Commerce Layer™: a infraestrutura M2M dentro do AEO Framework™
Commerce Layer™ (Layer 4 do AEO Framework™) é a camada machine-to-machine que torna seu site acionável por agentes autônomos — via Agent Card, sitemap-aeo.json e endpoints JSON. Categoria proprietária da EPIC Digital. Faz parte do AEO Framework v2.2: sistema completo de 7 camadas que torna qualquer site descobrível, citável e transacionável por máquinas (crawlers de AI, sistemas de retrieval e agentes autônomos).
Definição canônica do termo, contraste imediato com SEO e GEO, e o ponto onde AEO se diferencia das duas disciplinas anteriores ao incluir infraestrutura transacional para agentes autônomos.
TL;DR
AEO (Answer Engine Optimization) é a disciplina de otimizar um site para ser descoberto, citado e transacionado por máquinas — crawlers de AI, sistemas de retrieval e agentes autônomos. Difere do SEO, que otimiza para buscadores tradicionais, e do GEO, que foca na citação por AI generativa. AEO vai além: cria infraestrutura para que agentes autônomos executem ações reais no site.
Quando alguém pergunta ao ChatGPT "quem resolve [problema X] no Brasil?", o modelo (no modo conversa default, sem busca ativa) não pesquisa o Google em tempo real — ele reconstrói a resposta a partir do que foi indexado e citado durante o treinamento e o crawl mais recente. Mesmo no modo Search ativo, o retrieval prioriza páginas que os crawlers de AI (GPTBot, ClaudeBot, PerplexityBot) conseguem ler e parsear corretamente. Sites que não são legíveis por máquinas simplesmente não existem nessa resposta — em nenhum dos modos.
AEO é a metodologia para mudar esse cenário. A disciplina combina técnica de infraestrutura (permissões de crawl, dados estruturados, endpoints JSON) com estratégia de conteúdo (blocos citáveis, FAQ com perguntas reais, TL;DR por seção) — formando um sistema coerente de 7 camadas onde cada uma serve um tipo diferente de máquina consumidora.
Os answer engines alvo são ChatGPT, Perplexity, Gemini e Copilot — sistemas que hoje respondem perguntas diretamente, sem redirecionar o usuário a uma lista de links. A diferença entre aparecer ou não nessas respostas é, cada vez mais, a diferença entre existir ou não no ciclo de compra B2B.
O AEO Framework v2.2 foi desenvolvido pela EPIC Digital a partir de sete implementações reais em sites B2B, totalizando aproximadamente 150 páginas auditadas e otimizadas. O framework tem 7 camadas (L0 a L6) e 76 checks de auditoria automatizados, executados pelo CLI proprietário da EPIC (@epic-digital/aeo, v2.2.0) — a ferramenta interna usada em todos os engagements.
§ Categoria EPIC · Cunha proprietária dentro do AEO
AEO Framework™ é o framework. Commerce Layer™ é a categoria onde a EPIC lidera.
§ 02
Diferencial EPIC
Commerce Layer™: quando o seu site deixa de ser pasta digital para humanos e vira canal para agentes
Camada L4 do AEO Framework: infraestrutura machine-to-machine via Agent Card A2A Protocol e endpoints transacionais JSON. Menos de 5% dos sites B2B auditados pela EPIC em 2026 tinham componente desse padrão pré-engagement — é o principal diferencial do AEO em relação a SEO e GEO.
TL;DR
Commerce Layer é a camada de infraestrutura machine-to-machine do AEO Framework. Ela transforma um site de "pasta digital para humanos" em canal transacionável para agentes de AI: o agente encontra o site via Agent Card, navega via sitemap-aeo.json e executa ações via endpoints JSON — tudo sem intervenção humana. É o Layer 4 do framework, e o diferencial mais significativo do AEO em relação ao SEO e ao GEO.
GEO otimiza um site para ser citado por AI generativa. AEO vai além: o objetivo do Layer 4 é tornar o site acionável por agentes autônomos — não apenas legível.
A diferença prática: um agente de compras B2B rodando em ChatGPT Actions, Claude com MCP ou agente A2A pode, em um site com Commerce Layer implementado, localizar o fornecedor, entender suas capacidades, solicitar uma cotação e receber resposta estruturada — tudo sem visitar uma página no sentido humano do termo. O site passa a ser um canal, não uma vitrine.
