Feed produktowy dla AI: jak przygotować dane pod tryb AI Google, Gemini i ChatGPT

Aktualizacja: 30 września 2026 · Autor: Szymon Sanecznik, SEMownia

Klient coraz rzadziej wpisuje „parasol ogrodowy 3 m”. Pyta raczej: „jaki parasol na mały balkon, żeby nie przewracał się przy wietrze”. Na takie pytanie tytuł produktu nie odpowie. Odpowiada zestaw danych: wymiar, waga podstawy, materiał, opinie, cena z dostawą i warunki zwrotu, a jeśli tych informacji nie ma ani w feedzie, ani na stronie, asystent AI po prostu poleci produkt konkurenta, który je podał.

A co to oznacza dla sklepu w Polsce? Dziś te dane czyta przede wszystkim Google, także w trybie AI (rozmowie w wyszukiwarce, w której odpowiedź AI zastępuje listę wyników), bo zakupy w ChatGPT i Perplexity działają tylko w USA. W mojej symulacji pilotaż na 200 bestsellerach za 13 000 zł zwraca się w wariancie bazowym po ok. 8 miesiącach, pełny katalog 3000 SKU dopiero po ok. 15.

Opisuję operacyjnie, które atrybuty mają znaczenie, co z tego działa dziś w Polsce, jak przygotować dane pod Merchant Center i specyfikację OpenAI, jak pilnować spójności z danymi strukturalnymi i co mierzyć. Podstawy (tytuły, kategorie, reguły atrybutów) są w artykule o optymalizacji feedu w Merchant Center, a strategia i protokoły (UCP, ACP) w tekście o handlu agentowym.

Czym jest feed produktowy dla AI?

Feed produktowy dla AI to plik lub integracja z danymi o produktach, przygotowana tak, żeby asystent AI mógł na ich podstawie odpowiedzieć na pytanie klienta, porównać produkty i polecić konkretną ofertę. Poza tytułem, ceną i dostępnością zawiera cechy, zastosowania, specyfikację, pytania i odpowiedzi, opinie oraz warunki dostawy i zwrotu, spójne z tym, co widać na stronie produktu.

Czym to się różni od feedu pod kampanie produktowe? Format jest ten sam. Inne jest zadanie. Feed pod Google Ads dopasowuje produkt do zapytania z kilku słów, natomiast feed dla AI ma dostarczyć odpowiedzi na pytania, które padają w rozmowie: „czy pasuje do…”, „czym się różni od…”, „co jeśli nie pasuje”. Google w wytycznych dla funkcji AI pisze, że nie ma dodatkowych wymagań ani specjalnych optymalizacji, ale zaleca aktualne dane w Merchant Center i dane strukturalne zgodne z treścią strony.

Mamy więc trzy nośniki tych samych danych: feed w Merchant Center, plik w specyfikacji OpenAI i dane strukturalne schema.org. Rozjazd między nimi kosztuje wiarygodność wszędzie naraz.

Gdzie Twój feed trafia w Polsce — stan na 30 września 2026

Zanim cokolwiek wdrożysz, sprawdź, które powierzchnie w ogóle widzi polski klient, bo większość anglojęzycznych poradników, które trafiają do mnie od klientów, opisuje rynek USA i milcząco zakłada, że wszystko działa wszędzie.

Powierzchnia	Dostępność w Polsce	Skąd bierze dane produktowe	Co możesz zrobić dziś
Tryb AI i AI Overviews w Google	tryb AI po polsku od 8 października 2025	Shopping Graph: Merchant Center, dane strukturalne, strony produktów	uzupełnić feed w Merchant Center i dane strukturalne
Gemini (aplikacja)	asystent działa po polsku; funkcje zakupowe Google rozwija najpierw w USA	Shopping Graph	jak wyżej; bez osobnego feedu
Raport AI performance insights w Merchant Center	nie; USA, Kanada, Australia, Indie, Nowa Zelandia	—	mierzyć pośrednio (Search Console, GA4)
Oferty programów lojalnościowych w trybie AI i Gemini	nie; 14 krajów bez Polski	—	obserwować
Zakupy w ChatGPT (wyniki produktowe)	nie; według OpenAI działają dla użytkowników w USA	Shopify Catalog, bezpośrednie feedy od sprzedawców, sieć	przygotować dane, nie blokować OAI-SearchBot
Reklamy z feedu w ChatGPT Ads	ChatGPT Ads samoobsługowo od 24 sierpnia 2026; kampanie z feedu w becie	feed wgrany w Ads Manager (CSV/TXT, URL, SFTP)	sprawdzić dostępność kampanii z feedu na koncie
Zakupy w Perplexity	nie; darmowe zakupy z PayPal dla użytkowników w USA od listopada 2025	program dla sprzedawców, sieć	obserwować

