Índice SO-MA 2026 · estudo com dados próprios
As lojas online portuguesas estão prontas para os agentes de IA?
Medimos 379 lojas de marcas portuguesas. 215 estão prontas. A nota mediana é 85 em 100. Medição a 19 de outubro de 2026, com o verificador público da SO-MA, só em páginas públicas.
o que encontrámos
O que um agente de IA encontra quando visita uma loja portuguesa.
-
230
de 379 lojas publicam um llms.txt
60,7%
168 destes são o ficheiro que a Shopify gera sozinha. Fora da Shopify: 57 de 201.
-
137
de 183 páginas de produto têm preço, moeda e stock em dados estruturados
74,9%
-
2
de 379 lojas bloqueiam pelo menos um rastreador de IA no robots.txt
0,5%
-
220
de 379 lojas descrevem a marca em dados estruturados
58%
Como se distribuem as lojas
- 215 Prontas (85 a 100) · 56,7%
- 156 Parcialmente prontas (60 a 84) · 41,2%
- 8 Não estão prontas (0 a 59) · 2,1%
Distribuição das notas
| Nota | Lojas | Peso |
|---|---|---|
| 90 a 100 | 44,6% | |
| 85 a 89 | 12,1% | |
| 80 a 84 | 16,9% | |
| 70 a 79 | 17,2% | |
| 60 a 69 | 7,1% | |
| 50 a 59 | 1,8% | |
| 40 a 49 | 0% | |
| 30 a 39 | 0,3% |
Por setor
| Setor | Lojas | Média | Prontas |
|---|---|---|---|
| Moda e vestuário | 70 | 48 (68,6%) | |
| Calçado e marroquinaria | 69 | 49 (71%) | |
| Casa e decoração | 48 | 29 (60,4%) | |
| Alimentação e vinho | 74 | 28 (37,8%) | |
| Cosmética e beleza | 33 | 18 (54,5%) | |
| Joalharia e relógios | 40 | 25 (62,5%) | |
| Retalho e eletrónica | 10 | 3 (30%) | |
| Outros setores | 35 | 15 (42,9%) |
Por plataforma
| Plataforma | Lojas | Média | Prontas |
|---|---|---|---|
| Shopify | 178 | 152 (85,4%) | |
| WooCommerce | 77 | 15 (19,5%) | |
| Squarespace | 14 | 4 (28,6%) | |
| Wix | 14 | 7 (50%) | |
| WordPress (sem WooCommerce detetado) | 12 | 3 (25%) | |
| Outra ou não detetada | 84 | 34 (40,5%) |
Sem a verificação de produto (ver os limites no método), a nota média passa a Shopify 96,6, WooCommerce 82,7, Squarespace 88,9, Wix 86,4, WordPress (sem WooCommerce detetado) 84,4, Outra ou não detetada 86,4, numa escala de 0 a 100.
Em Outra: não detetada 64, PrestaShop 9, Salesforce Commerce Cloud 7, Magento 3, VTEX 1.
as cinco falhas mais comuns
O que separa uma loja de um agente que quer comprar.
-
Marca sem dados de organização
42% · 159 de 379 lojas
A página inicial não descreve a marca em dados estruturados (schema.org Organization, Store ou Brand). Um modelo fica a adivinhar quem é a empresa a partir do texto e confunde-a mais facilmente com outra de nome parecido.
Como se corrige Um bloco JSON-LD Organization com nome, logótipo, endereço do site e perfis oficiais em sameAs.
-
Sem llms.txt
39,3% · 149 de 379 lojas
Não há um /llms.txt: o mapa da loja em texto simples para modelos de linguagem, com o que vende, as coleções e as políticas. É uma convenção recente, ainda não é norma e nenhum grande motor de resposta confirma que a lê; é barata de pôr.
Como se corrige Publicar /llms.txt com o resumo da marca e ligações para as coleções, as políticas de envio e devolução e o sitemap.
