Feed Shopping pod AI Overviews to jeden z najbardziej niedocenianych kanałów widoczności w 2026. Google AI Overviews i Gemini Shopping w odpowiedziach zakupowych („polec mi telewizor 55 cali do salonu do 4000 zł”) zaciągają dane z Merchant Center, nie z indeksu organicznego. Sklep, który ma stary, niekompletny feed, jest niewidoczny w 60-70% zapytań zakupowych z AI. Poprawny feed z rozszerzonymi atrybutami zwiększa widoczność o 3-5x w ciągu 8-12 tygodni.
Ten przewodnik opisuje strukturę feed pod AI Overviews – atrybuty obowiązkowe i rozszerzone, walidację, częstotliwość re-sync, pomiar cytowań. Wpisuje się w pełną strategię sklepu opisaną w przewodniku SEO dla e-commerce.
W skrócie
- AI Overviews czerpie dane z Merchant Center, nie z indeksu organicznego – feed to krytyczna warstwa.
- Minimum 15 atrybutów plus 5-8 atrybutów rozszerzonych (np. product_highlight, product_detail).
- Feed aktualizowany minimum raz dziennie, optymalnie 3-6 razy przez Content API.
- Obrazy w feed w rozdzielczości minimum 800 x 800 px, optymalnie 2000 x 2000 px.
- Walidacja: Feed diagnostics + sampling 50 SKU co tydzień przez narzędzie zewnętrzne.
Jak Google AI Overviews używa feed
Od połowy 2024 roku AI Overviews w zapytaniach zakupowych renderuje karuzelę produktów bezpośrednio z Merchant Center. Google nie wywołuje strony sklepu przy formułowaniu odpowiedzi – bierze dane z feed: tytuł, opis, cenę, zdjęcie, ocena, dostępność. Jeśli feed ma braki, produkt jest deprioritized lub pomijany. Gemini Shopping działa analogicznie, plus bierze pod uwagę dodatkowe sygnały jak shipping_label czy product_highlight.
Dokumentacja Google Merchant Center opisuje pełne pole atrybutów, ale nie rozróżnia „ważnych dla AI” od „ważnych dla klasycznego Shopping”. W praktyce kilka atrybutów ma nieproporcjonalnie duży wpływ na widoczność w AI Overviews – opisujemy je niżej. Pełny kontekst dla Google Shopping i AI zbiera się w artykule o Google Shopping i AI.
Atrybuty obowiązkowe – minimum techniczne
| Atrybut | Wymóg | Uwaga |
|---|---|---|
| id | wymagany | Unikalny SKU, stabilny w czasie |
| title | wymagany | 70-150 znaków, marka + model + atrybuty kluczowe |
| description | wymagany | 1000+ znaków, faktograficzny, pod AI |
| link | wymagany | Kanoniczny URL produktu |
| image_link | wymagany | Min 800 x 800 px, HTTPS |
| additional_image_link | zalecany | Do 10 dodatkowych zdjęć |
| availability | wymagany | in_stock, out_of_stock, preorder, backorder |
| price | wymagany | Format „99.99 PLN”, brutto |
| sale_price | zalecany | Kiedy obowiązuje promocja |
| sale_price_effective_date | zalecany | ISO 8601, dwie daty |
| brand | wymagany | Producent, nie sklep |
| gtin | silnie zalecany | EAN 13 dla 95%+ produktów |
| mpn | zalecany | Gdy brak GTIN |
| google_product_category | zalecany | Z taxonomii Google (pełna ścieżka) |
| product_type | zalecany | Wewnętrzna kategoria sklepu |
| condition | wymagany | new, used, refurbished |
| shipping | wymagany dla UE | Koszt + czas per kraj/region |
Bez tego minimum produkt nie trafia do żadnej warstwy Shopping, klasycznej ani AI. Sklepy, które nie mają sale_price_effective_date, tracą widoczność przy promocjach (Omnibus compliance).
