GEO dla e-commerce: jak AI poleca Twoj sklep

Zeby AI polecalo Twoj sklep, model musi miec co zacytowac: konkretne dane produktowe (cena, dostepnosc, parametry), prawdziwe opinie, FAQ przy produktach i cytowalne tresci porownawcze w kategorii. Modele nie zgaduja, czy Twoja oferta jest dobra. Wybieraja te oferty, ktore maja opisane danymi i potwierdzone ocenami, a reszte pomijaja, bo nie maja na czym oprzec rekomendacji.

Jak e-commerce traci klientow w AI

Sciezka zakupowa przesunela sie. Zamiast wpisywac "najlepsze sluchawki douszne do 300 zl" w Google i przegladac wyniki, coraz wiecej osob pyta wprost ChatGPT albo Perplexity: "ktore sluchawki douszne do 300 zl warto kupic i gdzie?". Model odpowiada lista trzech, czterech konkretnych modeli, z nazwy, czesto z cena i z linkiem do sklepu. Jesli w tej liscie nie ma Ciebie, klient nawet nie wie, ze istniejesz. Nie przegrales w rankingu, po prostu nie zaistniales w odpowiedzi.

Dlaczego sklep wypada z takiej rekomendacji? Najczesciej z trzech powodow:

• Brak danych do zacytowania. Karta produktu ma zdjecie i przycisk "Dodaj do koszyka", ale cena, dostepnosc, ocena i parametry nie sa zapisane w danych strukturalnych. Model widzi obrazek, a nie fakty.
• Opisy ogolnikowe i marketingowe. "Niezawodna jakosc, ktora pokochasz" nie odpowiada na zadne pytanie. Model szuka konkretow: zasieg, pojemnosc, material, czas dostawy.
• Brak tresci porownawczych i poradnikowych. Kiedy klient pyta "co lepsze, A czy B", model siega po strony, ktore takie porownanie maja gotowe. Sklepy zwykle ich nie maja, wiec cytowane sa portale i blogi, a nie sprzedawca.

Efekt jest prosty: Twoja konkurencja, ktora odrobila to zadanie, jest polecana, a Ty placisz za reklamy o ruch, ktory model oddaje komus innemu za darmo. To samo zjawisko opisalismy szerzej w tekscie GEO: co dziala, a co sciema, tu skupiamy sie wylacznie na sklepie.

Co poprawic najpierw

Kolejnosc ma znaczenie, bo niektore zmiany odblokowuja cytowanie od razu, a inne dzialaja dopiero, gdy fundament jest gotowy. Zacznij od gory tej listy.

• Dane strukturalne Product i Offer. To podstawa. Kazda karta produktu powinna miec w JSON-LD typ Product z nazwa, marka i parametrami oraz zagniezdzony Offer z cena, waluta, dostepnoscia (InStock / OutOfStock) i stanem. Dzieki temu model moze zacytowac "X kosztuje 279 zl, dostepny od reki" zamiast pomijac oferte, ktorej nie rozumie. Jak to czyta maszyna, rozkladamy w przewodniku o danych strukturalnych, ktore czyta AI.
• Opinie: AggregateRating i Review. Dodaj zbiorcza ocene (np. 4,7 z 320 opinii) i pojedyncze recenzje w danych strukturalnych. To jeden z najmocniejszych sygnalow na pytania zakupowe, bo dla modelu liczba spojnych ocen to dowod jakosci.
• FAQ produktowe. Przy produkcie umiesc 4-6 realnych pytan z odpowiedziami (rozmiarowka, czas dostawy, gwarancja, kompatybilnosc) i oznacz je FAQPage. To gotowe, cytowalne fragmenty, ktore model lubi wycinac w calosci.
• Tresci porownawcze i poradnikowe. Stworz strony typu "A czy B", "jak wybrac" i rankingi w obrebie wlasnej kategorii. To tutaj model siega po argumenty, a strona, ktora je ma, zostaje zrodlem rekomendacji.

Pisz przy tym tak, by odpowiedz padala w pierwszym zdaniu, a nie po trzech akapitach wstepu. Ta zasada (answer-first) decyduje o tym, czy fragment nadaje sie do zacytowania, i opisujemy ja osobno w tekscie answer-first: jak pisac, zeby AI cytowalo.

Przyklad: kompletne opinie i ceny w danych strukturalnych

Wezmy dwa sklepy sprzedajace ten sam ekspres do kawy. Sklep A ma na karcie zdjecie, opis "swietny ekspres dla kazdego" i przycisk zakupu. Sklep B ma to samo, ale dodatkowo: w danych strukturalnych cene 1 299 zl, dostepnosc InStock, ocene 4,6 z 214 opinii oraz piec konkretnych recenzji z trescia, a pod produktem FAQ z czasem dostawy, gwarancja i obsluga kapsulek.

