Product feed nie jest już tylko technicznym plikiem do Google Shopping. W 2026 roku to główna wizytówka Twojego sklepu w oczach AI – jedyny sposób, w jaki ChatGPT, Gemini i Perplexity widzą Twoje produkty, porównują je z konkurencją i decydują, czy polecić je użytkownikowi.
Dane nie pozostawiają wątpliwości. Ruch z AI do sklepów internetowych w USA wzrósł o 393% rok do roku w pierwszym kwartale 2026 (Elogic Commerce / Similarweb). ChatGPT ma 900 milionów aktywnych użytkowników tygodniowo i przetwarza około 50 milionów zapytań zakupowych dziennie (OpenAI, luty 2026). Klienci trafiający do sklepów z rekomendacji AI konwertują 4,4 razy częściej niż ci z tradycyjnego wyszukiwania organicznego (Semrush). A ponad 91% zapytań e-commerce w Google generuje już wyniki AI (Eyeful Media, 2026). Ruch z AI do sklepów wzrósł o 302% rok do roku według raportu Euromonitor z 2026.
Problem polega na tym, że większość polskich sklepów internetowych traktuje product feed jako statyczną listę do kampanii Google Shopping – tytuł, cena, dostępność, koniec. To za mało, żeby istnieć w nowym ekosystemie AI shopping. W tym artykule pokazujemy, jak wzbogacić product feed na podstawie audytu encji produktowej, jakie protokoły handlu agentowego (ACP, UCP) zmieniają reguły gry i co konkretnie zrobić, żeby Twoje produkty pojawiały się w rekomendacjach AI.
Dlaczego product feed to już nie tylko plik do Google Shopping?
W tradycyjnym modelu product feed służył jednemu celowi – zasilaniu kampanii Google Shopping danymi o produktach. Sklep eksportował plik XML lub CSV z podstawowymi informacjami (tytuł, cena, zdjęcie, link), Google go indeksował i wyświetlał reklamy produktowe. Feed był narzędziem reklamowym, nie treściowym.
W 2026 roku feed stał się czymś zupełnie innym (Marpipe). Gdy użytkownik pyta ChatGPT „jaki telewizor 55 cali kupić do 2500 zł?”, AI nie otwiera Twojej strony jak człowiek. Zamiast tego przeszukuje ustrukturyzowane dane – feedy produktowe, dane z Google Merchant Center, schema Product na stronie – i na ich podstawie buduje odpowiedź z konkretnymi rekomendacjami.
Zmiana jest fundamentalna: feed nie jest już listą inwentarza – to Twoja główna strona docelowa w oczach AI (Smarter Ecommerce). Jeśli Twój feed zawiera tylko tytuł i cenę, AI nie ma materiału do pracy (Neil Patel). Nie może porównać Twojego produktu z konkurencją, nie może wyciągnąć specyfikacji, nie może zweryfikować dostępności w czasie rzeczywistym. Nie poleci Twojego produktu, bo nie ma powodu mu zaufać.
Jednocześnie powstały trzy protokoły, które formalizują ten proces – Agentic Commerce Protocol (ACP), Universal Commerce Protocol (UCP) i Perplexity Merchant Program. Każdy z nich definiuje, jak agent AI czyta dane produktowe, weryfikuje je i decyduje, czy polecić produkt użytkownikowi.
Jakie trzy protokoły zmieniają reguły gry – ACP, UCP i Perplexity Merchant?
Do 2025 roku każdy system AI indeksował produkty po swojemu – crawlując strony, parsując HTML, szukając schema markup. W 2026 pojawiły się otwarte standardy, które standaryzują ten proces. Dla sklepów oznacza to jedno: kto dostosuje feed do tych protokołów, ten będzie widoczny. Kto tego nie zrobi – zniknie z rekomendacji AI.
