Еще несколько лет назад путь покупателя был предельно понятен: открыть Google, ввести название товара, перейти на несколько сайтов и самостоятельно сравнить цены. Теперь часть людей начинает поиск иначе. Они описывают свою потребность ChatGPT, Gemini, Perplexity или другому AI-сервису и ожидают получить уже готовую подборку.
Например, человек может не искать просто «купить футболку». Он напишет:
Найди синюю хлопковую футболку размера M, без крупного принта, до 1 000 гривен, которая есть в наличии и доставляется по Украине.
Искусственный интеллект должен понять сразу несколько условий: тип товара, цвет, материал, размер, дизайн, цену, наличие и возможность доставки. После этого он может сравнить варианты и направить пользователя на страницу соответствующего товара.
Для владельца интернет-магазина это означает появление еще одного канала привлечения покупателей. Наряду с Google, рекламой, маркетплейсами, социальными сетями и почтовыми рассылками постепенно формируется AI-поиск.
Однако искусственный интеллект не может правильно рекомендовать товар, если в каталоге царит беспорядок. Неполные названия, неверные штрихкоды, устаревшие цены, отсутствующие характеристики и расхождения в остатках делают товар непонятным не только для AI, но и для обычных поисковых и рекламных систем.
Что такое AI-трафик
AI-трафик — это посетители, которые переходят в интернет-магазин из сервисов на основе искусственного интеллекта. К таким источникам могут относиться ChatGPT, Gemini, Perplexity, Copilot и другие системы, помогающие пользователю искать, сравнивать и выбирать товары.
Разница заключается не только в адресе источника перехода. Часто пользователь уже провел часть исследования внутри AI-сервиса: уточнил потребность, определил примерный бюджет, выбрал характеристики и только после этого открыл сайт продавца.
Поэтому такой посетитель может быть ближе к покупке, чем человек, который случайно перешел по слишком широкому поисковому запросу.
AI-переходы уже нельзя считать случайным трафиком
В отчете Adobe Digital Insights отмечается, что в мае 2026 года доля AI-переходов на сайты розничной торговли в США выросла на 138% по сравнению с предыдущим годом. Adobe также сообщила, что это был самый высокий показатель за весь период наблюдений, начавшийся в октябре 2024 года.
Важно не только то, что таких переходов становится больше. Меняется и их качество. Digital Commerce 360, ссылаясь на мартовские данные Adobe, сообщал, что AI-трафик конвертировался на 42% лучше других источников. В майском отчете Adobe разница составляла уже 54%. Это показывает, насколько быстро могут меняться показатели по мере развития AI-поиска.
По майским данным Adobe, посетители из AI-сервисов также демонстрировали на 15% более высокую вовлеченность, просматривали на 23% больше страниц, проводили на сайте на 53% больше времени и на 36% реже сразу покидали его. Доход с одного AI-перехода был на 53% выше, чем из других источников.
Эти цифры относятся к американскому розничному рынку и не означают, что каждый магазин автоматически получит аналогичные результаты. Тем не менее они показывают общий вектор: AI-поиск уже способен приводить не просто праздных читателей, а людей с реальным намерением совершить покупку.
Чем AI-поиск отличается от обычного поиска
Традиционный поисковый запрос часто состоит из нескольких слов:
синяя футболка;
футболка размер M;
хлопковая футболка купить;
женская футболка без принта.
Интернет-магазин стремится занять высокие позиции по таким фразам. Для этого оптимизируют названия категорий, метатеги, описания, заголовки и внутренние ссылки.
Общение с AI обычно строится более детально. Пользователь может сразу указать:
тип товара;
цвет;
размер;
материал;
назначение;
ценовое ограничение;
желаемый срок доставки;
дополнительные требования.
Затем он может продолжить диалог:
Покажи только модели без надписей.
Убери варианты дороже 800 гривен.
Оставь только те, которые можно получить на этой неделе.
Таким образом, AI-поиск работает не просто со словами на странице. Ему необходимо сопоставить товар с конкретными условиями пользователя.