Essa mudança tem a mesma magnitude do salto entre brochure estático e e-commerce no início dos anos 2000. Só que agora o comprador é uma máquina.
Os três arquivos do Commerce Layer
Arquivo
Localização
Propósito
llms.txt
seusite.com/llms.txt
Resumo markdown do site para LLMs — contexto em linguagem natural, legível diretamente por modelos sem HTML
agent-card.json
seusite.com/.well-known/agent-card.json
Manifesto de capacidades compatível com o Google A2A Protocol — declara o que o agente pode fazer neste site
sitemap-aeo.json
seusite.com/sitemap-aeo.json
Índice semântico de URLs com intents, ações disponíveis e TL;DR por página — navegação eficiente para agentes
O que muda para os agentes
Cenário
Sem
Com Commerce Layer
Agente busca fornecedor por categoria
Não encontra / scraping frágil
Agent Card + sitemap-aeo.json
Agente quer solicitar cotação
Impossível sem humano
POST /api/quote-request
Custo de token para citar uma página
~3.000 tokens (HTML completo)
~500 tokens (−85%)
ChatGPT cita o site em resposta relevante
Pode ou não
llms.txt + dados estruturados aumentam probabilidade
Nota técnica: selos de confiança visuais — badges, certificados, ícones — são invisíveis para agentes de AI que navegam via API ou DOM sem renderização visual. Sinais de confiança M2M precisam ser declarados em JSON-LD (campos award, hasCredential), Agent Card e estrutura de endpoint. O Commerce Layer é, em si, o sinal de confiança para máquinas.
Governança e segurança no Commerce Layer
Endpoints transacionais para agentes autônomos não podem ser open by default. Para clientes B2B enterprise, o Commerce Layer da EPIC inclui cinco controles de governança como padrão de implementação:
Autenticação por token — agentes autenticam via API key ou OAuth2 client credentials antes de executar qualquer ação. Sem token válido, endpoint retorna 401. Tokens são scoped por skill (agente A pode pedir cotação mas não agendar demo).
Rate limiting por agent identity — header X-Agent-ID (ou claim no token) identifica o agente; quotas configuráveis por agente, por skill e por janela de tempo. Mitiga abuso e protege capacidade.
Validação humana opcional por skill — cada skill declarada no Agent Card pode setar requires_human_approval: true. Nesse caso, agente recebe status: pending_human_review e a transação fica em fila para aprovação no CRM antes de executar.
Audit logs com retenção — toda chamada (request body, agent identity, timestamp, response, outcome) é loggable e retenível por 90 dias (configurável). Trilha de auditoria para compliance, debugging e LGPD/GDPR Data Subject Access Requests.
Scope restrito por declaração — agentes só conseguem invocar skills explicitamente listadas no Agent Card. Endpoints não declarados retornam 404, mesmo se existirem internamente. Princípio de menor privilégio aplicado por design.
Cada controle é implementável em HubSpot CMS Enterprise ou via infraestrutura externa (Express + Quave, Cloudflare Workers, Vercel Edge). HubSpot CMS Pro suporta L4 com endpoints read-only; transações reais exigem tier superior ou edge worker.
Por que AEO importa agora — e não daqui a dois anos
O comportamento de pesquisa B2B mudou mais rápido do que a maioria das equipes de marketing percebeu. A evidência é quantitativa e consistente.
Padrão emergente llms.txt adotado por marcas de referência
Anthropic, Mistral, Cloudflare, Stripe e Perplexity publicaram llms.txt; o diretório público llmstxt.cloud cataloga centenas de sites já adotando. Esse arquivo machine-readable sinaliza ao modelo o que o site oferece, em linguagem natural estruturada. Sites sem llms.txt chegam aos modelos sem contexto declarado — o equivalente a não ter meta description no Google de 2010. (Fontes: llmstxt.org, llmstxt.cloud)
Combined AEO Score médio dos sites B2B auditados pela EPIC: abaixo de 50/100
Base: sete implementações com o framework EPIC (~150 páginas, B2B/B2C, mid-market a enterprise). Sites com posicionamento orgânico consolidado frequentemente têm score AEO baixo — porque SEO e AEO são sistemas de indexação com lógicas distintas. Um não protege o outro.
