Google wdraża zestaw zmian, które przesuwają odkrywanie produktów z dopasowywania słów kluczowych na konwersacyjne, oparte na intencji doświadczenia. AI będzie bezpośrednio sugerować Twoje produkty potencjalnym kupującym.
Dwie części są najważniejsze dla retailerów i agencji zarządzających Google Shopping na dużą skalę:
- Business Agent w Google Search
Business Agent to nowe konwersacyjne doświadczenie w Google Search, w którym kupujący mogą „czatować” z marką, jak z wirtualnym sprzedawcą w sklepie. Google przedstawia to jako ewolucję wcześniejszego doświadczenia Q&A w profilu marki, z większą możliwością personalizacji i głębszą integracją danych. Może wykorzystywać dane zakupowe z Merchant Center oraz informacje z Twojej strony internetowej do odpowiadania na pytania, a Google zaznacza, że wkrótce pojawią się dodatkowe możliwości, takie jak trenowanie agenta danymi biznesowymi i insightami wydajności. - Nowe atrybuty danych w Merchant Center zaprojektowane pod handel konwersacyjny
Google ogłosiło także dziesiątki nowych atrybutów Merchant Center, których celem jest poprawa odkrywania produktów w konwersacyjnych powierzchniach, takich jak AI Mode, Gemini i Business Agent. Atrybuty te „uzupełniają” istniejące feedy i wykraczają poza tradycyjne słowa kluczowe, obejmując m.in. odpowiedzi na typowe pytania o produkt, kompatybilne akcesoria oraz zamienniki.
Praktyczny wniosek jest prosty: jeśli kupujący może o to zapytać, powinieneś móc to przedstawić w ustrukturyzowanych danych produktowych w swoim feedzie Google Shopping.
Dlaczego to sprawia, że feedy są ważniejsze (i bardziej operacyjne)
Historycznie feedy Google Shopping były połączeniem zgodności (spełnij specyfikację, unikaj odrzuceń) i strojenia pod wyniki (tytuły, product_type, etykiety, pokrycie GTIN, dokładność cen). To nadal ma ogromne znaczenie, ale zakupy konwersacyjne dodają nowy wymóg:
- „Odpowiedź” często musi zostać zbudowana z danych produktowych, a nie wywnioskowana z ubogiego tytułu.
- Kwalifikacja i trafność będą w coraz większym stopniu zależeć od pokrycia atrybutów, spójności i szczegółowości.
- Twój feed staje się systemem referencyjnym tego, co asystent AI może bezpiecznie i z pewnością powiedzieć o Twoim katalogu.
Własna dokumentacja Merchant Center Google już teraz przedstawia poprawne formatowanie i kompletność jako kluczowe, ponieważ nieprawidłowe lub brakujące informacje o produkcie mogą uniemożliwić wyświetlanie reklam i ofert. W interfejsach agentowych kara za słabe dane to nie tylko mniejszy zasięg, ale także gorsze odpowiedzi, mniej kwalifikowanych kliknięć i więcej rozmów o „złym produkcie”.
Co w praktyce oznaczają „atrybuty konwersacyjne”
Z ogłoszenia Google kierunek jest jasny: wyjść poza słowa kluczowe i rozbudować ustrukturyzowane informacje, które odpowiadają naturalnym pytaniom:
- Specyfikacje produktu (ustrukturyzowane parametry, które zwykle znajdują się na stronach produktu)
- Listy Q&A (typowe pytania i odpowiedzi, które zadają kupujący)
- Listy cech (wyróżniki w punktach, elementy różnicujące)
- Informacje o kompatybilności (akcesoria, części zamienne, zamienniki)
- Dodatkowe cechy opisowe, takie jak kształty, smaki, motywy (zależne od kategorii)
To zmienia sposób myślenia o optymalizacji feedu. To mniej „wydłuż tytuł”, a bardziej „spraw, by produkt był zrozumiały dla asystenta”.
