Feed produktowy w 2027. Dlaczego dane produktowe są ważne już nie tylko dla Google Shopping?

Feed produktowy to uporządkowany zestaw danych o produktach.

Może zawierać m.in.:

• identyfikator,
• tytuł,
• opis,
• marka,
• kategoria,
• cena,
• dostępność,
• zdjęcia,
• wariant,
• GTIN,
• MPN,
• informacje o wysyłce,
• promocje.

Zmienia się jednak jego rola. W 2027 warto traktować feed jako ustrukturyzowane źródło danych o całym katalogu, które mogą wykorzystywać Google Search, Shopping, kampanie reklamowe, AI Shopping, ChatGPT, systemy agentowe i kolejne platformy commerce.

Feed może być plikiem, źródłem danych, API albo inną formą ustrukturyzowanego przekazywania katalogu. OpenAI przyjmuje dziś dane produktowe zarówno przez upload plików, jak i przez API.

Historycznie rzecz biorąc, Google Merchant Center było dla większości sklepów miejscem, w którym dane asortymentowe po prostu generowały największy obrót. Ponieważ to w tym kanale alokowano główne budżety reklamowe, w świadomości wielu marketerów pojęcie feedu zrosło się w jedno z ekosystemem Google.

Uporządkowane dane produktowe stanowiły główne paliwo napędowe dla:

• reklam produktowych,
• kampanii Performance Max,
• bezpłatnych informacji o produktach,
• remarketingu dynamicznego.

AI może odpowiedzieć na pytanie „jaki telewizor kupić?”, ale żeby zrobić to dobrze, musi mieć dostęp do informacji:

• jakie produkty istnieją,
• ile kosztują,
• czy są dostępne,
• czym się różnią,
• który wariant jest sprzedawany,
• kto jest sprzedawcą.

Rozwój AI Shopping oznacza więc wzrost znaczenia machine-readable product data.

Samo Google podkreśla, że doświadczenia zakupowe napędzane AI są zasilane podstawowymi danymi produktowymi dostarczanymi przez merchantów, a niepełny albo nieuporządkowany feed może ograniczać możliwość znalezienia produktów.

Przykładem infrastruktury opartej na danych produktowych jest Google Shopping Graph, czyli baza informacji o produktach wykorzystywana w zakupowych rozwiązaniach Google.

Google informowało o ponad 50 miliardach listingów produktowych w Shopping Graph, obejmujących między innymi ceny, stany magazynowe i opinie. Ponad 2 miliardy listingów miały być odświeżane co godzinę. Później Google komunikowało już ponad 60 miliardów listingów.

Skala tej bazy pokazuje, jak duże znaczenie mają aktualne informacje o produktach. Jeśli cena, dostępność lub wariant są nieprawidłowe, problem może przenieść się na kolejne etapy doświadczenia zakupowego.

To istotne również z perspektywy procesu zakupowego. Gdy AI pomaga użytkownikowi zawęzić wybór, porównać oferty i znaleźć sprzedawcę, potrzebuje danych, które pozwalają odróżnić produkty i ocenić aktualność konkretnych ofert. Ten etap warto rozpatrywać w kontekście zmian opisanych w materiale Delante o tym, jak AI zmienia proces wyboru elektroniki.

Tak, ponieważ OpenAI rozwija obecnie feedy produktowe w ramach Agentic Commerce. Oficjalna dokumentacja mówi wprost, że ustrukturyzowany feed produktowy pomaga ChatGPT prezentować właściwe produkty z aktualnymi informacjami.

OpenAI umożliwia przekazywanie danych takich jak:

• ID produktu,
• tytuł,
• opis,
• adres URL,
• brand,
• cena,
• dostępność,
• warianty,
• media,
• informacje o sprzedającym.

Trzeba jednak pamiętać o ważnym ograniczeniu: bezpośrednie przekazywanie feedów produktowych do ChatGPT jest obecnie dostępne dla zatwierdzonych partnerów (Approved Partners). Nie oznacza to, że każdy sklep może samodzielnie podłączyć katalog do ChatGPT.

OpenAI oficjalnie opisuje możliwość wykorzystania profilu danych opartego na polach dobrze znanych z feedów Google. Taki wariant wymaga standardowych atrybutów, takich jak: ID, title, description, link, image_link, dostępność, cena czy brand.

Co to oznacza?

