AI shopping agents w e-commerce: feed i schema Product
Jeśli zarządzasz katalogiem produktów, znasz już podstawową zasadę Google Merchant Center: feed musi być czysty, aktualny i spójny ze stroną produktu. W ostatnich kilkunastu miesiącach doszły jednak nowe powierzchnie zakupowe, które czytają katalog inaczej niż klasyczna lista wyników: ChatGPT Shopping, Google Shopping w AI Mode i Alexa for Shopping, wcześniej znana jako Amazon Rufus.
Każdy z tych systemów działa po swojemu, ale wszystkie potrzebują podobnego paliwa: danych produktowych, schema.org/Product i opisu, który zawiera konkretne atrybuty. Ten poradnik pokazuje, co poprawić w feedzie, schemacie i treści strony produktu, żeby katalog był łatwiejszy do zrozumienia dla agentów zakupowych AI.
Po co optymalizować product feed właśnie teraz?
Product feed przestaje być tylko plikiem dla Google Shopping i porównywarek. Coraz częściej staje się warstwą danych, z której korzystają asystenci zakupowi, wyszukiwarki AI i systemy rekomendacji. Jeśli feed jest niepełny albo niespójny ze stroną produktu, agent może pominąć produkt przy zapytaniu, które normalnie pasowałoby do oferty.
Shift w discovery: zakupy migrują z list wyników do rekomendacji AI
Google pokazuje zakupy w AI Mode z użyciem Gemini i Shopping Graph. Według Google Shopping Graph obejmuje ponad 50 miliardów ofert produktowych z danymi takimi jak recenzje, ceny, kolory i dostępność [Źródło: Google Blog, https://blog.google/products/shopping/google-shopping-ai-mode-virtual-try-on-update/].
ChatGPT Shopping również opiera wyniki na danych produktowych. OpenAI deklaruje, że listy produktów powstają na bazie metadanych merchantów, zewnętrznych dostawców oraz danych przekazywanych bezpośrednio przez merchantów w product feedach [Źródło: OpenAI Help Center, https://help.openai.com/en/articles/11128490-shopping-with-chatgpt-search].
Amazon przemianował Rufusa na Alexa for Shopping 13 maja 2026 roku. Nowa wersja łączy wiedzę produktową Rufusa z kontekstem Alexa+ i ma pomagać w porównywaniu cech, cen i opinii także w szerszym kontekście zakupowym [Źródło: About Amazon, https://www.aboutamazon.com/news/retail/amazon-rufus-ai-assistant-personalized-shopping-features].
Co zmienia się dla e-commerce teamu
W klasycznym PPC poprawiasz kampanię, bidy i kreacje. W AI shopping surfaces punkt ciężkości przesuwa się bliżej danych produktowych. Liczą się kompletność feedu, poprawność schema Product, zgodność ceny i dostępności między feedem a stroną oraz opis produktu, który odpowiada na konkretne pytania kupującego.
To zadanie dla e-commerce managera, SEO, contentu i osoby odpowiedzialnej za katalog. Nie wystarczy „ładny opis”. Produkt musi być opisany tak, żeby system mógł rozpoznać rozmiar, materiał, kompatybilność, wariant, dostępność i warunki zakupu.
Jak działają AI shopping surfaces: feed, schema i opis
AI shopping surfaces nie czytają katalogu z jednego miejsca. Mogą korzystać z feedu, danych strukturalnych na stronie oraz zwykłego tekstu opisu produktu. Największy problem pojawia się wtedy, gdy te trzy źródła mówią coś innego: inna cena, inna dostępność, inny wariant albo brak ważnego atrybutu.
Product feed: co to jest i gdzie go wysyłać
Product feed to ustrukturyzowany plik z danymi produktów. Najczęściej ma format XML, CSV, TSV albo format wymagany przez konkretną platformę. Jeden katalog może zasilać kilka kanałów:
- Google Merchant Center dla Google Shopping i powierzchni zakupowych Google
- bezpośredni product feed do OpenAI, jeśli merchant ma dostęp do tej ścieżki
- Amazon Seller Central, jeśli sklep sprzedaje produkty w ekosystemie Amazon
Pola różnią się między platformami, ale wspólny rdzeń to zwykle: `id`, `title`, `description`, `link`, `image_link`, `price`, `availability`, `condition`, `brand` oraz identyfikator produktu, np. `gtin` albo `mpn`, jeśli ma zastosowanie.
Schema.org/Product na stronach HTML
Schema Product to dane strukturalne osadzone na stronie produktu, najczęściej jako JSON-LD w tagu `<script>`. Dla Google ma to znaczenie nie tylko w wynikach organicznych, ale też przy odczytywaniu aktualnych danych produktowych ze strony.
Minimalny przykład schema Product:
