Штучний інтелект дедалі частіше стає точкою входу до онлайн-покупок. ChatGPT, Gemini та інші сервіси вже не лише відповідають на запитання, а й рекомендують конкретні товари. Це змінює правила оптимізації для ecommerce: якщо раніше головну увагу приділяли сторінкам товарів і SEO, то тепер дедалі більшу роль відіграє товарний фід у Google Merchant Center.
У своєму дослідженні SEO-дослідник Том Веллс проаналізував понад 43 000 товарів, які ChatGPT рекомендував покупцям, і з’ясував, що 83% із них збігалися з результатами Google Shopping.
Ми адаптували головні висновки дослідження Search Engine Land, де пояснюють: чому якість товарного фіду вже впливає на видимість товарів у пошуку на основі ШІ не менше, ніж сторінка товару.
Товарний фід впливає на рекомендації ШІ
ChatGPT формує карусель товарів на основі окремих пошукових запитів до Google Shopping. Вони відрізняються від запитів, які модель використовує для створення текстової відповіді.
За даними Веллса, одного такого запиту часто достатньо, щоб отримати сторінку результатів Google Shopping і заповнити карусель із восьми товарів. Приблизно 60% збігів припадає на першу десятку результатів, а порядок товарів у каруселі відповідає їхнім позиціям у Google Shopping. Подібних висновків дійшли й інші дослідники.
У червні компанія Profound проаналізувала понад мільйон товарних рекомендацій у ChatGPT. Дослідження показало, що близько 99,9% товарів, які модель брала безпосередньо з фідів продавців, належали до найпопулярніших пропозицій.
За шість тижнів частка товарів, які ChatGPT отримував безпосередньо з фідів продавців, зросла з 4,3% до приблизно 20% усіх рекомендацій. На думку авторів дослідження, причина в тому, що фіди містять повніші й краще структуровані дані.
Дослідження також показало, що товари з фідів у 100% випадків містили інформацію про бренд, зображення та продавця. Для товарів, знайдених безпосередньо на сторінках сайтів, цей показник становив 0%. Крім того, усі товари з фідів отримували позначку «Найкраща ціна», тоді як серед товарів зі сторінок таку відзнаку мали лише 21%.
Причина проста: товарний фід містить готові структуровані дані, які моделі легко аналізувати. Якщо ж інформація є лише на сторінці товару, ШІ спочатку має знайти її та правильно інтерпретувати.
Співзасновник Peec AI Мальте Ландвер, чиї дані використали в дослідженні Тома Веллса, навів показовий приклад. Після додавання нового магазину до Google Merchant Center він уже наступного дня з’явився в Google Shopping, а згодом — і в рекомендаціях ChatGPT. Це свідчить, що підключення товарного фіду безпосередньо впливає на видимість товарів у сервісах на основі штучного інтелекту.
Фід не замінює сторінку товару
Попри важливість товарного фіду, сторінка товару (PDP, Product Detail Page) не втрачає своєї ролі. У багатьох матеріалах про оптимізацію для ШІ цей нюанс часто випускають з уваги.
За даними Profound, близько 88% товарних рекомендацій у ChatGPT досі формуються на основі сторінок товарів, а не фідів. Навіть у продавців, які вже використовують Google Merchant Center, приблизно 76% рекомендацій модель бере саме зі сторінок товарів.
Тому фід і сторінка товару виконують різні функції. Фід допомагає товару потрапити до рекомендацій і впливає на його позицію в результатах пошуку, а сторінка товару залишається головним джерелом інформації, яке ШІ використовує під час формування відповіді.
Фід і сторінка товару виконують різні завдання
Товарний фід відповідає за те, чи потрапить товар до добірки та яке місце він у ній займе. Натомість сторінка товару допомагає покупцеві ухвалити рішення про покупку, а також містить відгуки та іншу інформацію, яка впливає на те, як ШІ описує бренд.