-
Pré-visualização incompleta ao partilhar
29,8% · 113 de 379 lojas
Falta o título ou a imagem Open Graph na página inicial. É o cartão que aparece quando alguém, ou um assistente, partilha o link numa conversa.
Como se corrige og:title e og:image em todas as páginas. Na maioria das plataformas é um campo do tema.
-
Produto sem preço, moeda ou stock em dados estruturados
25,1% · 46 de 183 lojas com página de produto encontrada
Encontrámos uma página de produto, mas os dados estruturados (schema.org Product com Offer) não têm preço, moeda e disponibilidade, ou não existem. É com estes dados que um agente de compras compara ofertas e confirma que pode comprar.
Como se corrige Product com offers.price, offers.priceCurrency e offers.availability em cada página de produto, gerados a partir do catálogo.
-
Falta título, descrição ou canonical
24,3% · 92 de 379 lojas
Falta pelo menos uma das três linhas que um motor de resposta cita quando fala da loja.
Como se corrige Título e meta descrição escritos para cada página, e o canonical certo.
destaque
20 das 83 lojas com 100 em 100
83 lojas tiveram 100. 39 cumprem também as três verificações de acessibilidade básica. Nomeamos as 20 destas 39 com mais texto legível sem JavaScript, por ordem alfabética e sem posição: dentro do empate, a ordem não diz que uma loja está mais preparada do que outra. As outras 359 lojas medidas não são nomeadas, nem aqui nem no ficheiro de dados.
| Loja | Nota |
|---|---|
| Arcopedico arcopedico.com | 100 |
| Armazém das Malhas armazemdasmalhas.com | 100 |
| Catarina Barbosa Skincare catarinabarbosaskincare.com | 100 |
| Coelima coelimastore.pt | 100 |
| Comporta Perfumes comportaperfumes.com | 100 |
| Essências de Portugal essenciaspt.com | 100 |
| EXÉ exe.pt | 100 |
| Imago imagoportugal.com | 100 |
| Joana Mota Capitão joanamotacapitao.com | 100 |
| Let It Soap letitsoap.com | 100 |
| LUR Natural Skinfood lurskinfood.com | 100 |
| More is Better moreisbetter.pt | 100 |
| Näz naz.pt | 100 |
| Next Memory nextmemory.eu | 100 |
| Raquel Poço raquelpocojewellery.com | 100 |
| Sementes Vivas sementesvivas.bio | 100 |
| Sopro Jewellery soprojewellery.com | 100 |
| Templars Arena templarsarena.com | 100 |
| Toworkfor toworkfor.pt | 100 |
| Versus Gamecenter versusgamecenter.pt | 100 |
acessibilidade básica
Três verificações de acessibilidade, lidas no mesmo HTML.
Não entram na nota nem substituem uma auditoria de acessibilidade: são o que se pode medir com fiabilidade no HTML da página inicial, sem correr scripts.
-
367 de 379
declaram a língua da página (html lang)
96,8%
-
224 de 377
lojas com imagens têm texto alternativo em todas
59,4%
-
167 de 344
lojas com campos de formulário dão nome a todos
48,5%
a sua loja
Veja a sua nota com o mesmo verificador.
É a ferramenta que usámos no estudo, com as mesmas dez verificações. Gratuita, sem registo, só páginas públicas. Com o resultado à vista, pode pedir o plano de correções por email.
A sua loja está pronta para a IA?
Os clientes já perguntam ao ChatGPT, ao Gemini e ao Perplexity o que comprar, e os agentes de IA começam a comprar por eles. Escreva o endereço da sua loja e veja o que esses agentes leem de facto.
Dica: uma página de produto dá o resultado mais completo.
O que corrigir primeiro
Ver as dez verificações
o que uma verificação de página não vê
o que verificamos
Dez verificações, cada uma explicada.
- Legível sem JavaScriptA maioria dos rastreadores de IA não corre scripts. Contamos as palavras que lhes chegam de facto.
