Tráfego vindo de IA gera 83% mais receita por visita, aponta Adobe

Segundo a Adobe, o tráfego referido por IA no varejo dos Estados Unidos gerou 83% mais receita por visita em setembro e converteu 90% melhor que o tráfego sem origem em IA. Esses visitantes também ficaram 73% mais tempo no site, viram 25% mais páginas e adicionaram produtos ao carrinho com frequência 53% maior. O volume cresceu 71% em um ano e 1.772% desde outubro de 2024.

O outro dado é a legibilidade. No Citation Readability Score da Adobe, a página inicial média do varejo marcou 63%, ou seja, mais de um terço do conteúdo não era facilmente compreendido ou citável por sistemas de IA. Eletrônicos lideraram as categorias, com 79% no geral, 79% nas páginas de categoria e 78% nas de atendimento ao cliente. Guias de configuração, artigos de solução de problemas e especificações detalhadas deram mais contexto às máquinas. A própria fonte faz a ressalva: os dados não provam que melhor legibilidade para IA gera mais receita.

A fotografia mudou bastante ao longo de 2026. Em 9 de abril de 2026, o CEVIU noticiou em "Tráfego orientado por IA ainda não é tão bom quanto o alardeado" um estudo em que esse tráfego gerava menor receita por sessão que a maioria dos canais. Em 21 de abril de 2026, em "Relatórios Divergentes sobre o Tráfego de E-commerce Orientado por IA", a Adobe aparecia com visitantes de IA 42% mais propensos a comprar, e os estudos divergiam entre si. Agora, com dados de setembro, a Adobe reporta conversão 90% melhor. A própria Adobe indica que, em agosto de 2025, esse tráfego convertia 9% pior que o restante.

Em 10 de agosto de 2026, o CEVIU publicou "Maximize seu Impacto: Estratégias para Otimizar a Homepage no Cenário do Tráfego de IA", que já apontava um perfil de usuário muito engajado. O novo relatório soma a esse quadro a medição de legibilidade das páginas.

Para quem opera mídia e conteúdo em e-commerce, a leitura é que tráfego de IA merece ser medido como canal de aquisição, com receita por visita, comportamento no carrinho e valor do cliente, não só volume de referências. Também vale separar o desempenho por página de entrada em vez de tratar a IA como uma fonte única. Como o estudo não prova causalidade, trate a revisão de páginas de especificação e suporte como hipótese a testar, não como garantia de resultado.