Laptopy poleasingowe i produkty refurbished w AI Search: dlaczego sam atrybut „used” nie wystarcza

Google dopuszcza dokładnie trzy wartości stanu produktu: new, refurbished i used. Polskie prawo, żeby zwolnić sprzedawcę z odpowiedzialności za wadę, wymaga wskazania konkretnej cechy odbiegającej od normy i odrębnej akceptacji tej cechy przez konsumenta. Te dwa modele danych nie mają wspólnego pola — i to jest cały problem sprzedaży poleasingowej w wyszukiwaniu opartym na AI.

W klasycznym katalogu dziesięć ofert tego samego modelu to dziesięć wystąpień tego samego produktu. W sprzęcie poleasingowym każda z nich to inny egzemplarz: inne zużycie baterii, inne rysy, inny komplet akcesoriów, inna historia napraw, inna cena i jedna sztuka na stanie. W feedzie wszystkie mają wpisane to samo słowo.

Ten tekst jest dla właścicieli i menedżerów sklepów, nie dla kupujących. Nie odpowiada na pytanie, czy warto kupić laptopa poleasingowego — pokazuje, jakich danych potrzebuje model językowy, żeby odpowiedzieć na nie o Twojej ofercie, i dlaczego dzisiaj ich nie ma.

Trzy słowa na sto różnych egzemplarzy

Zacznijmy od tego, co jest, a nie od tego, czego brakuje. W specyfikacji atrybutu condition Google podaje trzy dopuszczalne wartości i definiuje je precyzyjnie:

Wartość	Definicja Google	Co z tego wynika
new	produkt nigdy nieużywany, w oryginalnym, nieotwartym opakowaniu	opakowanie jest częścią definicji, nie dodatkiem
refurbished	profesjonalnie przywrócony do sprawności tak, że wygląda jak nowy, i ma gwarancję; opakowanie może być inne	gwarancja jest warunkiem użycia tej wartości, nie zaletą
used	produkt z drugiej ręki albo zmodyfikowany względem stanu fabrycznego — nosi ślady użytkowania, ma otwarte lub brakujące opakowanie, został przepakowany, spersonalizowany albo podpisany	jedna wartość na wszystko od „jak nowy” do „mocno zużyty”

Do tego trzy reguły formalne, które w praktyce decydują o wdrożeniu. Wartości muszą być podane po angielsku — nawet w feedzie na rynek polski. Pole nie jest wielokrotne, więc produkt ma dokładnie jeden stan. I atrybut jest wymagany dla każdego produktu używanego i odnowionego, a opcjonalny tylko dla nowych.

Najciekawsze jest jednak mapowanie na dane strukturalne. Google przekłada condition na Offer.itemCondition ze schema.org, i to przełożenie nie jest jednoznaczne: new idzie na NewCondition, refurbished na RefurbishedCondition, ale used mapuje się na dwie wartości jednocześnie — DamagedCondition i UsedCondition. Utrata informacji jest więc wpisana w samą specyfikację. Egzemplarz z otwartym pudełkiem i egzemplarz z pękniętą obudową trafiają do tego samego worka, a po stronie schema.org nie da się odtworzyć, o który przypadek chodziło.

Prawo wymaga czegoś, czego feed nie potrafi zapisać

Zgodnie z art. 43b ust. 4 ustawy o prawach konsumenta przedsiębiorca nie odpowiada za brak zgodności towaru z umową, jeżeli konsument „najpóźniej w chwili zawarcia umowy, został wyraźnie poinformowany, że konkretna cecha towaru odbiega od wymogów zgodności z umową (…), oraz wyraźnie i odrębnie zaakceptował brak konkretnej cechy towaru”.

Przeczytajmy to jak specyfikację techniczną, bo tak jest napisane. Zwolnienie z odpowiedzialności działa per pojedyncza cecha, nie na cały produkt. Wymaga wyraźnego poinformowania, więc wada schowana w akapicie opisu tego nie spełnia. I wymaga odrębnej akceptacji, czyli osobnego działania konsumenta wobec tej właśnie cechy — jeden globalny checkbox „akceptuję stan używany” nie realizuje tego warunku.