- Dados de produto para agentes compraremPreço, moeda e stock em dados estruturados, numa página de produto real.
- Rastreadores de IA autorizadosSe o robots.txt deixa entrar o GPTBot, o ClaudeBot, o PerplexityBot, o Google-Extended e outros.
- Marca descrita como entidadeDados de organização, para um modelo distinguir a sua marca de outra com nome parecido.
- Título, descrição e canonicalAs linhas que um motor de resposta cita quando fala de si.
- Velocidade, HTTPS, sitemap, llms.txt, partilhaO básico que decide se um agente espera por si ou passa à frente.
Lemos só páginas públicas, como um rastreador. Nunca iniciamos sessão, nunca submetemos nada e não guardamos o endereço que verifica. Se pedir o plano de correções, o endereço segue no seu pedido.
método
Como medimos
Amostra
400 lojas online de marcas e retalhistas portugueses, cada uma no próprio domínio, reunidas a partir de 197 páginas públicas em 41 sites: listas de associações setoriais e de produtores, listas de prémios e artigos de imprensa que nomeiam marcas portuguesas por setor. Cada loja tem a sua fonte registada.
Ficaram de fora marketplaces, retalhistas estrangeiros com site português, lojas cuja única fonte era conteúdo patrocinado ou tinha mais de dez anos, marcas repetidas (fica uma loja por marca) e as lojas de clientes atuais e antigos da SO-MA, para não avaliarmos o nosso próprio trabalho.
A amostra não é aleatória: são marcas com presença pública suficiente para aparecerem nessas listas. Os resultados descrevem estas 379 lojas, não todo o comércio eletrónico português.
Medição
A 19 de outubro de 2026, a partir de Lisboa, com o código do verificador público da SO-MA (o mesmo que está nesta página), corrido num script e não no servidor do site. O leitor identifica-se como "SO-MA-research (+https://so-ma.studio/indice)".
Um pedido de cada vez por loja, com um segundo de pausa entre pedidos; os saltos de redireção da página inicial e os dois robots.txt (com e sem www) seguem sem pausa, como num browser. Antes de tudo lemos o robots.txt de cada servidor e não pedimos nenhum caminho que ele proíba. Só páginas públicas: página inicial, robots.txt, sitemap.xml, llms.txt e uma página de produto ligada a partir da inicial. Sem login, sem formulários, sem cookies guardados.
Guardamos só os resultados das verificações e contagens (palavras, imagens, campos): nem o conteúdo das páginas, nem dados de clientes das lojas. As medições que contam nestes números fizeram 2472 pedidos, robots.txt incluídos.
Correções
Publicámos o Índice a 16 de outubro de 2026 com 204 lojas prontas, 17 abaixo de 60 e 79 com 100. Depois encontrámos dois erros no nosso leitor. Os erros eram do nosso código, não das lojas.
O primeiro lia como vazia qualquer resposta com mais de 2 MB: 12 páginas iniciais, 1 página de produto e 2 sitemaps. A 19 de outubro de 2026 corrigimo-lo e medimos outra vez essas 15 lojas, e os números passaram a 212, 5 e 83. O leitor lê agora os primeiros 2 MB de cada resposta, como o verificador público da SO-MA.
O segundo contava como tempo da loja a espera de cada pedido na nossa fila: fazemos um pedido de cada vez por loja, e o prazo começava quando o pedido entrava na fila. Numa loja lenta, um sitemap ou uma página de produto que existiam podiam esgotar o tempo antes de serem pedidos. Agora o prazo de cada pedido (8 segundos, 10 no total com as redireções) conta a partir de quando sai da fila, como no verificador público, onde os pedidos vão em paralelo.
Com os dois erros corrigidos, medimos outra vez as 400 lojas da amostra a 19 de outubro de 2026. Todos os números do Índice são desta medição: 215 lojas prontas, 8 abaixo de 60 e 83 com 100.
