Um padrão que vemos toda semana: o lojista usa ChatGPT ou Claude para reescrever em massa títulos e descrições dos seus produtos buscando «melhor SEO», sobe via Shopify Markets ou DataFeedWatch e, em até 48 horas, a conta GMC é suspensa por misrepresentation ou untrustworthy promotions.
A rejeição não acontece porque a reescrita por IA seja fundamentalmente errada. Acontece porque a reescrita foi feita fora das restrições que o motor de revisão do Google aplica. Aqui estão os quatro modos de falha que mais aparecem.
Falha 1: afirmações factuais inventadas
A campeã. O lojista pede ao ChatGPT para «reescrever esta descrição de produto de forma mais convincente». O modelo - sendo um modelo de linguagem probabilístico, não uma busca factual - preenche as lacunas com detalhes plausíveis: «design ergonômico testado por fisioterapeutas», «feito com materiais de origem sustentável», «vencedor do Red Dot Design Award 2023». Nada disso é verdade. O lojista sobe a reescrita sem conferir. O motor de revisão do Google - capaz de verificar prêmios, certificações e declarações de fornecedor pelo seu próprio Knowledge Graph - sinaliza os anúncios como misrepresentation.
Solução: todo pipeline de reescrita por IA em produção precisa proibir explicitamente a invenção factual. Nosso AI Feed Optimizer usa prompts que restringem o LLM a apenas reformulação - sem nunca acrescentar afirmações que não estejam na fonte. Produtos de categorias restritas (saúde, suplementos, finanças) recebem a restrição mais severa e passam pelo Opus-4.7 para um cuidado de nível jurídico.
Falha 2: empilhamento de palavras-chave acima do limite de qualidade do Google
O manual antigo de SEO dizia «coloque suas 5 principais palavras-chave no título». O motor de revisão do Google em 2026 trata o empilhamento no título como sinal de qualidade - quanto mais palavras-chave você empilha, maior a chance de o anúncio ser sinalizado como de baixa qualidade. Concretamente, anúncios que ultrapassam cerca de 70 % de palavras não-conteúdo (marca, cor, tamanho, adjetivos genéricos) acionam um flag automático de qualidade.
Um título como «Camiseta Premium Luxo Alta Qualidade Macia Algodão Confortável Estilosa Designer Masculina Preta Large XL Melhor Presente Promoção» é sinalizado. Um título como «Camiseta de Algodão Acme gola careca - Preta, Large» não é.
Solução: Otimize por clareza, não por densidade de palavra-chave. A ordem que o modelo de qualidade do Google premia é: marca → tipo de produto → atributo principal → atributo secundário. Palavras-chave que não se encaixam nesse padrão prejudicam o ranking tanto quanto podem ajudá-lo.
Falha 3: CAIXA ALTA ou linguagem promocional nos títulos
Padrão comum: o lojista lança uma promoção e pede para a IA «deixar os títulos chamativos para a promo». Saída: «🔥 MELHOR PREÇO! Camiseta Acme - 50 % OFF - FRETE GRÁTIS».
O Google proíbe linguagem promocional nos títulos do feed sem exceção. O campo [title] é para descrever o produto, não para promover. Preços promocionais e promoções de frete pertencem a campos estruturados próprios (sale_price, shipping).
Solução: Rode um pós-processo determinístico em todo título gerado por IA, que remova emojis, sequências em CAIXA ALTA com mais de 3 letras e uma lista fixa de palavras promocionais (GRÁTIS, PROMO, MELHOR, DESCONTO, OFF, AGORA, LIMITADO). É exatamente o que nosso optimizer faz antes de qualquer push.
Falha 4: atributos GTIN / brand ausentes ou inválidos
Quando a IA reescreve um produto, ela às vezes apaga ou altera atributos estruturados de quebra. Os campos [gtin], [brand] e [google_product_category] precisam permanecer estáveis - mesmo que o título e a descrição mudem.
Bug recorrente: a IA tira a referência da marca do título, o lojista presume que o campo não é mais necessário e exclui o atributo. O revisor do Google exige [brand] para produtos de marca e sinaliza valores ausentes.
Solução: Trate os atributos estruturados (gtin, mpn, brand, googleProductCategory, condition, ageGroup, gender, color, size) como campos separados que a IA nunca toca. Apenas reescritas de [title], [description] e [image_link] devem entrar no escopo. Nosso optimizer torna essa separação explícita no nível do prompt.
A arquitetura correta para reescritas de feed por IA
Engenharia reversa a partir de milhares de correções rodadas via Merchant API:
-
Empurre as correções para uma supplemental data source, nunca para o feed primário. O Google funde o suplementar sobre o primário, então reverter é um clique -
dataSources.delete()faz o feed original voltar ao comando em minutos. -
Releia via products.get depois de cada push. Confirme que o resultado mesclado realmente contém a alteração. Às vezes o Google rejeita campos suplementares em silêncio - só a releitura captura isso.
-
Compare as item-level issues antes e depois. Se aparecerem novas issues (raro, mas acontece), reverter automaticamente. Se as antigas persistirem, sinalizar para revisão humana.
-
Limite o custo de LLM por lojista por mês. Apenas categorias restritas e SKUs de alto valor - não permita que o optimizer queime orçamento em 10 mil produtos de baixo faturamento.
-
Force o modo Validate em categorias restritas, independentemente do plano. Saúde, farmácia, finanças, álcool, jogos de azar, armas. O Auto-pilot é arriscado demais aqui - a exposição jurídica de uma reescrita errada pertence ao lojista, não ao optimizer, mas só se o lojista tiver aprovado a reescrita.
Essa é a arquitetura que rodamos em produção. O produto é o GMC Guardian Auto-Fix e o design é exatamente as restrições acima reforçadas nos contratos de API.
Teste o optimizer no modo Validate de graça nas suas 5 primeiras reescritas de produto - veja exatamente quais correções sugeriríamos antes de pagar por qualquer push.