Оптимизация товарных фидов для AI-агентов покупок

AI-агенты по покупкам разработаны для минимизации трений для конечного пользователя. Они не просматривают веб-сайты так, как это делают люди; вместо этого они поглощают огромные наборы данных для мгновенного сравнения вариантов. В типичной учетной записи эти агенты ищут конкретные точки данных, которые подтверждают, что товар — это именно то, что запросил пользователь. Если пользователь запрашивает водонепроницаемые походные ботинки 44-го размера, агент ищет атрибуты ‘цвет’, ‘материал’, ‘размер’ и ‘пол’ в вашем фиде.

Полнота данных — это основной фильтр. Если ваш фид содержит только название и цену, агент может пропустить ваш листинг, потому что он не может подтвердить материал или рейтинг водонепроницаемости. Общая закономерность заключается в том, что боты отдают предпочтение товарам с высокой плотностью атрибутов. Это включает технические спецификации, такие как поля ‘материал’, ‘узор’ и ‘additional_variant_attribute’. Для магазина Shopify, продающего специализированное снаряжение для активного отдыха, заполнение каждого необязательного поля в приложении Google & YouTube является требованием для видимости.

Агент также проверяет актуальность в режиме реального времени. Он сопоставляет атрибут ‘доступность’ с ‘ценой’ и ‘ценой со скидкой’. Если есть расхождение между тем, что говорит фид, и тем, что показывает страница оформления заказа, агент, скорее всего, понизит приоритет этого продавца, чтобы избежать плохого пользовательского опыта. Согласованность между Merchant Center и каталогом Meta гарантирует, что агент видит единое присутствие бренда.

Веб-страницы созданы для человеческих глаз, наполнены JavaScript, CSS и маркетинговым текстом, которые могут запутать бота. Хотя поисковые системы стали лучше сканировать HTML, агенты по оптимизации фидов товаров находят необработанные данные гораздо более надежными. Фиды предоставляют стандартизированный формат, обычно в XML или TSV, который позволяет мгновенно анализировать тысячи товаров. Эта скорость важна для агентов, которым необходимо предоставлять ответы за миллисекунды.

Фиды также позволяют лучше классифицировать товары. Когда вы используете атрибут ‘google_product_category’, вы точно сообщаете агенту, где ваш товар вписывается в глобальную таксономию. Боту не нужно гадать, является ли ‘Midnight Blue Wrap’ платьем или шалью. Четкая классификация снижает риск появления вашего товара в нерелевантных результатах поиска, что защищает ваши показатели эффективности.

• Структурированные данные предотвращают ошибки интерпретации моделями ИИ.
• Фиды предоставляют явные значения для размера, цвета и материала.
• Обновления доступности происходят быстрее через API-подключения фидов.
• Политики доставки и возврата четко определены в заголовках фидов.
• GTIN предоставляют универсальный идентификатор, который боты используют для проверки подлинности товара.

Структурирование вашего фида для больших языковых моделей (LLM) требует изменения того, как вы пишете названия и описания. Традиционное SEO часто фокусировалось на наполнении ключевыми словами. Для AI-агентов фокус должен быть на семантической ясности и описаниях, богатых атрибутами. Начинайте названия ваших товаров с самой важной информации: Бренд + Пол + Тип товара + Ключевые особенности + Размер/Цвет.

В поле описания избегайте цветистого языка. Вместо того чтобы говорить ‘Почувствуйте магию нашей мягкой ткани’, скажите ‘Футболка из 100% органического хлопка с усиленным круглым вырезом и влагоотводящими свойствами’. Этот фактический подход позволяет агентам по оптимизации фидов товаров извлекать характеристики и сопоставлять их с конкретными запросами пользователей. Бот может легко идентифицировать ‘100% органический хлопок’ как характеристику, но ему может быть трудно определить ‘магию’.

Влияние GTIN на доверие к товару

Глобальные номера товарной продукции (GTIN) являются наиболее важным идентификатором для AI-агентов по покупкам. Они действуют как цифровой отпечаток. Когда агент находит GTIN, он может проверить существование товара в нескольких базах данных. Это создает доверие. Если вы продаете бренд стороннего производителя, всегда указывайте правильный GTIN. Для товаров, изготовленных на заказ или вручную, где GTIN недоступен, убедитесь, что атрибут ‘identifier_exists’ установлен на ‘false’, но укажите ‘бренд’ и ‘mpn’ (номер детали производителя) для компенсации.

Сопоставление данных о доставке и возврате для точности бота

AI-агентам часто поручают найти ‘лучшую цену’ для пользователя, что включает общую стоимость и простоту покупки. Если в вашем фиде отсутствуют расходы на доставку, агент может предположить наихудший сценарий или полностью исключить вас. В Merchant Center перейдите в раздел ‘Доставка и возврат’ в ‘Настройках’, чтобы определить свои правила. Вы также можете включить атрибуты ‘доставка’ и ‘shipping_label’ непосредственно в свой фид для точности на уровне товара.

Обработка вариаций, таких как размер, цвет и материал, является общей проблемой для многих продавцов. AI-агенты по покупкам используют атрибут ‘item_group_id’, чтобы понять, что несколько отдельных листингов на самом деле являются вариациями одного и того же родительского товара. Без этой связи агент может увидеть десять разных листингов для одной и той же рубашки и рассматривать это как спам или избыточные данные. Правильная группировка гарантирует, что агент сможет представить пользователю правильную версию на основе его предпочтений.

Например, магазин обуви с определенной моделью, доступной в пяти цветах, должен иметь пять строк в фиде, все из которых имеют один и тот же ‘item_group_id’. Каждая строка должна иметь уникальный ‘id’ и ‘image_link’, соответствующие этому конкретному цвету. Этот уровень детализации позволяет агенту показать красную обувь, когда пользователь просит ‘красные кроссовки’, и синюю обувь, когда он просит ‘синие кроссовки’.