Втім, самих лише згадок недостатньо. SEO-фахівчиня Лілі Рей проаналізувала бренди, які очолювали власні рейтинги товарів, і з’ясувала, що приблизно у 69% випадків ChatGPT згадував їх, але рекомендував іншого продавця.
Найчастіше першу позицію займав більший конкурент із того самого списку. Авторка називає такі випадки «примарними рейтингами»: ШІ використовує ваш матеріал як джерело інформації, але радить інший бренд.
Отже, самої оптимізації сторінки товару вже недостатньо.
У червні 2026 року автори дослідження проаналізували 11 400 відповідей про покупки в ChatGPT, Perplexity і Gemini. Вони не знайшли зв’язку між структурою категорій сайту та тим, чи рекомендував ШІ певний бренд.
Дослідники також зазначають, що одна й та сама стратегія оптимізації не працює однаково для різних платформ. Те, що дає результат в одному сервісі, може виявитися менш ефективним в іншому.
За словами директора з продажів агентства Charle Андре де Гея, агентства вже переглядають свої підходи. Його команда більше не розділяє SEO та роботу з товарними фідами на окремі напрямки.
Що насправді аналізує ШІ
ШІ аналізує сайт не так, як це робить людина. Насамперед він працює зі структурованими даними про товар: назвою, характеристиками, ціною, наявністю та іншими атрибутами.
OpenAI пояснює, що рекомендації товарів формуються без використання реклами. На них впливають релевантність, ціна, наявність товару, його якість, а також статус продавця.
Більшість цих сигналів модель отримує з товарних каталогів і фідів, а не з тексту на сторінці. Такі каталоги використовують великі ритейлери, зокрема Target, Sephora, Nordstrom, Best Buy, The Home Depot, а також мільйони магазинів на платформі Shopify.
Основою залишаються ті самі дані, які давно використовує Google Shopping: коректний GTIN (глобальний ідентифікатор товару), точна назва, актуальні ціна й наявність, якісне зображення, правильно вказаний бренд і категорія товару.
Якщо ці дані заповнені неправильно, інші способи оптимізації можуть не дати результату.
Google поступово розширює можливості товарних фідів. У липні компанія додала підтримку атрибута категорії товару, який поєднує таксономію Google із власними категоріями продавця в Merchant Listings — формату Google для відображення товарів у пошуку. Також з’явилися поля для зазначення тривалості розпродажів.
Це означає, що алгоритми отримують дедалі більше структурованої інформації про товари, і майже вся вона надходить саме з товарного фіду.
На конференції Google Marketing Live 2026 компанія представила ще одну групу полів — діалогові атрибути для Merchant Center. Це необов’язкові поля, створені спеціально для сервісів на основі штучного інтелекту, зокрема AI Mode і Gemini.
Google рекомендує використовувати такі атрибути:
- Питання та відповіді. Структуровані пари «питання — відповідь», які допомагають заздалегідь закрити типові запити покупців. Наприклад: «Чи можна брати цей товар у ручну поклажу?»;
- Супутні товари. Поля, які показують зв’язки між товарами: «часто купують разом», «необхідна деталь», «аксесуар» або «замінник». Це допомагає ШІ рекомендувати не лише окремий товар, а й пов’язаний із ним варіант;
- Посилання на документи. Дають змогу додавати PDF-файли: інструкції, технічні характеристики або таблиці розмірів;
- Група товарів і варіанти. Об’єднують різні версії одного товару та допомагають відповідати на запити на кшталт: «Покажи цей товар у чорному кольорі, розмір M»;
- Рейтинг популярності. Показує, яке місце товар посідає серед інших позицій у каталозі. Завдяки цьому модель може відповідати на запити на кшталт: «Які у вас найпопулярніші кросівки для бігу?».
Жоден із цих атрибутів не є обов’язковим і не впливає на схвалення товару в Google Merchant Center.
Їхнє завдання — передати ШІ структуровану інформацію, яку раніше можна було знайти лише на сторінці товару або в PDF-файлах. Завдяки цьому моделі не потрібно самостійно шукати й розпізнавати ці дані на сторінці.