Menos de 5% dos sites B2B auditados pela EPIC tinham componente de Commerce Layer pré-engagement
A infraestrutura que permite a um agente autônomo solicitar cotação, comparar preços ou agendar uma demonstração sem intervenção humana. Quem implementar primeiro em seu setor captura uma posição que concorrentes levarão meses para alcançar.
A janela de vantagem é real e historicamente análoga ao SEO de 2005–2010
Naquele período, poucos sites tinham SEO estruturado — e quem tinha capturou posições orgânicas que persistem até hoje. AEO está nessa janela agora. Em 2028, será commodity. Crawlers de AI — GPTBot, ClaudeBot, PerplexityBot e Google-Extended — já fazem crawl de forma recorrente.
§ Dados de campo · Audits EPIC (n=7 implementações)
Menos de 5% tinham Commerce Layer pré-engagement.
§ 04
Comparativo disciplinar
SEO, GEO e AEO: o que cada disciplina faz — e o que nenhuma delas substitui
Tabela comparativa entre as três disciplinas de otimização para buscadores (SEO), AI generativa (GEO) e agentes autônomos (AEO), com objetivos, sinais técnicos e KPIs por disciplina.
TL;DR
SEO otimiza para buscadores tradicionais. GEO otimiza conteúdo para ser citado por AI generativa. AEO vai além: cria infraestrutura para que agentes autônomos descubram, citem e executem ações em um site. As três disciplinas são complementares — AEO inclui e estende as duas anteriores.
As três disciplinas respondem ao mesmo problema — visibilidade digital — mas para consumidores de máquina diferentes, com comportamentos distintos.
Aspecto
SEO
GEO
AEO
Objetivo
Ranquear em Google e Bing
Ser citado por AI generativa
Ser descoberto, citado e transacionado por agentes
AEO não substitui o SEO — e esta distinção é importante. Um site com SEO sólido e AEO implementado tem vantagem em dois canais: buscadores tradicionais e answer engines. AEO é uma camada adicional sobre o que já existe, não uma alternativa. O mesmo vale para GEO: as boas práticas de conteúdo citável do GEO (blocos TL;DR, FAQ com perguntas reais) são exatamente o que o AEO usa na Layer 3 — Narrative Blocks.
O que o AEO Framework faz é sistematizar as 7 camadas numa metodologia auditável — com score numérico por layer — para que a implementação possa ser priorizada, medida e iterada.
As 7 camadas do AEO Framework v2.2 com 76 checks automatizados — do nível mais básico (L0 Discovery, permissão de crawl) ao mais avançado (L6 Agentic Experience, handoff humano-LLM). Cada camada serve um tipo distinto de máquina consumidora.
TL;DR
O AEO Framework v2.2 tem 7 camadas (L0–L6), cada uma servindo um tipo diferente de máquina consumidora. Camadas baixas são pré-requisito para camadas altas. A implementação começa pelo L0 — Discovery — porque sem permissão de crawl, as outras 6 camadas são invisíveis.
O framework opera como infraestrutura em camadas progressivas. L0 garante que a máquina pode entrar. L1 e L2 dizem o que cada página representa. L3 cria o conteúdo que a máquina consegue recortar e citar. L4 transforma o site em canal transacionável. L5 fecha o loop com medição. L6 estende o alcance do site para além do fim da sessão.
Camada
Nome
O que faz
Quem consome
Spec completa
L0
Discovery
Garante que crawlers de AI têm permissão e encontram o caminho certo para indexar o domínio
As camadas não são independentes. L1 sem potentialAction não se conecta ao L4. L4 sem L0 é invisível para agentes. L3 sem L2 produz blocos citáveis em HTML mal estruturado — o que reduz a confiança do sistema de retrieval na qualidade do conteúdo. A implementação correta começa pela base e sobe. Uma analogia útil: L0 é o porteiro que decide se a máquina entra. L1 é o crachá que identifica o que cada sala representa. L2 é a sinalização interna. L3 é o conteúdo legível pelos hóspedes. L4 é o balcão de serviços onde transações acontecem. L5 é o sistema de câmeras que registra o que acontece. L6 é a porta de saída que leva o visitante direto para a próxima conversa.