Atrybuty rozszerzone – to daje przewagę
Kluczowe atrybuty, które Google AI Overviews aktywnie wykorzystuje przy rankingu i selekcji produktów. Nie są „wymagane”, ale sklep bez nich jest widziany jako niekompletny.
product_highlight (nowe od 2023)
Pole dla 3-5 bullet pointów (po 70-150 znaków każdy), które podsumowują kluczowe cechy. Google pokazuje je bezpośrednio pod zdjęciem w AI Overview. Przykład:
- „4K OLED EVO, 120 Hz, HDR10+ dla gier”
- „webOS 23 z ChatGPT Search”
- „Dolby Vision IQ dostosowany do oświetlenia”
- „Magic Remote z rozpoznawaniem głosu po polsku”
Sklepy z product_highlight pojawiają się w AI Overview 40-60% częściej niż te bez. Priorytet numer jeden przy optymalizacji feed.
product_detail
Ustrukturyzowana lista atrybut-wartość (np. „Przekątna | 55 cali”, „Typ matrycy | OLED”, „Port HDMI | 4x HDMI 2.1”). Minimum 10-15 wartości dla elektroniki, 5-8 dla odzieży. To pole zastępuje „free-form description” w AI – jest łatwiejsze do parsowania i cytowania.
ads_redirect
URL z parametrami kampanii – przydatne do śledzenia konwersji, ale neutralne dla SEO.
custom_label_0 do custom_label_4
Pięć pól dowolnej etykiety – wykorzystywane do segmentacji w kampaniach Performance Max, ale również wpływa na dopasowanie do zapytań. Przykłady etykiet: „flagowy”, „promocja sezonowa”, „nowość”, „bestseller”. Gemini Shopping bierze te etykiety pod uwagę przy selekcji top 3 produktów.
shipping_label, shipping_length, shipping_weight
Dla produktów wielkogabarytowych (meble, AGD) – Google pokazuje koszt wysyłki w karuzeli AI. Bez tych pól koszt wysyłki nie jest widoczny, co obniża CTR z AI Overview o 20-35%.
item_group_id i warianty
Dla produktów wariantowych: wszystkie warianty (rozmiary, kolory) mają ten sam item_group_id. To pozwala Google grupować je w karuzeli i pokazywać najbardziej trafny wariant dla konkretnego zapytania.
Tytuł w feed – pod AI Overviews
Tytuł to najbardziej niedoceniony atrybut. Google AI wyświetla tytuł w 100% trafień z AI Overview i używa go jako głównego sygnału rankingu. Struktura tytułu pod AI:
[Marka] [Model] [Kategoria] [Kluczowe atrybuty] [Rok/Kolekcja opcjonalnie]
Przyklad: LG OLED55C3 Telewizor OLED 55" 4K 120Hz 2024Unikaj słów-wypełniaczy: „najlepszy”, „hit”, „tanio”, „promocja”. Google filtruje te słowa lub obniża ranking. Każde słowo w tytule powinno nieść konkretną informację.
Długość tytułu
AI Overviews wyświetla maksymalnie 70 znaków. Klasyczne Shopping – do 150. Strategia: pierwsze 70 znaków muszą zawierać markę, model, kategorię i 1-2 kluczowe atrybuty. Kolejne 80 znaków to dodatkowe atrybuty dla klasycznego Shopping.
Opis produktu w feed – różnica od opisu na sklepie
Feed description może być inny niż opis na stronie. Dla AI Overviews warto uprościć i spłaszczyć – 500-800 znaków faktograficznych zdań bez HTML. Struktura:
- Zdanie otwierające z nazwą i kategorią (100-150 znaków).
- 3-5 faktów o kluczowych atrybutach (każdy 80-120 znaków).
- Fraza o zastosowaniu / dla kogo (100-150 znaków).
- Informacja o gwarancji / serwisie (50-100 znaków).
AI czyta ten opis, parsuje fakty i waży ich wiarygodność vs inne sklepy. Sklep z bogatszym i bardziej ustrukturyzowanym opisem wygrywa. Technikę generowania tego pod skalę opisujemy w artykule o bulk AI content.
Obrazy w feed – specyfika AI Overviews
AI Overviews renderuje główne zdjęcie w rozmiarze 400 x 400 px (miniatura) lub 800 x 800 px (rozwinięcie). Jakość obrazu jest kluczowa – pikseloza dyskwalifikuje produkt z karuzeli.
| Wymóg | Wartość |
|---|---|
| Rozdzielczość minimum | 800 x 800 px |
| Rozdzielczość optymalna | 2000 x 2000 px |
| Format | JPEG, PNG, WebP, GIF statyczny |
| Rozmiar pliku | do 16 MB |
| Proporcje | 1:1 (kwadratowe) preferowane |
| Tło | Białe lub neutralne dla packshotu |
| Watermarki | Zabronione w głównym zdjęciu |
Dodatkowe zdjęcia (additional_image_link) – do 10 na produkt, pokazują scenariusze użycia, detal, tył, opakowanie. Gemini Shopping bierze je pod uwagę przy selekcji najlepszego dopasowania do zapytania typu „pokaż mi [produkt] w kolorze [x]”.