AI не читает каталог так, как человек
Человек может посмотреть на фотографию и догадаться, что футболка синяя. Он может открыть вкладку, нажать на список размеров и увидеть, что M есть в наличии. Он также может прочитать текст на баннере и понять, что действует скидка.
Для автоматической системы всё сложнее. Если цвет указан только на фотографии, размер подгружается только по JavaScript-запросу, а скидка «зашита» внутрь картинки, часть данных может остаться незамеченной.
Поэтому важную информацию необходимо передавать в понятном для машин виде:
в полях товара;
в атрибутах и опциях;
в исходном HTML-коде страницы;
в структурированных данных JSON-LD;
в товарных фидах;
через стабильные URL и идентификаторы.
Представьте, что карточка товара — это анкета
Чтобы объяснить принцип проще, представим обычную анкету.
Если в ней написано только:
Название: футболка.
Этой информации недостаточно. Непонятно, какого она цвета, из чего сделана, какие размеры есть в наличии и сколько она стоит.
Более полная карточка может выглядеть так:
Название: базовая синяя хлопковая футболка;
Артикул: TS-BLUE-001;
Цвет: синий;
Материал: 100% хлопок;
Размер: M;
Пол: унисекс;
Цена: 799 грн;
Наличие: в наличии;
Состояние: новый товар;
Доставка: по Украине;
Возврат: согласно правилам магазина.
Именно такая структура помогает системам понимать характеристики товара без лишних догадок.
Каталог становится важнее рекламных фраз
Фразы в духе «лучшая цена», «высокое качество» или «идеальный выбор» могут служить частью рекламного текста, но они практически ничего не объясняют.
Для точного подбора важнее конкретные ответы:
что это за товар;
для кого он предназначен;
из какого материала изготовлен;
какие имеет размеры;
чем отличается от других моделей;
что входит в комплект;
как им пользоваться;
есть ли у него ограничения;
когда его можно получить.
Это не означает, что описания должны превратиться в сухие таблицы. Качественная карточка товара сочетает в себе два уровня информации:
четкие структурированные характеристики;
естественное человеческое описание, помогающее сделать выбор.
Три источника информации об одном товаре
В интернет-магазине данные об одном товаре обычно существуют сразу в нескольких местах.
1. Видимая страница товара
Это то, что видит покупатель: название, фотографии, цену, список размеров, наличие, описание, кнопку покупки, информацию о доставке и возврате.
2. Структурированные данные
Это специальный блок JSON-LD, который объясняет поисковой системе, что на странице находится именно товар, а не обычная статья. В нем могут передаваться название, цена, валюта, состояние, наличие, рейтинг, изображения, условия доставки и правила возврата.
3. Товарный фид
Это структурированный файл или канал передачи данных для Google Merchant Center, рекламных платформ, маркетплейсов, партнеров и AI-сервисов.
Самое важное правило — информация в этих источниках должна полностью совпадать.
Почему расхождения создают проблемы
Представим ситуацию:
на странице футболка стоит 799 грн;
в JSON-LD указано 749 грн;
в товарном фиде осталась старая цена — 699 грн;
на странице размер M есть в наличии;
в фиде он отмечен как отсутствующий.
Поисковая или рекламная система не знает, какому источнику доверять. В результате она может показать некорректную цену, отклонить товар, ограничить его показ или вовсе проигнорировать.
Google напрямую требует, чтобы данные о наличии в Merchant Center соответствовали странице товара, процессу оформления заказа и структурированной разметке. Аналогичная логика применяется к цене и основным идентификаторам.
Зачем нужна микроразметка Product
Google рекомендует передавать товарную информацию с помощью структурированных данных Product. Для страниц, на которых можно приобрести товар, разметка помогает передавать цену, наличие, рейтинг, условия доставки, правила возврата и другие коммерческие сведения.
Структурированные данные не заменяют видимое содержимое страницы. Нельзя указать в JSON-LD характеристики, которых покупатель вообще не видит на сайте. Разметка должна описывать существующий контент, а не создавать альтернативную версию товара.
Google также отмечает, что одновременное использование структурированных данных на странице и фида Merchant Center повышает способность системы корректно интерпретировать и проверять информацию. Некоторые поисковые функции могут задействовать данные из обоих источников сразу.