Jeśli w swoim sklepie masz już opracowane:

• poprawne ID,
• dobre tytuły,
• pełne atrybuty,
• aktualne ceny,
• prawidłowe warianty,

Znacznie łatwiej i szybciej dostosujesz swój katalog asortymentowy do każdej kolejnej platformy, która pojawi się na rynku.

Trzeba ostrożnie używać tego określenia, ponieważ feed nie jest zawsze jednym źródłem prawdy. W zależności od architektury sklepu podstawowym źródłem danych może być ERP, PIM, CMS lub inna baza produktowa. Feed powinien przede wszystkim spójnie odzwierciedlać informacje pochodzące z właściwego źródła.

Ten sam produkt może być prezentowany jednocześnie w sklepie internetowym, Google Merchant Center, feedzie, danych strukturalnych na stronie, Meta, marketplace’ach czy systemach wykorzystywanych przez platformy AI. Jeśli informacje nie są zgodne, pojawia się problem.

Przykładowo:

• cena na stronie produktu wynosi 2999 zł,
• feed przekazuje cenę 3299 zł,
• dane strukturalne wskazują 3199 zł,
• strona pokazuje dostępność produktu, ale w feedzie ma on status out of stock,
• Merchant Center informuje natomiast o dostępności in stock.

W takim przypadku poszczególne systemy otrzymują sprzeczne informacje. Im więcej miejsc wykorzystuje dane produktowe, tym większe znaczenie ma ich spójność.

Cena i dostępność to informacje, które w e-commerce aktualizują się najszybciej. Google kładzie nacisk na ich bezwzględną spójność i wprost ostrzega: opieranie się wyłącznie na dynamicznie generowanym Product Schema może prowadzić do rzadszych i mniej niezawodnych crawlów przez Google Shopping. To krytyczne ryzyko w przypadku danych, które muszą odzwierciedlać bieżący stan oferty.

Rygorystyczne podejście widać również u twórców ChatGPT. OpenAI jednoznacznie wymaga aktualizowania danych asortymentowych natychmiast, gdy zmienia się cena lub stan magazynowy.

Feed produktowy ostatecznie przestaje być plikiem aktualizowanym „raz na jakiś czas”. Dla dużego e-commerce musi stanowić element ciągłego przepływu danych, gwarantującego, że wszystkie systemy reklamowe i asystenci AI zawsze pracują na rzeczywistej ofercie sklepu.

Nie ma jednej częstotliwości aktualizacji, która sprawdzi się w każdym sklepie.

Częstotliwość aktualizacji powinna zależeć od:

• wielkości katalogu,
• częstotliwości zmian cen,
• rotacji stanów magazynowych,
• prowadzonych promocji,
• dostępności produktów.

Dokumentacja OpenAI zaleca aktualizowanie pełnych zestawów danych co najmniej raz dziennie. W dokumentacji Agentic Commerce Protocol (ACP) opisano również model, w którym pełny feed jest przesyłany na przykład raz dziennie, a zmiany wymagające szybszego uwzględnienia przekazywane są w ciągu dnia przez API.

Takie rozwiązanie może być szczególnie przydatne wtedy, gdy oferta zmienia się dynamicznie. W branży RTV/AGD dostępność konkretnego modelu może zmienić się znacznie szybciej niż jego opis czy parametry techniczne. Podobnie cena może ulec zmianie w związku z promocją lub aktualizacją polityki cenowej.

Gdy feed służy głównie reklamom Search i Shopping, tytuł często buduje się pod markę, typ produktu, model i kluczową cechę. To nadal ma sens, ale przy AI tytuł powinien przede wszystkim jednoznacznie mówić, co to za produkt i jaki wariant. Szczegóły o identyfikacji produktu opisujemy w poradniku o karcie produktu RTV/AGD.

W opisie nie szukamy haseł w stylu „Rewolucyjny smartfon dla najbardziej wymagających!”, tylko konkretów: „Smartfon z ekranem OLED 6,4″, 256 GB pamięci i aparatem głównym 50 MP”. OpenAI w best practices rekomenduje zwięzłe, faktograficzne opisy, które pomagają zrozumieć produkt.

Dlaczego?

Bo dane mają pomóc systemowi rozpoznać produkt, porównać go i dopasować do potrzeby, a nie „zachwycić algorytm”. Nie przesadzaj też w drugą stronę: feed nie jest miejscem na upychanie słów kluczowych. System nie potrzebuje specjalnych opisów napisanych pod AI. Potrzebuje danych, które są konkretne, jednoznaczne i faktograficzne.

