Ще кілька років тому шлях покупця був зрозумілим: відкрити Google, ввести назву товару, перейти на декілька сайтів і самостійно порівняти ціни. Тепер частина людей починає пошук інакше. Вони описують свою потребу ChatGPT, Gemini, Perplexity або іншому AI-сервісу й очікують отримати вже готову добірку.
Наприклад, людина може не шукати просто «футболка купити». Вона напише:
Знайди синю бавовняну футболку розміру M, без великого принта, до 1 000 гривень, яка є в наявності та доставляється по Україні.
Штучний інтелект повинен зрозуміти одразу декілька умов: тип товару, колір, матеріал, розмір, дизайн, ціну, наявність і можливість доставки. Після цього він може порівняти варіанти та направити користувача на сторінку відповідного товару.
Для власника інтернет-магазину це означає появу ще одного каналу залучення покупців. Поруч із Google, рекламою, маркетплейсами, соціальними мережами та поштовими розсилками поступово формується AI-пошук.
Проте штучний інтелект не може правильно рекомендувати товар, якщо в каталозі панує безлад. Неповні назви, неправильні штрихкоди, застарілі ціни, відсутні характеристики та суперечливі залишки роблять товар незрозумілим не лише для AI, а й для звичайних пошукових та рекламних систем.
Що таке AI-трафік
AI-трафік — це відвідувачі, які переходять до інтернет-магазину з сервісів на основі штучного інтелекту. До таких джерел можуть належати ChatGPT, Gemini, Perplexity, Copilot та інші системи, які допомагають користувачеві шукати, порівнювати й вибирати товари.
Різниця полягає не тільки в адресі джерела переходу. Часто користувач уже провів частину дослідження всередині AI-сервісу. Він уточнив потребу, визначив приблизний бюджет, вибрав характеристики й лише після цього відкрив сайт продавця.
Тому такий відвідувач може бути ближчим до покупки, ніж людина, яка випадково перейшла за дуже широким пошуковим запитом.
AI-переходи вже не можна вважати випадковим трафіком
У звіті Adobe Digital Insights зазначено, що в травні 2026 року частка AI-переходів на сайти роздрібної торгівлі у США зросла на 138% порівняно з попереднім роком. Adobe також повідомила, що це був найвищий показник за весь період спостережень, який почався в жовтні 2024 року.
Важливо не лише те, що таких переходів стає більше. Змінюється і їхня якість. Digital Commerce 360, посилаючись на березневі дані Adobe, повідомляв, що AI-трафік конвертувався на 42% краще за інші джерела. У травневому звіті Adobe різниця вже становила 54%. Це показує, що показники можуть швидко змінюватися в міру розвитку AI-пошуку.
За травневими даними Adobe, відвідувачі з AI-сервісів також демонстрували на 15% вищу залученість, переглядали на 23% більше сторінок, проводили на сайті на 53% більше часу та на 36% рідше залишали його одразу. Дохід із одного AI-переходу був на 53% вищим, ніж з інших джерел.
Ці цифри стосуються американського роздрібного ринку й не означають, що кожен магазин автоматично отримає такі самі результати. Проте вони показують загальний напрям: AI-пошук уже здатний приводити не лише цікавих читачів, а й людей із реальним наміром купити товар.
Чим AI-пошук відрізняється від звичайного пошуку
Традиційний пошуковий запит часто складається з декількох слів:
синя футболка;
футболка розмір M;
бавовняна футболка купити;
жіноча футболка без принта.
Інтернет-магазин намагається посісти кращу позицію за такими фразами. Для цього оптимізують назви категорій, метатеги, описи, заголовки та внутрішні посилання.
Розмова з AI зазвичай детальніша. Користувач може одразу назвати:
тип товару;
колір;
розмір;
матеріал;
призначення;
цінове обмеження;
бажаний строк доставки;
додаткові вимоги.
Потім він може продовжити розмову:
Покажи тільки моделі без написів.
Прибери варіанти дорожчі за 800 гривень.