§ 06
Métricas e medição
Como medir AEO — as três métricas que importam
Três métricas operacionais transformam AEO de aposta em dado de dashboard: Combined AEO Score (0–100, via CLI), 50-prompt-protocol (share of voice em answer engines) e GA4 AI Crawlers Audience (tráfego real de crawlers).
TL;DR
AEO tem métricas reais e mensuráveis. O Combined AEO Score (0–100, via CLI) mede a qualidade técnica da implementação. O 50-prompt-protocol mede share of voice em answer engines ao longo do tempo. A GA4 AI Crawlers Audience mede o tráfego real de crawlers de AI no site. Juntas, as três métricas transformam AEO de "aposta em tendência" em dado de dashboard.
Uma crítica legítima ao AEO é que parece difícil de medir. Ao contrário do SEO, não há ranking visível em tempo real. Ao contrário de campanhas pagas, não há impressões e cliques reportados por plataforma. Mas o AEO é mensurável. A metodologia usa três instrumentos complementares.
Combined Score
CLI Audit
O CLI @epic-digital/aeo audita qualquer URL contra as 7 camadas do framework e retorna um Combined Score de 0 a 100, com score granular por camada. O audit roda 76 checks distribuídos nas 7 layers e pode ser comparado ao longo do tempo para detectar regressões após deploys e medir progresso de implementação. Score de referência: sites sem nenhum componente AEO ficam em torno de 9/100. Sites com implementação completa chegam a 90+/100. Esta página foi auditada pelo CLI em maio/2026: Combined Score 95,07/100 — L0 100 · L1 98 · L2 100 · L3 100 · L4 81 · L5 79 · L6 100.
Share of Voice
50-Prompt Protocol
Cinquenta prompts manuais por trimestre, rodados em três answer engines (ChatGPT, Perplexity, Gemini), distribuídos em categorias de intenção: descoberta direta, comparação, recomendação de referência. O resultado é o share of voice por categoria — quantas vezes o site aparece nas respostas, e com qual precisão. Importante: LLMs de UI e de API são modelos distintos. O protocolo usa a UI — é o que o comprador real usa.
Tráfego real
GA4 AI Crawlers Audience
Uma Audience personalizada no GA4 filtra o tráfego de agentes de AI pelos User-Agents específicos detectáveis em logs HTTP: GPTBot, ChatGPT-User, OAI-SearchBot, ClaudeBot, Claude-User, PerplexityBot, CCBot, Applebot-Extended. (Nota: Google-Extended não é um User-Agent HTTP separado — é um token de controle em robots.txt para opt-out de Bard/Vertex AI; o crawling em si usa Googlebot.) Membership duration: 30 dias rolling. Resultado: sessões reais de crawlers de AI segmentadas por página, frequência e padrão de acesso — evidência direta de que o site está sendo indexado pelos modelos que interessam.
Os casos abaixo são anônimos — setores e portes, sem nomes. Dados internos disponíveis em reunião com Account Manager mediante solicitação.
Primeiro Commerce Layer completo
93,1 / 100
Empresa de tecnologia B2B 57 páginas | Enterprise | B2B. Primeira implementação completa do Commerce Layer com a EPIC. O site não tinha nenhum componente de L0 ou L4 antes do projeto. Implementação em duas waves: L0 + L4 na primeira (llms.txt, robots.txt AEO-optimized, agent-card.json com 3 ações executáveis, sitemap-aeo.json, endpoints transacionais), seguida de L1/L2/L3 e L6 na segunda. Infraestrutura M2M apta a receber requisições de agentes autônomos — instrumentação de volume via GA4 AI Crawlers Audience em construção, com primeiras leituras esperadas no Q3 2026. Layer 6 deployada com widget Open-in-LLM ao vivo.
Layers: L0 + L1 + L2 + L3 + L4 + L6
Score máximo prático
9,0 / 10
Empresa de energia retail 3 páginas | Mid-market | B2C/B2B. Homepage com score AEO crítico na auditoria inicial: a maior parte dos checks de L0 e L1 falhando. Nenhum llms.txt, robots.txt bloqueando crawlers de AI inadvertidamente, JSON-LD ausente. Projeto de escopo focado: L0 completo + L1 na homepage. A homepage atingiu 9,0 / 10 no audit granular após implementação. Implementação em menos de uma semana.
