Najlepszy produkt w rekomendacji zakupowej Google AI przechwytuje 62% widoczności. Drugie miejsce dostaje 20%. Trzecie resztę. Tak się dzieje, gdy AI skraca tysiące opcji zakupowych do trzech lub pięciu konkretnych produktów. Produkt albo wygrywa rekomendację, albo znika całkowicie. Nie ma nic pośrodku.
Google AI Overviews pojawiają się dziś przy 14% zapytań zakupowych, czyli 5,6 razy częściej niż rok temu. Wydaje się to dobrą wiadomością: więcej zapytań z rekomendacjami AI to więcej okazji do widoczności. Ale rachunek ruchu jest paradoksalny. Marki cytowane w rekomendacjach zakupowych AI zdobywają o 35% więcej kliknięć organicznych niż marki niecytowane, ale ogólny współczynnik klikalności przy zapytaniach zakupowych z AI Overviews spadł o 61%. Więcej wyszukiwań, mniej kliknięć na wynik, bo AI odpowiada na pytanie bezpośrednio. Zmiana strategii nie dotyczy już pozycji w rankingu. Dotyczy tego, które trzy produkty AI zdecyduje się polecić.
Kryteria, których AI używa do tych rekomendacji, są zupełnie inne niż w tradycyjnych rankingach zakupowych. Nie chodzi o autorytet domeny, linki zwrotne ani historię pozycji. Chodzi o kompletność danych, konkret zastosowań i weryfikację z zewnątrz. Marka ze średnią pozycją, ale z idealnymi danymi produktów i mocnymi opiniami zewnętrznymi, może pokonać markę z najwyższymi pozycjami, ale z niepełnymi informacjami.
Dlaczego jakość danych produktowych decyduje o cytowaniach AI
Systemy AI nie mogą polecać produktów, których nie rozumieją. Gdy feed produktowy ma niekompletne dane, brakujące specyfikacje lub niejasne opisy, AI Cię pomija. Badania pokazują, że sklepy z 99,9% kompletnymi danymi produktów (w branży zwanymi "Golden Record") mają 3-4 razy wyższą widoczność w rekomendacjach AI niż sklepy ze skąpymi danymi.
Kompletność ma znaczenie, bo AI potrzebuje konkretnych informacji. Produkt typu poduszka wymaga jawnie podanej w feedzie sprężystości wypełnienia, materiału pokrycia i zakresu temperatur. Laptop wymaga typu procesora, pojemności RAM, pamięci, rozmiaru ekranu i wagi. Systemy AI nie domyślają się tych informacji. Wyodrębniają je z Twoich danych albo Cię pomijają.
Dlatego feed produktowy stał się równie ważny jak strona produktu. Feed w Google Merchant Center, znaczniki danych strukturalnych i treść strony produktu muszą mówić to samo, z tymi samymi wartościami. Rozbieżności cen między stroną a feedem tłumią rekomendacje AI. Rozbieżności w dostępności sprawiają, że AI obniża Twój priorytet. Niekompletne specyfikacje oznaczają, że AI nie może dopasować produktu do konkretnych zapytań.
Język zastosowań: jak AI dopasowuje produkty do sytuacji
Funkcje nie pasują do zapytań. Zastosowania tak. Gdy ktoś szuka "najlepszych słuchawek do biura typu open space", nie szuka słuchawek z "aktywną redukcją hałasu". Szuka słuchawek, które rozwiązują problem biura open space: izolacji, komfortu przy całodziennym noszeniu, minimalnego przecieku dźwięku do sąsiadów.
Strona produktu wymieniająca "Aktywna redukcja hałasu, bateria 30 godzin, Bluetooth 5.3" nie pasuje do tego zapytania. Strona produktu, która mówi "Idealne do biur open space: blokuje 85% hałasu z otoczenia dzięki aktywnej redukcji hałasu, wystarczająco wygodne na 8+ godzin pracy, zamknięta konstrukcja zapobiega przeciekowi dźwięku do współpracowników", pasuje do niego.
Systemy AI czytają opis produktu i wyodrębniają kontekst zastosowania. Szukają zwrotów takich jak "idealne do", "doskonałe do", "zaprojektowane dla", "najlepsze do", "rozwiązuje problem" i "świetnie sprawdza się, gdy". Te zwroty sygnalizują, że rozumiesz sytuację kupującego. Ogólne funkcje sygnalizują, że nie.
Dlatego opisy produktów się zmieniły. Tradycyjne SEO optymalizowało pod słowa kluczowe i listy funkcji. GEO optymalizuje pod język konwersacyjny, dopasowany do sytuacji. Potrzebne jest jedno i drugie. Strona produktu musi plasować się dla "słuchawki z redukcją hałasu" (tradycyjnie) i być cytowana przy "słuchawki do biur open space" (zakupy AI).
Efekt kompresji: wygrywa od trzech do pięciu produktów
Rekomendacje zakupowe AI są skompresowane. Tam, gdzie karuzela Google Shopping pokazuje 20 produktów, AI Overviews pokazują 3-5. Najlepiej oceniana rekomendacja przechwytuje 62% udziału w widoczności. To widoczność, w której zwycięzca bierze większość.
To zasadniczo zmienia strategię. W tradycyjnym wyszukiwaniu zakupowym pozycja #5 nadal dostaje kliknięcia. W zakupach AI brak w pierwszej trójce oznacza niewidoczność. Albo Twój produkt jest cytowany, albo nie. Nie ma nic pośrodku.