Wniosek: dziś jedynym dużym odbiorcą danych produktowych dla AI w Polsce jest Google. Shopping Graph (baza ofert produktowych Google, z której korzystają tryb AI, AI Overviews i Gemini) obejmuje według Google ponad 50 mld ofert, z których ponad 2 mld jest odświeżanych co godzinę. Feed dla OpenAI traktuję jako przygotowanie na wejście zakupów w ChatGPT do Europy albo materiał do testu reklam. Na główny projekt tego kwartału się nie nadaje.

Popyt już jest. W badaniu Gemius „E-commerce w Polsce 2025” (CAWI, n = 1 629, lipiec 2025) 53% badanych deklaruje korzystanie z narzędzi AI w procesie zakupowym, 19% często. W USA Adobe (ponad bilion wizyt) raportuje, że w maju 2026 ruch z asystentów AI konwertował o 54% lepiej niż ruch z innych źródeł.

Jak asystent AI korzysta z danych produktowych?

W rozmowie z AI dane muszą odpowiedzieć na cztery pytania klienta. Dlatego atrybuty dzielę na cztery rozłączne warstwy:

• Tożsamość: co to dokładnie jest? Identyfikator, marka, GTIN, MPN, kategoria, warianty. Bez tego AI nie połączy oferty z opiniami tego samego produktu w innych źródłach.
• Dopasowanie: czy to rozwiąże mój problem? Opis, cechy, specyfikacja, pytania i odpowiedzi, dokumenty.
• Oferta: ile to kosztuje i jakie jest ryzyko? Cena, dostępność, dostawa, zwroty. OpenAI podaje, że przy wyborze sprzedawcy liczą się m.in. dostępność, cena i to, czy sprzedawca jest producentem lub głównym sprzedawcą.
• Dowód: dlaczego ten, a nie inny? Opinie i oceny, popularność, produkty powiązane.

Większość polskich feedów, które oglądam w audytach, jest mocna w pierwszej i trzeciej warstwie, co nie dziwi, bo tego od lat wymagają kampanie produktowe, a nikt nie kazał sklepom wypełniać reszty. Słabe są druga i czwarta. To właśnie one decydują, czy produkt pojawi się w odpowiedzi na pytanie „jaki produkt do…”.

Tabela: atrybut → Merchant Center → OpenAI → znaczenie dla AI

Nazwy po stronie OpenAI biorę ze schematu pliku produktowego dla ChatGPT, po stronie Google ze specyfikacji Merchant Center, w wersjach aktualnych na 30 września 2026.