- Przykłady pytań kupujących, na które Twoje dane powinny odpowiadać„Czy to etui jest kompatybilne z iPhone 15 Pro Max?”
- „Czy ta sofa przejdzie przez drzwi o szerokości 76 cm?”
- „Czy ten suplement jest wegański i bezglutenowy?”
- „Jaka jest różnica między modelem A a modelem B?”
- „Jaki filtr zamienny pasuje do tego oczyszczacza powietrza?”
Jeśli nie potrafisz przedstawić tych odpowiedzi w czystych atrybutach (albo przedstawiasz je niespójnie), asystent albo nie pokaże Twojego produktu, albo udzieli ogólnej odpowiedzi, która może słabiej konwertować.
Lista kontrolna gotowości feedu na Business Agent i powierzchnie AI
Oto praktyczna lista kontrolna, której możesz użyć, aby ocenić swój obecny feed Google Shopping i dane katalogowe.
1) Dopilnuj podstaw
To nadal jest niepodlegające negocjacjom, ponieważ kwalifikacja w Merchant Center od tego zależy.
- Spójność ID, cen, dostępności, linków, image_link
- Pokrycie GTIN/MPN/brand tam, gdzie ma to zastosowanie
- Mapowanie kategorii (google_product_category), higiena product_type
- Dokładność konfiguracji wysyłki i podatków
Jeśli te elementy są niestabilne, każde wzbogacanie wyższego rzędu staje się kruche.
2) Traktuj treści PDP jako źródło danych, a nie tylko copy
Większość „konwersacyjnej” wartości już gdzieś na Twojej stronie istnieje, ale jest nieustrukturyzowana:
- tabele specyfikacji
- listy punktowane
- FAQ
- tabele rozmiarów
- listy kompatybilności
- instrukcje, listy składników, zalecenia pielęgnacji
- zdjęcia produktu
Zadanie polega na tym, aby to wyodrębnić, znormalizować i opublikować w dedykowanych polach, które mogą przejść przez Google Merchant Center i trafić do doświadczeń AI.
3) Zbuduj warstwę kompatybilności (akcesoria, części, zamienniki)
Google wprost wskazało kompatybilność i zamienniki jako przykłady kierunku nowych atrybutów. W wielu branżach kompatybilność decyduje o tym, czy dojdzie do konwersji:
- elektronika (etui, ładowarki, uchwyty)
- AGD (filtry, części zamienne)
- motoryzacja (dopasowanie)
- moda (stylizacje, pasujące zestawy)
- beauty (odpowiedniki odcieni, wkłady/uzupełnienia)
Nawet lekka wersja pomaga: relacje parent-child, grupowania „works_with” lub kuratorowane mapowania akcesoriów.
4) Twórz Q&A dopasowane do realnego języka zakupowego
Business Agent może odpowiadać na pytania o produkt głosem Twojej marki i wykorzystywać Merchant Center oraz informacje ze strony. To oznacza, że powinieneś:
- standaryzować „typowe pytania” dla każdej kategorii
- zapewnić, że odpowiedzi są zgodne z politykami i prawdą na PDP
- unikać niejednoznacznych twierdzeń (zwłaszcza w kategoriach regulowanych)
5) Wprowadź governance i QA dla wzbogacania
Gdy tylko zaczniesz generować lub wyodrębniać atrybuty na dużą skalę, potrzebujesz kontroli:
- reguły walidacji (dozwolone wartości, regex, limity długości)
- progi pewności dla wyodrębnionych atrybutów
- ścieżki audytu: co się zmieniło i dlaczego
- workflow próbkowania (kontrola wyrywkowa wg kategorii, marki, przedziału cenowego)
- monitoring dryfu, gdy zmieniają się szablony PDP
Gdzie pasuje Feedoptimise: wzbogacanie, ekstrakcja i operacje na feedach
Feedoptimise jest zbudowane wokół idei, że zarządzanie feedem to ciągła praca na danych, a nie jednorazowy eksport. Po stronie platformy widać to w trzech możliwościach, które są bezpośrednio istotne dla agentowego zwrotu Google:
1) Skaluj modyfikacje feedu i reguły specyficzne dla kanałów
Feedoptimise wspiera masowe modyfikacje danych za pomocą reguł i formuł do konwersji, ekstrakcji, walidacji, łączenia z plików zdalnych i nie tylko, a zmiany można przeglądać w czasie rzeczywistym. To fundament do budowania wyników „atrybutów konwersacyjnych”, które różnią się w zależności od kategorii lub rynku, bez przepisywania źródłowego katalogu.