Nota de 0 a 100
Dez verificações com pesos fixos, as mesmas do verificador. Pronta: 85 ou mais. Parcialmente pronta: 60 a 84. Não está pronta: abaixo de 60.
| Verificação | Pontos |
|---|---|
| Servida em HTTPS | 10 |
| Responde depressa | 10 |
| Legível sem JavaScript | 20 |
| Título, descrição e canonical | 10 |
| Marca descrita como entidade | 5 |
| Dados de produto para agentes comprarem | 15 |
| Rastreadores de IA autorizados | 15 |
| Sitemap | 5 |
| llms.txt para modelos de linguagem | 5 |
| Pré-visualização ao partilhar | 5 |
As 20 nomeadas
Escolhemos as 20 com nota mais alta. Quando o corte cai num empate, desempatam, por esta ordem: mais verificações de acessibilidade básica cumpridas (de 0 a 3), maior percentagem de imagens com texto alternativo, mais palavras legíveis sem JavaScript e a ordem alfabética do domínio. As palavras não são uma das dez verificações, por isso as 20 aparecem por ordem alfabética e sem posição. Nenhuma outra loja é nomeada.
Limites
A verificação de produto procura na página inicial uma ligação com /products/, /product/ ou /produto/ no endereço, e só conta a página se, depois das redireções, ainda for uma página de produto (/produtos/ fica de fora: nas lojas portuguesas é quase sempre uma listagem). Em 196 de 379 lojas não encontrámos nenhuma página de produto que respondesse (é mais comum fora da Shopify, onde as páginas de produto têm outros formatos de endereço); essas lojas recebem 5 de 15 pontos nesta verificação, tal como no verificador. Encontrar uma página sem dados de produto dá 0, por isso pode baixar a nota em relação a não encontrar nenhuma. Daí a falha "produto sem dados" ser contada só entre as lojas com página de produto encontrada.
De cada resposta lemos os primeiros 2 MB, como o verificador desta página: numa página muito grande, o que vier depois (por exemplo os dados de produto no fim do código) não conta. Uma loja que demore mais de 8 segundos a responder a um pedido (10 com as redireções) fica sem essa resposta, também como no verificador.
As 21 lojas que não medimos, sobretudo as 15 que recusaram até um leitor identificado, são provavelmente das mais fechadas a agentes. Ficam fora de todos os números, o que torna o retrato mais favorável.
Só lemos o robots.txt. Bloqueios na firewall ou na CDN, como o bloqueio de robôs de IA que a Cloudflare oferece, não se veem nesta medição.
A velocidade foi medida a partir de Lisboa, numa ligação de escritório, e varia de hora para hora. É uma fotografia do dia em que cada loja foi medida: as lojas mudam.
O estudo mede se uma loja pode ser lida e comprada por agentes. Não mede se o ChatGPT, o Gemini ou o Perplexity recomendam de facto cada marca.
Lojas não medidas
21 das 400 lojas da lista não foram medidas e não entram em nenhum número: 15 lojas recusaram o nosso leitor; 4 lojas tinham o robots.txt em erro ou sem resposta, e nesse caso a regra (RFC 9309) é não ler; 1 loja não respondeu em 8 segundos; 1 loja redirecionou demasiadas vezes. Recusar o leitor quer dizer uma resposta 4xx (403 ou 429), quase sempre proteção contra robôs.
As lojas que não responderam ou tinham o robots.txt sem resposta tiveram uma segunda tentativa no mesmo dia; as que recusaram o leitor (403 ou 429), não.
Desde 19 de outubro de 2026, uma página inicial lida sem texto e sem título, ou uma página de verificação anti-robô no lugar da loja, nunca recebe nota: a loja conta como não medida. A regra vale também para as medições anteriores. Nenhuma loja desta edição está nesse caso.
Interesses
A SO-MA vende o Agent-Ready Audit e constrói lojas Shopify. Por isso publicamos o método inteiro, usamos um verificador que qualquer pessoa pode correr e deixamos de fora as lojas dos nossos clientes.