Залиш лише ті, що можна отримати цього тижня.
Таким чином, AI-пошук працює не лише зі словами на сторінці. Йому потрібно зіставити товар із конкретними умовами користувача.
AI не читає каталог так, як людина
Людина може подивитися на фотографію й здогадатися, що футболка синя. Вона може відкрити вкладку, натиснути на список розмірів і побачити, що M є в наявності. Вона також може прочитати текст на банері й зрозуміти, що діє знижка.
Для автоматичної системи все складніше. Якщо колір указаний тільки на фотографії, розмір з’являється лише після JavaScript-запиту, а знижка намальована всередині картинки, частина даних може залишитися непоміченою.
Тому важливу інформацію потрібно передавати у зрозумілому машинному вигляді:
у полях товару;
в атрибутах та опціях;
у початковому HTML сторінки;
у структурованих даних JSON-LD;
у товарних фідах;
через стабільні URL та ідентифікатори.
Уявіть, що картка товару — це анкета
Щоб пояснити принцип простіше, уявімо звичайну анкету.
Якщо в ній написано лише:
Назва: футболка.
Цієї інформації недостатньо. Незрозуміло, якого вона кольору, з чого зроблена, які має розміри та скільки коштує.
Повніша картка може виглядати так:
Назва: базова синя бавовняна футболка;
Артикул: TS-BLUE-001;
Колір: синій;
Матеріал: 100% бавовна;
Розмір: M;
Стать: унісекс;
Ціна: 799 грн;
Наявність: у наявності;
Стан: новий товар;
Доставка: по Україні;
Повернення: відповідно до правил магазину.
Саме така структура допомагає системам зрозуміти товар без здогадок.
Каталог стає важливішим за рекламні фрази
Фрази «найкраща ціна», «висока якість» або «ідеальний вибір» можуть бути частиною рекламного тексту, але вони майже нічого не пояснюють про товар.
Для правильного підбору важливіші конкретні відповіді:
що це за товар;
для кого він призначений;
з якого матеріалу виготовлений;
які має розміри;
чим відрізняється від інших моделей;
що входить у комплект;
як ним користуватися;
чи має він обмеження;
коли його можна отримати.
Це не означає, що описи повинні перетворитися на сухі таблиці. Хороша картка товару поєднує два рівні інформації:
чіткі структуровані характеристики;
нормальний людський опис, який допомагає зробити вибір.
Три джерела інформації про один товар
В інтернет-магазині дані про один товар зазвичай існують одразу в декількох місцях.
1. Видима сторінка товару
Це те, що бачить покупець: назву, фотографії, ціну, список розмірів, наявність, опис, кнопку купівлі, інформацію про доставку й повернення.
2. Структуровані дані
Це спеціальний блок JSON-LD, який пояснює пошуковій системі, що на сторінці знаходиться товар, а не звичайна стаття. У ньому можуть передаватися назва, ціна, валюта, стан, наявність, рейтинг, зображення, доставка та правила повернення.
3. Товарний фід
Це структурований файл або канал передавання даних для Google Merchant Center, рекламних платформ, маркетплейсів, партнерів та AI-сервісів.
Найважливіше правило — інформація в цих джерелах повинна збігатися.
Чому розбіжності створюють проблему
Уявімо ситуацію:
на сторінці футболка коштує 799 грн;
у JSON-LD указано 749 грн;
у товарному фіді залишилася стара ціна 699 грн;
на сторінці розмір M є в наявності;
у фіді він позначений як відсутній.
Пошукова або рекламна система не знає, якому джерелу довіряти. У результаті вона може показати неправильну ціну, відхилити товар, обмежити його відображення або не використати його взагалі.
Google прямо вимагає, щоб дані про наявність у Merchant Center відповідали сторінці товару, процесу оформлення замовлення та структурованій розмітці. Аналогічна логіка застосовується до ціни й основних ідентифікаторів.