Innymi słowy: prawo wymaga od sklepu poleasingowego dokładnie tego, co pozwoliłoby modelowi językowemu poprawnie porównać oferty — ustrukturyzowanej listy pojedynczych, zidentyfikowanych odstępstw dla konkretnego egzemplarza. Sklep, który to robi, produkuje przy okazji najlepsze możliwe dane wejściowe dla AI. Problem polega na tym, że nie ma gdzie ich wpisać: żaden z trzech dużych feedów produktowych nie ma pola na listę wad.

Warto zwrócić uwagę na jeszcze jedno. Ten sam artykuł, w ustępie 2 punkt 2, mówi, że na zgodność towaru z umową wpływa „publiczne zapewnienie złożone przez przedsiębiorcę (…) w szczególności w reklamie lub na etykiecie”. Nie jesteśmy prawnikami i nie znamy orzecznictwa, które by to rozstrzygało dla feedów, ale wpisanie wartości refurbished — którą Google definiuje jako „wygląda jak nowy i ma gwarancję” — przy egzemplarzu z widocznymi rysami warto co najmniej przemyśleć pod tym kątem. To ryzyko innego rodzaju niż odrzucenie produktu w Merchant Center.

I punkt trzeci tego samego ustępu: towar ma być dostarczony „z opakowaniem, akcesoriami i instrukcjami, których dostarczenia konsument może rozsądnie oczekiwać”. Brak zasilacza albo brak instrukcji przy laptopie poleasingowym to nie kwestia kompletności oferty, a potencjalna niezgodność z umową — chyba że został wskazany i odrębnie zaakceptowany. To zresztą stały wątek w post-purchase SEO: dokumentacja produktu jest częścią produktu.

Dwa lata, których w Polsce nie da się skrócić

Tu trzeba obalić przekonanie, które w branży poleasingowej jest bardzo rozpowszechnione. Dyrektywa (UE) 2019/771 pozwala państwom członkowskim skrócić dla towarów używanych okres odpowiedzialności sprzedawcy — nie krócej niż do roku. Polska z tej opcji nie skorzystała.

W art. 43c ust. 1 ustawy o prawach konsumenta ustanowiono dwa lata odpowiedzialności za brak zgodności towaru z umową i nie ma tam żadnego wyjątku dla towarów używanych. Potwierdza to wprost komunikacie UOKiK do zmian obowiązujących od 1 stycznia 2023: „Sprzedawca będzie odpowiadał za wady – tak jak dotychczas – przez 2 lata od wydania towaru. Nowością jest, że w przypadku rzeczy używanych nie będzie mógł skrócić tego czasu do roku”.

Możliwość skrócenia do roku istniała wcześniej, w art. 568 § 1 Kodeksu cywilnego, w reżimie rękojmi. Po 1 stycznia 2023 sprzedaż konsumencka przeszła do rozdziału 5a ustawy o prawach konsumenta i ta możliwość zniknęła. Sklepy, które nadal opierają regulaminy na starym stanie prawnym, mają problem starszy niż AI.

Dla danych produktowych wynika z tego rzecz konkretna. Gwarancja handlowa i ustawowa odpowiedzialność za zgodność towaru z umową to dwie różne instytucje. Sklep może dać gwarancję na 12 miesięcy — i bardzo często daje — ale odpowiada dwa lata i tego nie zmienia. Jeśli w danych produktowych i w opisie widnieje tylko „gwarancja 12 miesięcy”, model językowy poda konsumentowi odpowiedź zaniżoną o rok, bo poda to, co dostał. Nie dlatego, że halucynuje. Dlatego, że drugiej liczby nikt mu nie podał.

Praktyczny wniosek: na karcie produktu poleasingowego rozdzielać dwie informacje i podawać obie. Osobno okres gwarancji udzielanej przez sklep lub podmiot odnawiający, osobno dwuletnią odpowiedzialność ustawową. To jest przewaga komunikacyjna, nie obciążenie — sklep, który to napisze, wygląda lepiej niż konkurent oferujący „12 miesięcy”.