ACP – Agentic Commerce Protocol (OpenAI + Stripe)
Agentic Commerce Protocol to otwarty standard współtworzony przez OpenAI i Stripe, opublikowany pod licencją Apache 2.0 (GitHub). ACP zarządza komunikacją między agentami AI a sprzedawcami – od wyszukiwania produktów przez rekomendację po finalizację zakupu bezpośrednio w ChatGPT (funkcja Instant Checkout, uruchomiona we wrześniu 2025).
Kluczowe cechy ACP z perspektywy product feeda:
Aktualizacje co 15 minut. Google Merchant Center domyślnie aktualizuje feed co 24 godziny. ACP pozwala na aktualizacje co 15 minut (Lengow) – to krytyczne dla sklepów z szybko zmieniającymi się cenami i stanami magazynowymi. Jeśli feed pokazuje „dostępny”, a strona „brak w magazynie”, AI oznacza dane jako niespójne i obniża zaufanie do sklepu.
Formaty: CSV, TSV, XML lub JSON – cokolwiek pasuje do istniejących eksportów katalogu. Sklepy na Shopify i Etsy są zintegrowane automatycznie (chatgpt.com/merchants). Dla pozostałych OpenAI udostępni platformę self-serve w 2026 roku.
Instant Checkout z PayPal i Stripe. Użytkownik może kupić produkt bez opuszczania ChatGPT. PayPal potwierdził integrację z ACP w październiku 2025 (TechCrunch). To oznacza, że feed produktowy staje się jednocześnie katalogiem, wizytówką i kasą sklepu.
UCP – Universal Commerce Protocol (Google)
Google ogłosiło Universal Commerce Protocol 11 stycznia 2026 na konferencji National Retail Federation (Google Ads & Commerce Blog), z poparciem Walmart, Target, Shopify i ponad 20 innych partnerów. UCP to otwarty standard standaryzujący wymianę informacji między agentami AI a backendem sprzedawcy przez API, MCP lub A2A.
Dla sklepów korzystających z Google Merchant Center integracja z UCP jest relatywnie prosta – wystarczy aktywować flagę native_commerce = true w ustawieniach konta (Google Merchant Center Help). Ta flaga sygnalizuje Gemini i Google AI Mode, że produkty z katalogu są dostępne do zakupu bezpośrednio przez agenta AI.
UCP rozszerza też wymagania dotyczące danych produktowych. Google wprowadza nowe atrybuty konwersacyjne: odpowiedzi na najczęstsze pytania o produkt, kompatybilne akcesoria, produkty zamienne (ALM Corp). Feed minimalny (tytuł + cena + dostępność) nie wystarczy – UCP wymaga pełniejszego obrazu produktu.
UCP jest obecnie dostępny w USA. Ekspansja do Europy planowana jest na 2026 rok, bez oficjalnych dat. Przygotowanie feeda teraz oznacza gotowość, gdy protokół dotrze do Polski. Już teraz jednak Google AI Mode w Polsce aktywnie wykorzystuje dane produktowe i Universal Cart do generowania wyników zakupowych, co potwierdzają dane z 90 polskich sklepów w AI Mode.
Perplexity Merchant Program
Perplexity ma unikalne podejście do handlu AI. W odróżnieniu od ChatGPT (który buduje oddzielną powierzchnię zakupową) i Google (który integruje zakupy z AI Mode), Perplexity rekomenduje produkty w kontekście odpowiedzi informacyjnych (UCP Hub).
Gdy użytkownik pyta Perplexity „jaki jest najlepszy plecak trekkingowy na 5-dniową wyprawę?”, odpowiedź zawiera rekomendacje produktów z linkami zakupowymi osadzonymi w treści badawczej. Produkt musi nie tylko istnieć w katalogu Perplexity, ale musi być dopasowany do intencji informacyjnej, która otacza decyzję zakupową.
Perplexity Merchant Program (Triple Whale AI Visibility Playbook) pozwala przesyłać ustrukturyzowany katalog (z opiniami, cenami, specyfikacjami, dostępnością). Jest globalny od startu – polskie sklepy mogą się zarejestrować już teraz, w odróżnieniu od ACP i UCP, które na razie działają w USA.
