformando a experiência de busca e descoberta de informações em sua documentação oficial para empresas e desenvolvedores: https://developers.google.com/search
O Brasil pode sair na frente — mas ainda não está preparado
O case da Michaels ganha ainda mais relevância quando observado sob a perspectiva do mercado brasileiro.
Embora a transformação impulsionada pela IA esteja acontecendo em escala global, alguns indicadores mostram que o consumidor brasileiro pode adotar esse novo modelo de compra ainda mais rapidamente do que mercados considerados mais maduros.
Um estudo da Visa sobre Agentic Commerce, divulgado em 2026, aponta que 76% dos brasileiros pretendem utilizar agentes de inteligência artificial para realizar compras, enquanto nos Estados Unidos esse percentual é de 44%. A pesquisa também mostra que 67% dos consumidores brasileiros afirmam confiar nesse tipo de tecnologia e metade deles estaria disposta a delegar decisões de compra a um assistente de IA, desde que pudesse estabelecer limites e regras para essa atuação.
Esse comportamento acompanha uma característica já conhecida do mercado nacional. Nos últimos anos, o Brasil liderou a adoção de soluções como Pix, carteiras digitais e atendimento via WhatsApp, mostrando que existe uma predisposição maior para experimentar novas interfaces quando elas simplificam a experiência do consumidor.
Os dados da Nuvemshop seguem a mesma direção. Segundo a empresa, mais da metade dos consumidores brasileiros já utiliza algum recurso de inteligência artificial durante o processo de compra, enquanto uma parcela significativa dos lojistas incorporou IA em atividades como atendimento, recomendação de produtos e geração de conteúdo.
Leitura complementar: a pesquisa sobre Agentic Commerce pode ser consultada na Visa: https://usa.visa.com/
O movimento já começou no varejo brasileiro
Embora boa parte da atenção esteja voltada para empresas norte-americanas, o mercado brasileiro também vem registrando iniciativas relevantes.
O Magazine Luiza, por exemplo, informa que sua assistente virtual, a Lu, já acumula milhões de usuários e conversas realizadas dentro do ecossistema da empresa. A varejista também reforçou sua estratégia ao adquirir a SmartHint, plataforma especializada em busca inteligente e recomendação de produtos para e-commerce.
Outros grandes nomes do setor seguem o mesmo caminho.
O Assaí Atacadista utiliza inteligência artificial para automatizar grande parte do atendimento aos consumidores, enquanto empresas do setor financeiro e do comércio eletrônico também começam a lançar seus próprios assistentes de compras.
O ponto em comum entre essas iniciativas é claro: a IA deixa de ser apenas uma ferramenta operacional e passa a ocupar uma posição estratégica na jornada de compra.
O maior problema ainda não é a IA. É a preparação das empresas.
Se o consumidor brasileiro parece pronto para essa transformação, o mesmo ainda não pode ser dito sobre boa parte das empresas.
Os levantamentos mais recentes sobre inteligência artificial aplicada ao varejo indicam que existe uma distância significativa entre o comportamento dos consumidores e o nível de preparação das marcas.
Entre os principais indicadores estão:
- cerca de 34% das páginas de produtos ainda apresentam dificuldades para serem interpretadas por agentes de IA;
- aproximadamente 25% do conteúdo disponível em sites de varejo não foi estruturado para modelos de linguagem;
- apenas 9% das empresas brasileiras afirmam possuir uma estratégia específica voltada para assistentes de IA;
- 71% das marcas não monitoram como são apresentadas por plataformas como ChatGPT, Gemini ou Copilot;
- 69% ainda não desenvolvem iniciativas de Generative Engine Optimization (GEO).
Esses números revelam uma contradição importante.
Enquanto consumidores demonstram cada vez mais interesse em utilizar inteligência artificial para descobrir produtos e tomar decisões de compra, a maior parte das empresas ainda não sabe como aparece — ou se aparece — nas respostas geradas por esses sistemas.
Na prática, isso significa que muitas organizações continuam investindo apenas em SEO tradicional, embora parte da jornada de descoberta já esteja migrando para interfaces conversacionais.
O verdadeiro diferencial está na qualidade do catálogo
Existe outro aspecto do case da Michaels que recebeu pouca atenção, mas talvez seja o mais importante para empresas que desejam seguir um caminho semelhante.