Как правильно показывать цвета и размеры
Одна из самых распространенных проблем интернет-магазинов — это варианты (вариации) товара.
Одна футболка может иметь:
синий, белый и черный цвета;
размеры S, M, L и XL;
разное наличие для каждого сочетания;
отдельное фото для каждого цвета;
иногда разную цену.
Для покупателя это одна модель футболки с вариантами выбора. Но в базе данных магазина она может быть представлена десятком отдельных SKU.
Google рекомендует объединять связанные варианты с помощью `ProductGroup`. В такой группе можно указать общие характеристики модели, а для каждого конкретного варианта отдельно передать цвет, размер, фото, цену, наличие и URL. Для связки используются, в частности, свойства `variesBy`, `hasVariant` и `productGroupID`.
Простым языком это означает:
система должна понимать, что все цвета относятся к одной модели;
каждый конкретный вариант должен иметь собственные точные данные;
выбор цвета или размера не должен скрывать актуальную цену и наличие;
идентификатор товарного семейства должен оставаться стабильным.
SKU, GTIN, EAN и модель: зачем так много кодов
Идентификаторы помогают различным системам точно понять, о каком именно товаре идет речь.
SKU
SKU — внутренний код продавца. Магазин создает его для собственного учета. Например:
TS-BLUE-M-001
GTIN или EAN
Это глобальный уникальный идентификатор, который обычно присваивается производителем. Он используется для точного распознавания товара разными продавцами и платформами.
Model или MPN
Это номер модели или артикул производителя.
В спецификации товарного фида OpenAI предусмотрен стабильный уникальный `item_id` для каждого варианта. Также могут передаваться GTIN и MPN. OpenAI отдельно подчеркивает, что идентификатор товара должен оставаться неизменным во времени.
Не нужно выдумывать случайный GTIN для товара, у которого его нет. Также не следует использовать один штрихкод для разных товаров или копировать код похожей модели.
Цена должна быть не просто числом
Для корректного понимания цены системе требуются:
числовое значение;
валюта;
обычная цена;
акционная цена, если она действует;
срок действия акции;
в некоторых случаях — цена за единицу измерения.
Значение «799» без указания валюты может быть неоднозначным. Правильнее передавать значение вместе с кодом валюты, например UAH.
Спецификация OpenAI для товарных каталог предусматривает обязательную обычную цену с кодом валюты, а также отдельные поля для акционной цены и дат начала и окончания акции.
Наличие должно обновляться быстро
AI может порекомендовать товар, соответствующий запросу, но рекомендация потеряет смысл, если после перехода покупатель обнаружит, что нужного размера нет в наличии.
Поэтому для каждого варианта нужно передавать точный статус:
в наличии;
нет в наличии;
предзаказ;
ожидается поставка;
статус неизвестен.
OpenAI называет точные данные об остатках необходимым условием для того, чтобы пользователи видели товары, которые действительно можно купить. В спецификации предусмотрены статусы `in_stock`, `out_of_stock`, `pre_order`, `backorder` и `unknown`.
Для магазина это означает, что обновление остатков должно синхронизироваться по всем каналам:
на странице товара;
в корзине;
в структурированных данных;
в Merchant Center;
на маркетплейсах;
в AI-фиде.
Фотографии также являются частью товарных данных
Основная фотография должна четко демонстрировать товар. Для синей футболки не стоит использовать в качестве главного изображения коллаж с большим количеством текста, декоративный баннер или фото, на котором сам товар едва различим.
Полезный набор изображений может включать:
вид спереди;
вид сзади;
детали ткани (крупный план);
реальный оттенок цвета;
посадку на модели;
таблицу размеров в качестве дополнительного, но не единственного источника информации.
В товарном фиде OpenAI предусмотрены основное изображение и дополнительные фотографии. Также спецификация поддерживает видео и ссылки на 3D-модели, хотя они и не обязательны для большинства магазинов.