Więcej o treściach produktowych pod agentów zakupowych znajdziesz w poradniku jak przygotować content e-commerce pod AI agentów zakupowych?.

Kontynuując przykład, RTV/AGD i elektronika są pełne wariantów. Ten sam laptop może występować jako 16 GB / 512 GB, 16 GB / 1 TB albo 32 GB / 1 TB, a cena i dostępność mogą się różnić.

Dlatego OpenAI zaleca modelowanie wariantów na poziomie wierszy: stały ID produktu nadrzędnego i unikalny ID każdej opcji do zakupu. W polach takich jak tytuł, URL, opis, media, dostępność i cena powinny znaleźć się informacje właściwe dla danego wariantu. Google również wymaga unikalnych ID dla wariantów w structured data.

Jeśli ten sam produkt występuje w sklepie, w Google, w ChatGPT, u producenta i na marketplace, system musi ustalić, czy to ten sam produkt. Pomagają w tym stabilne identyfikatory:

Poprawna identyfikacja produktu ułatwia jego prawidłowe rozpoznanie w systemach produktowych.

Mamy tu do czynienia z trzema kluczowymi warstwami, które muszą być ze sobą bezwzględnie spójne:

• Strona produktu: to, co fizycznie widzi i czyta użytkownik.
• Product Schema: uporządkowane dane osadzone w kodzie strony.
• Feed: ustrukturyzowane informacje przekazywane do zewnętrznych systemów commerce.

Google odczytuje informacje asortymentowe zarówno przez uporządkowane dane na stronie (Product structured data), jak i przez pliki w Merchant Center. Elementy takie jak Merchant listing schema obejmują m.in. cenę, stan magazynowy, koszty dostawy i zasady zwrotów. Jeśli te trzy warstwy podają różne wartości, systemy AI oraz algorytmy wyszukiwarek tracą zaufanie do oferty, co może skutkować pominięciem produktu w rekomendacjach.

Więcej o technicznym wdrażaniu tych elementów znajdziesz w artykule o Product Schema, a zasady projektowania samego widoku oferty pod nowe standardy opisujemy szczegółowo w poradniku o karcie produktu RTV/AGD.

Samo posiadanie feedu nie gwarantuje, że ChatGPT zacznie automatycznie cytować Twój sklep. Należy tu wyraźnie oddzielić informacyjne AI Search od AI Shopping. Feed odgrywa kluczową rolę tam, gdzie system pracuje bezpośrednio na danych commerce, czyli gdy asystent AI musi zaprezentować użytkownikowi konkretny produkt, wskazać jego wariant, zaktualizowaną cenę i konkretnego sprzedawcę.

OpenAI wykorzystuje feedy produktowe do zasilania product discovery, a brak kompletnych danych sprawia, że AI ma mniej twardych informacji, aby poprawnie sklasyfikować Twój produkt i włączyć go do aktualnego zestawienia.

W świecie Agentic Commerce zoptymalizowane dane produktowe stają się fundamentem infrastruktury transakcyjnej. Docelowo asystent AI nie tylko ma doradzić „jaki telewizor wybrać?”, ale również samodzielnie:

• sprawdzić cenę i dostępność w czasie rzeczywistym,
• dobrać odpowiedni wariant,
• znaleźć najkorzystniejszego sprzedawcę,
• przejść do finalizacji zakupu.

Właśnie po to Google rozwija Universal Commerce Protocol oraz Universal Cart, traktując je jako ramy dla agentic shopping. Równolegle OpenAI buduje własne rozwiązanie – ACP – jako warstwę łączącą systemy e-commerce z użytkownikami ChatGPT.

O tym, jak technicznie przygotować na to swój biznes, przeczytasz w naszym raporcie RTV/AGD: Agentic Commerce oraz w poradniku pokazującym, jak dostosować architekturę sklepu do Agentic Commerce.

W wielu organizacjach feedem zajmuje się specjalista Google Ads, a powinny być zaangażowane również e-commerce, IT, SEO, product management, pricing i logistyka.

Dlaczego?

Ponieważ PPC nie naprawi błędnego GTIN w ERP, złej architektury wariantów, opóźnionej synchronizacji magazynu ani błędnej ceny w bazie.

