Zakupy w ChatGPT i Gemini: jak przygotować feed i katalog produktów pod agentów AI

Jak działają zakupy w ChatGPT i Gemini i skąd agenci biorą dane?

Asystenci AI budują odpowiedź zakupową z kilku źródeł jednocześnie, a każde z nich możesz kontrolować w innym stopniu. Im więcej spójnych sygnałów o produkcie, tym większa szansa na rekomendację.

Google (AI Mode, aplikacja Gemini, Universal Cart). Odpowiedzi produktowe opierają się na Shopping Graph – bazie ponad 60 miliardów ofert, zasilanej w dużej mierze danymi z Merchant Center. Produkty z feedu mogą pojawiać się w AI Mode, który działa w Polsce od 8 października 2025. Tę samą bazę wykorzystują bezpłatne informacje o produktach, dlatego uporządkowanie feedu działa jednocześnie jak SEO – piszemy o tym w artykule o Merchant Center jako kanale SEO.

OpenAI (ChatGPT). ChatGPT pokazuje karty produktów z ceną, opiniami i linkami do sprzedawców. Dane pochodzą z feedów przesyłanych przez sprzedawców w specyfikacji OpenAI oraz z publicznych treści stron indeksowanych przez wyszukiwarkę ChatGPT. Standardowy feed jest kierowany na rynek amerykański, a inne rynki wymagają potwierdzenia integracji przez OpenAI – dla polskiego sklepu najważniejsze są więc dziś treść i dane strukturalne na stronie.

Treści zewnętrzne. Agenci biorą pod uwagę opinie, porównania i artykuły, w których pojawia się produkt. To obszar GEO, który opisujemy w poradniku o Generative Engine Optimization.

Które atrybuty feedu mają największe znaczenie dla agentów AI?

Największe znaczenie mają atrybuty, które pozwalają agentowi odpowiedzieć na warunki klienta: cena z dostawą, termin, rozmiar, zgodność, możliwość zwrotu. Poniższa tabela zestawia je z odpowiednikami w feedzie OpenAI.

W styczniu 2026 Google zapowiedział też nowe atrybuty Merchant Center pod handel konwersacyjny, obejmujące m.in. odpowiedzi na typowe pytania o produkt, kompatybilne akcesoria i zamienniki. Są wdrażane stopniowo, więc sprawdź w specyfikacji danych produktowych, które z nich są dostępne na Twoim koncie.

Zanim zaczniesz uzupełniać nowe pola, usuń odrzucenia i ostrzeżenia. Najczęstsze problemy i sposoby ich naprawy omawiamy w tekście o odrzuceniach w Merchant Center.

Jak pisać tytuły i opisy, które agent zrozumie?

Agent czyta opis jak specyfikację, a nie jak reklamę. Najlepiej sprawdzają się opisy, które odpowiadają na pytania zadawane przed zakupem: do czego produkt służy, dla kogo jest, z czym współpracuje i czego nie potrafi.

Zasady, które warto przyjąć dla całego katalogu:

• Tytuł zawiera markę, typ produktu, kluczowy parametr i wariant. Strukturę tytułów dla różnych kategorii opisujemy w artykule o optymalizacji tytułów produktów.
• Opis zaczyna się od zastosowania, potem podaje parametry z jednostkami, a na końcu ograniczenia (np. „nie nadaje się do płyt indukcyjnych”).
• Kompatybilność zapisuj jawnie: modele urządzeń, rozmiary, standardy złączy.
• Bez superlatywów i porównań w rodzaju „najlepszy na rynku” – agent i tak ich nie zweryfikuje, a zajmują miejsce na fakty.
• Język zgodny z rynkiem docelowym: polski feed dla polskiego rynku, bez mieszania z angielskimi opisami producenta.

Feed w specyfikacji OpenAI: jak wygląda w praktyce?

Feed OpenAI to plik z jednym wierszem na każdy wariant produktu, w formacie JSONL, CSV lub TSV. Nawet jeśli dziś nie możesz go przesłać dla rynku polskiego, przygotowanie mapowania pozwoli Ci szybko dołączyć, gdy OpenAI rozszerzy obsługę rynków. Przykładowy wiersz:

{"item_id": "CZ-1700-INOX", "title": "Czajnik elektryczny 1,7 l z regulacją temperatury, stal nierdzewna", "description": "Czajnik 2200 W z regulacją temperatury 40–100°C co 10°C, wyjmowanym filtrem kamienia i podstawą 360°.", "url": "https://twojsklep.pl/czajnik-1700-inox", "image_url": "https://twojsklep.pl/img/cz-1700-inox.jpg", "price": "249.00 PLN", "availability": "in_stock", "brand": "TwojaMarka", "gtin": "5901234123457", "seller_name": "Twój Sklep", "accepts_returns": true, "return_deadline_in_days": 30, "return_policy": "https://twojsklep.pl/zwroty", "shipping": "PL::standard:14.99 PLN", "is_eligible_search": true, "is_eligible_checkout": false}

Kilka szczegółów specyfikacji, które łatwo przeoczyć:

• Pole availability przyjmuje wartości in_stock, out_of_stock, pre_order, backorder lub unknown; feed nie ma osobnego pola stanu magazynowego.
• Puste shipping_price oznacza „nieznany koszt dostawy”, a nie dostawę darmową.
• is_eligible_checkout wymaga osobnego włączenia integracji – sama flaga nie uruchamia sprzedaży w czacie. Ustawienie is_eligible_search na false wyłącza też checkout.
• sale_price musi być niższa od price i w tej samej walucie.
• Starsze nazwy pól (np. enable_search, id) działają jako aliasy, ale w jednym pliku podawaj tylko jedną nazwę dla danej wartości.

