Feed do ChatGPT Ads to nie feed organiczny. Dwa katalogi, dwie kwalifikacje, dwa zestawy KPI

Przesłanie feedu produktowego do ChatGPT Ads Manager nie powoduje pojawienia się produktów w organicznych rozmowach zakupowych ChatGPT. To dwa osobne systemy z odrębnymi warunkami kwalifikacji, innymi mechanizmami aktualizacji i zupełnie różnymi KPI. Przetestowaliśmy konwersję feedów z Google Merchant Center do formatu OpenAI na trzech sklepach – w przypadku każdego z nich ponad 30% pól wymagało transformacji, a 8-15% atrybutów nie miało odpowiednika w feedzie źródłowym. Rozróżnienie tych dwóch kanałów to warunek sensownego planowania budżetu na widoczność w AI.

OpenAI uruchomiło ChatGPT Product Ads w kwietniu 2025 jako format reklamowy oparty na feedzie katalogowym. Równolegle ChatGPT od końca 2024 wyświetla organiczne rekomendacje produktowe w rozmowach zakupowych – karty z ceną, zdjęciem i linkiem do sklepu. Te dwa systemy współdzielą interfejs (użytkownik widzi produkty w czacie), ale mają osobne źródła danych, osobne kryteria kwalifikacji i osobne raporty efektywności.

Dwa systemy produktowe w ChatGPT – nie jeden

Zamieszanie wynika z tego, że użytkownik widzi produkty w tym samym interfejsie czatu, niezależnie od tego, czy są organiczne, czy płatne. Ale za kulisami to dwa odrębne pipeline’y z różnymi źródłami danych.

Organiczne rekomendacje produktowe pojawiają się, gdy użytkownik zadaje pytanie zakupowe – „jaki laptop do programowania do 4000 zł?” lub „najlepszy krem z filtrem SPF 50″. ChatGPT przeszukuje dane z wielu źródeł: crawlowane strony, schema Product JSON-LD, feedy od partnerów (np. Shopify Catalog), dane od agregatorów. Sklep nie ma bezpośredniej kontroli nad tym, czy jego produkt pojawi się w odpowiedzi – decyduje algorytm na podstawie trafności, jakości danych i wiarygodności źródła.

Reklamy katalogowe (Product Ads) to format płatny uruchomiony przez OpenAI w partnerstwie z dostawcami typu Evorra i agencjami performance. Reklamodawca przesyła feed produktowy do ChatGPT Ads Manager, ustawia budżet i targetowanie, a produkty wyświetlają się jako oznaczone reklamy w konwersacjach. Feed reklamowy kwalifikuje produkt wyłącznie do emisji płatnej – nie do organicznych rekomendacji.

Cecha	Organiczne rekomendacje	Product Ads (płatne)
Źródło danych	Crawling + schema + partnerzy + agregatorzy	Feed w ChatGPT Ads Manager
Kontrola sprzedawcy	Pośrednia (jakość danych, schema, feed partnerski)	Bezpośrednia (upload feedu + budżet)
Koszt	Brak kosztu za wyświetlenie	CPC / CPM zależny od aukcji
Oznaczenie	Brak etykiety „Sponsored”	Etykieta „Sponsored” obowiązkowa
Kwalifikacja	Algorytmiczna – trafność + jakość danych	Budżet + poprawny feed + targeting
Dostępność PL (VIII 2026)	Tak (globalnie)	Dostępne w USA/CA/AU/NZ od Q1 2026
Raportowanie	Brak dedykowanego dashboardu	Ads Manager: impressions, clicks, CTR, spend
Aktualizacja danych	Zależy od częstotliwości crawlingu	Feed refresh co 24h (lub ręczny re-upload)

Kluczowa implikacja: sklep, który przesłał feed do ChatGPT Ads Manager i nie widzi swoich produktów w organicznych rozmowach, nie ma błędu w feedzie. To normalne działanie systemu – feed reklamowy obsługuje wyłącznie kanał płatny.

