Asystent zakupowy w ChatGPT nie ogląda Twojego sklepu jak klient - czyta dane, a jeśli danych brakuje albo sobie przeczą, poleca kogoś innego. Klient widzi ładne zdjęcie, cenę w promocji i zielony napis „dostępny”. Model widzi kod strony, znaczniki i tekst. Kiedy właściciel sklepu wpisuje w wyszukiwarkę „woocommerce optymalizacja pod ai”, zwykle trafia na teksty o tym, jak użyć AI do pisania opisów albo jak postawić chatbota. To inny temat. Tutaj piszę o odwrotnym kierunku: co zmienić w samym sklepie, żeby AI rozumiało Twoje produkty i miało z czego je polecić.
Ogólnie o tym, jak działa widoczność w ChatGPT i w Przeglądach od AI, pisałem w tekście o pozycjonowaniu a AI. Ten wpis jest węższy i bardziej techniczny: dotyczy sklepu na WooCommerce, karty produktu i danych, które sklep wystawia na zewnątrz. Od razu uczciwie: nikt nie da Ci gwarancji, że ChatGPT poleci Twój produkt. Da się za to usunąć powody, dla których dziś go pomija.
Dlaczego AI pomija produkty z Twojego sklepu
Gdy ktoś pyta asystenta „jaki plecak turystyczny do 40 litrów z osobną komorą na śpiwór”, model musi znaleźć produkty, które spełniają te warunki, i być pewnym, że je spełniają. Pewność bierze z danych. Jeśli w Twojej karcie pojemność siedzi tylko na zdjęciu z wymiarami, a opis to trzy zdania marketingu skopiowane od producenta, model nie ma czego się złapać. Wybierze sklep, w którym to samo jest napisane wprost.
W sklepach, które oglądam, powtarzają się te same przyczyny:
- Parametry tylko w grafice albo w PDF-ie. Człowiek przeczyta tabelę na zdjęciu, robot zwykle nie. Atrybut, którego nie ma w tekście ani w danych, dla AI nie istnieje.
- Opis z hurtowni, identyczny w kilkudziesięciu sklepach. Model nie ma powodu cytować akurat Ciebie, skoro ten sam tekst widzi wszędzie.
- Sprzeczne informacje. Strona pokazuje jedną cenę, znaczniki w kodzie drugą, feed do porównywarek trzecią. Przy sprzeczności najbezpieczniej dla modelu jest nie polecać nikogo z tej trójki.
- Warianty, których nie da się rozróżnić. Rozmiary i kolory schowane w rozwijanej liście, bez osobnych danych o dostępności i cenie każdego wariantu.
- Zamknięte drzwi dla botów. Wtyczka bezpieczeństwa, reguła na serwerze albo ustawienie w CDN odcina roboty AI, często bez wiedzy właściciela.
Żadna z tych rzeczy nie jest problemem AI. To zaległości, które w sklepie siedziały od lat i przeszkadzały też zwykłemu Google. Asystenci zakupowi tylko bezlitośnie je obnażają.
Ile to kosztuje - zakres prac i widełki rynkowe
Cennika tu nie podam, bo koszt zależy prawie wyłącznie od tego, co zastanę w sklepie. Inaczej wygląda sklep z kilkudziesięcioma produktami na porządnym motywie, a inaczej katalog liczony w tysiącach pozycji, z wariantami, importem z hurtowni i trzema wtyczkami SEO, które dopisują do strony każda swoje znaczniki.
Żeby było wiadomo, o jakim rzędzie mówimy: na rynku prosty przegląd techniczny sklepu to zwykle kilkaset złotych, a pełne prace z wdrożeniem zmian w kodzie i w danych produktów idą w tysiące złotych. To widełki rynkowe, nie moja oferta, i rozjeżdżają się mocno w zależności od zakresu. Na cenę najmocniej wpływają:
- Liczba produktów i wariantów - poprawka szablonu karty działa na wszystkie produkty naraz, ale uzupełnianie brakujących atrybutów to praca na danych, produkt po produkcie albo importem.
- Stan danych źródłowych - czy masz kody EAN, markę i parametry w uporządkowanej formie, czy wszystko trzeba wyciągać z opisów.