Layers: L0 + L1 (homepage)
Dogfood EPIC
95,1 / 100
A EPIC aplica o framework em si mesma Esta página, /aeo, foi auditada pelo próprio CLI @epic-digital/aeo em maio/2026: Combined Score 95,07/100 — L0 Discovery 100 · L1 Structured Data 98 · L2 Semantic HTML 100 · L3 Narrative Blocks 100 · L4 Commerce Layer 81 (teto técnico do CMS atual) · L5 Measurement 79 · L6 Agentic Experience 100. As LPs /aeo/produto (92,8/100) e /aeo/diagnostico (92,3/100) também rodaram o framework. A homepage epic.digital permanece em 42,1/100 no audit de maio/2026 (L1 e L6 zerados) — remediação prevista na próxima wave de implementação. A transparência sobre o gap residual é parte do método.
Pillar live em 95,07 · Homepage em remediação L1 → L3 → L6
Cases externos referem-se a setores e portes, sem nomes de clientes. Dados detalhados disponíveis em reunião com Account Manager mediante solicitação.
§ 08
Perguntas frequentes
Perguntas frequentes sobre AEO
Dez perguntas factuais sobre Answer Engine Optimization, llms.txt, agent-card.json, Commerce Layer e implementação do Framework v2.2 da EPIC. Respostas autocontidas e citáveis por LLMs.
AEO (Answer Engine Optimization) é a disciplina de otimizar um site para ser descoberto, citado e transacionado por máquinas — crawlers de AI, sistemas de retrieval e agentes autônomos. Não é SEO (que otimiza para buscadores tradicionais) nem GEO (que foca em citação por AI generativa). AEO cria infraestrutura dedicada para agentes executarem ações no site.
SEO otimiza para Google e Bing. GEO otimiza conteúdo para ser citado por AI generativa. AEO inclui ambos e acrescenta a Commerce Layer — infraestrutura que permite a agentes autônomos transacionar com o site via endpoints JSON. As três disciplinas são complementares; AEO é a mais abrangente.
Não. AEO é uma camada adicional sobre o SEO, não uma substituição. Um site com SEO sólido e AEO implementado tem vantagem em dois canais distintos: buscadores tradicionais e answer engines. As técnicas de SEO (velocidade, links, autoridade de domínio) continuam válidas e relevantes.
llms.txt é um arquivo de texto simples publicado na raiz do site que resume, em linguagem natural, o que o site oferece — para que LLMs entendam o domínio sem precisar rastrear todas as páginas. Padrão emergente já adotado por marcas de referência como Anthropic, Mistral, Cloudflare, Stripe e Perplexity, com centenas de sites listados no diretório público llmstxt.cloud. Sites sem llms.txt chegam aos modelos sem contexto declarado.
agent-card.json é o manifesto de capacidades de um site para agentes autônomos, publicado em /.well-known/agent-card.json. Segue o Google A2A Protocol (150+ organizações fundadoras). Declara o nome do site, suas capacidades e as ações disponíveis para agentes. É o componente central do Commerce Layer (L4).
Commerce Layer é a camada de infraestrutura machine-to-machine do AEO Framework (Layer 4). Composta por três artefatos — llms.txt, agent-card.json e sitemap-aeo.json — mais endpoints transacionais JSON. Permite que agentes autônomos solicitem cotações, agendem demonstrações e comparem preços sem intervenção humana.
O método mais confiável é o 50-prompt-protocol: rodar 50 prompts representativos manualmente no ChatGPT, Perplexity e Gemini por trimestre e registrar em quais respostas o site ou a empresa são citados. Não existe dashboard público para essa métrica — as UIs de chat e as APIs são modelos distintos com comportamentos diferentes.
Depende do escopo. L0 (Discovery) leva de 2 a 4 horas para sites em HubSpot ou Express e é o maior ROI por hora de implementação do framework. L4 (Commerce Layer) — trio de arquivos — leva de 6 a 10 horas adicionais. Implementação completa (L0 a L6) em site de 15 a 25 páginas: 60 a 100 horas distribuídas em waves.
