GEO dla e-commerce: jak AI poleca Twój sklep

Żeby AI polecało Twój sklep, model musi mieć co zacytować: konkretne dane produktowe (cena, dostępność, parametry), prawdziwe opinie, FAQ przy produktach i cytowalne treści porównawcze w kategorii. Modele nie zgadują, czy Twoja oferta jest dobra. Wybierają te oferty, które mają opisane danymi i potwierdzone ocenami, a resztę pomijają, bo nie mają na czym oprzeć rekomendacji. Ten tekst opisuje wyłącznie warstwę GEO dla sklepów. Pełną ofertę SEO i GEO dla branży zebraliśmy na stronie branże: e-commerce.

Jak e-commerce traci klientów w AI

Ścieżka zakupowa przesunęła się. Zamiast wpisywać "najlepsze słuchawki douszne do 300 zł" w Google i przeglądać wyniki, coraz więcej osób pyta wprost ChatGPT albo Perplexity: "które słuchawki douszne do 300 zł warto kupić i gdzie?". Model odpowiada listą trzech, czterech konkretnych modeli, z nazwy, często z ceną i z linkiem do sklepu. Jeśli w tej liście nie ma Ciebie, klient nawet nie wie, że istniejesz. Nie przegrałeś w rankingu, po prostu nie zaistniałeś w odpowiedzi.

Dlaczego sklep wypada z takiej rekomendacji? Najczęściej z trzech powodów:

• Brak danych do zacytowania. Karta produktu ma zdjęcie i przycisk "Dodaj do koszyka", ale cena, dostępność, ocena i parametry nie są zapisane w danych strukturalnych. Model widzi obrazek, a nie fakty.
• Opisy ogólnikowe i marketingowe. "Niezawodna jakość, która pokochasz" nie odpowiada na żadne pytanie. Model szuka konkretów: zasięg, pojemność, materiał, czas dostawy.
• Brak treści porównawczych i poradnikowych. Kiedy klient pyta "co lepsze, A czy B", model sięga po strony, które takie porównanie mają gotowe. Sklepy zwykle ich nie mają, więc cytowane są portale i blogi, a nie sprzedawca.

Efekt jest prosty: Twoja konkurencja, która odrobiła to zadanie, jest polecana, a Ty płacisz za reklamy, żeby zdobyć ruch, który model oddaje komuś innemu za darmo. To samo zjawisko opisaliśmy szerzej w tekście GEO: co działa, a co ściema, tu skupiamy się wyłącznie na sklepie.

Co poprawić najpierw

Kolejność ma znaczenie, bo niektóre zmiany odblokowują cytowanie od razu, a inne działają dopiero, gdy fundament jest gotowy. Zacznij od góry tej listy.

• Dane strukturalne Product i Offer. To podstawa. Każda karta produktu powinna mieć w JSON-LD typ Product z nazwą, marką i parametrami oraz zagnieżdżony Offer z ceną, walutą, dostępnością (InStock / OutOfStock) i stanem. Dzięki temu model może zacytować "X kosztuje 279 zł, dostępny od ręki" zamiast pomijać ofertę, której nie rozumie. Jak to czyta maszyna, rozkładamy w przewodniku o danych strukturalnych, które czyta AI.
• Opinie: AggregateRating i Review. Dodaj zbiorczą ocenę (np. 4,7 z 320 opinii) i pojedyncze recenzje w danych strukturalnych. To jeden z najmocniejszych sygnałów na pytania zakupowe, bo dla modelu liczba spójnych ocen to dowód jakości.
• FAQ produktowe. Przy produkcie umieść 4-6 realnych pytań z odpowiedziami (rozmiarówka, czas dostawy, gwarancja, kompatybilność) i oznacz je FAQPage. To gotowe, cytowalne fragmenty, które model lubi wycinać w całości.
• Treści porównawcze i poradnikowe. Stwórz strony typu "A czy B", "jak wybrać" i rankingi w obrębie własnej kategorii. To tutaj model sięga po argumenty, a strona, która je ma, zostaje źródłem rekomendacji.

Pisz przy tym tak, by odpowiedź padała w pierwszym zdaniu, a nie po trzech akapitach wstępu. Ta zasada (answer-first) decyduje o tym, czy fragment nadaje się do zacytowania, i opisujemy ją osobno w tekście answer-first: jak pisać, żeby AI cytowało.

Przykład: kompletne opinie i ceny w danych strukturalnych

Weźmy dwa sklepy sprzedające ten sam ekspres do kawy. Sklep A ma na karcie zdjęcie, opis "świetny ekspres dla każdego" i przycisk zakupu. Sklep B ma to samo, ale dodatkowo: w danych strukturalnych cenę 1 299 zł, dostępność InStock, ocenę 4,6 z 214 opinii oraz pięć konkretnych recenzji z treścią, a pod produktem FAQ z czasem dostawy, gwarancją i obsługą kapsułek.