Właśnie dlatego w Delante podchodzimy do e-commerce kompleksowo. Feed produktowy łączy dziś tak wiele kanałów pozyskiwania ruchu, że praca nad nim wymaga szerszego spojrzenia, a nie optymalizacji wyłącznie pod jeden cel. Spójrz, jak jego rola rozkłada się na poszczególne obszary:

Wniosek jest prosty: zarządzanie feedem przestało być zadaniem jednego działu. W Delante łączymy te perspektywy. Pomagamy ułożyć architekturę informacji tak, aby te same, dobrze zoptymalizowane dane produktowe pracowały na Twoją sprzedaż zarówno w klasycznych wyszukiwarkach i płatnych kampaniach, jak i w nowych doświadczeniach zakupowych napędzanych przez AI.

Nie zawsze trzeba budować feed Google Merchant Center od początku. Dobrze przygotowany feed GMC może być punktem wyjścia, bo podstawowe pola są podobne w obu środowiskach. Trzeba jednak sprawdzić:

• czy tytuł jest jednoznaczny,
• czy opis ma sens poza reklamą,
• czy wszystkie warianty są poprawnie oznaczone,
• czy GTIN i MPN są dobre,
• czy dostępność jest aktualna,
• czy kategorie są poprawne,
• czy zdjęcia są przypisane do odpowiedniego wariantu,
• czy feed nie zawiera historycznych obejść robionych tylko pod Google Ads.

Nie czekaj, aż Agentic Commerce w pełni zdominuje rynek. Optymalizację danych produktowych możesz zacząć już dzisiaj. Wystarczy tych sześć kroków:

1. Audyt feedu. Sprawdź kompletność, błędy, warianty i identyfikatory.
2. Zgodność strony i feedu. Porównaj cenę i dostępność.
3. Porządek w tytułach i opisach. Nie pisz ich wyłącznie pod kampanię.
4. Jedno źródło danych. Zmapuj katalog na PIM, ERP albo CMS.
5. Szybsze aktualizacje. Skróć czas odświeżania, szczególnie cen i stanu magazynowego.
6. Pomiar jakości danych. Zacznij mierzyć KPI opisane wyżej.

W raporcie Delante badamy gotowość sklepów do Agentic Commerce nie tylko od strony contentu, ale również infrastruktury, która pozwala systemom odczytać i wykorzystać informacje o ofercie.

Sprawdzamy m.in.:

• schema,
• API,
• semantyczny HTML,
• aktualność,
• możliwość znalezienia ceny i dostępności.

Średni wynik 15 badanych sklepów wyniósł około 33/100!

Wyniki pokazują, że szerzej rozumiana infrastruktura danych, której potrzebują agenci, nadal wymaga rozwoju, nawet u dużych graczy.

Feed produktowy przechodzi podobną ewolucję jak wiele elementów e-commerce: z narzędzia używanego przez konkretny kanał staje się częścią wspólnej infrastruktury danych. Produkt może być dziś prezentowany w Google Search, Shopping, Google Ads, ChatGPT, AI Shopping i kolejnych środowiskach agentowych.

Dlatego pytanie „czy mamy feed do Google?” jest już zbyt wąskie. Teraz pytanie brzmi: czy mamy uporządkowane, kompletne i aktualne dane o produktach, które możemy bezpiecznie udostępniać kolejnym systemom?

• OpenAI Developers, „Get Started“.developers.openai.com/commerce/guides/get-started
• OpenAI Developers, „Key concepts“.developers.openai.com/commerce/guides/key-concepts
• OpenAI Developers, „Best practices“.developers.openai.com/commerce/guides/best-practices
• OpenAI Developers, „Products“.developers.openai.com/commerce/specs/file-upload/products
• Google Search Central, „Generate Structured Data with JavaScript“.developers.google.com/search/docs/appearance/structured-data/generate-structured-data-with-javascript
• Google Search Central, „Product Variant Structured Data (ProductGroup, Product)“.developers.google.com/search/docs/appearance/structured-data/product-variants
• Google, „New tech and tools for retailers to succeed in an agentic shopping era“.blog.google/products/ads-commerce/agentic-commerce-ai-tools-protocol-retailers-platforms/
• Google, „How we’re helping retailers thrive with new Universal Commerce Protocol features and AI tools on Google“.blog.google/products-and-platforms/products/shopping/shopping-updates-google-marketing-live/
• PPC Land, „Google’s Heiko Hotz pitches 60 billion listings as fuel for shopping agents“.ppc.land/googles-heiko-hotz-pitches-60-billion-listings-as-fuel-for-shopping-agents/