Częstotliwość aktualizacji feed
Google Merchant Center akceptuje dwa tryby aktualizacji: plik statyczny (raz dziennie) lub Content API (dowolna częstotliwość). Dla sklepu pod AI Overviews Content API jest zdecydowanie preferowane.
- Cena i availability – update 4-6 razy dziennie lub przy każdej zmianie. Przy częstych promocjach – co 15-30 minut.
- Tytuł i opis – update przy zmianie, nie częściej niż raz na 24 h.
- Obrazy – update przy dodaniu nowego zdjęcia.
- Atrybuty rozszerzone – update cotygodniowy, bo Google cache’uje je przez kilka dni.
Integracja Content API to 2-4 dni developmentu. Alternatywnie – sklepy na Shopify mogą używać natywnej integracji Google & YouTube (darmowa, synchronizuje feed co 15 min). Szczegóły dla Shopify w artykule o konfiguracji Shopify pod AI.
Walidacja feed – Feed diagnostics i narzędzia zewnętrzne
Merchant Center ma wbudowaną Feed diagnostics – pokazuje błędy, ostrzeżenia, powiadomienia. Kluczowe widoki:
- Errors – produkt odrzucony, nie wyświetla się wcale.
- Warnings – produkt widoczny, ale obniżony priorytet.
- Notifications – sugestie ulepszeń.
Cel: 0 errors, mniej niż 5% warnings na całym feed. Typowe warnings, które obniżają widoczność w AI Overviews: missing gtin (dla większości kategorii obowiązkowe), price_mismatch_with_landing_page (cena w feed inna niż na stronie), missing_shipping (brak konfiguracji wysyłki per region).
Narzędzia zewnętrzne
- DataFeedWatch – walidacja, transformacje, multi-channel.
- GoDataFeed – podobne, plus integracja z Facebook Shops i TikTok.
- Channable – popularny w Europie, dobry dla multi-country.
- FeedGen by Google – open-source generator feed z AI (do uzupełniania brakujących atrybutów).
Pomiar widoczności w AI Overviews
Bezpośredni pomiar widoczności w AI Overviews jest trudny – Google nie udostępnia API do sprawdzania „czy mój produkt jest w AI Overview dla zapytania X”. Dwa podejścia:
Manualny audit
50-100 zapytań zakupowych typowych dla branży, wykonywanych co tydzień z różnych IP (VPN) i różnych kont Google. Dla każdego zapytania sprawdzamy: czy AI Overview się pojawia, czy nasz produkt jest w karuzeli, na której pozycji, z jakim tytułem i zdjęciem. Czasochłonność: 3-5 godzin tygodniowo.
Proxy metryki w Merchant Center
Wskaźniki, które korelują z widocznością w AI: Impressions per product w Merchant Center Performance, CTR dla Performance Max z segmentu „Search”, wskaźnik Enhanced click-through rate. Wzrost tych metryk typowo poprzedza wzrost bezpośredniej widoczności w AI Overviews o 2-4 tygodnie.
Pełna metodyka pomiaru widoczności sklepu w AI – w artykule o pomiarze widoczności.
Promocje i sale_price – dynamiczne pola
Od 2023 Google Omnibus wymaga: sale_price_effective_date z dwoma datami (początek i koniec promocji), sale_price, w description info o najniższej cenie z 30 dni. Niezgodność = automatyczne disapprove produktu.
Dla sklepów z flash sales (godzinne promocje) – Content API z batch update 200-500 produktów naraz. Limit Merchant Center: 2000 batch/godzinę, 50 000 items/batch.
Feed multi-country i multi-language
Dla sklepów B2C w więcej niż jednym kraju UE – oddzielny feed per kraj, plus opcjonalnie multi-country targeting w jednym feed. Drugi tryb prostszy, ale mniej elastyczny dla różnic w cenach, VAT, shipping.
- PL – PLN, shipping ze spec polskich kurierów.
- DE – EUR, shipping z DHL/Hermes, tłumaczenie tytułu i opisu.