Gdy klient pyta AI "który ekspres kapsułkowy do 1500 zł polecacie?", model ma z czego budować odpowiedź tylko w przypadku sklepu B. Może napisać: "Model X (około 1 300 zł, ocena 4,6 na podstawie ponad 200 opinii) z dostawą od ręki", i dorzucić link. Sklep A nie dostarcza danych, więc nie pojawia się w rekomendacji, mimo że ma identyczny produkt w tej samej cenie. Różnica nie tkwi w ofercie, tylko w tym, że jeden sklep dał modelowi gotowe fakty, a drugi kazał mu zgadywać. Modele nie zgadują, więc wybierają ofertę opisaną.

Czego AI szuka przed rekomendacją produktu

Zanim model wskaże konkretny produkt, sprawdza kilka rzeczy w tle. Im więcej z nich znajdzie po Twojej stronie, tym większa szansa, że to Ciebie zacytuje:

• Czytelne fakty. Cena, dostępność, parametry i ocena dostępne wprost w danych strukturalnych, a nie ukryte w grafice albo skryptach.
• Spójność danych. Ta sama cena i ta sama ocena na stronie i w schema. Rozbieżność obniża zaufanie modelu do źródła.
• Dowody jakości. Liczba opinii, ich treść i świeżość. Produkt z setką aktualnych recenzji wygrywa z takim, który ma trzy sprzed dwóch lat.
• Odpowiedź na konkretne pytanie. FAQ i treści porównawcze, które wprost rozwiązują wątpliwość klienta, dają modelowi gotowy cytat.
• Aktualność. Zaktualizowana karta i treść mają większą szansę na cytowanie niż materiały, których nikt nie ruszał od dawna.

Wszystko to da się zmierzyć, zanim cokolwiek zmienisz. Sprawdź, na jakie pytania zakupowe w Twojej kategorii AI poleca dziś konkurencję zamiast Ciebie, a po wdrożeniu zobacz, czy udział Twojej marki w odpowiedziach rośnie. Metryki i sposób pomiaru rozkładamy w tekście jak zmierzyć widoczność marki w AI. To zamyka pętlę: pomiar, poprawki, ponowny pomiar, bez tego GEO w sklepie jest tylko wiarą, że coś zadziała.

Kolejny etap to sklep, w którym decyzję i płatność wykonuje agent AI. Opisujemy go w tekście o agentic commerce i tym, co oznacza dla widoczności sklepu.

Najczęstsze pytania

Czy AI poleca konkretne sklepy?

Tak. ChatGPT, Perplexity i Google AI Mode na pytania zakupowe (najlepszy, polecany, gdzie kupić) wymieniają konkretne sklepy i produkty z nazwy oraz linkują do źródeł. Model wybiera te oferty, które ma opisane danymi: cena, dostępność, opinie, parametry. Sklep bez czytelnych danych jest dla modelu niewidoczny.

Jakie dane strukturalne są najważniejsze dla sklepu?

Najważniejsze są Product wraz z Offer (cena, waluta, dostępność, stan), AggregateRating i Review (ocena oraz liczba opinii) i FAQPage przy produkcie. Ten zestaw pozwala modelowi zacytować cenę, ocenę i odpowiedź na pytanie bez zgadywania, dlatego oferty z kompletnym schema są polecane częściej.

Czy opinie wpływają na cytowanie przez AI?

Tak. Opinie są jednym z najsilniejszych sygnałów na pytania zakupowe. Modele faworyzują produkty z dużą liczbą spójnych ocen, bo to dla nich dowód jakości. Liczy się i ocena widoczna na stronie, i ta sama ocena w danych strukturalnych Review oraz AggregateRating, zgodna ze stanem faktycznym.

Od czego zacząć GEO w sklepie?

Zacznij od pomiaru: sprawdź, na jakie pytania zakupowe AI poleca konkurencję zamiast Ciebie. Potem napraw dane strukturalne na kartach produktowych, dodaj opinie i FAQ produktowe oraz stwórz jedną cytowalną treść porównawczą w kategorii. Najpierw pomiar, potem poprawki, potem znowu pomiar.

Czy to działa dla małego sklepu?

Tak, a często lepiej niż dla dużych graczy. Mały sklep może szybko poprawić dane strukturalne i napisać konkretne, cytowalne treści w wąskiej niszy, gdzie duże platformy mają ogólnikowe opisy. Model nagradza precyzję i jasną odpowiedź, a nie sam rozmiar marki.