Segundo a companhia, todo o projeto foi colocado em produção em aproximadamente seis semanas.
À primeira vista, o prazo parece surpreendente para uma iniciativa de inteligência artificial dessa dimensão.
Mas a explicação não está apenas na tecnologia.
De acordo com o Google Cloud, a Michaels já possuía uma base de dados estruturada, informações consistentes sobre seus produtos e uma arquitetura preparada para alimentar o assistente conversacional.
Em outras palavras, a IA foi apenas a etapa final de um trabalho que havia começado muito antes.
Essa é uma diferença importante.
Modelos de linguagem conseguem recomendar apenas aquilo que conseguem compreender.
Se um catálogo possui descrições superficiais, atributos incompletos, informações inconsistentes ou ausência de dados estruturados, a tendência é que o sistema tenha dificuldade para interpretar corretamente os produtos.
Nesses casos, a inteligência artificial não deixa de responder.
Ela apenas encontra informações melhores em outro lugar — muitas vezes no catálogo de um concorrente.
Por isso, antes de pensar em desenvolver um assistente próprio, faz sentido revisar a qualidade das informações disponíveis sobre produtos, categorias e marcas.
A utilização de padrões como Schema.org, descrições contextualizadas e atributos completos tornou-se parte da estratégia de visibilidade em mecanismos de IA, e não apenas uma prática técnica de SEO.
Leitura complementar: a documentação oficial do Schema.org explica como dados estruturados ajudam mecanismos de busca e aplicações de IA a interpretar conteúdos publicados na web: https://schema.org/
O que muda para os CMOs
Toda essa transformação altera também a forma como marketing e comunicação medem resultados.
Durante muitos anos, boa parte das estratégias digitais esteve concentrada na geração de tráfego orgânico e na disputa por posições no Google.
Esse cenário continua relevante, mas já não explica sozinho como consumidores encontram informações sobre marcas e produtos.
A expansão das respostas geradas por IA cria uma nova camada de descoberta, na qual o objetivo deixa de ser apenas receber cliques.
Passa a ser estar presente nas respostas oferecidas pelos assistentes.
Isso exige novas métricas.
Além do tráfego, as empresas precisarão acompanhar, por exemplo:
- se a marca é citada pelos principais modelos de IA;
- em quais contextos ela aparece;
- quais concorrentes são recomendados com maior frequência;
- se as informações apresentadas estão corretas;
- como evolui a participação da empresa nas respostas geradas por inteligência artificial.
Essa mudança representa uma evolução natural do SEO para um cenário em que visibilidade e reputação passam a depender também da forma como os modelos de linguagem compreendem cada marca.
Um plano de ação para os próximos 90 dias
A adoção da inteligência artificial no varejo não precisa começar com um grande investimento ou um projeto complexo. Em muitos casos, os primeiros ganhos surgem justamente da organização da base de dados e da melhoria das informações que a empresa já publica.
Uma abordagem prática pode ser dividida em três etapas.
Dias 1 a 30: entender como a sua marca aparece para a IA
Antes de implementar qualquer tecnologia, é importante descobrir como os principais assistentes enxergam sua empresa.
Faça perguntas sobre sua marca, seus produtos e seus concorrentes no ChatGPT, Gemini, Copilot e outras ferramentas relevantes para o seu mercado.
Observe pontos como:
- Sua empresa é mencionada?
- As informações estão corretas?
- Quais concorrentes aparecem primeiro?
- Quais fontes estão sendo utilizadas?
- Existem informações desatualizadas ou incorretas?
Ao mesmo tempo, vale realizar uma auditoria das páginas mais importantes do site para verificar descrições de produtos, dados estruturados, organização do catálogo e consistência das informações.
Esse diagnóstico costuma revelar problemas que afetam não apenas os assistentes de IA, mas também o desempenho em mecanismos de busca tradicionais.
Dias 31 a 60: fortalecer a base
Depois do diagnóstico, o foco deve ser corrigir os ativos digitais que geram maior impacto para o negócio.
Priorize inicialmente as páginas responsáveis pela maior parte da receita ou do tráfego orgânico.
Nessa etapa, algumas ações costumam gerar resultados rápidos:
- atualizar descrições de produtos com foco em contexto de uso;
- revisar atributos técnicos e categorias;
- implementar marcações estruturadas utilizando Schema.org;
- eliminar informações duplicadas ou inconsistentes entre canais;
- revisar conteúdos institucionais para que representem corretamente o posicionamento da marca.