Trzy protokoły, trzy różne filozofie stanu

Google zamyka listę wartości. Pozostali dwaj główni gracze robią dokładnie odwrotnie, i to znaczy, że ten sam katalog trzeba obsłużyć w dwóch różnych logikach.

W specyfikacji feedu produktowego OpenAI pole condition jest zwykłym ciągiem znaków. Kolumna z dopuszczalnymi wartościami jest pusta, jedyna reguła to „Lower-case string”, a pole jest opcjonalne. Formalnie można więc przekazać własną skalę gradingu — grade a, klasa b, battery 87 — i specyfikacja tego nie zabrania.

W repozytorium Agentic Commerce Protocol, w schemacie feedu z 17 kwietnia 2026, stan jest jeszcze luźniejszy: to tablica opisana jako „Extensible list of applicable item conditions, such as new or secondhand”, a każdy jej element to „Condition label supplied by the merchant”. Pole jest przy tym na poziomie wariantu, nie produktu — czyli w miejscu, w którym w recommerce faktycznie żyje egzemplarz.

Skoro dwa z trzech protokołów dopuszczają własne etykiety, powstaje pytanie, czy warto z tego korzystać. Odpowiedź brzmi: tak, ale nie zamiast, a obok. Wartość, którą wymyśli sklep, nie ma dla modelu żadnego znaczenia semantycznego, dopóki gdzieś nie stoi jej publiczna definicja. Etykieta „klasa B” bez opublikowanej skali to nadal przymiotnik, tylko krótszy.

Google może nadpisać stan, który zadeklarowałeś

To fragment specyfikacji, który przechodzi w dyskusjach o feedach zupełnie niezauważony. Google rekomenduje włączenie automatycznych aktualizacji produktów właśnie po to, żeby uniknąć niezgodności stanu: mechanizm „porównuje wartości przesłane w innych częściach danych produktowych z wartością atrybutu condition, aby automatycznie zaktualizować stan produktów”, zapobiegając odrzuceniom.

Znaczy to, że deklaracja stanu nie jest ostatnim słowem sprzedawcy. Platforma czyta stan również z tytułu, opisu i strony docelowej, i przy rozbieżności potrafi go zmienić. Dla sklepu poleasingowego to dobra i zła wiadomość jednocześnie. Dobra, bo spójne dane chronią przed odrzuceniem. Zła, bo słowo „odnowiony” użyte marketingowo w opisie egzemplarza wpisanego jako used może uruchomić zmianę, której nikt nie planował.

Praktycznie: tytuł, opis, dane strukturalne na stronie i atrybut w feedzie muszą mówić o stanie jedno i to samo. To ten sam problem spójności, który opisywaliśmy przy zaufaniu do stanów magazynowych — tylko dotyczy stanu, nie dostępności.

Klasa A, B i C — skala, za którą nie stoi żadna norma

Fraza „laptop klasa a co to znaczy” ma w Polsce około czterdziestu wyszukiwań miesięcznie i wyróżnioną odpowiedź w Google. Wolumen jest mały, ale sam fakt jest wymowny: ludzie pytają, co znaczy skala, która nie ma definicji. To warto powiedzieć wprost, bo w materiałach sprzedażowych bywa sugerowane inaczej.

EN 50614:2020 „Requirements for the preparing for re-use of waste electrical and electronic equipment” to standard procesowy — opisuje proces przygotowania sprzętu do ponownego użycia. R2v3 i ADISA certyfikują podmiot i jego procedury. Żaden z nich nie definiuje skali stanu kosmetycznego A/B/C, a progi kondycji baterii — typowo osiemdziesiąt procent, w ofertach premium osiemdziesiąt pięć albo dziewięćdziesiąt — są konwencją handlową pojedynczych sprzedawców i platform. Każdy ustala je sam. Ani Google, ani OpenAI nie uznają żadnej z tych skal.

