Najważniejsze wnioski w pigułce
Dlaczego dane produktowe są tak ważne
- Około jedna trzecia zapytań zakupowych trafia do Google, a wyniki opierają się na danych produktowych sprzedawców.
- Ten sam feed zasila trzy kanały: organiczne wyniki zakupowe, kampanie płatne oraz wyszukiwanie AI.
- W Google Shopping Graph znajduje się ponad 35 mln ofert produktowych — na górę wybijają się tylko te z najbogatszymi informacjami.
- ChatGPT buduje większość karuzel produktowych na podstawie feedów sprzedawców, a nie samych stron produktowych.
Najczęstsze błędy
- Brak spójności między feedem, treścią strony produktowej i danymi strukturalnymi (schema).
- Niewykorzystywanie bezpłatnych ofert (free listings) w Google Merchant Center — nie zawsze są włączone domyślnie.
- „Nieuzbrojone” dane: ogólnikowe tytuły bez typu produktu, przeznaczenia czy wyróżników.
- Rozjazd cen i stanów magazynowych, który prowadzi do odrzucenia ofert.
Co robić
- Rozdzielić feed organiczny od płatnego — organiczny powinien zawierać pełny asortyment.
- Wdrożyć schema grup produktowych (product group) opisującą relacje między produktem nadrzędnym a wariantami.
- Dodać dane o dostawie i zwrotach — 47% kupujących porzuca koszyk z powodu dodatkowych kosztów.
- Aktualizować atrybuty na poziomie źródła (CMS/PIM), a nie ręcznie.
Dane produktowe pracują na trzech frontach jednocześnie
Optymalizacja pod wyszukiwanie AI przyciąga dziś najwięcej uwagi, ale wiele marek e-commerce pomija znacznie prostszą i bardziej wymierną szansę. Chodzi o jakość danych produktowych — tego samego zestawu informacji, który zasila organiczne siatki produktowe w Google, kampanie płatne oraz odpowiedzi modeli językowych. Zaniedbanie tego obszaru kosztuje widoczność w trzech kanałach naraz, choć problem najczęściej sprowadza się do kilku braków w feedzie.
Google wciąż pozostaje kluczowym motorem sprzedaży dla sklepów internetowych, mimo rosnącej popularności narzędzi AI. Około jedna trzecia zapytań zakupowych trafia właśnie tam, a wyszukiwarka odpowiada na nie, korzystając z danych dostarczonych przez sprzedawców. Im pełniejszy i bardziej precyzyjny opis, tym większa szansa na ekspozycję.
Warto zdawać sobie sprawę ze skali konkurencji. W Google Shopping Graph znajduje się ponad 35 mln ofert produktowych — na szczyt przebijają się tylko te opisane najbogatszym zestawem atrybutów. Jednocześnie ChatGPT generuje większość swoich karuzel produktowych na podstawie feedów sprzedawców, a nie treści zeskanowanych ze stron produktowych. To oznacza, że jeden dobrze przygotowany plik danych pracuje na widoczność w miejscach, które jeszcze rok temu nie istniały.
Dwa błędy, które najczęściej gaszą widoczność organiczną
Pierwszym i najpowszechniejszym problemem jest brak synchronizacji między źródłami danych. Dane strukturalne muszą odzwierciedlać rzeczywiste informacje o produkcie, a feed powinien być zgodny z tym, co widzi użytkownik na stronie. Rozbieżności dotyczące ceny, kosztów wysyłki czy warunków zwrotu podnoszą współczynnik odrzuceń, bo klient czuje się wprowadzony w błąd. Google reaguje podobnie: przy sprzecznych sygnałach chętniej wyświetli ofertę konkurencji, a przy brakujących danych — na przykład zdjęciach lub informacji o dostawie — po prostu odrzuci produkt.
Drugi błąd to niewykorzystywanie bezpłatnych ofert produktowych w Google Merchant Center. Wiele marek nie ma ich włączonych, bo w ustawieniach metod marketingowych nie zawsze są aktywne domyślnie. Tymczasem to nie tylko darmowa ekspozycja, lecz także wygodne środowisko do testów A/B różnych wariantów optymalizacji, bez ryzyka i bez kosztu mediowego.
Podstawą pozostaje higiena danych. Aktualne zdjęcia, poprawne ceny, realne stany magazynowe i przejrzysta informacja o dostawie to warunek wstępny — bez nich produkt nie pojawi się w wynikach niezależnie od tego, jak dobrze zoptymalizowana jest reszta.
Rozdziel feed organiczny od płatnego
Feed organiczny i feed reklamowy powinny działać niezależnie od siebie. Powód jest praktyczny: kampanie płatne rzadko obejmują cały asortyment. Część produktów nie ma sensu biznesowego w reklamie, a budżet zwykle nie pozwala na sensowne pokrycie całego katalogu. W wynikach organicznych logika jest odwrotna — każdy produkt, którego zabraknie w feedzie, to utracona szansa na wyświetlenie przy zapytaniu długiego ogona.
Osobny feed organiczny, zsynchronizowany z treścią serwisu, wzmacnia też rozpoznawalność encji produktowych i sygnalizuje Google, że to właśnie twoja marka jest wiarygodnym źródłem informacji o danym produkcie. To dodatkowa warstwa potwierdzenia, która przekłada się na zaufanie algorytmu.