Co AI szuka w feedzie – 11 sekcji, które decydują o cytowaniu?
W analizie extractability score karty produktowej na przykładzie Nike Air Max 90 w czterech polskich sklepach opisaliśmy 11 sekcji informacyjnych, których AI szuka na stronie produktu. Te same 11 sekcji mapuje się bezpośrednio na kolumny product feeda – bo feed i strona muszą mówić tym samym językiem.
Mechanizm opisuje patent Google US10783156B1 (Scoring Candidate Answer Passages) – system ocenia fragmenty treści pod kątem ich zdolności do bycia odpowiedzią na pytanie użytkownika. AI robi to samo z danymi z feeda: szuka fragmentu, który samodzielnie odpowiada na zapytanie zakupowe.
Skala zjawiska rośnie. Ruch z AI do sklepów internetowych wzrósł o 4700% rok do roku (Adobe, lipiec 2025). Według badania Nudge z 2026, ChatGPT wybiera produkty do rekomendacji na podstawie wzmianek w autorytatywnych listach (41%), nagród branżowych (18%) i liczby recenzji (16%) – nie na podstawie pozycji w Google. A dane Triple Whale pokazują, że użytkownicy trafiający ze źródeł AI spędzają na stronie 32% dłużej, przeglądają 10% więcej podstron i mają 27% niższy bounce rate niż z innych kanałów.
Oto mapowanie sekcji z karty produktowej na pola feeda:
1. Lead sentence (jedno zdanie podsumowujące produkt) – mapuje się na pole description w feedzie. Większość feedów ma tu marketingowy tekst („Fantastyczny produkt w świetnej cenie!”). AI potrzebuje faktu: „Samsung UE55DU7172 to telewizor 55 cali z panelem LED VA o rozdzielczości 3840×2160 px”.
2. Specyfikacja techniczna – mapuje się na custom attributes w feedzie: product_length, product_width, shipping_weight, material, energy_efficiency_class.
3. Cena i dostępność – price, sale_price, availability. Muszą być aktualne – niespójność między feedem a stroną to najszybszy sposób na utratę zaufania AI.
4. Porównanie z alternatywami – w feedzie: custom_label z informacją o alternatywach lub kompatybilnych produktach. W schema na stronie: isRelatedTo, isSimilarTo.
5. Opinie i oceny – review_count i avg_rating jako custom attributes. AI traktuje opinie jako sygnał wiarygodności – sklep z „4.8/5 na podstawie 2300 opinii” ma przewagę nad sklepem bez opinii.
6. Warunki zakupu (dostawa, zwroty, gwarancja) – shipping z ceną i czasem dostawy, custom_label_4 z polityką zwrotów. AI szuka tych informacji, zanim poleci produkt – to sygnały „bezpieczeństwa cytowania”.
7-11. Zastosowanie, grupa docelowa, kontekst użycia, FAQ, certyfikaty – te sekcje są trudniejsze do zmapowania na standardowe pola feeda. Część trafia do rozszerzonych opisów, część do custom attributes, część pozostaje na stronie (FAQ ze schema FAQPage). Kluczowe jest, żeby feed i strona wzajemnie się uzupełniały, a nie powielały.
Pełną analizę 11 sekcji z kodem i case study znajdziesz w artykule o extractability score karty produktowej.
Jak audyt encji produktowej wzbogaca Twój feed?
Większość poradników o feedach mówi „uzupełnij tytuł i opis”. To za mało. Żeby wiedzieć, co dokładnie brakuje w feedzie konkretnego produktu, potrzebny jest audyt encji – systematyczna analiza, które atrybuty produktu są pokryte na stronie, w schema JSON-LD i w feedzie, a których brakuje.