Kompresja oznacza też różnorodność w obrębie rekomendacji. AI próbuje pokazywać różne opcje na różne potrzeby. Może polecić jedną opcję budżetową, jedną premium i jedną ze średniej półki dla tej samej kategorii produktów. To znaczy, że można konkurować, będąc wyraźnie najlepszym wyborem dla konkretnego zastosowania lub przedziału cenowego, nawet bez bycia liderem całej kategorii.
Wyniki w kategoriach się różnią. Artykuły spożywcze pojawiają się w rekomendacjach AI w 49% przypadków. Elektronika w 24%. Meble tylko w 2%. Dzieje się tak, bo AI inaczej obsługuje różne typy produktów. Przy artykułach spożywczych AI chętnie cytuje konkretne produkty. Przy meblach AI sobie nie radzi, bo elementów wizualnych i dotykowych nie da się w pełni ocenić z opisu. Przy elektronice AI znajduje środek.
Jak autorytet zewnętrzny wzmacnia cytowania AI
Sama strona produktu nie wystarczy. Systemy AI chcą weryfikacji z zewnątrz. Gdy produkt jest recenzowany w serwisach z testami produktów, pojawia się w zestawieniach serwisów technologicznych i ma pozytywne opinie w Google, na dużych platformach handlowych i w serwisach z recenzjami klientów, budujesz autorytet. AI cytuje produkty marek z zewnętrzną weryfikacją 4,2 razy częściej niż produkty bez zewnętrznych publikacji.
To znaczy, że publikacje redakcyjne napędzają cytowania AI. Publikowanie poradników produktowych w dużych serwisach z recenzjami, cytowanie w publikacjach branżowych i budowanie obecności opinii na różnych platformach wpływa na to, że AI Cię poleca. Stara strategia PR polegająca na zdobywaniu publikacji w mediach nadal działa. Jest teraz ważniejsza, a nie mniej ważna.
Jak WEMASY pomaga markom e-commerce optymalizować pod zakupy AI
Narzędzia e-commerce WEMASY pomagają utrzymać kompletne dane produktów, pisać opisy dopasowane do zastosowań i wdrażać znaczniki strukturalne zasilające systemy AI. Zarządzanie feedem produktowym zapewnia spójność danych na stronie, w schema i w centrum sprzedawcy. Szablony treści prowadzą do pisania opisów produktów, które pasują zarówno do tradycyjnych zapytań ze słowami kluczowymi, jak i do konwersacyjnych pytań zakupowych AI.
Gdy optymalizujesz strony produktów i dane w WEMASY pod cytowania w zakupach AI, przygotowujesz się na przejście od rankingów do rekomendacji. Więcej o funkcjach e-commerce WEMASY znajdziesz na stronie z cennikiem.
Najczęściej zadawane pytania
Dlaczego niektóre kategorie produktów pokazują AI Overviews częściej niż inne?
AI z różnym poziomem pewności obsługuje różne typy produktów. Artykuły spożywcze są łatwe: jasne składniki, ceny, dostępność. Elektronika: specyfikacje są precyzyjne i czytelne maszynowo. Meble: liczą się elementy wizualne i dotykowe, a AI nie może ich ocenić z samego tekstu. Konsole do gier pokazują AI Overviews w 67% przypadków, meble tylko w 2%. W kreatorze stron WEMASY możesz to skonfigurować bezpośrednio na swojej stronie.
Czy trzeba zmienić stronę produktu pod AI, czy zostać przy tradycyjnym SEO?
Jedno i drugie. Potrzebujesz stron produktów, które plasują się dla tradycyjnych słów kluczowych (nazwa produktu, kategoria, funkcje) ORAZ stron odpowiadających na zapytania o zastosowania, które pojawiają się w AI Overviews. Pokrywanie wynosi 40-60% w zależności od kategorii. Potrzebujesz tradycyjnej pozycji dla "buty do biegania" i widoczności w AI dla "najlepsze buty do biegania na trening maratoński".
Jak ważne są zewnętrzne recenzje dla cytowań w zakupach AI?
Bardzo ważne. Produkty z recenzjami w serwisach z testami produktów lub podobnych publikacjach są cytowane w rekomendacjach AI 4,2 raza częściej niż produkty bez zewnętrznych publikacji. To znaczy, że strategia PR i recenzji bezpośrednio wpływa na cytowania AI, a nie tylko na tradycyjne rankingi.
Zacząć od feedu produktowego czy od strony produktu?
Od feedu. Jeśli feed ma niekompletne dane, AI nie może Cię polecić, bez względu na to, jak dobra jest strona. Najpierw uzupełnij feed o wszystkie specyfikacje, ceny, dostępność i obrazy. Potem zoptymalizuj opis na stronie pod język zastosowań.
Jakie informacje o produkcie systemy AI wyodrębniają najczęściej?
Cenę, specyfikacje, zastosowanie, dostępność i opinie. Systemy AI dają pierwszeństwo wyodrębnianiu tych pięciu kategorii. Wszystko inne jest drugorzędne. Zadbaj, by te pięć informacji było krystalicznie jasne na stronie produktu i w feedzie.
Co oznacza udział w głosie w zakupach AI?
To procent wyświetleń, które Twoja marka przechwytuje w rekomendacjach zakupowych AI w porównaniu ze wszystkimi konkurującymi markami. Najlepsza rekomendacja zwykle przechwytuje 62% wyświetleń. Drugie miejsce dostaje 20-25%. Trzecie 10-15%. Albo walczysz o pierwsze miejsce, albo akceptujesz niską widoczność.