Dane	Google Merchant Center	ChatGPT / OpenAI	Znaczenie dla AI
Identyfikator	id	item_id (wymagany, stały, osobny dla wariantu)	łączenie aktualizacji ceny i dostępności z właściwą pozycją
Tytuł	title, 1–150 znaków	title (wymagany), do 150 znaków, z wariantem	podstawowe rozpoznanie produktu
Opis	description, do 5000 znaków, najważniejsze w pierwszych 160–500	description (wymagany), do 5000 znaków, „rzeczowy”	materiał do odpowiedzi na pytania o zastosowanie
Marka i identyfikatory	brand, gtin, mpn	brand (wymagany), gtin, mpn (zalecane)	łączenie oferty z opiniami i porównaniami z innych źródeł
Kategoria	google_product_category, product_type	product_category (ścieżka z separatorem >)	zrozumienie, z czym produkt porównywać
Cechy sprzedażowe	product_highlight, 2–100 wartości po 1–150 znaków	brak osobnego pola; w opisie	krótkie argumenty do odpowiedzi „dlaczego ten”
Specyfikacja	product_detail (sekcja, nazwa, wartość), do 100 wartości	material, dimensions, weight	filtrowanie po parametrach z pytania
Pytania i odpowiedzi	question_and_answer, do 30 par	brak osobnego pola	gotowe odpowiedzi na pytania z rozmowy
Warianty	item_group_id, item_group_title, variant_option	osobny wiersz na wariant; URL z wybranym wariantem	polecenie właściwego rozmiaru lub koloru
Cena i promocja	price, sale_price	price (wymagana), sale_price niższa od ceny	porównanie ofert, odpowiedź na „do X zł”
Dostępność	availability	availability (wymagana)	AI nie poleca produktów niedostępnych
Dostawa	ustawienia dostawy w koncie, shipping, handling_cutoff_time	shipping_price	łączny koszt i czas dostawy
Zwroty	polityka zwrotów w koncie, return_policy_label	accepts_returns, return_deadline_in_days, return_policy (URL)	odpowiedź na „a jeśli nie pasuje”
Opinie	osobny feed opinii o produktach (min. 50 opinii)	review_count, star_rating	dowód społeczny w porównaniu
Popularność i powiązania	popularity_rank, related_product, document_link	brak osobnych pól	wybór bestsellera, akcesoria, instrukcje
Sprzedawca i kwalifikacja	dane konta, excluded_destination	seller_name, seller_url, is_eligible_search, is_eligible_checkout, is_ads_eligible	kto sprzedaje i gdzie produkt może się pojawić

Dwie uwagi. Schemat pliku OpenAI wskazuje jako wymagane dziewięć pól (item_id, title, description, url, brand, seller_name, image_url, availability, price), a przewodnik po feedach reklamowych dopisuje m.in. seller_url, return_policy, target_countries, store_country i trzy flagi kwalifikacji. Ja przygotowuję plik od razu pod szerszą listę. I druga sprawa: tytuły i opisy generowane modelem językowym Google przyjmuje w structured_title i structured_description, z oznaczeniem pochodzenia treści.

Nowe atrybuty Google pod rozmowę z AI — jak je wypełnić?

W maju 2026 Google opisał w pomocy Merchant Center sześć atrybutów konwersacyjnych: pytania i odpowiedzi, link do dokumentu, produkt powiązany, tytuł grupy produktów, opcję wariantu i ranking popularności. Są opcjonalne. Nie wpływają na zatwierdzenie produktu, a przesłać je można dodatkowym źródłem danych albo przez Merchant API, więc da się zacząć bez ruszania głównego feedu. Na Google Marketing Live 2026 ogłoszono je jako dostępne globalnie. Do tego dochodzą starsze, rzadko używane product_highlight i product_detail.

product_highlight: argumenty, nie parametry

Od 2 do 100 fragmentów po maksymalnie 150 znaków, Google zaleca 4–6. Wpisujesz tu korzyści. Specyfikacja ma osobne pole, a highlighty piszesz bez ceny, dostawy, porównań z konkurencją i tekstu promocyjnego. Przykład: „Podstawa 25 kg utrzymuje parasol przy umiarkowanym wietrze”.

product_detail: specyfikacja w strukturze

Nazwa sekcji, nazwa atrybutu i wartość, do 100 wpisów po 1–150 znaków. Google zaleca tu zawartość opakowania, łączność, skład czy montaż, bez słów kluczowych. Przykład: Podstawa:Waga:25 kg. Z tego pola asystent bierze odpowiedź, gdy pytanie zawiera parametr, np. „parasol z podstawą powyżej 20 kg”.

question_and_answer: najcenniejsze źródło to Twój dział obsługi klienta

Do 30 par na produkt. Skąd je wziąć? Na pewno nie z głowy copywritera piszącego pod SEO. Najlepsze źródła to maile i czaty do obsługi klienta, pytania pod produktem i powody zwrotów, bo jeśli klienci pytają sklep, czy stolik zmieści się na balkonie 1,2 × 2 m, to dokładnie o to samo zapytają asystenta AI. Google zastrzega, żeby nie powielać treści z opisu i pozostałych atrybutów.