Ciekawe jest to, że sama ocena stanu jest już zautomatyzowana i opatentowana — tylko nie po stronie wyszukiwarek. Future Dial ma dwa aktywne patenty na ocenę wyglądu kosmetycznego urządzenia: US11836912B2, udzielony w grudniu 2023, opisuje ocenę na podstawie wykrywania defektów w wielu strefach obiektu, a US12482089B2 z listopada 2025 dotyczy wprost oceny wyglądu urządzenia elektronicznego. A la Carte Media ma z kolei US12125073B2 z października 2024 na rozbudowaną ocenę urządzeń używanych wraz z dobieraniem planów ochronnych i certyfikacji.

Wychodzi z tego obraz, którego nikt nie opisuje: branża odnawiania sprzętu potrafi zmierzyć stan egzemplarza strefa po strefie, ma na to patenty, a wynik tego pomiaru nie ma gdzie trafić. Nie brakuje technologii. Brakuje pola w feedzie i publicznej definicji skali.

Co z tym zrobić dziś: opublikować własną skalę pod stałym adresem i linkować do niej z każdej karty produktu. Definicja musi być rozstrzygalna — nie „lekkie ślady użytkowania”, a „rysy do 1 cm, brak wgnieceń, brak uszkodzeń ekranu”. Wtedy etykieta „klasa B” zaczyna coś znaczyć również dla modelu, bo model ma gdzie sprawdzić, co znaczy. To ta sama mechanika, którą opisywaliśmy przy dowodach twierdzeń produktowych: twierdzenie bez publicznego punktu odniesienia jest dla modelu tylko zdaniem.

Jedna sztuka na stanie i brak pola na liczbę

W specyfikacji atrybutu availability Google podaje cztery wartości dostępności: in_stock, out_of_stock, preorder i backorder. OpenAI ma pięć — te same plus unknown, przy czym przedsprzedaż zapisuje jako pre_order, z podkreśleniem, więc ten sam stan ma w dwóch feedach dwie różne pisownie. ACP idzie inaczej: para available typu logicznego i status jako rozszerzalny ciąg znaków, którego znane wartości obejmują in_stock, limited_stock, backorder, preorder, out_of_stock i discontinued.

W żadnym z tych trzech protokołów nie ma pola z liczbą dostępnych sztuk. Sprawdziliśmy całe specyfikacje: brak quantity w znaczeniu zapasu, brak inventory_level, brak czegokolwiek liczbowego. Najbliżej jest ACP z wartością limited_stock — i to jest etykieta, nie liczba. Oferty „została jedna sztuka” nie da się wyrazić w danych, choć jest to najważniejsza cecha handlowa całej kategorii.

Dla produktu katalogowego to drobiazg, bo produkt wróci na stan. W recommerce jest inaczej: sprzedany egzemplarz nie wraca nigdy. Oferta jest nieodtwarzalna, a jej URL zostaje. Dlatego pytanie „co zrobić z adresem po sprzedaży” ma tutaj inną odpowiedź niż przy produkcie chwilowo niedostępnym.

Trzy scenariusze i kiedy który wybrać:

1. Przekierowanie 301 na model bazowy albo kategorię. Najbezpieczniejsze przy dużej rotacji i wielu egzemplarzach tego samego modelu. Traci historię ceny, ale nie zostawia w indeksie ofert, których nie ma.
2. Strona utrzymana, z listą podobnych dostępnych egzemplarzy. Sensowna, gdy adres ma linki albo ruch. Warunek: jednoznaczna informacja, że ten egzemplarz jest sprzedany, plus realne alternatywy, a nie puste miejsce.
3. Adres zachowany jako archiwalny dowód ceny i stanu. Uzasadniony przy sprzęcie drogim i przy sporach o zgodność z umową — jest wtedy dokumentacja tego, co i w jakim stanie zostało sprzedane. Wymaga wyłączenia z indeksowania i jasnego oznaczenia jako archiwum.

Czego nie robić: kasować adresu i zwracać 404 bez zastąpienia, oraz zostawiać ofertę w feedzie „jeszcze na chwilę”. Szerzej o obu błędach pisaliśmy przy niedostępnych produktach w sklepie. Sam mechanizm propagacji danych i opóźnienia między zmianą w sklepie a zmianą w odpowiedzi modelu opisaliśmy osobno przy opóźnieniu danych produktowych w AI Mode — tutaj istotne jest tylko to, że w recommerce koszt tego opóźnienia jest wyższy, bo poleconego egzemplarza nie da się dostarczyć nigdy, nie tylko dzisiaj.

