Feed rozhoduje dřív než PDP funguje

AI shopping mění pravidla: o viditelnosti produktu často nerozhoduje web, ale kvalitní feed. Data ukazují, že bez přesných dat, GTIN a synchronizace ceny se produkt do AI výběru vůbec nemusí dostat.

---

83 % produktů, které ChatGPT nabídl v nákupním karuselu, patřilo podle Toma Wellse mezi prvních 40 výsledků Google Shopping. O výběru tak rozhoduje feed dřív, než se AI dostane k vaší PDP. Článek k tomu shrnuje data z roku 2026 od Profound, OpenAI, Adobe, Salesforce, SE Ranking a Lily Ray.

Mechanismus výběru produktů v AI shoppingu a zdroje dat

Tom Wells a pozdější měření Profound ukazují, že AI shopping nestaví na náhodném výběru produktů. Wells analyzoval více než 43 000 produktů a zjistil, že 83 % z nich sedělo do nejlepších 40 organických výsledků Google Shopping. U Bingu to bylo 11 %. Naše čtení dat je prosté: shopping queries se oddělují od textových odpovědí a výběr i pořadí se opírá o produktové feedy, ne o klasický obsah.

Data zůstávají svázaná s Google Shopping. U ChatGPT se jeden nákupní dotaz často opírá o jednu stránku výsledků Google Shopping, aby zaplnil karusel s osmi produkty, a pořadí v karuselu odpovídá hodnocení v Google Shopping. Přítomnost v AI nákupech se tak odděluje od klasických organických rankingů a starý SEO plán na shopping discovery nepřenášíme mechanicky.

Dvojí role feedu a PDP v AI shoppingu

Profound ukázal, že 99,9 % feedových nabídek se v ChatGPT objevilo jako nejlepší nabídka produktu. Data zároveň ukazují, že feed neslouží jen k viditelnosti, ale i k pořadí a způsobilosti. Běžně řešíme PDP a obsah, ale pro zařazení do AI shopping výběru rozhoduje produktový feed jako vstupní vrstva.

To ale neznamená, že PDP mizí ze hry. Článek uvádí, že přibližně 88 % nabídek v ChatGPT stále pocházelo ze stránek a u obchodníků už s feedy to bylo asi 76 %. Z dat vyplývá i praktičtější detail: feedové nabídky měly 100 % kompletních informací o značce, obrázku a obchodníkovi, zatímco stránky 0 %.

Signály relevance v feedu a nové atributy pro AI commerce

OpenAI uvádí, že produktové výsledky jsou organické a řadí se podle relevance. Do výběru vstupují dostupnost, cena, kvalita, status hlavního prodejce, ale také GTIN, přesný název, shoda ceny a availability s webem, obrázek, značka a kategorie.

Google přidal do Merchant Center vlastnost kategorie produktu včetně taxonomie Google a typů produktů ve strukturovaných datech. Na Google Marketing Live 2026 zároveň představil konverzační atributy pro AI režim a Gemini: Q&A, související produkty, odkaz na dokument, název skupiny položek a variantu, a hodnocení popularity. Tyto atributy jsou volitelné a samy o sobě nezajišťují schválení produktu.

Skryté limity citací a tiché filtry v AI doporučeních

Lily Ray popsala případy, kdy se značky samy označily za číslo 1 v seznamových článcích a přesto skončily jen jako citovaný zdroj. V její analýze šlo asi o 69 % značek. My to čteme jako ghost rankings: být použit jako zdroj ještě neznamená být doporučen.

Data od Adobe zároveň ukazují rozdíl v čitelnosti citací. PDP dosáhly skóre 63,5 bodu, zatímco domovské stránky a nákupní průvodci byly v nízkých osmdesátkách. Běžně řešíme samotnou přítomnost, ale z dat tady vychází i tichý filtr: obsah může projít jako vstup, a přesto skončit bez doporučení.