Pozostałe atrybuty konwersacyjne

• document_link: do 5 plików PDF (instrukcja, karta techniczna), do 50 MB każdy.
• related_product: do 30 powiązań, czyli akcesoria, części wymagane, zamienniki, zestawy.
• item_group_title i variant_option: wspólny tytuł grupy wariantów i cecha, która je różni, gdy kolor i rozmiar nie wystarczają.
• popularity_rank: pozycja produktu w Twoim katalogu w skali 0–100, bez znaku procentu. Licz ją z danych sprzedaży, nie z marży.

Limity atrybutów konwersacyjnych podaję za PPC Land i Productsup, które cytują dokumentację Google. Przed wdrożeniem sprawdź je jeszcze w szablonie z pomocy Merchant Center.

Jak przygotować feed dla ChatGPT?

Po stronie OpenAI są dziś dwie drogi, które łatwo pomylić:

1. Program dla sprzedawców (chatgpt.com/merchants). Zgłoszenie przez formularz, feed przez SFTP, API albo obsługiwane platformy. Zakupy w ChatGPT działają dla użytkowników w USA, a samoobsługową platformę dla sprzedawców OpenAI zapowiada „później w tym roku”. OpenAI odchodzi też od samodzielnego Instant Checkout: zakup kończy się w sklepie sprzedawcy. Wyniki produktowe nie są reklamami.
2. Kampanie z feedu w ChatGPT Ads. Feed wgrywasz w Ads Manager jako CSV/TXT, przez adres URL albo SFTP. W trakcie bety produkty z tego feedu służą wyłącznie reklamom. Pozycje wygasają po 2 tygodniach, więc OpenAI zaleca automatyczne pobieranie z URL lub SFTP. Czy w ogóle testować ten kanał, opisuję w artykule ChatGPT Ads w Polsce.

Drugi feed od zera? Szkoda czasu. Źródłem prawdy niech będzie Merchant Center lub PIM, a plik OpenAI powstaje przez mapowanie pól:

1. Mapowanie 1:1: id → item_id, image_link → image_url, link → url, google_product_category lub product_type → product_category. ID identyczne w obu feedach.
2. Pola, których Merchant Center nie ma w feedzie: seller_name, seller_url, return_policy, accepts_returns, return_deadline_in_days, store_country, target_countries. W Google ustawiasz je w koncie, tu trzeba je dopisać do wierszy.
3. Treść z atrybutów konwersacyjnych: OpenAI nie ma pól na cechy ani pytania i odpowiedzi, więc najważniejsze z nich wpisz rzeczowo do opisu.
4. Flagi: is_eligible_search włącza produkt do wyszukiwania (ustawienie false wyłącza też zakup), is_eligible_checkout wymaga osobnej integracji, a is_ads_eligible działa niezależnie od wyszukiwania.
5. Aktualizacja: ceny i dostępność przez Delta API albo pełną ponowną wysyłkę pliku.

Niezależnie od feedu sprawdź robots.txt. Strony blokujące OAI-SearchBot nie pojawiają się w odpowiedziach wyszukiwania ChatGPT, a widzę takie blokady często, zwykle jako efekt jednej szerokiej reguły przeciwko wszystkim robotom AI. GPTBot służy do trenowania modeli i możesz go blokować osobno. Jak sprawdzić, czy ChatGPT wymienia Twoją firmę, opisuję w tekście Czy ChatGPT poleca Twoją firmę.

Dane strukturalne i spójność: strona, feed i schema.org muszą mówić to samo

Google zaleca równoległe stosowanie danych strukturalnych na stronach produktów i feedu w Merchant Center. Dane strukturalne pomagają zrozumieć cenę, rabaty i dostawę na stronie. Feed daje kontrolę nad tym, które produkty trafiają do Google i jak często są aktualizowane.

Minimum to Product z name, image i offers, a w Offer cena większa od zera i waluta. Do tego shippingDetails, hasMerchantReturnPolicy (także na poziomie organizacji), gtin i oceny.

Brak znaczników zdarza się rzadko. Częściej spotykam rozjazdy. Automatyczne aktualizacje w Merchant Center poprawiają wprawdzie cenę, cenę promocyjną, dostępność i stan na podstawie strony, ale według Google nie zastępują regularnej aktualizacji feedu, a przy częstych zmianach cen produkt może zostać odrzucony, więc sklep z dynamicznym cennikiem nie powinien na nich polegać.