Jak rozdzielić tożsamość modelu, egzemplarza i sprzedawcy

Skoro nie ma pola na numer seryjny — a nie ma go ani u Google, ani u OpenAI, ani w ACP — tożsamość egzemplarza trzeba zbudować z tego, co jest. Trzy poziomy, trzy różne narzędzia:

Poziom	Co identyfikuje	Gdzie to zapisać
Model bazowy	co to za produkt w ogóle	gtin i mpn modelu, plus marka
Egzemplarz	która konkretna sztuka	item_id u OpenAI (wymagane, „must remain stable over time”), id wariantu w ACP („Stable global identifier”), własny URL oferty
Sprzedawca i podmiot odnawiający	kto za stan odpowiada	dane sprzedawcy, nazwa odnawiającego w tytule, zakres gwarancji

Wymóg stabilności identyfikatora w czasie jest tu kluczowy i łatwo go złamać. Jeśli item_id egzemplarza jest generowany z ceny albo ze stanu magazynowego, zmieni się przy pierwszej obniżce — a wtedy dla modelu to nowy produkt bez historii. Identyfikator egzemplarza musi pochodzić z systemu magazynowego, nie z prezentacji.

Osobna decyzja dotyczy canonicali. Dziesięć ofert tego samego modelu wygląda jak klasyczna duplikacja i pierwszy odruch to scalenie ich do strony modelu. W recommerce to kosztowny odruch: scalając, kasujesz jedyną informację, która różni oferty, czyli stan egzemplarza. Zasada, którą stosujemy: strona modelu jest kanoniczna dla treści katalogowej — specyfikacji technicznej, testów, poradników — a strona egzemplarza kanoniczna dla oferty, o ile faktycznie zawiera dane, których nie ma na stronie modelu. Jeśli karta egzemplarza to szablon z inną ceną, scalenie jest właściwe. Jak algorytm rozpoznaje takie przypadki, pisaliśmy przy filtrowaniu powtarzalnych opisów produktów.

Tożsamość podmiotu odnawiającego ma dodatkowo twarde wymogi. W wymogach dla produktów odnowionych przez firmy trzecie Google wymaga, żeby tytuł produktu odnowionego przez firmę trzecią zaczynał się od słowa wskazującego ten podmiot — „refurbished”, „remanufactured” albo jego nazwy — żeby nazwa producenta OEM nie stała na początku, i żeby zdjęcie nie pokazywało oryginalnego produktu ani opakowania OEM. Sankcją jest odrzucenie produktów albo zawieszenie konta.

Co zapisać liczbą, a nie przymiotnikiem

To najtańsza zmiana z całej listy i jednocześnie ta, która najbardziej zmienia jakość odpowiedzi modelu. „Bardzo dobry” nie da się porównać z niczym. „Bateria 87%, 312 cykli” da się porównać ze wszystkim.

Parametry, które w sprzęcie poleasingowym są mierzalne i których praktycznie nikt nie publikuje w sposób nadający się do odczytu maszynowego:

• kondycja baterii w procentach i liczba cykli — dwie liczby, obie odczytywalne z systemu, obie decydujące o zakupie
• licznik pracy — godziny pracy urządzenia albo przebieg wydruków przy drukarkach
• lista wad z lokalizacją i wymiarem — „rysa 2 cm na pokrywie” zamiast „drobne ślady użytkowania”; to jednocześnie materiał do spełnienia warunku z art. 43b ust. 4
• wymienione podzespoły z datą — co i kiedy, bo to zmienia oczekiwaną trwałość
• komplet akcesoriów wypisany pozycjami — zasilacz oryginalny czy zamiennik, pudełko, instrukcja; kompletność jest kryterium zgodności z umową
• gwarancja: okres i podmiot — osobno od dwuletniej odpowiedzialności ustawowej
• data inspekcji i podmiot odnawiający — dowód, że stan został w ogóle sprawdzony