Sim, com restrições por tier. HubSpot Pro e Enterprise suportam L0, L1, L2 e L3 sem mudança de CMS — JSON-LD via campo de código customizado no template, llms.txt via URL Mappings. L4 (endpoints transacionais) requer HubSpot Enterprise (Serverless Functions) ou stack complementar (Express/Node.js). L6 (widget Agentic Experience) funciona em qualquer tier via snippet HTML.
GEO (Generative Engine Optimization) foca em otimizar conteúdo para ser citado por AI generativa — basicamente o Layer 3 do AEO. O AEO Framework da EPIC adiciona seis camadas adicionais: discovery técnico (L0), dados estruturados (L1), HTML semântico (L2), infraestrutura transacional para agentes (L4), medição (L5) e handoff ativo humano→LLM (L6). GEO é uma das camadas; AEO é o sistema completo.
§ 09
Para times técnicos
Para times técnicos
CLI proprietário EPIC (@epic-digital/aeo v2.2.0) e suas capabilities — audit dos 76 checks em qualquer URL, geração de artefatos do Commerce Layer (llms.txt, agent-card.json, sitemap-aeo.json), comparação entre domínios e modo deep para SPAs.
O AEO Framework v2.2 é executado pelo CLI proprietário da EPIC (@epic-digital/aeo, v2.2.0) — a mesma ferramenta interna usada em todos os engagements. Ele roda os 76 checks automatizados, gera os artefatos do Commerce Layer (llms.txt, agent-card.json, sitemap-aeo.json) e produz relatório HTML com Combined Score granular por camada.
O CLI não é distribuído publicamente — é o tool de execução que a EPIC opera ao auditar, implementar e re-auditar cada cliente. O valor para o seu time não está em rodar o tool sozinho; está em ter o framework documentado (você lê a spec dos 76 checks aqui mesmo) + o relatório de audit pronto, interpretado e priorizado por especialista AEO.
01
Audit de 7 camadas, 76 checks em qualquer URL
Combined Score 0–100 com score granular por L0–L6. Listagem de checks pass/fail com evidence e recommendation por check. Comparação ao longo do tempo para detectar regressões após deploys.
02
Geração de artefatos do Commerce Layerllms.txt, agent-card.json (A2A Protocol) e sitemap-aeo.json pré-preenchidos para o seu domínio, a partir do crawl e análise da URL auditada.
03
Comparação lado a lado entre dois domínios
Você vs. concorrente — Combined Score e score por camada, com delta de gaps e vantagens por layer.
04
Modo --deep para SPAs
Renderização JavaScript via Playwright para sites com conteúdo dinâmico que não aparece no HTML estático.
05
Output em HTML visual, JSON estruturado ou Markdown
Relatório HTML com gráfico de radar por camada, JSON para integração com pipelines de CI/CD, Markdown para documentação interna.
Como acessar: Solicite o audit gratuito — a EPIC roda o CLI no seu domínio em até 1 dia útil e devolve o relatório HTML completo com interpretação dos gaps. Sem auto-serviço; com leitura especializada.
§ 10
Próximo passo
Próximo passo
Dois caminhos distintos por intent: prospect novo solicita diagnóstico AEO gratuito do seu site (resultado em 1 dia útil), cliente EPIC ativo aciona Account Manager para discutir o add-on no engagement existente.
Diagnóstico gratuito do seu site
Rodamos o aeo audit no seu domínio com o CLI EPIC. Você recebe um relatório HTML com Combined Score por camada, gaps críticos identificados e potencial de melhoria por layer — resultado em 1 dia útil.
AEO está disponível como lane paralela ao seu engagement atual ou como projeto pontual com escopo fechado. O primeiro passo é o mesmo: audit do seu domínio para identificar os gaps de maior impacto.
Documentação técnica das 7 camadas (L0 a L6), diagnóstico AEO gratuito para novos prospects, página de add-on para clientes EPIC ativos e artefatos machine-readable do Commerce Layer (llms.txt, agent-card.json, sitemap-aeo.json).
O AEO Framework v2.2 (7 camadas, 76 checks) é documentado publicamente nesta página e nos sete spokes técnicos. O CLI @epic-digital/aeo que executa os checks é ferramenta proprietária EPIC — usado em todos os engagements, não distribuído publicamente.