- CZ – CZK, shipping Zasilkovna, tłumaczenie.
Koszt tłumaczenia feed na nowy kraj: 5-15 tys zł dla 2000 SKU (AI translate + review). Zwrot: 4-8 miesięcy przy aktywnym markecie.
Najczęstsze błędy w feed pod AI
- Brak product_highlight – sklep traci 40-60% widoczności w AI Overviews.
- Brak gtin dla produktów markowych – automatyczne obniżenie priorytetu.
- Tytuł ze słowami-wypełniaczami („najlepszy”, „hit”) – filtr Google obniża ranking.
- Obrazy z watermarkami – dyskwalifikacja z karuzeli.
- Tylko jedno zdjęcie – brak additional_image_link = 25-40% niższa widoczność.
- Brak sale_price_effective_date przy promocji – łamie Omnibus, disapprove.
- Feed raz dziennie zamiast Content API – spóźnione ceny i availability.
- Niepoprawny google_product_category – produkt pokazuje się w nieadekwatnych zapytaniach.
- Brak custom_label – brak segmentacji dla Performance Max.
- Tytuł dłuższy niż 70 znaków z kluczowymi atrybutami na końcu – AI Overviews tnie tytuł i traci kontekst.
Integracja feed z SGE i Gemini
Search Generative Experience (SGE) i Gemini Shopping używają tego samego feed. Optymalizacja pod AI Overviews działa również na te dwa kanały. Różnice:
- SGE częściej używa product_detail (ustrukturyzowane atrybuty).
- Gemini Shopping bardziej zależy od obrazów (multi-image prompt).
- Perplexity Commerce (od 2025) cytuje description w pełnej formie, nie tylko tytuł.
Sklep zoptymalizowany pod AI Overviews jest automatycznie dobrze przygotowany pod SGE i Gemini. Inwestycja w feed ma dźwignię na 3-4 kanały jednocześnie. Pełną strategię zbieramy w przewodniku po strategiach AIO.
Koszt konfiguracji i utrzymania feed
| Etap | Jednorazowy koszt | Czas |
|---|---|---|
| Audyt obecnego feed | 2-4 tys zł | 3-5 dni |
| Wdrożenie product_highlight i product_detail dla 2000 SKU | 8-15 tys zł | 3-4 tygodnie |
| Content API integration | 4-8 tys zł | 1-2 tygodnie |
| Multi-country rollout (3 kraje) | 15-30 tys zł | 6-10 tygodni |
| Narzędzie walidacji (DataFeedWatch) | 2-3 tys zł/mies. | stałe |
Utrzymanie po wdrożeniu: 0,1-0,2 etatu specjalisty + 1-2 tys zł/miesięcznie narzędzi. Ten koszt jest o rzędy wielkości niższy niż potencjalny wzrost przychodu z AI Overviews (przy aktywnej kategorii zakupowej).
Schema Product na stronie a feed
Schema Product na karcie produktu (JSON-LD) i feed Merchant Center to dwa niezależne kanały, ale Google oczekuje spójności. AI Overviews używa obu – schema potwierdza dane z feed, a feed dostarcza pola, których nie ma w schema (np. shipping per region).
Minimum: cena, availability, brand, sku w schema muszą być identyczne z feed. Ponadto strona musi mieć AggregateRating w schema – to pozwala Google wyświetlać gwiazdki w AI Overview z feed. Sklep z feed ale bez schema traci rich results o 40-60%.
Narzędzia walidacji spójności
- Rich Results Test – dla schema na stronie.
- Merchant Center Feed diagnostics – dla feed.
- Własny skrypt porównujący oba źródła tygodniowo.
Automatyzacja tej walidacji ma sens dla sklepów z 1000+ SKU. Koszt developmentu: 2-3 dni. Zwrot: uniknięcie masowych disapprove i szybkie wyłapywanie rozbieżności.
Synchronizacja feed z opisami na stronie
Google twardo wymaga zgodności między feed a stroną – cena, dostępność, tytuł muszą się zgadzać. Rozbieżność nawet o 1 grosz = warning price_mismatch_with_landing_page, a przy większej skali całkowity disapprove produktu. Najczęstsze powody rozbieżności:
- Feed aktualizowany o 9:00, zmiana ceny na stronie o 10:00 – 23 godziny rozbieżności.
- Promocja pokazana tylko w koszyku („rabat -10% w koszyku”) – Google widzi cenę pełną na stronie, obniżoną w feed.