Навіщо потрібна мікророзмітка Product
Google рекомендує передавати товарну інформацію за допомогою структурованих даних Product. Для сторінок, на яких можна придбати товар, розмітка може допомогти передати ціну, наявність, рейтинг, доставку, правила повернення та інші комерційні відомості.
Структуровані дані не замінюють видимий вміст сторінки. Не можна вказати в JSON-LD характеристики, яких покупець взагалі не бачить на сайті. Розмітка повинна пояснювати наявний контент, а не створювати іншу версію товару.
Google також зазначає, що одночасне використання структурованих даних на сторінці та фіда Merchant Center збільшує можливості системи правильно зрозуміти й перевірити інформацію. Деякі пошукові функції можуть використовувати дані з обох джерел.
Як правильно показувати кольори та розміри
Однією з найпоширеніших проблем інтернет-магазинів є варіанти товару.
Одна футболка може мати:
синій, білий і чорний колір;
розміри S, M, L та XL;
різну наявність для кожного поєднання;
окрему фотографію кожного кольору;
іноді різну ціну.
Для покупця це одна модель футболки з варіантами. Але в базі магазину вона може бути представлена десятком окремих SKU.
Google рекомендує об’єднувати пов’язані варіанти за допомогою ProductGroup. У такій групі можна вказати спільні характеристики моделі, а для кожного варіанта окремо передати колір, розмір, фотографію, ціну, наявність і URL. Для зв’язку використовуються, зокрема, властивості variesBy, hasVariant і productGroupID.
Простою мовою це означає:
система повинна розуміти, що всі кольори належать до однієї моделі;
кожен конкретний варіант повинен мати власні дані;
вибір кольору або розміру не повинен приховувати актуальну ціну та наявність;
ідентифікатор товарної сім’ї має бути стабільним.
SKU, GTIN, EAN і модель: навіщо стільки кодів
Ідентифікатори допомагають різним системам зрозуміти, про який саме товар ідеться.
SKU
SKU — внутрішній код продавця. Магазин створює його для власного обліку. Наприклад:
TS-BLUE-M-001
GTIN або EAN
Це глобальний ідентифікатор, який зазвичай призначає виробник. Він використовується для точного розпізнавання товару різними продавцями й платформами.
Модель або MPN
Це номер моделі або артикул виробника.
У специфікації товарного фіда OpenAI передбачено стабільний унікальний item_id для кожного варіанта. Також можуть передаватися GTIN та MPN. OpenAI окремо вказує, що ідентифікатор товару має залишатися стабільним у часі.
Не потрібно вигадувати випадковий GTIN для товару, який його не має. Не слід також використовувати один штрихкод для різних товарів або копіювати код схожої моделі.
Ціна повинна бути не просто числом
Для коректного розуміння ціни системі потрібні:
числове значення;
валюта;
звичайна ціна;
акційна ціна, якщо вона є;
строк дії акції;
іноді ціна за одиницю вимірювання.
Напис «799» без валюти може бути неоднозначним. Правильніше передавати значення разом із кодом валюти, наприклад UAH.
Специфікація OpenAI для товарних каталогів передбачає обов’язкову звичайну ціну з кодом валюти, а також окремі поля для акційної ціни та дат початку й завершення акції.
Наявність повинна оновлюватися швидко
AI може рекомендувати товар, який відповідає запиту, але рекомендація втратить сенс, якщо після переходу покупець побачить, що потрібного розміру немає.
Тому для кожного варіанта потрібно передавати точний статус:
у наявності;
немає в наявності;
передзамовлення;
очікується постачання;
статус невідомий.
OpenAI називає точні дані про залишки необхідною умовою для того, щоб користувачі бачили товари, які справді можна придбати. У специфікації передбачені статуси in_stock, out_of_stock, pre_order, backorder та unknown.
Для магазину це означає, що оновлення залишку має доходити до всіх каналів:
до сторінки товару;
до кошика;
до структурованих даних;
до Merchant Center;
до маркетплейсів;
до AI-фіда.