Приховані проблеми з товарним фідом, які знижують видимість
Для більшості брендів головна проблема полягає не в стратегії, а в тому, щоб постійно підтримувати товарний фід актуальним.
У Google Merchant Center найчастіше трапляються такі помилки: відсутні або неправильні GTIN, проблеми із зображеннями, а також розбіжності в цінах чи умовах доставлення між фідом і сайтом. Якщо товар не пройде перевірку, він не просто посяде нижчу позицію в пошуку на основі ШІ — його взагалі не покажуть.
Втім, найбільше шкодять недоліки, які система не позначає як помилки.
Занадто загальні назви товарів часто не містять важливих характеристик: матеріалу, призначення, сумісності чи розміру. Шаблонні описи також ускладнюють роботу моделей, адже з них важче отримати конкретну інформацію.
Якщо у фіді немає даних про варіанти товару, запити на кшталт «чорний, розмір M» можуть не дати жодного результату.
Так само важливо чітко вказувати ціни. Компанія Previsible проаналізувала 6,77 мільйона переходів із сервісів на основі ШІ та з’ясувала, що фрази на кшталт «зверніться до нас щодо ціни» не дають моделі даних для порівняння товарів і формування рекомендацій.
Проблеми виникають і тоді, коли інформація про наявність не оновлюється. У такому разі ШІ може рекомендувати товари, яких уже немає в продажу.
Масштаб проблеми можна виміряти. Згідно зі звітом Adobe AI Traffic за другий квартал 2026 року, сторінки товарів навіть у великих ритейлерів отримали лише 63,5 бала за показником читабельності для ШІ. Для порівняння: головні сторінки сайтів і посібники з купівлі набрали близько 80 балів.
Сторінки товарів містять важливу для покупців інформацію, але часто залишаються складними для машинного зчитування. Кожна відсутня характеристика або неточність знижує шанси товару з’явитися в рекомендаціях.
У результаті товар може бути схвалений у Google Merchant Center і проіндексований Google, але не потрапити до рекомендацій, коли покупець шукає його звичайною мовою.
Саме тут покупці ухвалюють рішення
Якби покупки за допомогою штучного інтелекту залишалися нішевим явищем, брендам не довелося б поспішати зі змінами. Однак цей канал швидко зростає.
За даними звіту Adobe AI Traffic, у першому кварталі 2026 року трафік із ШІ-сервісів на сайти американських ритейлерів зріс на 393% порівняно з аналогічним періодом попереднього року. До грудня приріст перевищив 1 150%.
У березні 2026 року конверсія трафіку із ШІ-сервісів була на 42% вищою, ніж у решти трафіку. Роком раніше різниця була майже вдвічі меншою.
За даними Salesforce, у святковий сезон близько 20% світових онлайн-продажів, або приблизно $262 млрд, були пов’язані з використанням штучного інтелекту та ШІ-агентів.
Конверсія переходів із ШІ-сервісів також була приблизно у вісім разів вищою, ніж із соціальних мереж. Це означає, що такі платформи дедалі частіше приводять на сайти людей, які вже готові купувати.
Тому продавцям важливо розуміти, чи потрапляють їхні товари до рекомендацій ШІ.
Як перевірити готовність товарного фіду до роботи з ШІ
Під час перевірки товарного фіду варто зосередитися на чотирьох аспектах.
Відповідність вимогам
Перевірте в Google Merchant Center відхилені товари та діагностичні повідомлення. Насамперед виправте помилки в GTIN і розбіжності між цінами у фіді та на сайті.
Якщо товар не пройшов перевірку, ШІ-сервіси не зможуть показувати його в рекомендаціях. Це базова умова.
Повнота й конкретність даних
Перегляньте 50 товарів, які приносять найбільший дохід, і оцініть їхні назви та описи з погляду моделі штучного інтелекту.
Перевірте, чи містять назви характеристики, які важливі для покупців. Це можуть бути матеріал, розмір, сумісність, призначення або інші особливості товару.