Доставка и возврат влияют на выбор
Пользователь может искать не просто товар, а предложение с конкретными условиями:
доставка в определенную страну;
получение на этой неделе;
самовывоз;
бесплатная доставка;
возможность возврата;
определенный срок возврата.
Если магазин показывает правила доставки и возврата только на отдельной странице мелким шрифтом, система может не связать их с конкретным товарным предложением.
Google поддерживает передачу информации о доставке и политике возврата в структурированных данных товарного предложения. Эти сведения также могут использоваться в коммерческой выдаче.
ChatGPT развивает отдельный товарний поиск
В марте 2026 года OpenAI представила расширенный механизм поиска товаров в ChatGPT на базе Agentic Commerce Protocol. Пользователи могут описывать потребность естественным языком, уточнять бюджет и требования, просматривать товары, сравнивать их по ключевым параметрам и переходить на сайт продавца.
По информации OpenAI, задача этого механизма — передавать в ChatGPT более полную, актуальную и релевантную товарную информацию. Для продавцов это открывает возможность работать не только с обычной индексацией страниц, а и со структурированной передачей каталога.
Спецификация OpenAI включает:
уникальный идентификатор;
название и описание;
GTIN и MPN;
основное и дополнительные изображения;
обычную и акционную цену;
наличие;
варианты (вариации);
региональные цены и остатки;
другие данные, необходимые для демонстрации предложения.
Сам факт передачи фида не гарантирует, что каждый товар будет показан по любому запросу. Система все равно оценивает соответствие товара потребностям пользователя, актуальность данных и другие сигналы.
Не нужно создавать отдельный каталог для каждого канала
Плохой сценарий выглядит так:
менеджер меняет цену на сайте;
другой человек вручную обновляет ее в Google-фиде;
кто-то третий вносит изменения на маркетплейсе;
фид для AI обновляется раз в неделю;
остатки везде различаются.
Более правильный подход — создать единый источник товарных данных.
Интернет-магазин или отдельная система управления каталогом (PIM) хранит базовые сведения, а уже на их основе автоматически формируются:
страница товара;
JSON-LD;
Google Merchant Center;
фиды маркетплейсов;
рекламные каталоги;
экспорт для партнеров;
фид для AI-систем.
Тогда цена, название, фотография и остаток меняются в одном месте и синхронно передаются во все каналы.
Почему интеграция DoorDash и Shopify является показательным примером
В июле 2026 года DoorDash сообщила о запуске нативного канала продаж для американских офлайн-магазинов на Shopify. Продавцы могут транслировать свой каталог в DoorDash без ручной загрузки товаров.
Здесь особенно важен технический принцип интеграции: каталог и остатки продолжают управляться в Shopify, а изменения синхронизируются с DoorDash автоматически. Продавцу не нужно дублировать ввод данных или вручную актуализировать остатки во второй системе.
Это пример более масштабной тенденции. CMS интернет-магазина постепенно превращается из простого движка сайта в центральный хаб управления товарными данными для множества каналов продаж.
Следующий этап — агентская торговля
Сегодня AI в основном помогает найти и сравнить товар. Следующий шаг — AI-агенты, которые смогут выполнять часть действий от лица пользователя:
искать товар;
сравнивать предложения;
проверять условия доставки;
выбирать подходящий вариант;
переходить к оформлению;
с разрешения пользователя совершать оплату.
TechRadar называет такой подход agentic commerce (агентская коммерция). Издание обращает внимание на то, что для этого недостаточно просто добавить чат-бота. Требуется платежная и техническая архитектура, способная проверять намерения пользователя, полномочия агента, лимиты операций и безопасность транзакций.
Этот формат торговли еще только развивается, но он объясняет, почему качество товарных данных становится критически важным. Агент не должен гадать, какая цена актуальна, есть ли размер в наличии и сколько будет стоить доставка.
Что нельзя передавать AI-агенту без контроля
Автоматизация покупок выдвигает новые требования к безопасности. Магазину необходимо строго разграничивать обычный просмотр каталога и действия, которые изменяют заказ или инициируют оплату.