- VAT dla gości niezalogowanych vs zalogowanych – różne ceny widoczne.
- Zaokrąglenia groszowe przy przeliczaniu z EUR/USD.
Rozwiązanie: ten sam proces generowania ceny dla feed i strony. Najlepiej serwerowa logika cen, wywoływana przez obie warstwy. W przypadku promocji w koszyku – pokazuj cenę obniżoną na karcie produktu tak samo jak w feed.
Scraping feedu na weryfikację
Dobrze jest mieć zewnętrzny skrypt, który co 6-12 godzin pobiera feed z Merchant Center (eksport) i porównuje z rzeczywistą ceną na stronie. Dla 3000 SKU to 30-60 min skanu. Alert przy rozbieżnościach powyżej 1%. Takie narzędzie wyłapuje problemy, zanim Google zrobi disapprove.
Kategorie Google Product Taxonomy
google_product_category to pełna ścieżka z oficjalnej taksonomii Google (np. „Elektronika > Telewizja i wideo > Telewizory”). Poprawne mapowanie jest krytyczne – Google decyduje, w jakich zapytaniach pokazać produkt na podstawie kategorii. Błędna kategoria = brak widoczności w odpowiednich zapytaniach.
Taksonomia ma 6000+ kategorii. Dla większości sklepów 90% produktów wpada w 20-30 kategorii. Mapowanie ręczne trwa 2-4 dni dla 2000-3000 SKU. Alternatywa: Google Product Categorization API (w FeedGen) używa Gemini do automatycznej klasyfikacji – dokładność 93-96% dla standardowych kategorii.
Product_type jako uzupełnienie
product_type to wewnętrzna taksonomia sklepu (np. „Dom > Kuchnia > AGD > Kawiarki > Ciśnieniowe”). Google używa jej jako dodatkowego sygnału. Mapowanie 1:1 z drzewem kategorii sklepu – oszczędza manualnej pracy. Dobrą praktyką jest zachowanie pełnej ścieżki z separatorem ” > „.
Specyfika polskiego rynku
Polski rynek e-commerce ma kilka specyfik, które warto uwzględnić w feed.
Ceneo i Opineo integracja
Agregatorzy Ceneo i Opineo zasilają się feed Merchant Center (z opcjonalnym osobnym feed). Sklepy, które mają dobre feed, automatycznie mają lepszą pozycję w Ceneo. Opinie z Opineo można wrzucać do feed Merchant Center przez Product Ratings program – widoczność AggregateRating dla AI Overviews.
Nazwy produktów z polskimi znakami
Merchant Center akceptuje polskie znaki, ale niektóre stare integracje (szczególnie XML static feed) gubią diakrytyki. Audyt co tydzień: losowe 50 SKU i sprawdzenie w panelu Merchant Center, czy tytuł ma poprawne ś, ć, ź.
VAT i ceny brutto
Cena w feed to zawsze brutto dla B2C (VAT 23%). B2B ma oddzielny feed z flagą included_destination wyłączającą shopping. Sklepy mieszane (B2B + B2C) powinny mieć dwa feed z różnymi rules.
Kurierzy i czas wysyłki
Polskie kurier popularne w feed: InPost Paczkomaty, DPD, DHL, Poczta Polska. Konfiguracja shipping per region (województwo) daje dokładniejszy koszt i czas. Czas wysyłki „0-1 day + 1-2 days delivery” to standard dla InPost w dużych miastach.
Feed a AI Shopping w Gemini
Gemini Shopping (od 2024) wyświetla produkty inaczej niż klasyczny AI Overview – pełna karta z zdjęciem, ceną, oceną, opisem krótkim i CTA. Dodatkowe sygnały, które Gemini bierze pod uwagę:
- Ocena agregatowa – Gemini pokazuje gwiazdki; brak oceny = obniżka priorytetu.
- Liczba opinii – produkt z 50+ opiniami jest ranking wyżej niż z 5.
- Czas dostawy – „1-2 dni” bije „5-7 dni” w rankingu.
- Darmowa wysyłka – sygnał mocno wpływający na pozycję.
- Rękojmia / gwarancja – pole warranty w feed (nowe od 2025).
Sklep, który chce dominować w Gemini Shopping, musi zadbać o wszystkie pięć sygnałów. Każdy z nich wymaga oddzielnej konfiguracji w Merchant Center i aktualizacji feed.