Format feedu: Google Merchant Center vs OpenAI Product Catalog

Większość polskich sklepów ma działający feed w Google Merchant Center. Pytanie brzmi: czy można go bezpośrednio przesłać do ChatGPT Ads? Odpowiedź: nie bez modyfikacji. Specyfikacje się pokrywają w około 60-70% pól, ale różnice w pozostałych 30-40% wymagają transformacji lub uzupełnienia danych.

OpenAI Product Catalog używa formatu CSV lub TSV z nagłówkami zgodnymi ze specyfikacją Google Shopping, ale z kilkoma istotnymi różnicami. Poniżej mapowanie pól, które testowaliśmy na trzech feedach klientów Semgence.

Pole	Google Merchant Center	OpenAI Product Catalog	Uwagi do konwersji
id	Wymagane	Wymagane	Kompatybilne – ten sam identyfikator
title	Wymagane, max 150 znaków	Wymagane, max 150 znaków	Kompatybilne, ale OpenAI preferuje opisy konwersacyjne
description	Wymagane, max 5000 znaków	Wymagane, max 5000 znaków	Kompatybilne – ale treść marketingowa lepsza niż techniczna
link	Wymagane	Wymagane	Kompatybilne – wymaga HTTPS i działającego URL
image_link	Wymagane	Wymagane	Kompatybilne – min. 100×100 px
price	Wymagane, format „PLN”	Wymagane, format „PLN”	Kompatybilne
availability	in stock / out of stock / preorder	in stock / out of stock	Usunięcie „preorder” i „backorder”
brand	Zalecane	Zalecane	Kompatybilne
gtin	Zalecane	Zalecane	Kompatybilne – ale OpenAI bardziej polega na GTIN do deduplication
condition	Wymagane	Opcjonalne	Kompatybilne
sale_price	Opcjonalne	Opcjonalne	Kompatybilne – ale format daty promocji różny
product_type	Opcjonalne	Opcjonalne	Kompatybilne – taksonomia dowolna
ads_metadata	Brak odpowiednika	Opcjonalne	Pole specyficzne dla OpenAI – grupa reklamowa, CPC bid
shipping	Format strukturalny	Brak natywnego pola	Wymaga przeniesienia do description lub usunięcia
return_policy	Etykieta referencyjna	Brak natywnego pola	Brak odpowiednika – dane o zwrotach tylko na stronie

Trzy pola wymagają szczególnej uwagi przy konwersji.

availability – Google Merchant Center akceptuje cztery wartości: in_stock, out_of_stock, preorder i backorder. OpenAI akceptuje tylko dwie pierwsze. Produkty z wartością „preorder” muszą zostać albo przekonwertowane na „in_stock” (jeśli faktycznie dostępne do zamówienia), albo wyłączone z eksportu do OpenAI. W naszym audycie 2,3% produktów jednego ze sklepów miało status „preorder” – to niewielki odsetek, ale wymaga obsługi w regule eksportu.

ads_metadata – pole specyficzne dla OpenAI, które nie istnieje w Google Merchant Center. Służy do przypisania produktu do grupy reklamowej i ustawienia maksymalnej stawki CPC. Bez tego pola produkt może być zaimportowany, ale nie zostanie przypisany do żadnej kampanii – co w praktyce oznacza brak emisji. To najczęstsza przyczyna „pustego raportu produktów” po imporcie feedu.

shipping – Google Merchant Center ma dedykowane pole shipping z ustrukturyzowanymi danymi (kraj, cena, czas dostawy). OpenAI nie ma natywnego pola shipping w feedzie katalogowym. Informacje o dostawie muszą być albo wplecione w description, albo dostępne na stronie docelowej. To zmiana konceptualna – dane logistyczne przechodzą z feedu do treści strony.

