Feed produktowy: 12 pól, które poprawiają widoczność w AI

Przez lata feed produktowy traktowano jak formalność po stronie działu performance: plik, który musi przejść walidację w Merchant Center, żeby kampanie ruszyły. Ten czas się skończył. Asystenci generatywni coraz częściej odpowiadają na pytania zakupowe, a odpowiadają na podstawie ustrukturyzowanych danych, nie na podstawie ładnego layoutu karty produktu. Feed jest dziś jednym z niewielu miejsc, gdzie sklep mówi do maszyny pełnym zdaniem.

Poniżej dwanaście pól, które w praktyce decydują, czy model w ogóle zrozumie, co sprzedajesz, i czy wystawi Twój produkt w rekomendacji. Kolejność nie jest przypadkowa: od identyfikacji, przez opis, po kontrolę jakości.

Feed jako źródło danych dla modeli

Model językowy, który podpowiada zakupy, rzadko czyta Twój sklep na żywo. Korzysta z indeksu produktowego, z danych partnerów handlowych albo z tego, co wyciągnął ze strony w momencie crawlowania. We wszystkich trzech przypadkach wygrywa ten, kto podał dane w formacie jednoznacznym. Feed jest właśnie takim formatem: jedna wartość, jedno pole, żadnej interpretacji.

Warto tu rozdzielić dwa kanały. Znaczniki na stronie opisaliśmy osobno w tekście o tym, jakie dane z Product i Offer naprawdę czyta AI, i tamten materiał dotyczy warstwy widocznej dla crawlera. Feed działa równolegle, zasila Merchant Center i powiązane z nim powierzchnie zakupowe. Najlepsze wyniki daje spójność obu warstw: ta sama cena, ta sama dostępność, ten sam identyfikator. Rozjazd między feedem a stroną to sygnał niskiego zaufania, a modele wolą źródła, które same sobie nie przeczą.

Pola identyfikacyjne: GTIN, MPN, marka

Pierwsze trzy pola z dwunastki to fundament, bez którego reszta ma ograniczoną wartość.

1. gtin. Globalny numer handlowy, czyli kod kreskowy produktu w wersji cyfrowej. To jedyne pole, które pozwala maszynie powiedzieć z pewnością: ten produkt u Ciebie i ten produkt u konkurencji to ten sam przedmiot. Standard opisuje GS1 i warto trzymać się go dosłownie, łącznie z cyfrą kontrolną. Brak GTIN przy produktach markowych to najczęstsza przyczyna wypadnięcia z porównań.

2. mpn. Numer katalogowy producenta. Ratuje sytuację tam, gdzie GTIN nie istnieje, na przykład przy częściach zamiennych, produktach B2B i asortymencie niszowym. Podawaj dokładnie tak, jak robi to producent, bez własnych prefiksów magazynowych.

3. brand. Nazwa marki w formie, której używa sama marka. Nie „adidas performance”, nie „ADIDAS”, tylko zapis z oficjalnej komunikacji producenta. Przy produktach własnych podaj nazwę swojego sklepu, nigdy nie zostawiaj tego pola pustego. Modele budują relację marka:produkt i puste pole wypycha Cię z tej relacji całkowicie.

Tytuł produktu: wzór, który działa

4. title. To pole waży najwięcej, bo najczęściej jest jedynym fragmentem tekstu, jaki model zobaczy w skróconym widoku. Sprawdzony wzór wygląda tak: marka, model, kluczowy wyróżnik, wariant. Przykład: „Bosch GSR 18V-55 wiertarko-wkrętarka akumulatorowa 18 V, walizka”. Wszystko, co istotne, mieści się w pierwszych sześćdziesięciu znakach, bo dalsza część bywa ucinana.

Czego unikać: nazw kampanii, wykrzykników, słów „promocja”, „hit”, „najlepszy”. Model traktuje je jako szum i obniża ocenę wiarygodności całego rekordu. Unikaj też wypychania tytułu synonimami, bo to strategia z 2015 roku, która dziś szkodzi.

Opis w feedzie a opis na stronie

5. description. Najczęściej marnowane pole w całym feedzie, bo wiele sklepów wkleja tu pierwszy akapit z karty produktu razem ze znacznikami HTML. Tymczasem opis w feedzie ma inną robotę do wykonania: ma zawierać fakty, nie perswazję. Materiał, wymiary, kompatybilność, zawartość zestawu, warunki gwarancji. Dwa do czterech zdań wystarczą, jeśli każde zdanie niesie konkret.

Ta sama logika rządzi treścią redakcyjną, o czym pisaliśmy przy okazji analizy tego, ile treści potrzebuje wpis pod AI i jaka gęstość faktów się opłaca. W feedzie ta zasada jest jeszcze ostrzejsza, bo nie masz miejsca na rozbieg.