Narzędzie ecom_product_entity_matrix_audit z GSCGA MCP sprawdza kartę produktową pod kątem trzech warstw atrybutów, z których każda odpowiada innemu poziomowi ważności dla AI:
CRITICAL (bez nich AI pomija produkt): cena, dostępność, dostawa/czas realizacji, polityka zwrotów, klasa energetyczna/wydajność. Jeśli brakuje któregokolwiek – AI nie ma fundamentalnych danych do rekomendacji.
DECISION (AI porównuje produkty): marka/producent, wymiary, kompatybilność („pasuje do…”), warianty (kolor, rozmiar, materiał). Bez tych danych AI nie może porównać Twojego produktu z konkurencją.
SUPPORTING (AI buduje zaufanie): SKU/GTIN/MPN, waga, opinie/rating, certyfikaty. To sygnały wiarygodności – AI cytuje źródła, którym ufa.
Każdy atrybut z matrycy ma trzy wymiary: visible (czy jest widoczny w tekście na stronie), JSON-LD (czy jest w schema Product) i consistency (czy dane w obu miejscach się zgadzają). To dokładnie te same wymiary, które musi pokrywać feed.
Przykład: telewizor Samsung 55″ – feed PRZED i PO audycie encji
Tak wygląda typowy feed małego polskiego sklepu:
<item>
<g:id>TV-SAM-55DU7172</g:id>
<g:title>Telewizor Samsung UE55DU7172 55" LED 4K</g:title>
<g:description>Telewizor Samsung 55 cali, rozdzielczosc 4K UHD,
Smart TV. Kup teraz w atrakcyjnej cenie!</g:description>
<g:price>2299.00 PLN</g:price>
<g:availability>in_stock</g:availability>
<g:brand>Samsung</g:brand>
<g:condition>new</g:condition>
<g:link>https://sklep.pl/telewizor-samsung-55du7172</g:link>
<g:image_link>https://sklep.pl/img/samsung-55.jpg</g:image_link>
</item>Badanie Yotpo potwierdza: dążenie do 99,9% uzupełnienia atrybutów w feedzie skutkuje nawet 4-krotnie wyższą widocznością w rekomendacjach AI.
Pokrycie entity matrix: ~25%. Z trzynastu kluczowych atrybutów uzupełnione są trzy (cena, dostępność, marka). Brakuje dostawy, zwrotów, wymiarów, wagi, GTIN, opinii, certyfikatów, kompatybilności, wariantów. AI nie ma materiału do pracy.
A tak wygląda feed po wzbogaceniu danymi z audytu encji:
<item>
<!-- IDENTYFIKACJA -->
<g:id>TV-SAM-55DU7172</g:id>
<g:mpn>UE55DU7172UXXH</g:mpn>
<g:gtin>8806095426730</g:gtin>
<g:item_group_id>SAM-DU7172</g:item_group_id>
<!-- TITLE: naturalny, faktograficzny -->
<g:title>Samsung Crystal UHD DU7172 55" - telewizor 4K
z Tizen OS, HDR10+ i PurColor</g:title>
<!-- DESCRIPTION: extractable, nie marketingowy -->
<g:description>Samsung UE55DU7172 to telewizor 55 cali
z panelem LED VA o rozdzielczosci 3840x2160 px (4K UHD).
Procesor Crystal 4K zapewnia upscaling tresci do 4K.
Obsluguje HDR10+ i HLG. System Smart TV Tizen 8.0
z aplikacjami Netflix, Disney+, HBO Max, YouTube.
3x HDMI (1x eARC), 1x USB, Wi-Fi 5, Bluetooth 5.2.
VESA 200x200 mm. Klasa energetyczna G.
Wymiary ze stopka: 123.3x78.1x26.1 cm, waga 13.7 kg.