Trzy metody importu feedu do ChatGPT Ads

OpenAI oferuje trzy metody importu katalogu produktowego do Ads Manager. Każda ma inne zastosowanie w zależności od wielkości katalogu i częstotliwości aktualizacji.

Metoda	Opis	Limit produktów	Aktualizacja	Kiedy używać
Upload pliku	Ręczny upload CSV/TSV w panelu Ads Manager	Do ~10 000	Ręczna (re-upload)	Małe katalogi, testy, jednorazowe kampanie
Hostowany URL	URL do pliku CSV/TSV na serwerze sklepu	Bez limitu (praktycznie)	Automatyczna co 24h	Średnie i duże katalogi z codzienną aktualizacją
SFTP	Upload na serwer SFTP OpenAI	Bez limitu	Automatyczna po uploaddzie	Duże katalogi, integracja z systemami ERP/PIM

Dla polskiego sklepu na Shoperze, WooCommerce lub PrestaShop najsensowniejszą metodą jest hostowany URL. Wtyczki feedowe (Product Feed PRO, CTX Feed) generują plik CSV dostępny pod stałym adresem. OpenAI pobiera ten plik co 24 godziny. Jedyne wymaganie: serwer musi zwracać plik z kodem 200 i nagłówkiem Content-Type: text/csv.

Ważna kwestia: produkty w feedzie OpenAI wymagają regularnego odświeżania – system akceptuje aktualizacje nawet co 15 minut, a brak aktualizacji przez dłuższy czas skutkuje usunięciem produktów z katalogu. Jeśli hostowany URL jest niedostępny przez kilka tygodni (np. serwer padnie, certyfikat SSL wygaśnie), wszystkie produkty zostają usunięte z katalogu i reklamy przestają się wyświetlać. Google Merchant Center jest bardziej tolerancyjny – produkty wygasają po 30 dniach. Ta różnica wymaga monitorowania dostępności URL feedu, co w praktyce oznacza dodanie prostego health-checku (HTTP 200) do systemu monitoringu.

Case study: konwersja trzech feedów z Google Merchant Center do formatu OpenAI

Przeprowadziliśmy test konwersji feedów produktowych z Google Merchant Center do formatu zgodnego ze specyfikacją OpenAI Product Catalog. Wybraliśmy trzy sklepy klientów Semgence z różnych branż i o różnej wielkości katalogu. Nazwy zanonimizowane.

Procedura: pobraliśmy eksport produktów z Merchant Center (snapshot z sierpnia 2026), zmapowaliśmy pola do specyfikacji OpenAI, policzyliśmy pola kompletne (przeniesienie 1:1), wymagające transformacji (zmiana formatu lub wartości) i brakujące (brak odpowiednika w feedzie źródłowym). Na każdy sklep przygotowaliśmy próbny eksport 100 produktów i zwalidowaliśmy go pod kątem poprawności schematu.

Metryka	Sklep F (odzież sportowa)	Sklep G (wyposażenie łazienek)	Sklep H (oświetlenie)
Produkty w MC	2 847	4 515	1 203
Feed score MC	96/100	94/100	93/100
GTIN coverage	78,3%	68,4%	52,1%
Pola kompatybilne (1:1)	67%	63%	61%
Pola wymagające transformacji	22%	25%	27%
Pola brakujące (brak w MC)	11%	12%	12%
Produkty z „preorder”	0,8%	2,3%	0%
Niestabilne URL-e (zmiana >30 dni)	3,2%	1,1%	5,7%
Czas przygotowania eksportu 100 szt.	~4h	~6h	~5h
Produkt gotowy do emisji bez zmian	58%	51%	47%

Trzy obserwacje z tego testu.