Co porównać	Feed Merchant Center	Strona produktu	Dane strukturalne	Feed OpenAI
Cena i promocja	price, sale_price	cena widoczna przy „Dodaj do koszyka”	Offer.price	price, sale_price
Dostępność	availability	komunikat o stanie	Offer.availability	availability
Dostawa	ustawienia konta	koszt i termin w koszyku	shippingDetails	shipping_price
Zwroty	polityka w koncie	regulamin zwrotów	hasMerchantReturnPolicy	return_deadline_in_days, return_policy
Identyfikatory	gtin, mpn	karta techniczna	gtin, mpn	gtin, mpn
Oceny	feed opinii	opinie pod produktem	aggregateRating	review_count, star_rating

Osobna sprawa to opinie. Oceny produktów w Google wymagają co najmniej 50 opinii, pełnych identyfikatorów (GTIN lub marka z MPN) i feedu opinii aktualizowanego przynajmniej raz w miesiącu. Przetworzenie trwa 2–4 tygodnie. Program działa w krajach z reklamami produktowymi, więc także w Polsce. Opinie zamknięte w widżecie na Twojej stronie, które nie trafiają do Google, w rozmowie z AI nie pomogą.

Symulacja: kiedy wzbogacenie feedu się zwraca?

Policzmy to na wymyślonym, średniej wielkości sklepie. Wszystkie liczby poniżej są symulacją, żaden klient za nimi nie stoi. Rzetelnego badania efektu atrybutów konwersacyjnych na sprzedaż nie znam, dlatego pokazuję trzy scenariusze i próg opłacalności.

Założenia: sklep z 3000 SKU i przychodem 600 000 zł netto miesięcznie, marża kontrybucyjna 30%. Przychód zależny od jakości feedu: kampanie produktowe i PMax 240 000 zł, bezpłatne informacje o produktach i ruch organiczny 150 000 zł, asystenci AI 6 000 zł miesięcznie (1%; sprawdź własny udział w GA4). Koszt pracy 150 zł za godzinę.

Wariant A, pełny katalog: 600 bestsellerów po 20 minut ręcznej pracy (200 h), 2400 pozostałych SKU generowanych regułami lub modelem językowym z weryfikacją po 3 minuty (120 h), 40 h na mapowanie, dane strukturalne i feed OpenAI, narzędzie do feedu 600 zł miesięcznie. Wariant B, pilotaż: 200 bestsellerów po 20 minut (ok. 67 h) i 20 h konfiguracji, bez narzędzia, przez dodatkowe źródło danych w Merchant Center. Zakładam, że te 200 produktów daje 40% przychodu.

Scenariusze przyrostu przychodu w objętych kanałach: konserwatywny +1% w Google i +10% z AI, bazowy +3% i +30%, optymistyczny +5% i +60%.

Pozycja (12 miesięcy)	A: konserwatywny	A: bazowy	A: optymistyczny	B: konserwatywny	B: bazowy	B: optymistyczny
Koszt projektu	61 200 zł	61 200 zł	61 200 zł	13 000 zł	13 000 zł	13 000 zł
Przyrost przychodu	54 000 zł	162 000 zł	277 200 zł	21 600 zł	64 800 zł	110 880 zł
w tym z asystentów AI	7 200 zł	21 600 zł	43 200 zł	2 880 zł	8 640 zł	17 280 zł
Przyrost marży (30%)	16 200 zł	48 600 zł	83 160 zł	6 480 zł	19 440 zł	33 264 zł
Wynik po koszcie projektu	−45 000 zł	−12 600 zł	+21 960 zł	−6 520 zł	+6 440 zł	+20 264 zł
Zwrot kosztu	ok. 45 mies.	ok. 15 mies.	ok. 9 mies.	ok. 24 mies.	ok. 8 mies.	ok. 5 mies.

Co z tej tabeli wyczytać?