Gwarancja producenta 24 miesiace.</g:description>
<!-- CRITICAL -->
<g:price>2299.00 PLN</g:price>
<g:sale_price>1999.00 PLN</g:sale_price>
<g:availability>in_stock</g:availability>
<g:shipping>
<g:country>PL</g:country>
<g:price>0.00 PLN</g:price>
<g:service>Kurier DPD 1-2 dni robocze</g:service>
</g:shipping>
<!-- DECISION -->
<g:brand>Samsung</g:brand>
<g:color>Titanium Gray</g:color>
<g:size>55"</g:size>
<g:material>LED VA Panel</g:material>
<g:product_length>123.3 cm</g:product_length>
<g:product_width>5.1 cm</g:product_width>
<g:product_height>72.9 cm</g:product_height>
<g:energy_efficiency_class>G</g:energy_efficiency_class>
<!-- SUPPORTING -->
<g:shipping_weight>17.5 kg</g:shipping_weight>
<g:certification>
<g:authority>CE</g:authority>
</g:certification>
<!-- CUSTOM ATTRIBUTES (AI-specific) -->
<g:custom_label_0>Smart TV Tizen 8.0</g:custom_label_0>
<g:custom_label_1>HDR10+ HLG</g:custom_label_1>
<g:custom_label_2>HDMI eARC VESA 200x200</g:custom_label_2>
<g:custom_label_3>gwarancja 24 mies.</g:custom_label_3>
<g:custom_label_4>zwrot 30 dni</g:custom_label_4>
<g:product_type>RTV > Telewizory > LED 4K > 55 cali</g:product_type>
<g:link>https://sklep.pl/telewizor-samsung-55du7172</g:link>
<g:image_link>https://sklep.pl/img/samsung-55-front.jpg</g:image_link>
<g:additional_image_link>https://sklep.pl/img/samsung-55-ports.jpg</g:additional_image_link>
</item>Pokrycie entity matrix: ~85%. Uzupełnione są wszystkie warstwy: critical (cena, dostępność, dostawa, zwroty, klasa energetyczna), decision (marka, wymiary, kompatybilność, warianty), supporting (GTIN, MPN, waga, certyfikaty). Brakuje opinii bezpośrednio w feedzie – ale są na stronie w schema i w treści.
Jak Twój feed trafia do ChatGPT, Gemini i Perplexity – mapa dystrybucji?
W 2026 roku product feed nie trafia tylko do Google Shopping. Jeden plik zasila cztery oddzielne kanały AI discovery jednocześnie:
Google Merchant Center + UCP → Gemini + Google AI Mode + Shopping. Najwyższy wolumen w Polsce. Gemini korzysta bezpośrednio z danych Merchant Center. Po aktywacji flagi native_commerce = true produkty są dostępne do zakupu przez agenta AI. Direct Offers (Google Ads) pozwalają prezentować rabaty w AI Mode.
ChatGPT / ACP → ChatGPT Shopping + Instant Checkout. Na razie USA, ale ekspansja międzynarodowa zapowiedziana na 2026. Shopify i Etsy zintegrowane automatycznie. Feed aktualizowany co 15 minut. PayPal jako dodatkowa metoda płatności.
Perplexity Merchant Program → Perplexity Search. Globalny od startu – polskie sklepy mogą się zarejestrować już teraz. Produkty pojawiają się w kontekście odpowiedzi informacyjnych, nie jako reklamy. Najłatwiejszy kanał dla małych sklepów.
Schema Product na stronie → organiczne cytowania AI. Nawet bez integracji z protokołami, dane z feeda zasilają schema JSON-LD na karcie produktu, a crawlery AI (GPTBot, ClaudeBot, PerplexityBot) parsują te dane bezpośrednio ze strony. To kanał dostępny natychmiast, bez żadnych rejestracji.
Kluczowe: nawet jeśli ACP i UCP nie są jeszcze dostępne w Polsce, przygotowanie feeda teraz oznacza gotowość, gdy protokoły wejdą na polski rynek – a jednocześnie natychmiastową poprawę widoczności organicznej w AI.
Czym feed AI-ready różni się od feeda do Google Shopping?
Różnica nie polega na dodaniu kilku pól. To zmiana filozofii – od „feed jako technikalia dla kampanii reklamowej” do „feed jako źródło prawdy dla agenta AI”.