- Liczba miejsc, które wystawiają dane - motyw, wtyczka SEO, wtyczka feedu, integracja z hurtownią. Każde z nich trzeba ze sobą pogodzić.
- To, czy sklep ma środowisko testowe - zmiany w szablonie karty produktu robię najpierw na kopii, nigdy na żywym sklepie.
Najtańsza kolejność to najpierw diagnoza, potem decyzja. Zanim wydasz pieniądze na wdrożenie, warto wiedzieć, czy AI w ogóle zna Twój sklep i co o nim mówi. Jak to zmierzyć samemu, krok po kroku, opisałem w tekście o audycie widoczności w AI.
Co zmienić: optymalizacja WooCommerce pod AI w danych, schema, feedzie i opisach
Poniżej lista, którą przechodzę w sklepie. Kolejność nie jest przypadkowa: zaczynam od rzeczy, które blokują wszystko inne.
Dostępność dla botów
Pierwsze pytanie: czy roboty w ogóle mogą wejść na kartę produktu. Sprawdzam plik robots.txt, reguły w wtyczkach bezpieczeństwa i ustawienia CDN, bo blokada bywa ustawiona w jednym z tych trzech miejsc, a pozostałe wyglądają poprawnie. Sprawdzam też, czy najważniejsze informacje - nazwa, cena, dostępność, parametry - są w kodzie strony od razu, a nie doładowują się skryptem dopiero po kliknięciu zakładki. Robot, który nie wykonuje skryptów, widzi wtedy pustą kartę.
Dane strukturalne produktu
WooCommerce sam dopisuje do karty podstawowe dane strukturalne produktu: nazwę, cenę, dostępność. Problem zaczyna się, gdy motyw i wtyczka SEO dokładają swoje wersje i na jednej stronie lądują dwa albo trzy opisy tego samego produktu, czasem z różnymi cenami. Porządkuję to do jednego źródła i uzupełniam to, czego zwykle brakuje: markę, kod EAN, stan produktu, dane wariantów, opinie, jeśli sklep je ma. Zasada jest jedna: znaczniki mówią dokładnie to samo, co widzi klient. Czym są dane strukturalne i jak je sprawdzić, rozłożyłem po ludzku w tekście o danych strukturalnych schema.org. Na pytanie, czy dane strukturalne pomagają w AI search, odpowiadam ostrożnie: nie są przepustką, ale usuwają zgadywanie. Model nie musi domyślać się, która liczba na stronie to cena.
Atrybuty zamiast opisu w grafice
Parametry, o które pytają klienci, przenoszę do atrybutów WooCommerce: wymiary, materiał, pojemność, kompatybilność, skład. Atrybut ląduje w tabeli na karcie, w danych strukturalnych i w feedzie jednocześnie, więc jedna poprawka działa w trzech miejscach. Przy okazji zyskuje filtrowanie w sklepie, bo filtry też korzystają z atrybutów.
Feed produktowy
Jeśli sklep wysyła feed do Google Merchant Center albo porównywarek, sprawdzam, czy mówi to samo, co strona. Najczęstszy rozjazd to cena promocyjna, która na stronie już wygasła, a w feedzie dalej wisi, albo produkt wyprzedany na stronie i dostępny w pliku. Feed i karta produktu powinny brać dane z tego samego miejsca, a nie z dwóch osobnych wtyczek ustawionych w różnym czasie.
Opisy pisane pod pytania
Opis produktu przepisuję tak, żeby odpowiadał na pytania, które klienci zadają naprawdę: do czego to jest, dla kogo, czym różni się od tańszego modelu obok, czego nie zrobi. Krótki akapit z konkretem cytuje się łatwiej niż ściana przymiotników. To tu jest miejsce na frazy, którymi ludzie pytają asystenta, a nie na powtórzoną pięć razy nazwę kategorii. Jeśli opisy przychodzą z hurtowni, nie trzeba przepisywać wszystkiego naraz - zaczynam od produktów, które sprzedają się najlepiej.