Obchodní dopad AI trafficu, konverzí a prodejů

Adobe uvádí, že AI traffic na maloobchodní stránky v USA v prvním čtvrtletí meziročně vzrostl o 393 % a do prosince o více než 1 150 %. Zároveň do března 2026 konvertoval o 42 % lépe než non-AI traffic; o rok dříve byl ještě zhruba poloviční. Salesforce pak spojuje s AI a agenty přibližně 20 % globálních online svátečních prodejů, tedy asi 262 miliard dolarů.

Audit feedu: zamítnutí, 50 produktů, konverzační atributy a synchronizace cen

My začínáme u zamítnutí a diagnostiky v Merchant Center. Zároveň kontrolujeme GTIN a nesoulady ceny, protože tvrdé chyby vedou k nezpůsobilosti. Tiché chyby jsou jiný problém: neodmítnou produkt, ale sníží jeho viditelnost.

Pak procházíme 50 nejvýnosnějších produktů a čteme názvy i popisy očima AI agenta. U konverzačních atributů my začínáme u nejprodávanějších SKU, ne u celého katalogu. Vedle toho sledujeme průběžnou synchronizaci cen a dostupnosti s živým webem.

Infrastrukturní posun platforem a oddělení AI presence od organických rankingů

Googleův nákupní graf narostl na 60 miliard nabídek z 50 miliard na začátku roku. Zároveň pracuje se Shopify, Etsy, Wayfair, Target a Walmart na Univerzálním obchodním protokolu, který staví na feedu z Merchant Center pro agentní pokladnu.

Tohle už nečteme jako běžné SEO. Z dat SE Ranking vyplývá, že jen 2,32 % inzerentů v Google AI režimu se organicky umístilo na stejný dotaz, a asi 85 % se v organice vůbec neukázalo. Kevin Indig to popsal jako systém, který odměňuje pravdu o produktu, ne marketingový trik.

Do stejného rámce patří i to, že obchodníci přidávají atribut native_commerce a synchronizují schéma produktů, nabídek a recenzí, jinak nejsou způsobilí pro AI checkout. OpenAI mezitím hostovaný checkout stáhlo a Walmart v ChatGPT testoval checkout s konverzí zhruba třetinovou proti vlastním stránkám.

Co z toho plyne pro marketingovou praxi

Naše čtení dat vede k jedné jasné odpovědi: nákupy s AI nezačínají až na produktové stránce, ale už ve feedu. Pokud AI commerce mění vstupní vrstvu objevování, pak produktový feed už není jen podpůrná technická položka pro paid shopping, ale rozhodovací infrastruktura pro to, jestli se produkt vůbec dostane do hry. V praxi to znamená, že se nemáme ptát jen na to, jak vypadá naše PDP, ale hlavně na to, zda náš katalog poskytuje agentům přesná, úplná a strojově čitelná data.

FAQ

Má smysl řešit feed, když už máme silné PDP?
Má. Silné PDP pomáhá až ve chvíli, kdy se produkt vůbec dostane do výběru. Pokud feed nesedí, AI systém může produkt vynechat dřív, než PDP dostane šanci hrát roli.

Je lepší investovat do obsahu nebo do struktury dat?
Podle dat nejdřív do struktury dat. Obsah pomáhá s přesvědčením, ale bez přesného feedu se produkt nemusí vůbec objevit mezi relevantními možnostmi.

Zmínka v citaci znamená, že produkt bude doporučen?
Ne. Citace a doporučení nejsou totéž. Produkt nebo značka může být použitá jako zdroj, ale ve výsledku se nemusí zobrazit mezi doporučenými nabídkami.

Co je nejčastější chyba při optimalizaci pro AI shopping?
Spoléhat na obecné SEO nebo na hezký web. V AI shoppingu často rozhodují přesné identifikátory, shoda ceny a dostupnosti, varianty a kompletnost katalogových dat.

Má smysl auditovat celý katalog najednou?
Ne vždy. Často dává větší smysl začít u nejvýnosnějších SKU, kde má oprava dat nejrychlejší dopad na viditelnost i obchodní výkon.

Zdroj: AI shopping starts with your product feed, not your product page (Search Engine Land)

---