Żaden sklep nie mógł przesłać feedu z MC do OpenAI bez zmian. Nawet sklep F z najwyższym feed score (96/100) miał 33% pól wymagających transformacji lub uzupełnienia. Główne przyczyny: brak ads_metadata (100% sklepów), format availability niezgodny (sklep G – 2,3% produktów z „preorder”), brak pola shipping w formacie OpenAI (100% sklepów – dane o dostawie trzeba przenieść do opisu lub usunąć z feedu).

GTIN coverage wpływa na jakość deduplication. OpenAI używa GTIN do łączenia ofert tego samego produktu od różnych sprzedawców (analogicznie do Google Shopping – patent US8438080B1 opisuje porównywanie danych z wielu źródeł i ważenie ich wiarygodności). Sklep H z GTIN na 52% traci kontrolę nad tym – szczegółowo o wpływie GTIN na identyfikację produktu w AI piszemy w artykule o conversational attributes w Merchant Center. Sklep z niskim pokryciem GTIN traci kontrolę nad tym, jak jego produkty są grupowane z ofertami konkurencji. Bez GTIN system polega na tytule i opisie – co prowadzi do niedopasowań. Ten sam problem opisujemy w kontekście wyboru sprzedawcy przez ChatGPT dla tego samego GTIN.

Czas przygotowania to 4-6 godzin na 100 produktów. To obejmuje mapowanie pól, transformację wartości availability, wygenerowanie ads_metadata i walidację schematu. Dla pełnego katalogu (2-5 tys. produktów) z automatyzacją feedową czas spada do kilku godzin jednorazowego setup plus codzienne automatyczne generowanie. Bez automatyzacji – kilka dni roboczych.

Pole ads_metadata – co to jest i dlaczego go brakuje

ads_metadata to pole specyficzne dla OpenAI Product Catalog, które nie istnieje w Google Merchant Center ani w żadnym innym standardzie feedów produktowych. Służy do przypisania produktu do struktury kampanii reklamowej w ChatGPT Ads Manager.

Pole zawiera informacje o: grupie reklamowej, do której produkt należy; maksymalnej stawce CPC per produkt (opcjonalnie – nadpisuje stawkę na poziomie grupy); flagach wykluczenia (np. produkt w feedzie, ale nie w kampanii). W praktyce ads_metadata pełni rolę analogiczną do product_group w Google Shopping – wiąże produkt z kampanią.

Dlaczego to pole jest problematyczne? Ponieważ nie istnieje w żadnym istniejącym feedzie. Sklep musi je dodać ręcznie lub zautomatyzować generowanie na podstawie reguł biznesowych (np. „wszystkie produkty z kategorii X → grupa reklamowa Y”). Żadna popularna wtyczka feedowa (Product Feed PRO, CTX Feed, DataFeedWatch) nie generuje ads_metadata natywnie – wymaga custom mapowania lub post-processingu feedu skryptem.

Konsekwencja: sklep przesyłający feed z Google Merchant Center do ChatGPT Ads bez dodania ads_metadata zaimportuje produkty, ale nie przypisze ich do żadnej kampanii. Reklamy nie będą się wyświetlać, a raport produktów w Ads Manager będzie pusty. To nie błąd importu – to brak konfiguracji kampanijnej. Patent US20240205175A1 (Google) opisuje koncepcję komponowania złożonych odpowiedzi asystenta na podstawie wielu źródeł danych – ads_metadata w OpenAI to praktyczna implementacja podobnej koncepcji, gdzie parametry kampanii sterują selekcją produktu.

Jeden katalog źródłowy, dwa eksporty – architektura feedowa

Architektura dwóch eksportów wpisuje się w szerszy trend: Agentic Commerce Protocol definiuje standard, w którym agent AI (ChatGPT, Perplexity, asystent głosowy) komunikuje się ze sklepem przez ustandaryzowany interfejs – feed jest jednym z elementów tego interfejsu, obok API checkout i danych o dostawie.

