Os seus produtos ganham pesquisa quando cada facto — preço, disponibilidade, specs, reviews — é legível por máquina e fiável.

Product schema torna isso possível para Google, AI Overviews e assistentes de compra.

Este guia mostra como modelar produtos como entidades, lançar JSON-LD em escala, manter preços e stock sincronizados e medir impacto em CTR e receita.

Vai ver templates para produtos simples e complexos, padrões de governação para evitar deriva e analytics que ligam schema às vendas.

Use com o pilar Structured Data: The Complete Guide for SEO & AI para manter o catálogo elegível a rich results e citações IA.

Porque o Product schema é importante para search e IA

  • Elegibilidade: preço, disponibilidade, rating e envio aparecem nos rich results e experiências de compra do Google.

  • Confiança: IDs e ofertas consistentes reduzem alucinações em respostas de compra IA.

  • Velocidade: assistentes respondem “Está em stock?” ou “Serve?” sem adivinhar.

  • Receita: CTR mais alto nos snippets ricos e melhores conversões quando as expectativas batem certo.

Ingredientes do Product schema

  • Identidade: @id, name, description, image, brand, sku, gtin quando houver.

  • Offers: Offer ou AggregateOffer com price, priceCurrency, availability, priceValidUntil, url.

  • Ratings: aggregateRating de reviews próprias; inclua review se hospeda reviews autênticas.

  • Detalhe extra: category, color, size, material, weight, audience, isAccessoryOrSparePartFor para upsell.

  • Relações: ligue a Organization (marca), ProductModel (variantes), HowTo ou VideoObject (setup).

Blueprint JSON-LD para um produto

{
  "@context": "https://schema.org",
  "@type": "Product",
  "@id": "https://example.com/products/widget-2000#product",
  "name": "Widget 2000",
  "description": "Industrial widget built for 24/7 uptime with modular parts.",
  "image": [
    "https://example.com/images/widget-2000-front.jpg",
    "https://example.com/images/widget-2000-side.jpg"
  ],
  "sku": "W2000",
  "gtin13": "5601234567890",
  "brand": {"@type": "Organization", "@id": "https://example.com/#org", "name": "Example Systems"},
  "category": "Industrial automation",
  "offers": {
    "@type": "Offer",
    "price": "1999.00",
    "priceCurrency": "EUR",
    "availability": "https://schema.org/InStock",
    "priceValidUntil": "2025-12-31",
    "url": "https://example.com/products/widget-2000",
    "shippingDetails": {
      "@type": "OfferShippingDetails",
      "shippingDestination": {
        "@type": "DefinedRegion",
        "addressCountry": "PT"
      },
      "shippingRate": {
        "@type": "MonetaryAmount",
        "value": "19.00",
        "currency": "EUR"
      }
    }
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.7",
    "ratingCount": "128"
  }
}

Modelar variantes e bundles

  • Variantes: use ProductModel ou várias Offers com atributos distintivos (tamanho, cor). A página deve mostrar a mesma variante da oferta padrão.

  • Bundles: isRelatedTo e isAccessoryOrSparePartFor para ligar itens; um @id principal por bundle.

  • Subscrições/SaaS: offers com priceSpecification por plano; adicione softwareVersion, applicationCategory e detalhes de trial.

Páginas de categoria e lista

  • Use ItemList com itemListElement para produtos e, opcionalmente, Product leves. Evite Offers completas em categoria salvo se atualizadas.

  • Mantenha as páginas de produto canónicas como fonte de verdade; o schema da categoria não deve contradizer o detalhe.

Ligar Product schema ao grafo de entidades

  • Ligue cada produto ao @id de Organization da marca e, se aplicável, a LocalBusiness para pickup loja.

  • Una acessórios e itens relacionados com isAccessoryOrSparePartFor e isRelatedTo para melhorar a compreensão do ecossistema.

  • Adicione about e mentions para destacar use cases/indústrias abordados, reforçando relevância semântica.

Governação: evitar deriva em grandes catálogos

  • Fonte única: gere JSON-LD do PIM/plataforma; nunca edite milhares de snippets à mão.

  • Versionamento: guarde templates em Git; PR review para mudanças de schema.

  • Regras: preço e disponibilidade sincronizados com inventário; falhar builds se valores vazios ou antigos.

  • Ownership: merchandising detém factos; engenharia detém templates; SEO detém elegibilidade/validação; analytics detém medição.

  • Change log: registe releases de schema, updates de feed e mudanças de preço para diagnosticar quedas.

QA e validação

  • Staging: valide SKUs amostra com Rich Results Test e Schema Markup Validator antes do release.

  • Pós-deploy: faça crawl diário de amostras por template; alerta se campos obrigatórios faltarem ou se surgirem @id duplicados.

  • Paridade de dados: compare preços/dispo do schema com a página e o feed. Sinalize mismatches automaticamente.

  • Performance: mantenha JSON-LD enxuto; remova propriedades inúteis e blocos duplicados.

Implementações multilingues/multi-país

  • Um @id por produto em todas as línguas; traduza name/description, mantenha IDs e imagens.

  • Moeda: emita priceCurrency e price locais quando houver pricing local; não misture moedas na mesma página.

  • Disponibilidade: ajuste por região; use InStock, OutOfStock, PreOrder, SoldOut corretamente.

  • Hreflang: alinhe URLs localizadas com a língua do schema; assistentes usam ambos.

  • Compliance: para UE, clareza de IVA nas offers quando exigido; evite preços enganosos.

Gestão de reviews e UGC

  • Use apenas reviews first-party que hospeda e modera. Não marque widgets de terceiros.

  • Mantenha reviewRating e author visíveis; schema deve corresponder ao que o utilizador vê.

  • Remova spam e aplique políticas; reviews falsas/velhas minam a confiança dos sistemas IA.

Padrões para produtos complexos

  • Configuradores: se o utilizador compõe, marque o produto base e uma Offer representativa; evite configurações hipotéticas.

  • Pricing B2B por volume: use priceSpecification com faixas de quantidade; mantenha uma Offer padrão para o patamar principal.

  • Serviços vendidos como produtos: Service ou Product com descrições claras e offers; adicione areaServed e availableChannel.

Playbook de rollout (90 dias)

  • Semanas 1–2: audite SKUs, templates, feeds, erros do Search Console. Defina regras de @id e campos obrigatórios por template. Escolha 50 SKUs de maior receita para piloto.

  • Semanas 3–4: construa templates JSON-LD; ligue a PIM/feeds; valide em staging. Publique nos SKUs piloto.

  • Semanas 5–6: crawl nas páginas piloto, corrija paridade, monitore enhancements no Search Console. Meça CTR vs SKUs controlo.

  • Semanas 7–9: expanda por template no catálogo; adicione acessórios e links relacionados; integre alertas de monitorização.

  • Semanas 10–12: localize para mercados prioritários; adicione markup de reviews; crie dashboards de elegibilidade, CTR, receita e citações IA.

Medição e KPIs

  • Taxa de elegibilidade: % de páginas produto aprovadas para rich results Product.

  • Lift de CTR: antes/depois para SKUs piloto vs controlo.

  • Receita/conversão: add-to-cart e vendas de SKUs com rich results e SKUs citados em IA.

  • Frescura de dados: idade média de preço/dispo; alvo de updates diários para fast movers.

  • Citações IA: contagem de menções de produtos/marca em AI Overviews e assistentes; correlacione com a completude do schema.

  • Taxa de erro: erros críticos por template; thresholds para disparar incident response.

Stack de ferramentas

  • PIM ou plataforma de commerce como fonte de verdade; templating no frontend ou tag manager para injetar JSON-LD.

  • Validadores: Rich Results Test, Schema Markup Validator para checks pontuais.

  • Crawlers: Screaming Frog/Sitebulb com extração custom para verificar campos em escala.

  • Monitorização: dashboards (Looker, etc.) com elegibilidade, CTR e receita por template/mercado.

  • Alertas: testes de pipeline que falham builds se campos obrigatórios vazios; alertas semanais de crawl para schema em falta.

Alinhamento de conteúdo e UX

  • Mostre o mesmo preço/dispo/envio na página e no schema; evite “ver carrinho”.

  • Coloque specs e benefícios no topo; use tabelas que coincidam com propriedades do schema.

  • CTAs claros (comprar, adicionar ao carrinho, pedir orçamento); alinhe URLs das Offers a esses CTAs.

  • Adicione HowTo ou Video para setup; marque-os para dar guias fiáveis aos assistentes IA.

Implicações para pesquisa IA

  • Assistentes reutilizam factos de produto. IDs e specs precisos reduzem atributos inventados.

  • Ligar produtos a entidades de marca/categoria melhora como assistentes agrupam o catálogo.

  • Frescura conta: disponibilidade ou preços desatualizados prejudicam confiança e frequência de citação.

  • Largura de cobertura: assistentes aprendem com muitos SKUs; vise cobertura completa, não só os heróis.

Alinhamento com Merchant Center e feeds

  • Mantenha schema on-page, feeds do Merchant Center e sitemaps em sincronia; divergências de preço/dispo causam reprovações e perda de visibilidade.

  • Use IDs do feed como sku ou gtin se consistentes; evite inventar IDs por canal.

  • Em promoções, atualize priceValidUntil e availability em simultâneo com as promos do feed; anote dashboards para explicar oscilações de CTR.

  • Mapear shipping: se expõe portes no schema, combine com as definições do feed; não marque envio grátis se não se aplica à oferta exibida.

Matriz de priorização de rollout

  • Alta intenção + alta receita: SKUs heróis, top converters, best-sellers sazonais — schema completo com reviews primeiro.

  • Alta visibilidade + baixa cobertura: categorias que ranqueiam mas sem rich results — adicione schema para subir CTR.

  • Novos mercados: SKUs localizados onde a concorrência é fraca — priorize offers completas e moedas locais.

