A otimização de feed é a prática contínua de melhorar os dados de um feed de produtos — títulos, descrições, imagens e atributos — para que as plataformas de shopping e os mecanismos de busca classifiquem, correspondam e exibam as listagens de forma mais favorável. Ela abrange desde a criação de títulos ricos em palavras-chave até o preenchimento de campos opcionais que as plataformas usam para correspondência, e é aplicada de forma contínua, e não como uma limpeza pontual, já que tanto os algoritmos de classificação quanto as listagens da concorrência mudam o tempo todo. Enquanto a gestão de feeds garante que os dados estejam corretos, a otimização de feed garante que sejam competitivos.
Por que a otimização de feed é importante
Dois feeds podem ser igualmente corretos e, ainda assim, ter desempenhos muito diferentes nos resultados de shopping pagos e orgânicos, porque as plataformas recompensam as listagens que lhes dão mais material para trabalhar: atributos completos, títulos bem estruturados e imagens que atendem aos padrões de qualidade influenciam se um produto aparece em uma busca relevante e quanto custa vencer um leilão. Um título magro ou genérico pode, tecnicamente, descrever o produto corretamente e, mesmo assim, perder todas as impressões para o título mais detalhado de um concorrente. A otimização também é cumulativa de um jeito que muitas outras tarefas de feed não são — um modelo de título ou um mapeamento de atributos melhor se aplica a todos os produtos que o utilizam, de modo que o retorno se multiplica por todo o catálogo, e não apenas em uma única listagem.
Como funciona
A otimização de feed geralmente começa estabelecendo a situação atual do feed, muitas vezes por meio de benchmarking de feed em relação aos concorrentes ou aos padrões da categoria, e depois aplica regras de negócio que reescrevem títulos de forma sistemática, preenchem atributos ausentes e ajustam a categorização em todo o catálogo, em vez de produto por produto. Essas regras podem acrescentar tamanho e cor a títulos que não os têm, levar o material ou a estampa para um atributo personalizado ou reestruturar as descrições para começar pelos termos mais buscados. As plataformas devolvem os resultados por meio de sinais como o índice de qualidade, que reflete o quanto um anúncio ou uma listagem parece relevante e completo em relação ao que está sendo buscado, dando às equipes um ciclo de feedback para refinar ainda mais as regras. Como as regras se aplicam no nível do feed, uma única mudança pode melhorar o desempenho de milhares de SKUs de uma só vez.
Exemplo
<item>
<g:id>SKU-40218</g:id>
<title>Nordwool Merino Wool Beanie - Slate Grey, One Size</title>
<g:description>Soft 100% merino wool beanie in slate grey, ribbed knit, machine washable, one size fits most.</g:description>
<g:color>Slate Grey</g:color>
<g:material>Merino Wool</g:material>
<g:size>One Size</g:size>
</item>Em comparação com um título simples como "Wool Beanie", esta versão acrescenta marca, cor e tamanho diretamente ao título e, ao mesmo tempo, preenche os atributos dedicados color, material e size — a combinação que as plataformas usam tanto para a correspondência de texto quanto para a filtragem estruturada nos resultados de shopping.
Conceitos relacionados
A otimização de feed é mais eficaz quando vem depois do benchmarking de feed, já que saber onde o feed deixa a desejar concentra o trabalho nos campos que realmente movem o desempenho, e ela é implementada pelos mesmos mecanismos de regras de negócio que cuidam de outras alterações automatizadas no feed. Seus resultados aparecem mais diretamente no índice de qualidade e em métricas semelhantes das plataformas, e é por isso que a otimização contínua tende a superar as correções pontuais. Para um framework estratégico mais aprofundado, veja Power Up Performance Max: The Strategic Guide to Feed Optimization.