Фотографії також є частиною товарних даних
Основна фотографія повинна чітко показувати товар. Для синьої футболки не варто використовувати основним зображенням колаж із великою кількістю тексту, декоративний банер або фотографію, на якій сам товар майже непомітний.
Корисний набір зображень може містити:
вигляд спереду;
вигляд ззаду;
деталь тканини;
реальний відтінок кольору;
посадку на людині;
таблицю розмірів як додаткове, а не єдине джерело інформації.
У товарному фіді OpenAI передбачено основне зображення та додаткові фотографії. Також специфікація підтримує відео й посилання на 3D-модель, хоча вони не є обов’язковими для більшості магазинів.
Доставка й повернення впливають на вибір
Користувач може шукати не просто товар, а товар із конкретними умовами:
доставка до певної країни;
отримання цього тижня;
самовивіз;
безкоштовна доставка;
можливість повернення;
певний строк повернення.
Якщо магазин показує правила доставки й повернення тільки на окремій сторінці дрібним шрифтом, система може не пов’язати їх із конкретною пропозицією.
Google підтримує передавання інформації про доставку та правила повернення у структурованих даних товарної пропозиції. Ці відомості також можуть використовуватися в комерційних результатах пошуку.
ChatGPT розвиває окремий товарний пошук
У березні 2026 року OpenAI представила розширений механізм пошуку товарів у ChatGPT на основі Agentic Commerce Protocol. Користувачі можуть описувати потребу природною мовою, уточнювати бюджет і вимоги, переглядати товари, порівнювати їх за ключовими параметрами та переходити до продавця.
За інформацією OpenAI, завдання цього механізму — передавати до ChatGPT повнішу, актуальнішу та релевантнішу товарну інформацію. Для продавців це означає можливість працювати не лише зі звичайною індексацією сторінок, а й зі структурованим передаванням каталогу.
Специфікація OpenAI охоплює:
унікальний ідентифікатор;
назву та опис;
GTIN і MPN;
основне та додаткові зображення;
звичайну й акційну ціну;
наявність;
варіанти;
регіональні ціни та залишки;
інші дані, потрібні для показу пропозиції.
Сам факт передавання фіда не гарантує, що кожен товар буде показаний за кожним запитом. Система все одно оцінює відповідність товару потребі користувача, актуальність даних та інші сигнали.
Не потрібно створювати окремий каталог для кожного каналу
Поганий сценарій виглядає так:
менеджер змінює ціну на сайті;
інша людина вручну змінює її в Google-фіді;
ще хтось оновлює маркетплейс;
фід для AI оновлюється раз на тиждень;
залишки скрізь відрізняються.
Правильніший підхід — створити єдине джерело товарних даних.
Інтернет-магазин або окрема система керування каталогом зберігає основні відомості, а вже з них автоматично формуються:
сторінка товару;
JSON-LD;
Google Merchant Center;
фіди маркетплейсів;
рекламні каталоги;
експорт для партнерів;
фід для AI-систем.
Тоді ціна, назва, фотографія та залишок змінюються в одному місці й передаються до всіх каналів.
Чому інтеграція DoorDash і Shopify є показовим прикладом
У липні 2026 року DoorDash повідомила про запуск нативного каналу продажів для американських офлайн-магазинів на Shopify. Продавці можуть передавати свій каталог у DoorDash без окремого ручного завантаження товарів.
Особливо важливий технічний принцип цієї інтеграції: каталог і залишки продовжують керуватися в Shopify, а зміни синхронізуються з DoorDash автоматично. Продавцю не потрібно дублювати введення даних або вручну оновлювати залишки в другій системі.
Це приклад ширшої тенденції. CMS інтернет-магазину поступово стає не лише сайтом, а центральним місцем керування товарними даними для багатьох каналів продажів.
Наступний етап — агентна торгівля
Сьогодні AI переважно допомагає знайти й порівняти товар. Наступний крок — AI-агенти, які зможуть виконувати частину дій від імені користувача:
шукати товар;
порівнювати пропозиції;
перевіряти доставку;
вибирати варіант;
переходити до оформлення;
за дозволом користувача виконувати оплату.