• Ruch z asystentów AI nie uzasadnia projektu. Nawet w scenariuszu optymistycznym wariantu A to 43 200 zł przychodu i ok. 13 000 zł marży rocznie przy koszcie 61 200 zł. Projekt bronią kanały Google.
• Próg opłacalności wariantu A w pierwszym roku to 204 000 zł dodatkowego przychodu (61 200 zł ÷ 0,30), czyli ok. 4,4% przychodu z kanałów Google przy braku efektu z AI. Dla pilotażu próg to ok. 43 300 zł, czyli ok. 2,3% przychodu z tych 200 produktów w kanałach Google.
• Pilotaż jest lepszą decyzją niż pełny projekt. Kosztuje ok. jednej piątej wariantu A, w scenariuszu bazowym zwraca się po ok. 8 miesiącach i daje grupę testową i kontrolną. Pełny katalog wdrażasz, gdy test pokaże efekt.
• Od drugiego roku rachunek się poprawia, bo zostaje tylko utrzymanie, o ile dane aktualizujesz razem z ofertą.

Liczę na marży. Dlaczego ROAS się tu nie sprawdza, tłumaczę w artykule ROAS a POAS. Do pilotażu wybieraj bestsellery z wysoką marżą.

Co mierzyć i jak odróżnić efekt od szumu?

Pomiar widoczności w AI jest dziś dziurawy. Raport skuteczności generatywnej AI w Search Console (dla wszystkich witryn od 31 sierpnia 2026) pokazuje wyświetlenia w AI Overviews i trybie AI, ale bez kliknięć, a AI performance insights z Merchant Center nie działa w Polsce. Dlatego mierzę na trzech poziomach:

Poziom	Wskaźnik	Źródło	Jak często
Jakość danych	odsetek SKU z uzupełnionymi product_highlight, product_detail, pytaniami i odpowiedziami, GTIN, opiniami; liczba ostrzeżeń w diagnostyce	Merchant Center, eksport feedu	co tydzień
Widoczność	wyświetlenia w AI Overviews i trybie AI; stały zestaw 20–30 pytań zakupowych sprawdzanych ręcznie w trybie AI i ChatGPT	Search Console, ręczny audyt	co miesiąc
Wynik	przychód i marża grupy testowej wobec kontrolnej w kampaniach produktowych, bezpłatnych informacjach o produktach i ruchu z AI	Google Ads, Merchant Center, GA4	po 6–8 tygodniach

Trzy ustawienia, od których zaczynam:

• Osobna grupa kanałów w GA4 dla źródeł chatgpt.com, perplexity.ai, gemini.google.com. OpenAI dodaje do linków parametr utm_source=chatgpt.com. Ruchu z trybu AI Google w GA4 nie oddzielisz od organicznego.
• Test na grupach produktów zamiast „przed i po”. Wzbogacasz dane w połowie bestsellerów, drugą połowę zostawiasz bez zmian i porównujesz ten sam okres, bo porównanie „przed i po” w sklepie sezonowym prawie zawsze pomyli efekt nowych atrybutów z tym, że przyszła wiosna albo zaczęły się wyprzedaże.
• Ankieta po zakupie z opcją „ChatGPT lub inny asystent AI”. Precyzji z niej nie będzie. Pokaże jednak skalę, której GA4 nie widzi.

O tym, jak AI Overviews i tryb AI zmieniają koszt pozyskania ruchu płatnego, piszę w tekście o reklamach w AI Overviews i trybie AI.

Pierwsze 90 dni, krok po kroku

Dni 1–14: inwentaryzacja.

1. Eksport feedu i raport kompletności: jaki odsetek SKU ma GTIN, markę, opis powyżej 500 znaków, product_highlight, product_detail.
2. Sprawdzenie, czy narzędzie do feedu działa na Merchant API (Content API wyłączono 18 sierpnia 2026) i obsługuje nowe atrybuty.
3. Porównanie ceny, dostępności, dostawy i zwrotów na 30 losowych produktach: feed, strona, dane strukturalne.
4. Robots.txt: czy nie blokujesz OAI-SearchBot i PerplexityBot.

Dni 15–45: pilotaż.

5. Wybór 200 bestsellerów (najlepiej o wysokiej marży) i grupy kontrolnej o podobnym przychodzie.
6. Zebranie pytań z obsługi klienta, opinii i powodów zwrotów dla grupy testowej.
7. Wypełnienie product_highlight, product_detail, question_and_answer, related_product, popularity_rank przez dodatkowe źródło danych.
8. Ustawienie polityki zwrotów i dostawy w koncie Merchant Center oraz feedu opinii, jeśli masz ponad 50 opinii.

