Najważniejsze wnioski w pigułce
Co się zmieniło
- Raport AI Performance Insights w Google Merchant Center zyskał trzy nowe sekcje: AI Search intent, AI Search terms oraz AI attributes.
- Narzędzie zadebiutowało w lipcu, a na początku września rozpoczęło się jego rozszerzanie na kolejne regiony.
- Google zaktualizowało również dokumentację pomocy dotyczącą tego raportu.
Co dają nowe sekcje
- AI Search intent — pokazuje, jak Twoje produkty odpowiadają na zapytania klientów kierowane do wyszukiwania AI.
- AI Search terms — podpowiada popularne frazy, które warto dodać do opisów produktów widocznych w wynikach AI.
- AI attributes — wskazuje brakujące atrybuty produktowe, których uzupełnienie zwiększy widoczność w wyszukiwaniu AI.
Co to oznacza dla sklepów
- Feed produktowy przestaje być tylko bazą danych dla reklam — staje się materiałem źródłowym dla odpowiedzi generowanych przez AI.
- Jakość opisów i kompletność atrybutów przekłada się bezpośrednio na obecność w wynikach opartych na sztucznej inteligencji.
- Po raz pierwszy sprzedawcy dostają dane o intencjach zakupowych w AI zamiast domysłów.
Merchant Center przestaje być „czarną skrzynką” wyszukiwania AI
Przez ostatnie miesiące właściciele sklepów internetowych mierzyli się z tym samym problemem: produkty pojawiały się w odpowiedziach generowanych przez AI, ale nikt nie wiedział dlaczego jedne, a inne nie. Brakowało danych, brakowało punktu odniesienia, a optymalizacja feedu opierała się głównie na intuicji. Raport AI Performance Insights, uruchomiony w lipcu, był pierwszym krokiem do zmiany tego stanu rzeczy.
Teraz Google idzie dalej. Do raportu dołączyły trzy nowe sekcje, które zauważył i opisał Brodie Clark, publikując zrzuty ekranu z nowej wersji interfejsu. Równolegle Google zaktualizowało dokumentację pomocy, co potwierdza, że nie chodzi o test dla wąskiej grupy kont, lecz o stałe rozszerzenie narzędzia. Dla sprzedawców to przejście od spekulacji do konkretnych rekomendacji.
Trzy sekcje, trzy różne pytania biznesowe
Sekcja AI Search intent odpowiada na pytanie: czego naprawdę szukają klienci korzystający z wyszukiwania AI i jak Twoja oferta się w to wpisuje. To dane o dopasowaniu asortymentu do realnych intencji zakupowych, a nie do fraz wpisywanych w klasyczne pole wyszukiwania. Różnica jest zasadnicza, bo zapytania kierowane do AI są dłuższe, bardziej opisowe i często zawierają kontekst użycia produktu.
AI Search terms działa jak lista zadań dla zespołu contentowego. Google wskazuje popularne frazy, które warto wpleść w opisy produktów pojawiających się już w wynikach AI. To najszybsza ścieżka do poprawy widoczności, bo pracujesz na kartach, które mają udowodniony potencjał — brakuje im tylko właściwego słownictwa.
Trzecia sekcja, AI attributes, punktuje luki w danych strukturalnych. Brakujący rozmiar, materiał, kolor czy przeznaczenie produktu to nie kosmetyka — to informacje, których model potrzebuje, by w ogóle uznać Twoją ofertę za trafną odpowiedź. Uzupełnienie atrybutów bywa najtańszą i najszybszą optymalizacją w całym feedzie.
Feed produktowy to nowy content marketing
Przez lata feed produktowy traktowano jako techniczny plik obsługujący kampanie Google Shopping. Nowe raporty zmieniają tę optykę: opisy i atrybuty stają się materiałem, z którego AI buduje odpowiedzi dla użytkowników. Jeśli Twój opis brzmi jak wklejona specyfikacja producenta, model nie znajdzie w nim kontekstu potrzebnego do dopasowania go do pytania klienta.
Praktyczna konsekwencja jest taka, że sklepy powinny zacząć pisać opisy produktów językiem klienta, a nie językiem katalogu. Zamiast suchego „bawełna 100%” — informacja o przeznaczeniu, sezonie, typie sylwetki czy okazji. Rekomendacje z sekcji AI Search terms dają w tym gotowy punkt startu, bo pokazują dokładnie te słowa, których brakuje.
Jak wykorzystać nowe dane w praktyce
Zacznij od audytu kompletności atrybutów — to zadanie techniczne, mierzalne i dające szybkie efekty. Następnie wyodrębnij grupę produktów, które już pojawiają się w wynikach AI, i potraktuj je priorytetowo przy przepisywaniu opisów. Dopiero w trzecim kroku warto sięgnąć po analizę intencji, żeby ocenić, czy asortyment w ogóle odpowiada na zapotrzebowanie rynku, czy może brakuje w nim całych kategorii.
Warto też ustalić rytm przeglądania raportu — dane o wyszukiwaniu AI zmieniają się szybciej niż klasyczne raporty słów kluczowych, bo zmienia się samo zachowanie użytkowników. Comiesięczny przegląd rekomendacji i wdrażanie ich partiami daje lepsze efekty niż jednorazowa, duża optymalizacja raz na kwartał.
Podsumowanie
Rozszerzenie raportu AI Performance Insights o intencje, frazy i atrybuty to pierwszy zestaw narzędzi, który pozwala świadomie optymalizować ofertę pod wyszukiwanie oparte na sztucznej inteligencji. Sklepy, które potraktują feed produktowy jak treść, a nie jak plik techniczny, zbudują przewagę zanim konkurencja zauważy zmianę.
Źródło: Search Engine Roundtable — Google Merchant Center AI Performance: AI Search Intent, Terms & Attribution