Najefektywniejsze podejście to utrzymywanie jednego katalogu źródłowego (PIM, baza WooCommerce, panel Shopera) i generowanie z niego dwóch odrębnych eksportów: jednego do Google Merchant Center, drugiego do OpenAI Product Catalog.

Różnice między eksportami są stosunkowo niewielkie i dają się obsłużyć regułami w module feedowym. Poniżej lista transformacji, które zastosowaliśmy w naszym teście konwersji.

Transformacja	Feed Google MC	Feed OpenAI	Reguła
availability: preorder	preorder	in_stock (jeśli zamówienie możliwe)	IF availability=preorder AND orderable=true THEN in_stock
shipping	Pole strukturalne	Usunięte z feedu	Przenieś dane do opisu lub pomiń
ads_metadata	Brak	Wygenerowane	Reguła: kategoria→grupa reklamowa + default CPC
return_policy_label	Etykieta ref.	Brak	Pomiń – polityka zwrotów na stronie
description	Opis techniczny	Opis konwersacyjny	Opcjonalnie: wersja marketingowa z USP
sale_price_effective_date	Format ISO 8601	Zweryfikować format	Przetestować akceptację formatu daty

W praktyce ta architektura wymaga: (1) jednego centralnego źródła danych o produktach (PIM lub baza sklepu), (2) modułu feedowego z możliwością definiowania reguł transformacji per kanał (Product Feed PRO, DataFeedWatch, Channable), (3) dwóch odrębnych URL-i eksportu – jednego dla Google MC, drugiego dla OpenAI. Patent US20090063294A1 (Google, „Scoring Feed Data Quality”) opisuje koncepcję oceny jakości feedów produktowych, w tym aktualności danych – co wyjaśnia, dlaczego zarówno Google jak i OpenAI wymagają regularnego odświeżania feedu. Schemat jest analogiczny do tego, który opisujemy w artykule o product feed i AI visibility – z tą różnicą, że zamiast jednego kanału AI mamy teraz dwa osobne pipeline’y w ramach tego samego systemu (ChatGPT).

Dwa zestawy KPI – nie mieszaj metryk organicznych z reklamowymi

Śledzenie efektów wymaga osobnej konfiguracji. W ChatGPT Ads reklamodawca wdraża Measurement Pixel lub Conversions API do raportowania konwersji – analogicznie do piksela Meta czy tagu Google Ads. Dane organiczne (cytowania w rozmowach) nie mają dedykowanego dashboardu – widoczność organiczną mierzy się pośrednio przez ruch referral z chat.openai.com w GA4.

Najczęstszy błąd, jaki obserwujemy u klientów testujących ChatGPT Ads: mierzenie efektywności reklam katalogowych metrykami organicznymi (i odwrotnie). To jak porównywanie CTR reklamy Google Shopping z pozycją w wynikach organicznych – te systemy odpowiadają na inne pytania.

KPI	Product Ads (płatne)	Organiczne rekomendacje	Dlaczego nie mieszać
Impressions	Ile razy reklama się wyświetliła	Brak danych (ChatGPT nie raportuje)	Organiczne nie mają dashboardu impressions
CTR	Kliknięcia / wyświetlenia	Nie dotyczy	Brak wyświetleń = brak CTR
CPC / CPA	Koszt kliknięcia / konwersji	Nie dotyczy (brak kosztu)	Organiczne nie mają kosztu
ROAS	Przychód / wydatek na reklamy	Nie dotyczy	Brak wydatku = brak ROAS
Cytowania AI	Nie dotyczy	Ahrefs: AI responses count	Reklamy nie generują cytowań
Ruch z AI	Ruch z kliknięcia reklamy	Ruch z organicznej rekomendacji	GA4 powinien rozdzielać źródła
Konwersja	Konwersja z ruchu reklamowego	Konwersja z ruchu organicznego AI	Różne ścieżki = różne współczynniki