TechRadar називає такий підхід agentic commerce. Видання звертає увагу, що для нього недостатньо просто додати чат-бота. Потрібна платіжна та технічна архітектура, здатна перевіряти намір користувача, повноваження агента, обмеження операції та безпеку платежу.
Цей етап ще розвивається, але він пояснює, чому якість товарних даних стає настільки важливою. Агент не повинен здогадуватися, яка ціна правильна, чи є розмір у наявності та скільки коштуватиме доставка.
Чого не можна передавати AI-агенту без контролю
Автоматизація купівлі створює нові вимоги до безпеки. Магазину потрібно розрізняти звичайний перегляд каталогу та дію, яка змінює замовлення або проводить оплату.
Для важливих операцій потрібні:
чітке підтвердження користувача;
обмежені права доступу;
перевірка суми й валюти;
строк дії дозволу;
журнал виконаних дій;
захист токенів і платіжних даних;
можливість скасувати або зупинити операцію.
Отже, майбутній AI-commerce стосується не лише SEO та описів. Він також охоплює авторизацію, платежі, журналювання, правила повернення та відповідальність за автоматично виконані дії.
Як перевірити, чи AI вже приводить покупців
Без аналітики власник магазину може не помітити новий канал. Переходи з AI-сервісів часто потрапляють до загальної групи referral-трафіку.
У GA4 або власній аналітичній системі варто створити окрему групу, до якої можуть входити:
ChatGPT;
Gemini;
Perplexity;
Copilot;
інші визначені AI-джерела.
Для цієї групи потрібно вимірювати:
кількість сесій;
нових і повторних користувачів;
переглянуті товари;
додавання до кошика;
початок оформлення;
замовлення;
конверсію;
дохід;
середній чек;
частку скасованих замовлень;
повернення товарів.
Adobe повідомляє, що 50% опитаних користувачів переходять за посиланнями, які отримують від AI під час вибору товарів, а 27% завершують покупку через такі посилання. Для конкретного магазину ці показники потрібно перевіряти за власною аналітикою, а не переносити їх безпосередньо із загального дослідження.
Доступність сторінки для сканування
AI-фід не скасовує необхідність мати нормальний сайт. Сторінки товарів повинні:
повертати правильний HTTP-статус;
відкриватися без нескінченних перенаправлень;
мати стабільний URL;
містити правильний canonical;
показувати важливу інформацію в HTML;
працювати на мобільних пристроях;
не завантажуватися надто довго;
не блокуватися помилковими правилами захисту.
Adobe окремо звертала увагу на те, що багато роздрібних сайтів залишаються недостатньо підготовленими до машинного читання, навіть на тлі швидкого зростання AI-трафіку. У перші три місяці 2026 року Adobe зафіксувала значне річне зростання переходів з AI-джерел на американські роздрібні сайти.
Це не означає, що потрібно дозволити будь-якому боту безмежно сканувати сайт. Варто розрізняти корисних пошукових і торгових агентів, звичайні індексатори, агресивні сканери та підозрілий автоматичний трафік.
Чи потрібно створювати окремі тексти для AI
У більшості випадків — ні.
Не потрібно робити один опис для людини, другий для Google, третій для ChatGPT і четвертий для маркетплейсу. Це швидко призведе до суперечностей.
Краще створити один якісний інформаційний фундамент:
правильна назва;
короткий зрозумілий вступ;
структуровані характеристики;
детальний опис;
переваги без перебільшень;
обмеження;
інструкція з вибору;
умови доставки та повернення.
Потім ці дані можна адаптувати до формату конкретного каналу без зміни їхнього змісту.
Чи потрібно терміново вкладатися в GEO
GEO, або Generative Engine Optimization, — це загальна назва оптимізації контенту для генеративних пошукових та AI-систем.
Навколо цього напрямку вже з’являються окремі сервіси, рейтинги видимості та послуги з просування згадок. Проте інтернет-магазину не варто починати з дорогого моніторингу, якщо в основному каталозі досі є неправильні ціни й порожні характеристики.
