Busca interna é onde o cliente diz, com as próprias palavras, o que quer comprar. É também uma das partes mais negligenciadas da loja: é instalada uma vez, com a configuração padrão da plataforma, e raramente alguém olha o que acontece nela depois.
O tamanho do problema
Nos testes do Baymard Institute, cerca de metade dos participantes prefere a busca à navegação por menu para encontrar produto. E a busca costuma falhar justamente com essas pessoas: no benchmark de 2026, 46% dos sites no desktop, 58% no celular e 64% dos aplicativos têm experiência de busca classificada como medíocre ou pior. Fonte: Baymard Institute, benchmark de UX de busca com mais de 170 sites e mais de 10 mil avaliações de usabilidade, atualizado em abril de 2026.
Onde a busca comum falha
A falha não é igual para todo tipo de pergunta. O mesmo benchmark mede, por tipo de busca, a parcela de sites que não responde bem:
| Tipo de busca | Exemplo | Sites com problema |
|---|---|---|
| Exata (nome ou código) | “tênis modelo X azul 42” | 12% |
| Tipo de produto | “mochila” | 20% |
| Sintoma | “cabelo quebradiço” | 37% |
| Característica | “mochila impermeável” | 39% |
| Uso | “presente para pai que cozinha” | 43% |
| Compatibilidade | “capa para iPhone 15” | 44% |
| Abreviação e símbolo | “tv 50 pol”, “1/2 polegada” | 54% |
| Fora de produto | “troca”, “prazo de entrega” | 66% |
Fonte: Baymard Institute, mesmo benchmark. Os exemplos são nossos.
A leitura da tabela é o argumento do artigo: busca por palavra exata funciona na maioria das lojas. O que quebra é quando o cliente descreve a necessidade em vez do produto. É exatamente esse tipo de pergunta que busca semântica, com IA, consegue interpretar.
Comece pelo relatório, não pela ferramenta
Quase toda plataforma de e-commerce, e o Google Analytics configurado para busca interna, mostram o que foi buscado. Antes de avaliar qualquer fornecedor, faça este exercício com as buscas de um mês:
- Separe as buscas que não tiveram resultado e as que tiveram resultado mas ninguém clicou.
- Classifique cada uma pelos tipos da tabela acima. A IA faz isso bem: cole a lista e peça a classificação.
- Veja onde se concentram. Se a maioria é sinônimo e abreviação, o conserto é barato. Se é uso e sintoma, a busca comum não vai resolver.
A ordem de conserto
- Sinônimos e grafias. “Moletom” e “blusa de frio”, “tv” e “televisão”, “pol” e “polegadas”. A maioria das plataformas aceita uma lista de sinônimos, e a IA gera essa lista a partir das suas buscas. O prompt de sinônimos da biblioteca faz isso.
- Buscas fora de produto. “Troca”, “rastrear pedido”, “prazo”. Redirecione para a página certa em vez de mostrar zero produto.
- Atributos no cadastro. Busca por característica só funciona se a característica está cadastrada. Aqui o problema é o catálogo, não a busca; veja o guia de descrição de produto com IA.
- Busca semântica. Só então, se ainda sobra volume relevante de buscas por uso, sintoma e compatibilidade, avalie uma busca com IA.
Como medir
Três números, antes e depois de cada mudança, sempre no mesmo período de comparação:
- Taxa de busca sem resultado: buscas com zero produto sobre o total de buscas.
- Taxa de refinamento: quantas vezes o cliente reescreve a busca logo em seguida. Refinar muito é sinal de que o primeiro resultado não serviu.
- Conversão de quem busca: compare com o período anterior, não com quem não busca. Quem busca já chega com mais intenção, e a comparação entre os dois grupos exagera o efeito da busca.
Se o fornecedor de busca com IA mostra “clientes que usam a busca convertem três vezes mais”, desconfie da conta: isso quase sempre compara quem busca com quem não busca, e esse grupo já convertia mais antes da ferramenta.