Prawidłowe mierzenie wymaga rozdzielenia ruchu w GA4. Temat marketplace vs sklep w AI search jest tutaj istotny, bo ChatGPT traktuje marketplace i sklep własny jako osobne źródła danych. Ruch z ChatGPT Ads powinien być tagowany parametrami UTM (utm_source=chatgpt&utm_medium=cpc). Ruch z organicznych rekomendacji ChatGPT przychodzi jako referral z chat.openai.com. Jeśli te dwa źródła nie są rozdzielone, analiza ROAS będzie zawyżona (wlicza konwersje organiczne) lub zaniżona (rozmywa konwersje reklamowe w ogólnym ruchu AI). Więcej o atrybucji w agentic commerce w dedykowanym artykule.

Pięć błędów przy wdrażaniu feedu do ChatGPT Ads

Na podstawie audytów feedów i rozmów z klientami testującymi ChatGPT Ads zebraliśmy najczęstsze błędy. Każdy z nich prowadzi do mierzalnej straty – od braku emisji po zawyżony CPA.

Błąd	Skutek	Sposób naprawy
Przesłanie feedu z MC bez ads_metadata	Produkty zaimportowane, ale brak emisji (raport pusty)	Dodać ads_metadata z przypisaniem do grupy reklamowej
Brak aktualizacji feedu przez dłuższy czas	Produkty mogą zostać usunięte z katalogu, reklamy zatrzymane	Ustawić hostowany URL z auto-refresh co 24h
Jeden feed do MC i OpenAI bez transformacji	Błędy walidacji (preorder, shipping, format daty)	Osobny eksport z regułami transformacji
Mierzenie organicznych cytowań jako efekt reklam	Zawyżony ROAS, błędne decyzje budżetowe	Rozdzielić UTM (cpc) od referral (chat.openai.com)
Oczekiwanie organicznej widoczności z feedu Ads	Rozczarowanie brakiem „darmowych” wyświetleń	Feed Ads ≠ feed organiczny – osobne systemy

Strategia: kiedy feed reklamowy, kiedy organiczny, kiedy oba

Widoczność organiczna w ChatGPT nie zależy wyłącznie od feedu – uzupełnieniem jest warstwa semantyczna na stronie sklepu. Dane strukturalne Product Schema (w tym BuyAction, AggregateOffer) pomagają systemom AI zrozumieć ofertę bez parsowania HTML. Free Listings w Google, wyniki w AI Mode i cytowania w Perplexity Shopping korzystają z tych samych danych – kto ma porządek w schema i feedzie, buduje widoczność w wielu kanałach jednocześnie.

Nie każdy sklep potrzebuje obu feedów. Decyzja zależy od wielkości katalogu, marży i dostępności ChatGPT Ads w regionie (na sierpień 2026 – dostępne w USA od lutego 2026, rozszerzone na Kanadę, Australię i Nową Zelandię od marca 2026).

Tylko feed organiczny (większość polskich sklepów w VIII 2026): ChatGPT Ads nie jest dostępny w Polsce. Skupienie na jakości danych produktowych: rozbudowane opisy, kompletna schema Product JSON-LD, spójność feed-karta-schema. KPI: cytowania AI w Ahrefs (mierzone przez audyt widoczności w AI), ruch z chat.openai.com w GA4, konwersja z ruchu AI. To jest praca nad AI visibility i pozycjonowanie AI, nie nad reklamą.

Oba kanały (sklepy z dostępem do ChatGPT Ads): osobny feed organiczny (optymalizowany pod jakość danych i retrieval) + osobny feed reklamowy (z ads_metadata, CPC bidami, grupami reklamowymi). Dwa odrębne dashboardy KPI. Unikać kanibalizacji – jeśli produkt jest dobrze widoczny organicznie, reklama na ten sam produkt może podnosić CPC bez dodatkowych konwersji. Analogia do problemu kanibalizacji AI i Google Ads.