Fontes da amostra
Ver os 41 sites de onde vêm as 197 páginas de fonte
Por site, com o número de lojas e de páginas. A fonte exata de cada loja está registada; não a publicamos porque muitas páginas têm o nome da marca no título, e só nomeamos as 20 primeiras.
- timeout.pt 146 lojas, 43 páginas
- portugueseshoes.pt 52 lojas, 52 páginas
- portugalfoods.org 33 lojas, 1 página
- observador.pt 20 lojas, 13 páginas
- vinhosdoalentejo.pt 18 lojas, 1 página
- e-konomista.pt 15 lojas, 8 páginas
- eco.sapo.pt 14 lojas, 7 páginas
- noticiasaominuto.com 14 lojas, 4 páginas
- nit.pt 11 lojas, 11 páginas
- lepetitjournal.com 7 lojas, 1 página
- anicp.pt 6 lojas, 1 página
- echoboomer.pt 6 lojas, 5 páginas
- marketeer.sapo.pt 6 lojas, 6 páginas
- portuguesejewellery.pt 6 lojas, 6 páginas
- postal.pt 6 lojas, 5 páginas
- rtp.pt 6 lojas, 2 páginas
- portaldaqueixa.com 3 lojas, 2 páginas
- 4gnews.pt 2 lojas, 2 páginas
- forbespt.com 2 lojas, 2 páginas
- lojascomhistoria.pt 2 lojas, 2 páginas
- portuguesesoul.com 2 lojas, 1 página
- sabado.pt 2 lojas, 2 páginas
- timeout.com 2 lojas, 2 páginas
- verangola.net 2 lojas, 1 página
- apicer.pt 1 loja, 1 página
- dn.pt 1 loja, 1 página
- dnoticias.pt 1 loja, 1 página
- en.wikipedia.org 1 loja, 1 página
- ericeiramag.pt 1 loja, 1 página
- essential-business.pt 1 loja, 1 página
- hola.com 1 loja, 1 página
- hometextilestoday.com 1 loja, 1 página
- ifema.es 1 loja, 1 página
- jornaldenegocios.pt 1 loja, 1 página
- lisbonlux.com 1 loja, 1 página
- monocle.com 1 loja, 1 página
- newinporto.nit.pt 1 loja, 1 página
- p.cinco-estrelas.pt 1 loja, 1 página
- portugalglobal.pt 1 loja, 1 página
- ricavida.pt 1 loja, 1 página
- us.fashionnetwork.com 1 loja, 1 página
como citar
Use os números, diga de onde vêm.
Os dados agregados são públicos, com licença CC BY 4.0: pode reutilizá-los citando a fonte.
SO-MA Studio (2026). Índice SO-MA 2026: as lojas online portuguesas estão prontas para os agentes de IA? Medição de 379 lojas a 19 de outubro de 2026. https://so-ma.studio/indice-lojas-prontas-para-ia/
Índice SO-MA 2026: as lojas online portuguesas estão prontas para os agentes de IA? Versão em inglês.
Para ir mais longe
- Lojas online da SO-MAShopify para marcas que vendem a pessoas e aos agentes que compram por elas.
- Verificador gratuitoA mesma ferramenta, numa página própria, para partilhar.
- Visibilidade em IAO que o verificador não vê: se os assistentes de IA recomendam de facto a sua marca.
- Respostas diretasAs perguntas sobre o estudo, uma a uma, com âncora para citar.
- Gerador de llms.txtUm rascunho do llms.txt da sua loja, feito com as suas páginas, grátis e a respeitar o robots.txt.
- Estatísticas do comércio eletrónico em PortugalOs números oficiais do INE e do Eurostat: quem compra online, o quê, a quem, e quantas empresas vendem.
- ImprensaOs estudos da SO-MA com os números-chave, o método, os dados e a forma de citar.
- Vender no ChatGPT e no GoogleO que o ChatGPT, o Modo IA da Google e o Copilot já fazem nas compras, onde, e o que uma loja portuguesa faz já.