Для критически важных операций необходимы:
четкое подтверждение пользователя;
ограниченные права доступа;
проверка суммы и валюты;
срок действия разрешения;
журнал выполненных действий (логирование);
защита токенов и платежных данных;
возможность отменить или остановить операцию.
Таким образом, будущая сфера AI-commerce касается не только SEO и описаний. Она также охватывает авторизацию, платежи, логирование, правила возврата и распределение ответственности за автоматически выполненные действия.
Как проверить, приводит ли AI покупателей уже сейчас
Без аналитики владелец магазина может просто не заметить новый канал. Переходы из AI-сервисов часто попадают в общую группу реферального трафика (referral).
В GA4 или собственной аналитической системе стоит выделить отдельную группу источников, куда могут входить:
ChatGPT;
Gemini;
Perplexity;
Copilot;
другие идентифицированные AI-источники.
Для этой группы необходимо отслеживать:
количество сессий;
новых и вернувшихся пользователей;
просмотренные товары;
добавления в корзину;
переходы к оформлению заказа;
совершенные заказы;
коэффициент конверсии;
доход;
средний чек;
долю отмененных заказов;
возвраты товаров.
Adobe сообщает, что 50% опрошенных пользователей переходят по ссылкам, полученным от AI при выборе товаров, а 27% завершают покупку через такие переходы. Для конкретного магазина эти показатели нужно отслеживать по собственной аналитике, а не проецировать напрямую результаты общих исследований.
Доступность страницы для сканирования
AI-фид не отменяет необходимости иметь качественный, технически исправный сайт. Страницы товаров должны:
возвращать корректный HTTP-статус;
открываться без бесконечных перенаправлений (редиректов);
иметь стабильный URL;
содержать правильный canonical;
выводить ключевую информацию в исходном HTML-коде;
корректно отображаться и работать на мобильных устройствах;
загружаться без критических задержек;
не блокироваться ошибочными правилами систем защиты.
Adobe отдельно обращала внимание на то, что многие розничные сайты остаются недостаточно подготовленными к машинному чтению, даже на фоне быстрого роста AI-трафика. В первые три месяца 2026 года Adobe зафиксировала значительный годовой рост переходов из AI-источников на американские e-commerce площадки.
Это не означает, что нужно разрешить любому боту бесконтрольно сканировать ресурс. Важно разграничивать полезных поисковых и торговых роботов, обычные индексаторы, агрессивные парсеры и подозрительный автоматический трафик.
Нужно ли создавать отдельные тексты для AI
В большинстве случаев — нет.
Не нужно делать одно описание для человека, второе — для Google, третье — для ChatGPT и четвертое — для маркетплейса. Это быстро приведет к противоречиям и путанице.
Гораздо эффективнее заложить один качественный информационный фундамент:
корректное название;
краткое и понятное введение;
структурированные характеристики;
детальное описание;
реальные преимущества без преувеличений;
возможные ограничения товара;
инструкция по выбору;
четкие условия доставки и возврата.
Затем эти данные можно адаптировать под формат конкретного канала без искажения их сути.
Нужно ли срочно инвестировать в GEO
GEO, или Generative Engine Optimization, — это общее название оптимизации контента под генеративные поисковые и AI-системы.
Вокруг этого направления уже появляются специализированные сервисы, рейтинги видимости и услуги по продвижению упоминаний. Тем не менее интернет-магазину не стоит начинать с дорогостоящего мониторинга, если в основном каталоге до сих пор присутствуют неверные цены и незаполненные характеристики.
Первый этап гораздо более прозаичен:
навести порядок в товарных данных;
проверить индексацию;
исправить разметку JSON-LD;
синхронизировать фиды;
настроить сквозную аналитику;
создать полезные информационные материалы;
и только после этого оценивать видимость в различных AI-системах.
Эти работы принесут пользу независимо от популярности термина GEO. Они одновременно улучшают органическое SEO, позиции в Merchant Center, внутренний поиск по сайту, интеграции с маркетплейсами и общее удобство ресурса для пользователей.
Типичные проблемы каталогов на OpenCart и PrestaShop
Платформа сама по себе не решает и не создает проблем. Решающее значение имеет конкретная реализация и настройка магазина.