Перший етап набагато простіший:
навести лад у товарних даних;
перевірити індексацію;
виправити JSON-LD;
синхронізувати фіди;
налаштувати аналітику;
створити корисні інформаційні матеріали;
лише потім оцінювати видимість у різних AI-системах.
Ці роботи корисні незалежно від популярності терміна GEO. Вони одночасно покращують SEO, Merchant Center, внутрішній пошук, маркетплейси та зручність сайту.
Типові проблеми каталогів OpenCart і PrestaShop
Платформа сама по собі не вирішує й не створює проблему. Значення має конкретна реалізація магазину.
У каталогах на OpenCart, PrestaShop та інших CMS часто зустрічаються такі ситуації:
характеристики записані тільки в HTML-описі;
колір указаний у назві, але відсутній в атрибутах;
розмір зберігається в опції, але не потрапляє у фід;
EAN знаходиться у сторонньому модулі й не передається назовні;
один код використовується для декількох варіантів;
фід оновлюється рідше за сторінки магазину;
JSON-LD містить стару ціну;
кеш показує застарілу наявність;
мовні версії мають неправильні canonical;
кожен колір створений як незалежний товар без зв’язку з моделлю;
важливі дані доступні лише після AJAX-запиту.
Зазвичай для виправлення не потрібно переносити весь магазин на іншу CMS. Потрібно перевірити модель даних, модулі експорту, шаблон товару, мікророзмітку та механізм оновлення залишків.
Покрокова перевірка інтернет-магазину
Крок 1. Перевірити назви
Назва повинна пояснювати, що це за товар. Не варто додавати десятки однакових рекламних слів, але важливі параметри мають бути зрозумілими.
Крок 2. Перевірити ідентифікатори
Потрібно знайти дублікати SKU, EAN, GTIN і моделей. Для кожного варіанта має використовуватися правильний код.
Крок 3. Упорядкувати характеристики
Колір, розмір, матеріал, призначення та інші ключові параметри краще зберігати в окремих полях.
Крок 4. Побудувати товарні сім’ї
Кольори й розміри однієї моделі повинні бути логічно пов’язані.
Крок 5. Порівняти ціни
Потрібно зіставити сторінку, кошик, JSON-LD, Merchant Center і всі активні фіди.
Крок 6. Перевірити залишки
Статус кожного варіанта має оновлюватися в усіх каналах без небезпечної затримки.
Крок 7. Перевірити фотографії
Основне зображення повинно відповідати вибраному кольору або варіанту.
Крок 8. Перевірити структуровані дані
Розмітка Product, Offer і ProductGroup повинна відповідати видимій інформації.
Крок 9. Перевірити фіди
Файл має відкриватися, регулярно оновлюватися й не містити критичних помилок.
Крок 10. Налаштувати аналітику
AI-переходи потрібно виділити окремо та прив’язати до замовлень.
Що не потрібно робити
Не потрібно вставляти слова «для ChatGPT» у кожну назву товару.
Не потрібно створювати штучні відгуки або рейтинги.
Не потрібно приховувати від людини дані, передані в JSON-LD.
Не потрібно вигадувати GTIN, якщо його немає.
Не потрібно передавати застарілу наявність.
Не потрібно створювати окрему ручну базу для кожного каналу.
Не потрібно чекати гарантованого результату одразу після публікації фіда.
Не потрібно забувати про звичайне SEO та зручність сайту.
Що це означає для власника інтернет-магазину
AI-пошук не скасовує Google, рекламу або маркетплейси. Він додає ще один спосіб, за допомогою якого покупці можуть знаходити товари.
Найкраще до цього переходу підготовлені магазини, у яких:
чітко заповнені товари;
немає хаосу в ідентифікаторах;
варіанти правильно згруповані;
ціни та залишки оновлюються автоматично;
структуровані дані відповідають сторінці;
усі канали використовують спільне джерело даних;
переходи та продажі вимірюються.