Gdzie to fizycznie umieścić, skoro w feedzie nie ma na to pól. Trzy kanały, w tej kolejności. Po pierwsze tabela specyfikacji na karcie produktu, w HTML, nie w obrazku — stąd modele czytają najchętniej. Po drugie opis produktu: u OpenAI ma pięć tysięcy znaków i jest polem wymaganym, więc to najpojemniejsze miejsce w całym feedzie. Po trzecie dane strukturalne na stronie, gdzie do dyspozycji są między innymi właściwości dodatkowe oferty. Jak układać opis, żeby model wyciągnął z niego fakty, a nie ogólniki, rozwijamy w audycie treści.

Zdjęcie katalogowe przy ofercie egzemplarzowej

Zdjęcie producenta przy sprzedaży konkretnej sztuki jest oszczędnością pozorną. Po pierwsze, przy produktach odnowionych przez firmy trzecie Google tego wprost zabrania: obraz ma pokazywać produkt sam albo w opakowaniu firmy odnawiającej, nie oryginalny produkt ani opakowanie OEM. Po drugie, zdjęcie katalogowe jest publicznym zapewnieniem o wyglądzie — a wygląd jest tym, co w recommerce różni oferty.

Po trzecie, i to argument czysto praktyczny: zdjęcie rzeczywistej sztuki z widoczną rysą jest jedynym dowodem, że sklep wie, co sprzedaje. Kupujący czyta z tego staranność, a przy sporze o zgodność z umową to jest dokumentacja. Rekomendacja jest nudna i skuteczna: cztery do sześciu zdjęć konkretnego egzemplarza, w tym ujęcia miejsc, gdzie są wady, z opisem alternatywnym mówiącym o tej wadzie.

Ograniczenie widoczności, o którym mało kto wie

Google podaje to w nocie na samym początku specyfikacji atrybutu condition, więc formalnie nie jest to sekret, a jednak w rozmowach o kanałach nie pojawia się prawie nigdy: „niezależnie od typu kampanii produkty używane i odnowione nie są wyświetlane w organicznych wynikach YouTube ani w Discover”. Mogą nadal działać jako reklamy na YouTube, w sieci reklamowej Google i w Gmailu.

Dla sklepu, którego cały asortyment jest z definicji używany albo odnowiony, to nie jest detal. To znaczy, że dwie powierzchnie odkrywania produktu są zamknięte w kanale organicznym i dostępne wyłącznie płatnie. Budżet i plan treści warto ustawiać z tą wiedzą, a nie odkrywać ją po kwartale bez wyników w Discover.

Do tego dwa mniejsze ograniczenia z tej samej specyfikacji: reklamy pojazdów obsługują wyłącznie new i used, bez refurbished, a próg uznania pojazdu za nowy to dwieście mil lub kilometrów, z wyłączeniem Niemiec.

Recommerce Offer Identity Score: jak ocenić własne oferty

Żeby z tego wszystkiego zrobić coś operacyjnego, używamy prostego wskaźnika. Trzynaście punktów, po jednym za każdy element tożsamości i stanu egzemplarza obecny w danych dostępnych publicznie i maszynowo. Nie w arkuszu w firmie — w danych, które model może przeczytać.

Grupa	Punkty za
Tożsamość	własny adres oferty egzemplarza · stabilny identyfikator wewnętrzny · powiązanie z GTIN lub MPN modelu bazowego
Stan	grade z publiczną, rozstrzygalną definicją skali · lista wad z lokalizacją · kondycja baterii lub licznik pracy · historia napraw z datami
Kompletność i dowód	komplet akcesoriów wypisany pozycjami · zdjęcia sprzedawanej sztuki · data inspekcji
Odpowiedzialność	okres gwarancji z podmiotem · osobna informacja o dwuletniej odpowiedzialności ustawowej · dane podmiotu odnawiającego
Aktualność	zgodny stan magazynowy w feedzie i na stronie

Nie mamy jeszcze benchmarku tego wskaźnika dla polskiego rynku i nie będziemy udawać, że mamy — to badanie zaczynamy. Z samych specyfikacji wynika natomiast, gdzie punkty będą przepadać najczęściej: przy publicznej definicji skali, przy liście wad z lokalizacją i przy rozdzieleniu gwarancji od odpowiedzialności ustawowej. To trzy rzeczy, których żaden feed nie wymusza, więc nikt ich nie robi z obowiązku.