Якщо опис лише повторює назву, він не додає нової інформації та не допомагає ШІ зрозуміти, кому й для чого підходить товар.
Діалогові атрибути
Почніть із товарів, які продаються найкраще. Додайте до них блоки «Питання та відповіді», інформацію про супутні товари та рейтинг популярності.
Насамперед зосередьтеся на SKU, які вже приносять продажі. SKU — це унікальний код окремої товарної позиції, наприклад певної моделі, кольору або розміру. Оновлювати весь каталог із десятків тисяч позицій одразу не потрібно.
Актуальність даних
Регулярно синхронізуйте ціни та інформацію про наявність товарів із даними на сайті.
Сторінки покупок на основі штучного інтелекту оновлюються постійно. Якщо товарний фід оновлюється лише раз на добу, дані в ньому можуть швидко застарівати.
Після перевірки за цими чотирма напрямами може з’ясуватися, що проблема не в стратегії просування. Часто причина простіша: товарний фід створили кілька років тому для платних кампаній Google Shopping і відтоді не адаптували до пошуку на основі ШІ.
Платформи дедалі більше покладаються на товарні фіди
Shopping Graph від Google зараз містить 60 мільярдів товарних позицій — на 10 мільярдів більше, ніж на початку року. Це база даних, яка допомагає Google зіставляти товари, продавців, ціни, характеристики та наявність.
Крім того, Google разом із Shopify, Etsy, Wayfair, Target і Walmart працює над Universal Commerce Protocol — єдиним стандартом для обміну даними між продавцями, платформами та ШІ-сервісами.
Система використовує наявний товарний фід у Merchant Center для автоматизованого оформлення замовлень. Щоб підключити товари до цього процесу, продавці мають додати до фіду атрибут native_commerce і синхронізувати дані про товари, пропозиції та відгуки.
Native_commerce — службове поле, яке повідомляє системі, що товар можна використовувати для автоматизованого оформлення замовлень.
Без цього ШІ-сервіси не зможуть оформлювати замовлення на такі товари безпосередньо у своїх інтерфейсах.
Як зазначив у липні SEO-консультант Джейсон Табелінг, Merchant Center вже не призначений лише для реклами в Shopping. Він стає основним джерелом даних про товари для пошуку на основі штучного інтелекту.
Водночас видимість брендів у пошуку на основі ШІ дедалі менше залежить від звичних органічних позицій у Google.
Дослідження SE Ranking, опубліковане в липні, показало, що лише 2,32% рекламодавців, які з’являються в AI Mode від Google, одночасно потрапляють до органічної видачі за тим самим запитом. Приблизно 85% із них узагалі не представлені в органічних результатах.
Під агентною комерцією мають на увазі покупки, під час яких ШІ не лише знаходить товар, а й допомагає порівняти пропозиції, вибрати потрібний варіант і перейти до оформлення замовлення.
Поведінка покупців також змінюється. Walmart тестував оформлення замовлень через ChatGPT, однак конверсія цього сценарію становила приблизно третину від показника на власному сайті компанії.
Згодом OpenAI відмовилася від власної функції оформлення замовлень. Проте покупці вже використовують ШІ для пошуку й порівняння товарів, а товарний фід дедалі більше визначає, які пропозиції вони побачать.
Покупки за допомогою ШІ починаються з товарного фіду
Традиційне SEO залишається важливим. Проте під час пошуку товарів моделі штучного інтелекту оцінюють не лише сторінку товару.
Їм потрібен каталог із повними, точними та структурованими даними, який містить відповіді на типові запитання покупців: про ціну, наявність, характеристики, розмір, сумісність і варіанти товару.
Багато компаній не оновлювали товарні фіди відтоді, як налаштували їх для платних кампаній Google Shopping. Ті бренди, які зараз адаптують фіди до пошуку на основі ШІ, можуть раніше за конкурентів підвищити видимість своїх товарів.
Тому якість товарного фіду вже впливає не лише на рекламу в Google Shopping, а й на те, чи з’явиться товар у рекомендаціях ChatGPT та інших ШІ-сервісів.