  • Diferenciadores long tail: produtos nicho com specs detalhadas — destaque atributos que a IA possa citar para tráfego de comparação.

Blueprints por tipo de página

  • PDP: Product + Offer + AggregateRating completos, links para marca, categoria, HowTo ou Video relacionados.

  • Páginas de comparação: ItemList dos produtos comparados com Product leves e @id para as páginas detalhe; evite preços conflitantes.

  • Guias de compra: Article ou HowTo como tipo principal, com mentions apontando para produtos; mantenha preços fora salvo se atualizados com frequência.

  • Páginas de suporte/setup: HowTo ou Article com about o @id do produto; reforça a entidade sem duplicar Offer.

Checklist de auditoria

  • Padrão @id estável documentado e aplicado.

  • Campos obrigatórios presentes: name, description, image, brand, offers (price, currency, availability, url).

  • Identificadores capturados se existirem: sku, gtin, mpn.

  • Review/aggregateRating só em reviews first-party visíveis.

  • Valores de schema combinam com valores on-page e do feed para SKUs amostrados.

  • JSON-LD renderizado no HTML final (JS confirmado se usado).

  • Hreflang e língua alinhados com o texto do schema.

  • Breadcrumbs refletem a hierarquia e combinam com ItemList ou navegação.

  • Rich Results Test limpo nos SKUs amostrados; erros triados com owners.

  • Changelog atualizado com data e âmbito do rollout do schema.

Exemplo de caso: retalhista UE a corrigir desvios de preço

Um retalhista de Lisboa perdeu rich results Product em SKUs topo porque os preços do feed atualizavam nightly enquanto o schema on-page ficava estático.

Moveram a geração do schema para o mesmo feed do front, adicionaram testes de CI que falham se preço/dispo estiverem vazios e sincronizaram priceValidUntil com promoções.

Em duas semanas, os Product enhancements voltaram, o CTR subiu 14% nesses SKUs e as menções AI Overview voltaram a mostrar preços corretos.

Performance e acessibilidade

  • Minimizar JSON-LD; sem duplicar texto de reviews; arrays concisos.

  • Comprimir e fazer cache das imagens do schema; imagens quebradas/lentas prejudicam a qualidade.

  • Garanta acessibilidade de preço/dispo na UI para corresponder ao schema; alinhe seleção de cor/tamanho com a oferta padrão.

  • Evite injeção apenas no cliente dependente de banners de consentimento; schema crítico deve renderizar mesmo com bloqueio de scripts de tracking.

Localização e especificidades UE

  • Mostre IVA incluído de forma clara; faça corresponder preços ao que o utilizador vê (com/sem taxa conforme o mercado).

  • Use formatos locais de número/data no texto; mantenha formatos ISO no schema.

  • Para Portugal, inclua descrições em PT ao lado do inglês se servir ambos; um @id único com inLanguage se necessário.

  • Respeite eco-taxas e rótulos regulatórios; etiquetar mal mina a confiança de reguladores e sistemas IA.

Modelo de maturidade do Product schema

  • Basic: campos Product/Offer obrigatórios nos SKUs heróis; checks manuais.

  • Operational: cobertura do catálogo, feeds automáticos, validação diária, markup de reviews e dashboards.

  • IA-ready: grafo @id estável entre línguas, acessórios ligados, HowTo/Video anexos, monitoring ligado ao tracking de citações IA.

  • Optimized: testes em prós/contras, detalhes de envio e preços; conselho de governação sobre alterações de schema.

Rituais de governação

  • Semanal: rever erros/avisos, problemas de paridade e citações IA nas categorias principais.

  • Mensal: auditorias rotativas por template; refrescar imagens e specs; remover SKUs descontinuados.

  • Trimestral: atualizar templates para novos requisitos Google; rever regras de @id ao lançar novos países; treinar equipas.

Como a AISO Hub pode ajudar

AISO Hub transforma Product schema num grafo de produto resiliente.

Mapeamos o catálogo, construímos JSON-LD ligado ao PIM e configuramos monitorização que apanha deriva antes de afetar receita.

  • AISO Audit: encontra gaps/erros em Product schema, offers e IDs com lista de correções priorizada

  • AISO Foundation: implementa templates robustos, regras de ID e governação para manter PDPs e feeds alinhados

  • AISO Optimize: testa novos enriquecimentos de schema, blocos comparativos e media para subir CTR e citações

  • AISO Monitor: acompanha elegibilidade, citações IA, avisos e frescura antes de impactar receita

Conclusão: torne cada SKU pronta para IA

Trate Product schema como infraestrutura.

Ancore cada SKU com IDs estáveis, ofertas exatas e entidades ligadas.

Automatize a geração a partir de dados confiáveis, valide antes/depois de releases e ligue resultados a receita e citações IA.

Quando o catálogo é legível por máquina e governado, os rich results mantêm-se, os assistentes recomendam-no e os clientes veem informação verdadeira que converte.