1. Częstotliwość aktualizacji. Google Shopping akceptuje aktualizacje co 24 godziny. ACP co 15 minut. Dla AI niespójność cenowa między feedem a stroną to sygnał niskiej wiarygodności – a AI nie poleca źródeł, którym nie ufa. Jeśli feed pokazuje cenę 1999 zł, a na stronie jest 2299 zł, AI flaguje niespójność i może całkowicie wykluczyć sklep z rekomendacji.
2. Język opisów. W Google Shopping tytuł „Telewizor Samsung UE55DU7172 55 cali LED 4K Smart TV” jest optymalny – słowa kluczowe na początku, dopasowanie do zapytań. W AI feedzenie liczy się co innego: agent AI nie szuka słów kluczowych, tylko weryfikuje atrybuty strukturalne. Opis musi być faktograficzny i konwersacyjny – nie marketingowy.
3. Atrybuty relacyjne. Google Shopping nie potrzebuje informacji „do czego pasuje ten produkt” ani „czym go zastąpić”. AI – tak. Dane relacyjne (isRelatedTo, isSimilarTo, compatible_with) pozwalają agentowi AI budować powiązania między produktami i odpowiadać na pytania porównawcze.
4. Opinie jako sygnał algorytmiczny. W Google Shopping opinie wpływają na CTR reklamy. W AI shopping opinie są dynamicznym, ciągłym kanałem danych walidującym autorytet marki. Agent AI parsuje liczbę opinii, średnią ocenę i ich treść (jeśli są dostępne w feedzie lub na stronie) – to fundamentalny sygnał zaufania (Replenit).
5. Polityki jako wymóg cytowania. Google Shopping nie wymaga informacji o zwrotach w feedzie (choć preferuje). AI traktuje to jako warunek konieczny – agent szuka sygnałów, że produkt jest „bezpieczny do zacytowania”: jasna polityka zwrotów, widoczne dane kontaktowe, informacja o gwarancji. Brak tych elementów = brak rekomendacji.
Jak mały sklep na Shoperze czy WooCommerce może się przygotować?
Nie musisz integrować się z ACP czy UCP od razu – te protokoły na razie działają w USA. Ale możesz przygotować feed tak, żeby był gotowy na ich przyjście do Europy – a jednocześnie już teraz poprawić widoczność w organicznych odpowiedziach AI (ChatGPT, Gemini, Perplexity cytują dane z feedów przez Google Merchant Center i crawl stron).
Krok 1: Audytuj obecny feed (dzień 1-2)
Zaloguj się do Google Merchant Center, przejdź do sekcji Diagnostyka. Sprawdź, ile atrybutów jest uzupełnionych. Standardowo małe sklepy mają 30-40% pokrycia – cel to 90%+. Kluczowe brakujące pola to najczęściej: material, color, size, gtin, mpn, product_type, shipping, energy_efficiency_class.
Jeśli chcesz głębszą analizę, uruchom audyt encji na kartach produktowych. Narzędzie ecom_product_entity_matrix_audit pokaże Ci dokładnie, które atrybuty z macierzy (critical/decision/supporting) są pokryte na stronie, a których brakuje – i gdzie je dodać.
Krok 2: Wzbogać opisy o atrybuty konwersacyjne (dzień 3-5)
Dodaj do feeda dane, które odpowiadają na realne pytania klientów: „do czego?”, „dla kogo?”, „czym się różni od X?”. W WooCommerce możesz to zrobić przez custom fields + wtyczkę Product Feed PRO (która mapuje dowolne meta fieldy na kolumny feeda). W Shoperze – przez rozszerzenia XML feeda w panelu administracyjnym.
Kluczowe: description w feedzie musi zawierać lead sentence – jedno zdanie z najważniejszymi faktami o produkcie. Nie „Kup teraz w świetnej cenie!”, tylko „Nike Air Max 90 CN8490-100 to buty do biegania rekreacyjnego z amortyzacją Air Max w podeszwie o grubości 18 mm, waga 312 g, cena od 449 zł”. To jest fragment, który AI może wyciągnąć i wstawić do odpowiedzi.
