Você tem 200 anúncios performando bem no ML. Quer levar pra Shopee e Magalu. Tentação: copia, cola, replica. Resultado: anúncios duplicados, ranking baixo nos 3, e em alguns casos suspensão por "spam" (sim, marketplace detecta).
Cross-listing certo é adaptar, não copiar. Esse texto abre o método: o que mantém igual, o que precisa mudar e por quê.
O problema do copy-paste literal
Os 3 marketplaces usam algoritmos de busca diferentes:
| Marketplace | Foco do algoritmo |
|---|---|
| ML | Keyword no título + categoria + atributos estruturados |
| Shopee | Engajamento (cliques, favoritos) + tags + título |
| Magalu | Nome técnico + ficha de atributos + categoria mãe |
Título que ranqueia em ML pode ser ruim em Shopee, e vice-versa. Exemplo real:
- ML: "Tênis Esportivo Masculino Corrida Academia Original"
- Shopee: "Tênis Masculino Confortável Casual Promoção"
- Magalu: "Tênis Masculino Tamanho 42 Cor Preto Esportivo"
Mesma sapatilha, 3 títulos. Cada um otimizado pro algoritmo de cada lugar.
O que fica igual
3 elementos sempre iguais entre marketplaces:
- Imagem principal (fundo branco padrão, mesma proporção)
- GTIN/EAN/SKU (mesmo código de produto)
- Marca + modelo + atributos físicos (cor, tamanho, voltagem)
Diferenciar isso só causaria caos no estoque e na NF-e (NCM tem que bater).
O que precisa adaptar
Título
ML privilegia título com keywords específicas no início. Shopee privilegia título emocional/casual. Magalu privilegia título técnico:
- ML: até 60 chars, 3-5 keywords no início, sem emoji
- Shopee: até 100 chars, engajamento e benefício no centro, emoji ok
- Magalu: até 60 chars, nome técnico + variação principal
Descrição
- ML: markdown rico, com listas, headings, links pra outros anúncios seus
- Shopee: descrição corrida, sem markdown, com hashtags no fim
- Magalu: descrição corrida + tabela de atributos no fim
Atributos estruturados
Cada marketplace tem ficha técnica diferente. ML usa o catálogo dele (predict_category retorna atributos obrigatórios). Shopee tem tier_variation pra cor/tamanho. Magalu tem group/SKU no formato deles.
Mapear atributos entre os 3 é o que mais consome tempo no cross-listing manual. Sem ferramenta, leva 5-10 min por anúncio.
Categoria
A pior armadilha. "Eletrônico > Smartphone" tem ID diferente em cada um. Categoria errada = Buy Box impossível, busca não encontra, ranking morre.
Preço
Já tratei isso no post anterior, mas vale reforçar: preço diferente por marketplace pra manter margem-alvo igual. Tarifa de cada um é diferente.
Variações
ML usa attribute_combinations. Shopee usa tier_variation_list. Magalu usa group + SKU. Estrutura de dados completamente diferente.
O método cross-listing inteligente
1º caminho que funciona em escala.
Passo 1 — Anúncio mestre no marketplace mais robusto
Cria primeiro no Mercado Livre (catálogo mais rico, ML predict_category preenche metade dos atributos). Esse vira o anúncio mestre.
Passo 2 — Mapeamento de categoria
Pra cada categoria ML, mapeia uma categoria correspondente em Shopee e Magalu. Salva isso em tabela:
ML category MLB1234 → Shopee category 100456 → Magalu category abc-123
Sem mapeamento prévio, cada anúncio precisa de pesquisa manual de categoria.
Passo 3 — Tradução de atributos
Atributos do ML viram atributos da Shopee. Tabela:
ML "MODEL" → Shopee "modelo"
ML "BRAND" → Shopee "marca"
ML "GTIN" → Shopee "barcode"
Atributos sem correspondência (raro) precisam de input manual.
Passo 4 — Adaptação de título e descrição
Algoritmo (ou IA) adapta título do ML pro padrão Shopee/Magalu. Mantém keywords principais, ajusta tamanho e tom.
Passo 5 — Publicação coordenada
Publica nos 3 ao mesmo tempo (não 1 por dia — ML pode marcar como "duplicado de outra plataforma" se demorar muito).
Passo 6 — Validação pós-publicação
24-48h depois, confere:
- Anúncio ativo nos 3
- Estoque sincronizado
- Categoria correta (busca funciona)
- Preço dentro da margem alvo
Cross-listing em massa
Pra carteira grande (>100 SKUs), cross-listing manual é inviável. Você precisa de:
- Categoria inteligente (predição automática nos 3)
- Mapeamento de atributos (cadastro 1x, reutiliza)
- Bulk publish (publica 50 anúncios em paralelo)
- Auditoria pós-publish (relatório do que falhou)
Como o EVA Pro faz
O CrossListButton + BulkCrossListModal do EVA:
- Lê seu anúncio ML (com todos os atributos)
- Sugere categoria Shopee/Magalu correspondente (baseado em base treinada)
- Adapta título via IA seguindo padrão de cada marketplace
- Publica nos 3 (ou em 1 só, à escolha)
- Mantém estoque sincronizado a partir daí
Pra bulk: marca 50 anúncios, clica "Cross-list em massa". Modal mostra progresso (Review → Processing → Done) com erros por SKU.
Próximos passos: quer cross-listar 50 anúncios em 5 min? Testa o EVA Pro grátis — conecta ML + Shopee + Magalu e roda o BulkCrossList no primeiro acesso.




Comentários
Carregando…