Rozdzielenie kanałów ma jeszcze jedną zaletę: pozwala testować zmiany w tytułach, atrybutach czy opisach bez wpływu na wyniki kampanii płatnych. Praca staje się czystsza, bardziej ustandaryzowana i łatwiejsza do skalowania.
„Nieuzbrojone” dane, czyli opisy, które niczego nie mówią
Duża część marek traci widoczność, bo ich dane produktowe nie zawierają cech pozwalających klientowi podjąć decyzję. Klasyczny przykład to ogólnikowy tytuł, w którym brakuje typu produktu, przeznaczenia, grupy docelowej czy głównego wyróżnika. To właśnie te elementy dopasowują ofertę do konkretnych, długich zapytań. Prosty test: spójrz na tytuł w oderwaniu od zdjęcia i strony — czy jasno wynika z niego, czym ten produkt w ogóle jest?
Drugi wymiar problemu to feed uboższy niż strona produktowa. Brakujące opisy, oceny i recenzje mają realną wagę w procesie decyzyjnym, a bez nich oferta wygląda blado na tle konkurencji. Podobnie działają koszty dodatkowe — 47% kupujących porzuca koszyk właśnie z ich powodu. Udostępnienie pełnej informacji o dostawie i zwrotach jeszcze przed etapem kasy realnie ogranicza ten problem.
Trzecia przyczyna to rozjazd danych, które zmieniają się najczęściej: cen i dostępności. To one najczęściej powodują odrzucenie oferty. Dlatego atrybuty warto aktualizować na poziomie źródła — bezpośrednio z CMS-u lub systemu PIM — zamiast uzupełniać je ręcznie. Przy takim podejściu nowe produkty i nowe atrybuty, na przykład identyfikatory grup produktowych, wdrażasz jednym ruchem dla całego katalogu.
Schema, o której wszyscy zapominają
Spośród wszystkich typów danych strukturalnych dla produktów najczęściej pomijana jest schema grupy produktowej (product group). To ona opisuje relację między produktem nadrzędnym — na przykład konkretnym modelem szortów — a jego wariantami w różnych kolorach i rozmiarach. Każdy wariant ma przy tym własne oznaczenie wyjaśniające, czym się różni i czy obowiązuje dla niego inna cena, na przykład przy przecenie jednej kolorystyki. Dobrze wdrożone struktury zagnieżdżają się w sobie jak matrioszki.
Ponieważ warianty produktów pojawiają się w Google Shopping jako osobne wyniki, brak tych oznaczeń wprowadza wyszukiwarkę w błąd i utrudnia jej zrozumienie twojego katalogu. Tuż za schemą grup produktowych plasuje się oznaczenie danych o dostawie i zwrotach. Można je zdefiniować bezpośrednio w ustawieniach Merchant Center i zastosować do wielu feedów naraz — pod warunkiem że będą zgodne z informacjami na stronie.
Jedno zastrzeżenie: dane o wysyłce i zwrotach warto trzymać na stronie głównej albo na dedykowanych podstronach dostawy i zwrotów. Umieszczanie ich na każdej stronie produktowej to zła praktyka, bo nawet błędne oznaczenie na karcie produktu ma pierwszeństwo przed poprawnym gdzie indziej.
Wyszukiwanie AI podnosi stawkę
AI Overviews i AI Mode coraz częściej pokazują produkty gotowe do zakupu, a rekomendacje w obu przypadkach opierają się na Google Product Graph — zasilanym przez strony produktowe, Merchant Center i dane strukturalne. To ten sam fundament co w wynikach organicznych, więc jedna dobrze wykonana praca obsługuje oba kanały.
Zmienia się też samo zachowanie użytkowników. Google zaczyna udostępniać sprzedawcom w USA, Wielkiej Brytanii, Kanadzie i Australii narzędzia zakupowe oparte na agentach AI. Dzięki technologiom takim jak Universal Commerce Protocol (UCP) klient nie będzie musiał w ogóle wchodzić na stronę marki — zakup sfinalizuje bezpośrednio w AI Mode. Marki, które chcą wyprzedzić ten trend, potrzebują kompletnych danych produktowych już teraz, zwłaszcza pod kątem możliwości cross-sellingu.
Do tego dochodzą reklamy w ChatGPT, których uruchomienie zapowiedziano, a feedy zakupowe mają być częścią tego kanału. To wciąż wczesny etap i brakuje danych o skuteczności, ale uporządkowanie danych produktowych nie niesie tu żadnego ryzyka — ta sama praca już dziś zwraca się w pozostałych kanałach.
Podsumowanie
Kompletne i spójne dane produktowe pozostają fundamentem sprzedaży online niezależnie od tego, jak szybko rozwija się wyszukiwanie AI. Optymalizacja feedów, stron produktowych i danych strukturalnych to jedna z niewielu inwestycji, która jednocześnie poprawia widoczność w trzech kanałach i doświadczenie użytkownika — a przy dobrze ustawionych procesach nie wymaga dużego nakładu pracy.
Źródło: Re:signal — „Why your product data is costing you visibility, and what to do about it”, resignal.com