Підготовка до AI-commerce — це не встановлення одного чарівного модуля. Це нормальна робота з каталогом, інтеграціями, аналітикою та технічним SEO.
Як може допомогти SiteZilla
Вебстудія SiteZilla може провести технічний аудит інтернет-магазину та перевірити, наскільки його каталог готовий до пошукових, рекламних і AI-каналів.
До перевірки можуть входити:
структура товарного каталогу;
SKU, EAN, GTIN і моделі;
кольори, розміри та інші варіанти;
JSON-LD і Schema.org;
Google Merchant Center;
ціни та залишки у фідах;
мовні версії й canonical;
доступність сторінок для сканування;
швидкість оновлення даних;
облік переходів із ChatGPT та інших AI-сервісів.
Результатом має бути не формальний документ із загальними порадами, а конкретний перелік проблем: де вони знаходяться, як впливають на магазин і що потрібно змінити.
Поширені запитання
Чи замінить AI-пошук Google?
Найближчим часом повної заміни не очікується. AI стає додатковим способом пошуку й порівняння товарів, а звичайне SEO залишається важливим.
Чи може невеликий інтернет-магазин отримувати AI-трафік?
Так. Розмір магазину не є єдиним фактором. Важливі доступність сторінок, якість даних, відповідність товару запиту та актуальність інформації.
Чи достатньо встановити модуль Schema.org?
Ні. Модуль може сформувати JSON-LD, але не виправить неправильні характеристики, дублікати ідентифікаторів або застарілі залишки.
Чи потрібен окремий фід для ChatGPT?
OpenAI має окрему специфікацію товарного каталогу. Проте дані для нього краще формувати з того самого джерела, яке використовується для сторінок магазину та інших фідів.
Чи гарантує фід показ товару?
Ні. Фід допомагає системі отримати точні дані, але не гарантує показ за кожним запитом.
Чи потрібно переписувати всі описи товарів?
Не завжди. Спочатку варто перевірити, чи містять вони фактичну й корисну інформацію. Часто достатньо доповнити характеристики, структуру та відповіді на питання покупця.
Як зрозуміти, чи AI-трафік приносить продажі?
Потрібно виділити AI-сервіси в окрему групу джерел і пов’язати сесії з кошиками, замовленнями та доходом.
Чи потрібно відкривати сайт усім AI-ботам?
Ні. Доступ потрібно налаштовувати усвідомлено. Корисні пошукові та торгові системи слід відрізняти від агресивних або підозрілих сканерів.
Висновок
AI-трафік уже перетворюється з експерименту на повноцінний канал пошуку товарів. Люди дедалі частіше описують свою потребу звичайними словами й очікують, що система сама знайде відповідні варіанти.
Щоб інтернет-магазин міг брати участь у такому пошуку, його каталог повинен бути зрозумілим не лише людині, а й машині.
Для цього потрібні:
точні назви;
структуровані характеристики;
правильні ідентифікатори;
пов’язані варіанти;
актуальні ціни та залишки;
якісні фотографії;
коректний JSON-LD;
синхронізовані товарні фіди;
налаштована аналітика.
Ці зміни корисні не лише для ChatGPT або інших AI-сервісів. Вони одночасно покращують Google Shopping, звичайне SEO, внутрішній пошук, маркетплейси та загальну зручність інтернет-магазину.
Джерела
Adobe Digital Insights — Q3 AI Traffic Trends Report.
Adobe — дослідження зростання AI-трафіку на сайти роздрібної торгівлі.
Digital Commerce 360 — сценарії використання AI в e-commerce у 2026 році.
OpenAI — Powering Product Discovery in ChatGPT.
OpenAI Developers — специфікація товарного фіда Agentic Commerce.
Google Search Central — структуровані дані Product.
Google Search Central — структуровані дані ProductGroup і товарні варіанти.
Google Merchant Center — специфікація товарних даних.
TechRadar — розвиток агентної торгівлі та вимоги до платіжної архітектури.
DoorDash — нативна інтеграція товарного каталогу Shopify з новим каналом продажів.