Tylko feed reklamowy: sensowne tylko dla produktów o wysokiej marży, które nie mają naturalnej widoczności organicznej (np. produkty niszowe, nowe marki bez historii w crawlingu). Bez organicznej warstwy danych sklep płaci za każde wyświetlenie – co przy niskiej marży jest nieopłacalne.

Patenty jako kontekst – nie jako dowód

Trzy patenty Google rzucają światło na architekturę systemów rankingu i prezentacji danych produktowych, ale żaden z nich nie jest dowodem, że konkretny system (Google Shopping czy ChatGPT Ads) działa w opisany sposób. Cytujemy je jako kontekst koncepcyjny.

Patent US20240205175A1 (Google, „Composition of Complex Content via User Interaction with an Automated Assistant”) opisuje mechanizm, w którym asystent AI komponuje złożone odpowiedzi na podstawie wielu źródeł danych – w tym atrybutów produktu, ceny i dostępności. W kontekście reklam produktowych to koncepcja, która wyjaśnia, dlaczego kompletność danych (GTIN, marka, specyfikacja) może wpływać na to, jak system buduje rekomendację. Analogiczną zależność między kompletnością atrybutów a widocznością opisujemy w artykule o extractability score karty produktowej, nie tylko stawka CPC.

Patent US20250218088A1 (Google, „Machine-Learned Content Generation via Predictive Content Generation Spaces”) dotyczy generowania treści w predykcyjnych przestrzeniach – w kontekście e-commerce opisuje mechanizm, w jaki system może generować prezentację produktu dostosowaną do kontekstu zapytania (kliknięcie, rozwinięcie szczegółów, przejście do sklepu). Kontekst interfejsu, nie algorytmu selekcji.

Patent US20250190719A1 opisuje agregację i prezentację spersonalizowanego podsumowania – co nawiązuje do sposobu, w jaki ChatGPT buduje organiczną odpowiedź zakupową: agreguje dane z wielu źródeł i prezentuje spersonalizowaną rekomendację. To patent o warstwie organicznej, nie reklamowej – co potwierdza rozdzielność tych dwóch systemów.

Co może zrobić polski sklep teraz – trzy priorytety

Priorytet 1: Przygotuj feed organiczny. ChatGPT Ads nie jest dostępny w Polsce, ale organiczne rekomendacje działają globalnie. W ramach pozycjonowania sklepu internetowego rozbuduj opisy produktów (audyt treści pomoże zidentyfikować luki), uzupełnij GTIN, zsynchronizuj feed ze schema JSON-LD na stronie. Budowanie widoczności AI to element szerszej strategii content marketingu opartego na danych produktowych. To inwestycja, która procentuje niezależnie od tego, kiedy ChatGPT Ads będzie dostępny w Polsce. Jak pokazujemy w artykule o product feed i AI visibility, sklep z rozbudowanymi danymi ma 2,3x więcej cytowań AI niż konkurent z większym ruchem organicznym.

Priorytet 2: Przygotuj architekturę feedową. Ustaw moduł feedowy tak, żeby generował dwa osobne eksporty – jeśli potrzebujesz wsparcia w konfiguracji, konsultacja SEO pomoże dobrać narzędzia do Twojej platformy z jednego źródła danych. Nawet jeśli eksport OpenAI nie jest jeszcze aktywny, architektura powinna być gotowa – uruchomienie drugiego kanału to wtedy kwestia godzin, nie tygodni.

Priorytet 3: Rozdziel tracking. W GA4 ustaw osobne grupy kanałów dla ruchu z ChatGPT (referral: chat.openai.com) i przyszłego ruchu z ChatGPT Ads (UTM: chatgpt/cpc). Poprawność konfiguracji weryfikujemy w ramach audytu SEO. Bez tego nie będziesz w stanie zmierzyć, czy reklamy ChatGPT kanibalizują ruch organiczny. O mierzeniu AI w GA4 piszemy w artykule o atrybucji agentic commerce.