В каталогах на OpenCart, PrestaShop и других популярных CMS часто встречаются следующие ситуации:
характеристики занесены только в текстовое HTML-описание;
цвет указан в названии, но отсутствует в параметрах (атрибутах);
размер хранится в опциях, но не попадает в фид;
EAN находится в стороннем модуле и не транслируется во внешний мир;
один код (SKU/EAN) используется для нескольких вариаций;
фид обновляется значительно реже, чем страницы магазина;
в JSON-LD отдается устаревшая цена;
кэш отдает неактуальные данные о наличии;
языковые версии имеют некорректные теги canonical;
каждый цвет создан как полностью независимый товар без логической связи с моделью;
важные данные подгружаются исключительно через AJAX-запросы.
Как правило, для решения этих проблем не нужно переносить весь магазин на другую CMS. Достаточно проверить и скорректировать модель данных, модули экспорта, шаблоны страниц товара, микроразметку и логику обновления остатков.
Пошаговый чек-лист проверки интернет-магазина
Шаг 1. Проверить названия
Название должно четко объяснять, что это за товар. Не стоит перегружать его рекламным спамом, но ключевые параметры должны легко считываться.
Шаг 2. Проверить идентификаторы
Необходимо найти и устранить дубликаты SKU, EAN, GTIN и моделей. Для каждого варианта должен использоваться свой уникальный и корректный код.
Шаг 3. Упорядочить характеристики
Цвет, размер, материал, назначение и другие ключевые параметры следует выносить в отдельные структурированные поля.
Шаг 4. Сформировать товарные группы (семейства)
Цвета и размеры одной модели должны быть логически и технически связаны между собой.
Шаг 5. Сопоставить цены
Необходимо сверить цены на самой странице, в корзине, в разметке JSON-LD, Merchant Center и во всех активных фидах.
Шаг 6. Проверить остатки
Статус наличия каждого варианта должен обновляться во всех каналах оперативно, без критических задержек.
Шаг 7. Проверить фотографии
Главное изображение должно точно соответствовать выбранному цвету или модификации товара.
Шаг 8. Проверить структурированные данные
Разметка Product, Offer и ProductGroup должна полностью соответствовать видимой пользователю информации на странице.
Шаг 9. Проверить фиды
Файл фида должен быть доступен, регулярно обновляться и не содержать критических ошибок валидации.
Шаг 10. Настроить веб-аналитику
Переходы из AI-источников необходимо выделить в отдельную группу и связать их с оформленными заказами.
Чего делать не стоит
Не нужно вставлять фразы «для ChatGPT» в каждое название товара.
Не нужно создавать фальшивые отзывы или накручивать рейтинги.
Не нужно скрывать от пользователя данные, которые вы передаете в JSON-LD.
Не нужно выдумывать GTIN, если его нет у товара.
Не нужно транслировать устаревшие данные о наличии.
Не нужно вести отдельную ручную базу данных под каждый маркетинговый канал.
Не нужно ожидать мгновенных результатов сразу после публикации фида.
Не нужно забывать про классическое SEO и общее удобство (UX/UI) сайта.
Что это значит для владельца интернет-магазина
AI-поиск не заменяет Google, контекстную рекламу или маркетплейсы. Он добавляет еще один эффективный способ, с помощью которого покупатели могут находить нужные товары.
Лучше всего к этому переходу подготовлены магазины, у которых:
детально и корректно заполнены карточки товаров;
нет хаоса в идентификаторах;
варианты (модификации) правильно сгруппированы;
цены и остатки обновляются в автоматическом режиме;
структурированные данные строго соответствуют содержимому страниц;
все внешние каналы используют единый достоверный источник данных;
переходы и продажи из новых источников корректно отслеживаются.
Подготовка к AI-commerce — это не установка какого-то одного «волшебного» плагина. Это планомерная и качественная работа с каталогом, интеграциями, аналитикой и техническим SEO.
Чем может помочь SiteZilla
Веб-студия SiteZilla готова провести технический аудит интернет-магазина и проверить, насколько его каталог подготовлен к поисковым, рекламным и AI-каналам.