Embora esse trabalho seja pouco visível, ele cria a base necessária para que mecanismos de IA consigam interpretar corretamente as informações da empresa.
Dias 61 a 90: testar e medir
Somente depois de estruturar os dados faz sentido iniciar testes com assistentes conversacionais.
Seja utilizando uma solução própria ou plataformas disponíveis no mercado, é importante definir indicadores claros antes da implementação.
Mais do que medir conversão, acompanhe aspectos como:
- taxa de utilização;
- qualidade das recomendações;
- satisfação dos usuários;
- aumento do ticket médio;
- crescimento da presença da marca em respostas geradas por IA.
Esse acompanhamento evita decisões baseadas apenas em métricas isoladas e permite avaliar o impacto real da tecnologia no negócio.
O que ainda não sabemos
Apesar do entusiasmo em torno da inteligência artificial, ainda existem perguntas sem resposta.
Não sabemos, por exemplo, se os resultados divulgados pela Michaels serão mantidos ao longo dos próximos anos ou se parte desse desempenho está relacionada ao efeito novidade.
Também não está claro como diferentes categorias de produtos responderão a esse novo modelo de interação. A experiência de compra para materiais de artesanato é bastante diferente daquela de produtos de supermercado, medicamentos ou bens de consumo recorrente.
Outra dúvida importante diz respeito ao papel dos assistentes externos.
À medida que consumidores utilizam ChatGPT, Gemini e outras plataformas para pesquisar produtos, parte da jornada deixa de acontecer dentro dos próprios sites das empresas.
Nesse cenário, a capacidade de uma marca ser compreendida e recomendada por esses sistemas pode se tornar tão importante quanto sua posição nas páginas de resultados do Google.
Embora ainda existam muitas incertezas, uma conclusão já parece evidente: empresas que começarem a organizar seus dados, revisar seus conteúdos e acompanhar sua presença em mecanismos de IA estarão mais preparadas para qualquer cenário que se consolide nos próximos anos.
Conclusão
O case da Michaels não deve ser visto apenas como uma história sobre inteligência artificial ou sobre aumento de conversão.
O principal aprendizado está na preparação que tornou esse resultado possível.
Catálogo estruturado, informações consistentes, conteúdo de qualidade e uma estratégia clara vieram antes da tecnologia.
A IA foi consequência desse trabalho, não o ponto de partida.
Para empresas brasileiras, o momento é especialmente interessante. O consumidor demonstra cada vez mais disposição para utilizar assistentes inteligentes durante a jornada de compra, enquanto a maioria das marcas ainda não desenvolveu uma estratégia para esse novo ambiente.
Essa vantagem dificilmente permanecerá por muito tempo.
As empresas que começarem agora terão mais oportunidades de construir autoridade, aumentar sua visibilidade e ocupar espaço nas respostas geradas por inteligência artificial antes que esse ambiente se torne altamente competitivo.
A pergunta deixou de ser “quando devemos usar IA?”.
A questão mais relevante agora é outra:
Se um cliente perguntar hoje ao ChatGPT, Gemini ou outro assistente qual empresa recomenda no seu segmento, sua marca aparecerá entre as primeiras respostas?
Se a resposta for incerta, talvez este seja o melhor momento para começar a preparar essa transformação.
Quer entender como sua marca aparece para a IA?
A forma como consumidores descobrem empresas está mudando rapidamente. Hoje, muitos já utilizam ferramentas como ChatGPT, Gemini e Copilot para pesquisar produtos, comparar fornecedores e tomar decisões de compra.
A MGA Press desenvolveu uma metodologia de Generative Engine Optimization (GEO) que ajuda empresas a monitorar sua presença em mecanismos de IA, identificar oportunidades de visibilidade e estruturar conteúdos para aumentar as chances de recomendação pelos principais modelos de linguagem.
Se você quer descobrir como sua empresa é percebida por essas plataformas e quais ajustes podem fortalecer sua presença digital, conheça nossa solução de GEO e solicite um diagnóstico.
Saiba mais: https://mgapress.com.br/generative-engine-optimization
Conteúdo foi iniciado a partir do artigo do digiday.