Gdy klient pyta AI "ktory ekspres kapsulkowy do 1500 zl polecacie?", model ma z czego budowac odpowiedz tylko w przypadku sklepu B. Moze napisac: "Model X (okolo 1 300 zl, ocena 4,6 na podstawie ponad 200 opinii) z dostawa od reki", i dorzucic link. Sklep A nie dostarcza danych, wiec nie pojawia sie w rekomendacji, mimo ze ma identyczny produkt w tej samej cenie. Roznica nie tkwi w ofercie, tylko w tym, ze jeden sklep dal modelowi gotowe fakty, a drugi kazal mu zgadywac. Modele nie zgaduja, wiec wybieraja oferte opisana.

Czego AI szuka przed rekomendacja produktu

Zanim model wskaze konkretny produkt, sprawdza kilka rzeczy w tle. Im wiecej z nich znajdzie po Twojej stronie, tym wieksza szansa, ze to Ciebie zacytuje:

• Czytelne fakty. Cena, dostepnosc, parametry i ocena dostepne wprost w danych strukturalnych, a nie ukryte w grafice albo skryptach.
• Spojnosc danych. Ta sama cena i ta sama ocena na stronie i w schema. Rozbieznosc obniza zaufanie modelu do zrodla.
• Dowody jakosci. Liczba opinii, ich tresc i swiezosc. Produkt z setka aktualnych recenzji wygrywa z takim, ktory ma trzy sprzed dwoch lat.
• Odpowiedz na konkretne pytanie. FAQ i tresci porownawcze, ktore wprost rozwiazuja watpliwosc klienta, daja modelowi gotowy cytat.
• Aktualnosc. Zaktualizowana karta i tresc maja wieksza szanse na cytowanie niz materialy, ktorych nikt nie ruszal od dawna.

Wszystko to da sie zmierzyc, zanim cokolwiek zmienisz. Sprawdz, na jakie pytania zakupowe w Twojej kategorii AI poleca dzis konkurencje zamiast Ciebie, a po wdrozeniu zobacz, czy udzial Twojej marki w odpowiedziach rosnie. Metryki i sposob pomiaru rozkladamy w tekscie jak zmierzyc widocznosc marki w AI. To zamyka petle: pomiar, poprawki, ponowny pomiar, bez tego GEO w sklepie jest tylko wiara, ze cos zadziala.

Najczęstsze pytania

Czy AI poleca konkretne sklepy?

Tak. ChatGPT, Perplexity i Google AI Mode na pytania zakupowe (najlepszy, polecany, gdzie kupic) wymieniaja konkretne sklepy i produkty z nazwy oraz linkuja do zrodel. Model wybiera te oferty, ktore ma opisane danymi: cena, dostepnosc, opinie, parametry. Sklep bez czytelnych danych jest dla modelu niewidoczny.

Jakie dane strukturalne sa najwazniejsze dla sklepu?

Najwazniejsze sa Product wraz z Offer (cena, waluta, dostepnosc, stan), AggregateRating i Review (ocena oraz liczba opinii) i FAQPage przy produkcie. Ten zestaw pozwala modelowi zacytowac cene, ocene i odpowiedz na pytanie bez zgadywania, dlatego oferty z kompletnym schema sa polecane czesciej.

Czy opinie wplywaja na cytowanie przez AI?

Tak. Opinie sa jednym z najsilniejszych sygnalow na pytania zakupowe. Modele faworyzuja produkty z duza liczba spojnych ocen, bo to dla nich dowod jakosci. Liczy sie i ocena widoczna na stronie, i ta sama ocena w danych strukturalnych Review oraz AggregateRating, zgodna ze stanem faktycznym.

Od czego zaczac GEO w sklepie?

Zacznij od pomiaru: sprawdz, na jakie pytania zakupowe AI poleca konkurencje zamiast Ciebie. Potem napraw dane strukturalne na kartach produktowych, dodaj opinie i FAQ produktowe oraz stworz jedna cytowalna tresc porownawcza w kategorii. Najpierw pomiar, potem poprawki, potem znowu pomiar.

Czy to dziala dla malego sklepu?

Tak, a czesto lepiej niz dla duzych graczy. Maly sklep moze szybko poprawic dane strukturalne i napisac konkretne, cytowalne tresci w waskiej niszy, gdzie duze platformy maja ogolnikowe opisy. Model nagradza precyzje i jasna odpowiedz, a nie sam rozmiar marki.