В аудит могут входить:
структура товарного каталога;
анализ SKU, EAN, GTIN и моделей;
проверка связей цветов, размеров и других вариаций;
аудит JSON-LD и Schema.org;
настройка и проверка Google Merchant Center;
соответствие цен и остатков в фидах;
проверка языковых версий и тегов canonical;
доступность страниц для поисковых роботов;
скорость обновления информации;
настройка учета переходов из ChatGPT и других AI-сервисов.
Результатом станет не формальный отчет с общими фразами, а конкретный список обнаруженных проблем: где они локализованы, как влияют на работу магазина и какие шаги необходимы для их устранения.
Часто задаваемые вопросы
Заменит ли AI-поиск традиционный Google?
В ближайшее время полной замены не предвидится. AI становится мощным дополнительным инструментом поиска и сравнения товаров, при этом классическое SEO сохраняет свою важность.
Может ли небольшой интернет-магазин получать AI-трафик?
Да. Масштаб бизнеса не является решающим фактором. Ключевое значение имеют доступность страниц для сканирования, качество данных, соответствие товара запросу и актуальность информации.
Достаточно ли просто установить модуль Schema.org?
Нет. Плагин может сформировать корректный код JSON-LD, но он не исправит ошибки в характеристиках, дубликаты идентификаторов или неактуальные остатки на складе.
Нужен ли отдельный фид для ChatGPT?
У OpenAI действительно есть своя спецификация товарного каталога. Тем не менее данные для него правильнее генерировать из того же единого источника, который обеспечивает работу страниц сайта и остальных фидов.
Гарантирует ли передача фида показ товара?
Нет. Фид помогает системе получать точные структурированные данные, но не гарантирует вывод товара по абсолютно каждому смежному запросу.
Нужно ли переписывать все описания товаров?
Не всегда. Для начала стоит проанализировать, содержат ли они полезную и фактическую информацию. Часто достаточно лишь дополнить технические характеристики, улучшить структуру и добавить ответы на частые вопросы покупателей.
Как понять, приносит ли AI-трафик реальные продажи?
Необходимо выделить AI-сервисы в отдельную группу источников трафика в аналитике и связать сессии с добавлениями в корзину, оформлением заказов и итоговым доходом.
Нужно ли открывать доступ к сайту для всех AI-ботов?
Нет. К открытию доступа нужно подходить осознанно. Важно отличать полезных поисковых и торговых роботов от агрессивных парсеров или подозрительного автоматического трафика.
Заключение
AI-трафик уже перерастает стадию экспериментов, превращаясь в полноценный канал поиска товаров. Покупатели все чаще описывают свои потребности простыми словами и ожидают, что алгоритмы сами подберут подходящие варианты.
Чтобы интернет-магазин мог эффективно участвовать в таком поиске, его каталог должен быть понятен не только человеку, но и машине.
Для этого необходимы:
точные названия;
структурированные характеристики;
корректные идентификаторы;
связанные между собой варианты товаров;
актуальные цены и остатки;
качественные фотографии;
корректная разметка JSON-LD;
синхронизированные товарные фиды;
настроенная сквозная аналитика.
Эти улучшения важны не только для ChatGPT или других AI-сервисов. Они одновременно повышают эффективность Google Shopping, классического SEO, внутреннего поиска на сайте, интеграции с маркетплейсами и общего удобства интернет-магазина для покупателей.
Источники
Adobe Digital Insights — Q3 AI Traffic Trends Report.
Adobe — исследование роста AI-трафика на сайты розничной торговли.
Digital Commerce 360 — сценарии использования AI в e-commerce в 2026 году.
OpenAI — Powering Product Discovery in ChatGPT.
OpenAI Developers — спецификация товарного фида Agentic Commerce.
Google Search Central — структурированные данные Product.
Google Search Central — структурированные данные ProductGroup и товарные варианты.
Google Merchant Center — спецификация товарных данных.
TechRadar — развитие агентской торговли и требования к платежной архитектуре.
DoorDash — нативная интеграция товарного каталога Shopify с новым каналом продаж.