1

Uma sugestao tecnica: para comparar preco entre lojas, nao deixe a IA ser a fonte do preco. Colete os dados de forma estruturada (JSON-LD de schema.org Product/Offer, que muitas lojas ja expoem, ou API oficial dos marketplaces) e guarde num banco com historico: produto, loja, preco, frete, data. Assim voce calcula o menor preco real, detecta falso desconto e so usa o LLM para normalizar titulos e casar o mesmo produto entre lojas (EAN/GTIN ajuda muito). Cache de poucas horas e respeito ao robots.txt evitam bloqueio. Outra funcao util seria alerta de queda de preco por produto.

Carregando publicação patrocinada...
1

Muito obrigado pelo comentário! Você tocou exatamente no coração técnico do projeto.

A nossa arquitetura foi desenhada desde o dia zero seguindo exatamente essa premissa: a IA não é — e nunca foi — a fonte de preços. Os valores, fretes, cupons oficiais e condições de Pix vêm 100% de APIs estruturadas e dados reais dos marketplaces.

Usamos o LLM estritamente onde ele brilha: normalização de títulos, extração de atributos (marca, modelo, versão, capacidade, GTIN) e validação de compatibilidade (para garantir que um acessório, refil ou versão digital não concorra com o produto principal). A partir daí, o cálculo de pontuação, melhor custo-benefício e detecção de ofertas suspeitas é 100% determinístico e matemático, com histórico persistido em banco de dados.
E a sua sugestão sobre o alerta de queda de preço é muito boa! Já temos a base histórica rodando e essa funcionalidade está no nosso radar para as próximas versões.
Obrigado!