Krok 3: Zsynchronizuj feed ze schema na stronie (dzień 5-7)
Feed i schema Product JSON-LD na karcie produktu muszą zawierać identyczne dane. Każda niespójność (inna cena, inna dostępność, inna marka) obniża „confidence score” AI. Systemy AI krzyżowo weryfikują informacje z wielu źródeł – feed, schema, treść na stronie, opinie zewnętrzne. Im wyższa spójność, tym większe zaufanie.
Praktyczny test: porównaj dane w feedzie z odpowiedzią na zapytanie w Google Rich Results Test dla tej samej karty produktowej. Jeśli ceny lub dostępność się różnią – masz problem, który AI wykryje.
Krok 4: Zarejestruj się w Perplexity Merchant Program (dzień 7)
Perplexity Merchant Program jest jedynym z trzech protokołów, który działa globalnie od startu. Polskie sklepy mogą przesłać katalog produktowy już teraz. Rejestracja odbywa się przez formularz na stronie Perplexity. Katalog wymaga: nazwy produktów, cen, specyfikacji, dostępności i opcjonalnie opinii.
Krok 5: Monitoruj widoczność (co miesiąc)
Zadawaj prompty zakupowe w ChatGPT, Gemini i Perplexity – pytania, jakie zadaliby Twoi klienci. Sprawdzaj, czy Twoje produkty się pojawiają. Porównuj z danymi z feeda – jeśli produkt jest w feedzie z pełnymi atrybutami, ale nie pojawia się w odpowiedziach AI, problem leży w innym miejscu (brak encji marki, brak opinii, brak extractability na stronie).
Więcej o systematycznym monitoringu widoczności w AI znajdziesz w artykule o observed visibility.
Dlaczego trójka feed + schema + treść decyduje o wszystkim?
Największy błąd, jaki popełniają sklepy, to traktowanie feeda, schema i treści na stronie jako oddzielnych bytów. Feed robi dział marketingu, schema robi programista, treści pisze copywriter – i każdy z nich ma inne dane.
AI weryfikuje krzyżowo. Pobiera feed z Google Merchant Center, crawluje stronę, parsuje schema JSON-LD i porównuje. Jeśli feed mówi „dostępny”, schema mówi „dostępny”, ale na stronie jest „brak w magazynie” – AI identyfikuje niespójność i traci zaufanie. Nie tylko do tego produktu, ale do całego sklepu.
Dlatego workflow wzbogacania feeda musi zaczynać się od audytu encji na stronie (entity matrix), a nie od samego pliku XML. Audyt mówi Ci, jakie dane masz na stronie i w schema – a feed musi zawierać te same dane w tych samych wartościach. Jedno źródło prawdy, trzy kanały dystrybucji.
Ten proces opisujemy szczegółowo w artykule o schema markup a widoczność w AI – w kontekście tego, jak dane strukturalne wpływają na cytowania w odpowiedziach modeli językowych.
Feed to inwestycja w nowy kanał sprzedaży – nie jednorazowy koszt
Ruch z agentów AI konwertuje na poziomie 15-30% – to 5-10-krotna poprawa w porównaniu z tradycyjnymi benchmarkami e-commerce (Zoopa, dane Q1 2026). McKinsey prognozuje, że kanał agentic commerce będzie warty 3-5 bilionów dolarów globalnie do 2030 roku (Opascope / McKinsey).
Ale te liczby dotyczą sklepów, które mają dane. Sklep z feedem „tytuł + cena + in_stock” nie skorzysta z tego trendu – bo AI go po prostu nie zobaczy.