Microsoft Shopping i Bing
Osobny kanał – Microsoft Merchant Center obsługuje feed dla Bing Shopping i Microsoft Copilot. Format feed prawie identyczny z Google (99% atrybutów się pokrywa). Sklep, który ma poprawny feed Google, potrzebuje 3-5 dni na migrację do Microsoft.
Widoczność w Bing i Copilot rośnie w 2026 – Bing ma 8-12% rynku wyszukiwania w Polsce (głównie przez Edge i Copilot). Dla sklepu z 3000 SKU i 500 tys zł/rok przychodu organicznego z Google, Bing daje inkrementalnie 30-80 tys zł/rok przy minimalnym dodatkowym koszcie.
Case: feed w sklepie elektroniki użytkowej
Sklep z elektroniką RTV/AGD (3500 SKU) wdrożył pełną optymalizację feed w październiku 2025. Stan wyjściowy: feed plik XML raz dziennie, 12 atrybutów, brak product_highlight, obrazy 500 x 500 px, tytuły z frazami promocyjnymi.
Optymalizacja: migracja na Content API (1 tydzień), dodanie product_highlight dla 100% SKU (3 tygodnie), upgrade obrazów do 2000 x 2000 px (2 tygodnie – nowe zdjęcia fotografa), przebudowa tytułów pod schemat „Marka Model Kategoria Atrybuty” (2 tygodnie z AI + QA).
Efekty po 12 tygodniach: widoczność w AI Overviews dla 100 top zapytań wzrosła z 8% do 41%, CTR z Merchant Center wzrósł o 56%, przychód z Shopping campaigns +72%. ROI całej inicjatywy: 4,1x w pierwszym kwartale.
Jak przygotować zespół do zmiany w feed
Optymalizacja feed wymaga współpracy trzech zespołów: content (opisy i tytuły), technical (Content API i schema), marketing (kampanie Shopping i Performance Max). Bez współpracy zmiany utykają w silosach. Typowa struktura projektu:
- Owner projektu – head of e-commerce lub SEO manager.
- Redaktor content – przygotowanie product_highlight i opisów dla 2000+ SKU.
- Inżynier – Content API, sync z Merchant Center, monitoring.
- Specjalista Shopping – konfiguracja Performance Max, custom_label, feed rules.
- Fotograf lub agencja – nowe zdjęcia 2000×2000 dla top SKU.
Przygotowanie zespołu i kick-off projektu trwa 1-2 tygodnie – szkolenia, dostępy, alignment na cele. To czas dobrze zainwestowany, bo oszczędza 4-6 tygodni w połowie projektu przy pierwszych konfliktach między zespołami.
Wpływ Google Search Central na feed
Wytyczne Google Search Central dla e-commerce opisują relację między feed, schema i stroną produktu – feed jest zapleczem, schema potwierdzeniem, strona dowodem. AI Overviews łączy wszystkie trzy warstwy, dlatego inwestycja tylko w feed (bez schema lub dobrej strony) daje ułamek potencjalnego efektu (więcej w dokumentacji Google Search Central o strukturze produktów).
Monitoring feed w czasie rzeczywistym
Oprócz tygodniowego audytu, dobrze jest mieć monitoring w czasie rzeczywistym – alerty przy nagłym wzroście liczby warnings, disapprove lub spadku impressions. Narzędzia:
- Merchant Center API – pobieranie metryk co 15 minut, Slack webhook przy anomalii.
- Google Analytics 4 – custom event przy stronie produktu z flagą „merchant_center_status”.
- BigQuery export – daily dump Merchant Center do BQ, queries historyczne.
Dashboard w Looker Studio nad BQ zbiera główne metryki w jednym widoku: liczba active SKU, disapprove, impressions per day, click per day, konwersja. Koszt stworzenia: 2-3 dni, utrzymania: minimalny. Przydatność wysoka szczególnie dla sklepów z cyklami sezonowymi.
Strategia rollout dla sklepów z 5000+ SKU
Dla dużych sklepów pełna optymalizacja feed to projekt 3-6 miesięcy. Rollout warstwami, nie big bang.
- Miesiąc 1: Content API + atrybuty obowiązkowe dla 100% SKU.
- Miesiąc 2: product_highlight dla top 500 SKU (najwyższa marża lub sprzedaż).