Jak to zbadać na własnych danych

Metoda, którą można powtórzyć w każdym sklepie w ciągu tygodnia. Wybierz dziesięć najlepiej sprzedających się modeli i po dziesięć ofert każdego z nich — mieszankę własnych kart, marketplace’ów i konkurentów specjalistycznych. Potem zadaj asystentowi pięć pytań, na które kupujący naprawdę chce znać odpowiedź:

1. wskaż najtańszą ofertę z baterią powyżej 90%
2. wyklucz egzemplarze z wymienionym ekranem
3. znajdź produkt z gwarancją co najmniej 12 miesięcy
4. porównaj rzeczywisty stan, nie tylko cenę
5. wskaż informacje, których brakuje do bezpiecznej rekomendacji

Mierz pięć rzeczy: czy model trafił w konkretny egzemplarz, czy wyciągnął stan z danych, czy ujawnił wady, czy pokazał zdjęcie właściwej sztuki i — to najciekawsze — jak długo po sprzedaży poleca egzemplarz, który już nie istnieje. Ta ostatnia liczba jest metryką, której nikt nie publikuje, i różni się od ogólnego opóźnienia danych tym, że dotyczy oferty nieodtwarzalnej. Piąte pytanie zwykle daje najwięcej: lista braków, którą wypisze model, jest gotowym backlogiem.

Od czego zacząć

Trzy kroki na najbliższy tydzień, w kolejności od najtańszego:

1. Rozdziel gwarancję od odpowiedzialności ustawowej na kartach produktów i w regulaminie. Jeśli gdziekolwiek widnieje, że dla towaru używanego odpowiadasz rok, to jest nieaktualne od 1 stycznia 2023. To zarazem zgodność z prawem i przewaga komunikacyjna nad konkurencją, która pisze „12 miesięcy”.
2. Opublikuj definicję własnej skali stanu pod stałym adresem i linkuj do niej z każdej karty. Definicje muszą być rozstrzygalne, z wymiarami i progami, nie przymiotnikowe. Bez tego żadna etykieta gradingu nie znaczy nic ani dla klienta, ani dla modelu.
3. Dla jednej kategorii wystaw wady i parametry liczbowo — bateria w procentach, cykle, lista wad z lokalizacją, komplet akcesoriów pozycjami — w tabeli HTML na karcie produktu, nie w obrazku i nie w PDF. Potem zmierz, czy zmieniło się to, co AI mówi o tych ofertach.

Warto mieć świadomość, w jakim kierunku to idzie. Obowiązek publicznego wystawiania danych o naprawialności, materiałach i częściach nadchodzi z regulacji, o czym pisaliśmy przy cyfrowym paszporcie produktu. Sklepy z asortymentem poleasingowym mają w tym przewagę startową, bo już dziś zbierają dane o stanie egzemplarza — tylko trzymają je w systemie zamiast wystawiać. Przewaga polega na tym, że dla nich to zmiana ekspozycji, a nie zmiana procesu.

Zakres i wycenę uporządkowania danych produktowych pod ofertę egzemplarzową zebraliśmy w cenniku SEO dla e-commerce. Czy Twoje obecne dane są w ogóle czytelne dla modeli, sprawdzamy w audycie widoczności w AI, a całość projektu prowadzimy jako element pozycjonowania sklepu internetowego. Porównywalność ofert o różnym stanie to jedna warstwa szerszego zagadnienia — resztę opisaliśmy przy Product Comparability Score, a rachunek kosztu, którego stan jest częścią, przy prawdziwym koszcie produktu. Ten temat jest jedną z dziesięciu warstw SEO w e-commerce — całość, wraz z patentami stojącymi za każdą warstwą, zebraliśmy w mapie 10 warstw SEO w e-commerce.

Najczęściej zadawane pytania