Przewodnik po sklepie dla AI
Na koniec plik llms.txt: krótka mapa sklepu dla modeli językowych, z kategoriami, zasadami dostawy i zwrotów. To dodatek, nie fundament, i bez porządku w kartach produktów niewiele zmienia. Co w nim wpisać i czego się po nim spodziewać, opisałem w tekście o tym, czy warto mieć llms.txt.
Co robię inaczej - poprawki w kodzie sklepu, nie wtyczka „AI SEO”
Na rynku jest sporo wtyczek, które obiecują optymalizację sklepu pod AI jednym kliknięciem. Część z nich robi coś sensownego, na przykład generuje plik llms.txt. Ale żadna wtyczka nie wie, że Twoje parametry siedzą w grafikach, że feed bierze ceny z innego miejsca niż strona, ani że motyw dubluje dane strukturalne. Kolejna wtyczka w sklepie, który ma już trzy źródła znaczników, zwykle dokłada czwarte.
Dlatego pracuję na kodzie i danych sklepu, nie na kolejnej warstwie wtyczek:
- Jeden szablon karty produktu, który wystawia dane strukturalne z jednego źródła, spójne z tym, co widzi klient.
- Atrybuty i dane w bazie, uzupełnione importem albo skryptem, a nie ręcznie w opisie każdego produktu.
- Feed liczony z tych samych danych co strona, żeby cena i dostępność nie rozjeżdżały się po promocji.
- Kontrola po wdrożeniu - sprawdzam znaczniki narzędziem Google do testowania wyników z elementami rozszerzonymi i ręcznie pytam asystentów o produkty, żeby zobaczyć, co faktycznie z tego czytają.
Taka robota jest mniej efektowna niż zielony wskaźnik we wtyczce, ale zostaje w sklepie na stałe i pomaga też w zwykłym Google. Pozycjonowanie w wyszukiwarkach AI i klasyczne SEO sklepu stoją na tym samym fundamencie, dlatego obie rzeczy robię razem w ramach usługi pozycjonowania SEO i widoczności w AI.
Od czego zacząć w swoim sklepie
Nie od wszystkiego naraz. Weź trzy produkty, które sprzedają się najlepiej, i sprawdź na nich cztery rzeczy: czy parametry są tekstem, a nie grafiką, czy cena w kodzie strony zgadza się z ceną na ekranie, czy feed mówi to samo, i czy robots.txt nie zamyka drzwi robotom. Jeśli w którymś miejscu coś się nie zgadza, to prawie na pewno nie zgadza się w całym katalogu, bo wszystkie karty produktów korzystają z tego samego szablonu. Wtedy wiesz, od czego zacząć.
Najczęstsze pytania
Jak asystent zakupowy ChatGPT wybiera produkty? Dokładnego przepisu nikt spoza firm budujących te systemy nie zna i nie wierzyłbym nikomu, kto twierdzi inaczej. Wiadomo tyle, że model składa odpowiedź z treści, do których ma dostęp, i woli źródła, w których parametry, cena i dostępność są napisane jednoznacznie. Na to masz wpływ.
Czy muszę zmieniać wszystkie opisy produktów? Nie. Zacznij od produktów, które przynoszą najwięcej sprzedaży, i od atrybutów, bo poprawka atrybutów działa w danych strukturalnych, w feedzie i w filtrach jednocześnie. Opisy przepisuj stopniowo.
Czy wtyczka SEO do WooCommerce wystarczy? Wtyczka SEO robi dobrą robotę przy tytułach, mapie strony i podstawowych znacznikach. Nie uzupełni za Ciebie brakujących danych produktów i nie pogodzi kilku źródeł znaczników, które już są w sklepie. To trzeba sprawdzić i poprawić w kodzie.
Czy po takich zmianach mój sklep na pewno pojawi się w ChatGPT? Nie ma takiej gwarancji i nie daję jej. Usuwasz przeszkody, przez które dziś AI nie ma jak Cię polecić. Czy i kiedy zacznie, zależy też od konkurencji, popytu i samego systemu, na który nie masz wpływu.
Chcesz, żeby Twoja firma wychodziła w Google i w odpowiedziach ChatGPT? Zajmuję się technicznym SEO i widocznością w AI od strony kodu, nie od strony raportów. Zobacz, jak to wygląda u mnie: pozycjonowanie SEO i widoczność w AI.