Dni 46–90: pomiar i decyzja.

9. Porównanie grupy testowej i kontrolnej po 6–8 tygodniach: przychód, marża, CTR, kliknięcia z bezpłatnych informacji o produktach.
10. Decyzja o pełnym katalogu na podstawie testu, nie deklaracji dostawcy narzędzia.
11. Plik w specyfikacji OpenAI z tego samego źródła danych.

FAQ

Czy ChatGPT Shopping działa w Polsce?

Nie, stan na 30 września 2026. OpenAI podaje, że zakupy w ChatGPT działają dla użytkowników w USA, a rozszerzenie na kolejne regiony zapowiada bez daty. W Polsce od 24 sierpnia 2026 działają natomiast reklamy w ChatGPT.

Jak dodać produkty do ChatGPT?

Przez zgłoszenie w programie dla sprzedawców na chatgpt.com/merchants (sklepy na Shopify są włączane przez Shopify Catalog) albo przez wgranie feedu w ChatGPT Ads Manager. Feed z Ads Manager w trakcie bety służy tylko reklamom.

Jakie atrybuty feedu są ważne dla trybu AI w Google?

Poza podstawą (tytuł, opis, GTIN, cena, dostępność) najwięcej wnoszą product_highlight, product_detail i atrybuty konwersacyjne, zwłaszcza pytania i odpowiedzi. Liczą się też ustawienia dostawy i zwrotów w koncie oraz opinie o produktach.

Czy potrzebuję osobnego feedu dla AI?

Dla Google nie: tryb AI i Gemini korzystają z danych z Merchant Center i Shopping Graph. Dla ChatGPT tak, bo OpenAI ma własną specyfikację, ale najlepiej generować ten plik z tego samego źródła danych co feed Google, przez mapowanie pól.

Czy atrybuty konwersacyjne wpływają na zatwierdzenie produktów?

Nie. Google opisuje je jako opcjonalne, uzupełniające podstawową specyfikację i niewpływające na status zatwierdzenia. Można je przesłać dodatkowym źródłem danych albo przez Merchant API.

Jak sprawdzić, czy produkty pojawiają się w trybie AI?

Raport skuteczności generatywnej AI w Search Console pokazuje wyświetlenia Twoich stron w AI Overviews i trybie AI, ale bez kliknięć. Uzupełnij go comiesięcznym ręcznym sprawdzaniem stałego zestawu pytań zakupowych.

Dokumentacja i dane

• Google Merchant Center Help: How to use conversational attributes
• Google Merchant Center Help: Product highlight [product_highlight]
• Google Merchant Center Help: Product detail [product_detail]
• Google Merchant Center Help: Description [description]
• Google Merchant Center Help: Insights for AI-powered shopping experiences
• Google Merchant Center Help: About product ratings i feed opinii o produktach
• Google Merchant Center Help: Automatic item updates
• Google Merchant Center Help: Return policies
• Google Search Central: AI features and your website
• Google Search Central: Share your product data with Google
• Google Search Central: Merchant listing structured data
• Search Console Help: Generative AI performance report
• Google Blog: Shopping updates z Google Marketing Live 2026 i zakupy w trybie AI i Shopping Graph (2025)
• OpenAI: ChatGPT Merchants
• OpenAI Help Center: Shopping with ChatGPT Search
• OpenAI Help Center: Create campaigns from product feeds
• OpenAI Help Center: Publishers and developers FAQ
• OpenAI for Developers: Product file schema, Product feeds for ads i OpenAI crawlers
• Retail Gazette: OpenAI wycofuje się z zakupów w czacie (marzec 2026)
• Search Engine Land: programy lojalnościowe w 14 krajach i na powierzchniach AI
• Search Engine Roundtable: atrybuty konwersacyjne w Merchant Center
• Search Engine Journal: raporty AI w Search Console dla wszystkich witryn
• PPC Land: atrybuty Merchant Center dla trybu AI; Productsup: sześć atrybutów konwersacyjnych
• MacRumors: zakupy w Perplexity z PayPal (USA)
• Digital Commerce (dane Adobe): dane Adobe o ruchu z AI do sklepów w USA
• NowyMarketing: Gemius, E-commerce w Polsce 2025
• Benchmark.pl: tryb AI Google w Polsce