6. product_highlights. Od trzech do sześciu krótkich punktów z najważniejszymi cechami. Pole bywa pomijane, a jest wyjątkowo wdzięczne: daje modelowi gotową listę atrybutów w formie, którą łatwo zacytować w odpowiedzi. Każdy punkt to jedna cecha, bez powtarzania nazwy produktu.

Kategoria, typ produktu i atrybuty

7. google_product_category. Kategoria ze słownika Google. Podawaj pełną ścieżkę i najgłębszy sensowny poziom, nie poziom pierwszy. Różnica między „Odzież i akcesoria” a „Odzież i akcesoria > Odzież > Odzież wierzchnia > Kurtki” to różnica między produktem, który nigdzie nie pasuje, a produktem, który trafia do właściwego porównania.

8. product_type. Twoja własna taksonomia, ta ze sklepu. Nie jest to duplikat poprzedniego pola, tylko uzupełnienie: pokazuje, jak Ty organizujesz asortyment, i pomaga grupować warianty. Trzymaj tę samą strukturę, którą masz w nawigacji, bo spójność między feedem a architekturą serwisu jest osobnym sygnałem jakości.

9. atrybuty wariantowe (item_group_id, color, size, material). Traktuję je jako jedno pole logiczne, bo działają wyłącznie razem. item_group_id spina warianty w rodzinę, a kolor, rozmiar i materiał je rozróżniają. Bez tego model widzi osiem osobnych produktów zamiast jednego w ośmiu rozmiarach i albo wybierze losowy, albo pominie wszystkie jako duplikaty.

Cena, dostępność i częstotliwość aktualizacji

10. price i sale_price. Cena musi zgadzać się z ceną na stronie co do grosza, razem z walutą. Rozbieżność to nie tylko ryzyko odrzucenia oferty, to również trwały spadek zaufania do całego konta. Jeśli prowadzisz promocję, użyj sale_price wraz z zakresem dat zamiast nadpisywać cenę bazową, bo wtedy historia ceny pozostaje czytelna.

11. availability. Trzy stany: dostępny, niedostępny, w przedsprzedaży. Pole wygląda na banalne, ale jest najczęstszym źródłem rozjazdu, bo zmienia się najszybciej. Przy magazynie powyżej tysiąca indeksów aktualizacja raz na dobę jest za rzadka. Rozwiąż to przyrostowym feedem dostępności odświeżanym co kilka godzin, oddzielnie od feedu pełnego.

Warto pamiętać, że powierzchnie generatywne reagują na nieaktualne dane ostrzej niż klasyczna wyszukiwarka. Więcej o mechanice tych rekomendacji zebraliśmy w tekście o tym, jak trafić do rekomendacji produktowych w ChatGPT Shopping.

Zdjęcia i dodatkowe materiały

12. image_link i additional_image_link. Zdjęcie główne powinno pokazywać sam produkt na jednolitym tle, w rozdzielczości co najmniej 800 pikseli na dłuższym boku, bez znaków wodnych, ramek i naklejek z ceną. Systemy rozpoznawania obrazu radzą sobie z takim kadrem znacznie lepiej niż z grafiką reklamową, a naklejka „promocja” bywa powodem odrzucenia oferty.

Zdjęcia dodatkowe wykorzystaj do pokazania detalu, skali i zawartości zestawu. To także miejsce, gdzie warto zadbać o opisowe nazwy plików i sensowny tekst alternatywny na stronie, bo model często łączy obraz z kontekstem z karty produktu. Szczegółowe wymagania dla danych produktowych w wyszukiwarce opisuje dokumentacja Google Search Central.

Kontrola jakości feedu co miesiąc

Feed nie psuje się z hukiem. Psuje się powoli: jeden import bez GTIN, jedna kategoria domyślna wpisana przez nowego pracownika, jedna zmiana w szablonie tytułu. Dlatego potrzebny jest stały rytm kontroli, nie audyt raz do roku.

Praktyczny sposób pracy z tą tabelą: raz w miesiącu pobierz feed jako plik, policz wypełnienie każdego pola prostym skryptem i zapisz wynik w arkuszu z datą. Po trzech miesiącach zobaczysz trend, a trend powie Ci znacznie więcej niż pojedynczy pomiar. Spadek wypełnienia GTIN o kilka punktów procentowych zwykle oznacza, że doszła nowa hurtownia z gorszymi danymi, i łatwiej to naprawić przy stu produktach niż przy pięciu tysiącach.

Osobno warto porównać próbkę dwudziestu losowych ofert z odpowiadającymi im kartami produktu. Szukasz trzech rzeczy: czy cena się zgadza, czy dostępność się zgadza i czy tytuł w feedzie opisuje ten sam wariant, który jest na stronie. Trzy pytania, dwadzieścia produktów, kwadrans pracy. To najtańsza kontrola jakości, jaką możesz wprowadzić, a wyłapuje większość awarii, zanim zrobią się kosztowne.

Najczęstsze pytania