- Miesiąc 3: product_highlight dla kolejnych 1500 SKU + product_detail dla top 500.
- Miesiąc 4: Obrazy 2000 x 2000 dla top 1000 SKU, kolejne 500 additional_image_link.
- Miesiąc 5: Multi-country rollout jeżeli sklep sprzedaje zagranicznie.
- Miesiąc 6: Optymalizacja custom_label_0-4 dla Performance Max, integracja Ceneo/Opineo.
Ta kolejność maksymalizuje wartość – najdroższe optymalizacje (nowe zdjęcia, tłumaczenia) zostają na później, kiedy wczesne zmiany już przyniosły ROI. Priorytetyzacja bazuje na Pareto – 20% SKU generuje 80% przychodu.
Wpływ feed na kanały poza Shopping
Poprawny feed to inwestycja, która zwraca się w 4-5 kanałach jednocześnie. Kluczowe kanały i wpływ:
- AI Overviews – +40-70% widoczności przy pełnej optymalizacji.
- Performance Max – +25-50% CTR, +15-30% konwersji.
- Free listings – +60-150% impression (od 2022 feed zasila też darmowe listing).
- YouTube Shopping – dostępny dla sklepów z feed Merchant Center.
- Google Images – zdjęcia z feed są wyświetlane w Google Images z metadata ceny.
Efekt kumulatywny często przekracza 2x całościową widoczność sklepu w pierwszych 6-12 miesiącach po pełnej optymalizacji feed.
FAQ – najczęstsze pytania
Czy feed Shopping jest ważniejszy niż opis na stronie?
Dla AI Overviews – tak, ponieważ AI zaciąga dane z Merchant Center, nie z indeksu organicznego. Dla klasycznego Google Search – równoważnie. Najlepiej zsynchronizować oba źródła (spójność cena + description + availability) i dbać o oba równolegle.
Jak często aktualizować feed?
Cena i availability – 4-6 razy dziennie lub przy zmianie (Content API). Tytuł i opis – przy zmianie, nie częściej niż raz na 24 h. Obrazy – przy dodaniu nowych. Pełny feed submit – raz dziennie jako fallback, nawet jeśli używasz Content API.
Co daje product_highlight?
3-5 bullet pointów (po 70-150 znaków), które Google pokazuje pod zdjęciem w AI Overview. Priorytet numer jeden po podstawowych atrybutach. Sklepy z product_highlight pojawiają się w AI Overview 40-60% częściej. Dodaj to pole przed wszystkimi innymi optymalizacjami.
Czy muszę mieć GTIN dla wszystkich produktów?
Dla produktów markowych – tak (wymóg Google od 2022, dla większości kategorii). Dla marek własnych (private label) – opcjonalnie, ale silnie zalecane. Brak GTIN = automatyczna obniżka priorytetu i 30-50% niższa widoczność w AI Overviews.
Jak tłumaczyć feed na inne kraje?
AI translate (GPT-4o, DeepL) na poziomie feed, potem human review dla 10-20% próbki. Oddzielny feed per kraj – pozwala na różne ceny, shipping, atrybuty per market. Multi-country targeting w jednym feed – prostszy, ale mniej elastyczny.
Czy warto inwestować w FeedGen by Google?
Tak, dla sklepów z niekompletnymi feed-ami. Narzędzie open-source używa Gemini do uzupełniania brakujących atrybutów (brand, gtin, product_highlight) na podstawie istniejących danych. Koszt: tylko Gemini API (0,10-0,30 zł per produkt). Zwrot: natychmiastowy.
Co robić przy disapprove produktu?
Sprawdzić Feed diagnostics – kod błędu i opis. Najczęstsze: price_mismatch (różna cena w feed vs strona), image_too_small (<800 px), missing_gtin. Po fix, request re-review w Merchant Center. Czas do ponownego approve: 12-48 h.
Czy feed Performance Max to to samo co Shopping?
Technicznie ten sam feed Merchant Center zasila klasyczne Shopping, Performance Max, free listings, AI Overviews. Różnica to reguły targetowania i licytacji w każdej kampanii. Optymalizacja feed pomaga we wszystkich kanałach naraz – dlatego ma tak wysoką dźwignię.
Co dalej
Po ustabilizowaniu feed, rozszerz optymalizację na opisy kategorii sklepu pod AI i stały pipeline aktualizacji produktów. Całość spina się w przewodniku SEO dla e-commerce.