Kwalifikacja produktu nie gwarantuje, że zostanie on pokazany. Jeśli prowadzisz jeden feed do wielu kanałów, mapowanie tych pól najłatwiej dodać w narzędziu, które już obsługuje Google, Meta i Allegro – opisujemy to w tekście o jednym feedzie do wielu kanałów.

Ceny, stany i dane na stronie: spójność, którą sprawdza agent

Agent konfrontuje dane z feedu z tym, co widzi na stronie. Każda rozbieżność obniża zaufanie do oferty, a w Merchant Center może skutkować odrzuceniem – produkty z częstymi zmianami ceny i dostępności, których feed nie nadąża aktualizować, są szczególnie narażone.

Strona produktu powinna zawierać dane strukturalne zgodne z feedem. Minimalny zestaw w JSON-LD obejmuje produkt, ofertę, dostawę i zasady zwrotów:

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Czajnik elektryczny 1,7 l z regulacją temperatury",
  "sku": "CZ-1700-INOX",
  "gtin13": "5901234123457",
  "brand": { "@type": "Brand", "name": "TwojaMarka" },
  "offers": {
    "@type": "Offer",
    "price": "249.00",
    "priceCurrency": "PLN",
    "availability": "https://schema.org/InStock",
    "shippingDetails": {
      "@type": "OfferShippingDetails",
      "shippingRate": { "@type": "MonetaryAmount", "value": "14.99", "currency": "PLN" },
      "shippingDestination": { "@type": "DefinedRegion", "addressCountry": "PL" }
    },
    "hasMerchantReturnPolicy": {
      "@type": "MerchantReturnPolicy",
      "applicableCountry": "PL",
      "returnPolicyCategory": "https://schema.org/MerchantReturnFiniteReturnWindow",
      "merchantReturnDays": 30
    }
  }
}

Trzy dodatkowe kwestie techniczne:

• Dostęp robotów. Sprawdź w robots.txt, czy nie blokujesz robota wyszukiwarki ChatGPT (OAI-SearchBot) ani Googlebota. Pamiętaj, że Google-Extended dotyczy wykorzystania treści przez modele Gemini, a nie wyświetlania w wyszukiwarce.
• Zdjęcia. Merchant Center wymaga, by do 31 stycznia 2027 zdjęcia produktów miały co najmniej 500×500 px. Agent i klient oceniają produkt po obrazie także w odpowiedziach AI.
• Częstotliwość aktualizacji. Dla produktów o zmiennej cenie używaj częstszego harmonogramu feedu lub aktualizacji przez API, a brakujące wartości uzupełniaj regułami feedu w Merchant Center.

Szerzej o tym, które dane strukturalne i jaki układ treści zwiększają szansę na cytowanie przez modele, piszemy w artykule o danych strukturalnych i llms.txt.

Checklista: katalog gotowy na zakupy w ChatGPT i Gemini

Przejdź przez poniższe kroki w tej kolejności – każdy kolejny ma sens dopiero wtedy, gdy poprzedni jest zrobiony.

1. Usuń odrzucenia w Merchant Center i ostrzeżenia dotyczące cen, dostępności i zdjęć.
2. Uzupełnij identyfikatory: GTIN dla produktów markowych, MPN z marką tam, gdzie GTIN nie istnieje.
3. Ustaw dostawę i zwroty na poziomie konta Merchant Center i sprawdź, czy są zgodne z regulaminem sklepu.
4. Przepisz opisy 50 najlepiej sprzedających się produktów według zasady: zastosowanie, parametry, kompatybilność, ograniczenia.
5. Ujednolić warianty: wspólny item_group_id, osobne wiersze dla rozmiarów i kolorów, poprawne wartości size i color.
6. Dodaj dane strukturalne Product, Offer, OfferShippingDetails i MerchantReturnPolicy na stronach produktów.
7. Sprawdź robots.txt i dostępność stron produktów bez logowania i bez blokad geograficznych.
8. Przygotuj mapowanie do feedu OpenAI w narzędziu feedowym, nawet jeśli jeszcze go nie wysyłasz.
9. Przeprowadź test widoczności: 20–30 pytań klientów zadanych w ChatGPT, Gemini i AI Mode, wyniki zapisane w arkuszu.

Typowe błędy i jak je wykryć

Opisy skopiowane od producenta. Te same opisy ma kilkunastu sprzedawców, więc agent nie ma powodu wybrać Twojej oferty. Wykryjesz to, wklejając fragment opisu w wyszukiwarkę.

Darmowa dostawa tylko w banerze. Jeśli informacja o darmowej dostawie od określonej kwoty nie trafia do feedu, agent przyjmie standardowy koszt lub uzna go za nieznany.

Warianty jako jeden produkt. Rozmiary w jednym wierszu z opisem „dostępne S–XL” uniemożliwiają agentowi sprawdzenie dostępności konkretnego rozmiaru.

Ceny w feedzie bez promocji. Promocja widoczna na stronie, a nieprzekazana w sale_price, tworzy rozbieżność, którą Merchant Center może oznaczyć jako błąd ceny.

Gdy dane są gotowe, warto zrozumieć, jak agenci przechodzą od rekomendacji do transakcji – tłumaczymy to w tekście czym jest agentic commerce, a różnice między standardami Google i OpenAI opisuje porównanie UCP i ACP. O tym, jak dane z feedu zasilają koszyk Google w USA, piszemy w artykule o Universal Cart. Pozostałe poradniki znajdziesz w podtemacie Agentic commerce.