2) Ekstrakcja i uzupełnianie atrybutów wspierane przez AI
Feedoptimise wprost wspiera generowanie treści feedu z użyciem AI oraz ekstrakcję wspomaganą przez AI w celu uzupełniania brakujących atrybutów (w podanych przykładach: kolor, materiał, płeć), a także masowe generowanie i przepisywanie tytułów, opisów, kategorii i innych atrybutów.
To kluczowe odblokowanie dla handlu konwersacyjnego: możesz zamienić chaotyczny tekst z PDP w ustrukturyzowane pola na dużą skalę, bez czekania, aż zespół inżynieryjny przebuduje Twoją bazę produktów. Możesz też wyodrębniać brakujące informacje z PDP ze zdjęć produktu, jeśli są na nich obecne.
Praktyczne zastosowania nowych atrybutów Google obejmują:
- wyodrębnianie par specyfikacji z opisu i tabel specyfikacji do znormalizowanego bloku specyfikacji
- wyodrębnianie specyfikacji lub brakujących informacji ze zdjęć przy użyciu vision AI
- generowanie czystej listy cech z długich opisów
- tworzenie szkiców odpowiedzi Q&A opartych na Twoim PDP i ograniczeniach polityk
- wyprowadzanie tagów kompatybilności z nazw modeli i notatek o dopasowaniu
- wnioskowanie brakujących atrybutów (materiał, wzór, wykończenie, zastosowanie), aby poprawić jakość dopasowania
3) QA, raportowanie i kontrolowane eksperymenty
Feedoptimise zawiera wbudowane raportowanie i monitoring jakości dla atrybutów feedu, a także możliwość testów A/B wariantów danych poprzez przełączanie modyfikacji. W przypadku atrybutów konwersacyjnych ma to znaczenie, ponieważ będziesz chcieć testować pytania takie jak:
- Czy generowane listy cech poprawiają CTR w porównaniu z punktami producenta?
- Czy bardziej rygorystyczne dane kompatybilności zmniejszają liczbę zwrotów?
- Jakie formaty specyfikacji prowadzą do lepszej widoczności w powierzchniach AI?
Nowa baza optymalizacji: „Czy asystent potrafi poprawnie sprzedać ten produkt?”
Google dostosowuje Search, Shopping i Gemini do odkrywania konwersacyjnego i wyraźnie inwestuje w atrybuty Merchant Center oraz Business Agent jako warstwę danych i interakcji. To podnosi poprzeczkę jakości feedu. Dobry feed nie jest już tylko zgodny i bogaty w słowa kluczowe. Jest kompletny, ustrukturyzowany i „odpowiadalny”.
Jeśli chcesz, aby Feedoptimise to wsparło, najbardziej wartościowym punktem startu jest zwykle audyt wzbogacania skoncentrowany na:
- jakie pytania o wysokiej intencji Twoje produkty powinny umieć obsłużyć
- jakie atrybuty już masz vs. jakie możesz wyodrębnić
- jakiej walidacji i QA potrzebujesz, zanim przeskalujesz wzbogacanie AI na cały katalog
Jeśli potrzebujesz pomocy, skontaktuj się z nami przez naszą stronę kontaktową.