Semgence specjalizuje się w optymalizacji widoczności sklepów e-commerce w wyszukiwarkach i modelach AI. Jako jedna z nielicznych agencji w Polsce łączymy audyt encji produktowych (entity matrix), optymalizację product feedów i monitoring widoczności w pięciu silnikach AI (ChatGPT, Gemini, Perplexity, Google AI Mode, Claude). Prowadzimy ciągły monitoring – mierzymy, jak produkty naszych klientów pojawiają się w odpowiedziach AI, i systematycznie wzbogacamy zarówno treść na stronach, jak i feedy produktowe na podstawie danych z audytów.
Szczegółowy przewodnik po AI visibility dla e-commerce – od schema Product po treści produktowe i strategie content marketingowe – znajdziesz w artykule AI visibility dla e-commerce.
FAQ
Czy muszę mieć osobny feed dla każdego systemu AI?
Nie. Podstawą jest jeden feed produktowy (najczęściej w formacie XML lub CSV), który zasilasz do Google Merchant Center. Ten sam feed – odpowiednio wzbogacony o dodatkowe atrybuty – może służyć jako źródło danych dla UCP (automatycznie przez Merchant Center), ACP (po rejestracji u OpenAI) i Perplexity Merchant Program. Kluczem jest jakość danych, nie liczba plików.
Ile czasu zajmuje wzbogacenie feeda pod AI?
Dla sklepu z kilkuset produktami – tydzień roboczej pracy (audyt + wzbogacenie opisów + synchronizacja ze schema). Dla sklepu z tysiącami SKU – 2-4 tygodnie z automatyzacją przez wtyczki feedowe (Product Feed PRO dla WooCommerce, moduły eksportu w Shoperze/PrestaShop). Największy wysiłek to jednorazowe uzupełnienie brakujących atrybutów (GTIN, wymiary, materiały) – potem utrzymanie sprowadza się do pilnowania spójności.
Czy ACP i UCP są dostępne w Polsce?
Na razie nie. ACP (ChatGPT Instant Checkout) działa w USA, z planowaną ekspansją międzynarodową w 2026. UCP (Google) również startuje od USA, z Europą na horyzoncie w 2026 bez oficjalnych dat. Ale Perplexity Merchant Program jest globalny od startu. Co ważniejsze – nawet bez formalnych protokołów, wzbogacony feed poprawia widoczność organiczną w AI już teraz, bo ChatGPT, Gemini i Perplexity korzystają z danych z Google Merchant Center i crawlowanych stron.
Jak sprawdzić, czy mój feed jest „AI-ready”?
Uruchom audyt encji (entity matrix) na 10 najważniejszych kartach produktowych. Porównaj wynik (pokrycie atrybutów critical/decision/supporting) z danymi w feedzie. Jeśli feed ma pokrycie poniżej 50% – priorytetem jest uzupełnienie brakujących pól. Dodatkowy test: zadaj ChatGPT lub Perplexity pytanie o Twój produkt i sprawdź, czy pojawia się w odpowiedzi i z jakimi danymi.
Czy wzbogacenie feeda zastępuje optymalizację treści na stronie?
Nie. Feed i treść na stronie to dwa uzupełniające się kanały. AI weryfikuje oba krzyżowo. Feed daje AI ustrukturyzowane dane do szybkiego dopasowania produktu do zapytania. Treść na stronie daje AI kontekst, głębię i materiał do cytowania. Schema JSON-LD spaja oba elementy. Wszystkie trzy muszą być spójne – to „trójka spójności”, bez której monitoring widoczności w AI e-commerce nie zadziała.
Od czasu publikacji tego artykułu Google rozszerzył możliwości feedu o 6 nowych conversational attributes – question_and_answer, document_link, related_product, item_group_title, variant_option i popularity_rank. Te atrybuty zmieniają rolę feedu z narzędzia do listingu produktów w fundament konwersacyjnego commerce w AI Mode.
Osobnym przypadkiem jest feed hurtowni, w którym część warunków zakupu w ogóle nie ma swojego pola. Porównaliśmy pod tym kątem dwa protokoły handlu agentowego i schema.org w tekście o katalogu B2B oczami agenta zakupowego.
