A Adobe Analytics publicou esta semana os dados de tráfego de varejo do Q1 2026: as visitas referidas por IA a sites de e-commerce dos EUA cresceram 393 por cento em relação ao ano anterior, com o número de março de 2026 ficando 269 por cento acima do mesmo mês doze meses antes. A amostra da Adobe é de 1 trilhão de visitas a sites de varejo dos EUA mais uma pesquisa com 5.000 consumidores. Os números mais interessantes são comportamentais. O tráfego referido por IA converte 42 por cento melhor do que o tráfego não-IA, passa 48 por cento mais tempo no site, navega 13 por cento mais páginas por visita e gera 37 por cento mais receita por visita. A taxa de crescimento da manchete parte de uma base próxima de zero; as métricas de conversão e engajamento são o sinal que importa.

O que a Adobe está medindo são referrals: usuários que clicaram em direção a um retailer a partir de ChatGPT, Gemini, Perplexity, Copilot, ou outro assistente. A Adobe não publicou atribuição em nível de plataforma neste release, que é exatamente o número que os retailers querem saber. O delta comportamental é em parte um efeito de seleção. Um shopper que pergunta ao ChatGPT "me recomenda um tênis de corrida para pés chatos abaixo de 150 dólares" já afinou a intenção antes de clicar, então naturalmente converte melhor do que alguém que chega via busca não-direcionada ou redes sociais. Esse efeito de seleção não torna o impacto em receita menos real. Só significa que "otimizar para tráfego de IA" está mais perto de "ser a resposta que uma IA recomenda" do que de "rodar campanhas publicitárias direcionadas por IA", e os dados da Adobe ainda não discriminam entre esses dois playbooks.

Este é o primeiro trimestre em que a tese de "chatbot como superfície de descoberta de varejo" tem números defensáveis embaixo. A arquitetura da Starbucks-no-ChatGPT coberta aqui ontem fica muito mais racional quando você olha esses dados. Se o tráfego referido por IA converte 42 por cento melhor e gera 37 por cento mais receita por visita do que seu canal existente, registrar sua marca como app do ChatGPT com handoff via deep link para o seu próprio checkout é uma decisão de valor esperado positivo direta, independentemente do volume absoluto hoje. Os volumes totais ainda são pequenos em relação a search e direto, mas um crescimento anualizado de 393 por cento, mesmo de uma base pequena, produz um canal significativo em dois anos. Varejistas que otimizarem seus catálogos, marcação schema e descrições de marca para recuperação por IA nos próximos 12 meses vão parecer geniais em 2027. Os que tratarem isso como um problema de 2028 provavelmente não.

Para quem constrói sobre stacks de varejo ou commerce, três movimentos concretos se seguem. Primeiro, separe já o tráfego de referrers de IA nos seus analytics; a maioria dos setups o classifica como "outro" ou o mistura com direto, o que esconde exatamente o diferencial de crescimento e conversão que a Adobe está medindo. Segundo, audite seu schema de produto e metadados contra como um LLM de shopping recuperaria seu catálogo; qualidade do feed importa mais do que verba de anúncio neste canal, porque o agente escolhe o link, não o usuário. Terceiro, se você tem um app nativo ou programa de fidelidade, o padrão de handoff à la Starbucks (app de IA para descoberta, sua própria superfície para checkout e captura de dados) é a arquitetura que vale copiar. A pergunta aberta que a Adobe ainda não consegue responder é atribuição em nível de plataforma. Assuma que essa lacuna fecha em dois trimestres, momento em que otimizar para agentes individuais vira uma disciplina mensurável. Para construtores fora do varejo, o padrão transferível é que a descobribilidade do seu produto dentro de assistentes de IA agora é receita mensurável, e as equipes que estiverem monitorando isso vão ganhar o orçamento.