Анатолій Даньков
CTO
Мерчандайзер перевіряє, як каталог виглядає всередині ChatGPT, і знаходить розрив, якого немає в жодному звіті аналітики. Товар в наявності, ціна нижча за двох конкурентів, які в добірку потрапили, а сторінка товару нормально конвертує, коли на неї заходить людина. Асистент усе одно збирає добірку з трьох інших магазинів. Нічого не зламалось, жодна позиція в пошуку не впала, помилка не з'явилась ніде.
Товари пропускають із двох причин. Або запис не пройшов валідацію і не потрапив в індекс узагалі, або потрапив, але має надто мало атрибутів, щоб відповісти на питання покупця. Обидві причини лежать у продуктовому фіді, а це окрема від вітрини система, яку пошуковий робот не сканує.
Канал поки невеликий, але вже не маргінальний. Дослідження Salsify Consumer Research 2026, побудоване на опитуванні близько 3000 покупців у США, Великій Британії та Канаді, показало, що 22% уже використовують AI-пошук для добору товарів, і це більше за сайти з відгуками з їхніми 19% та форуми з 14%.
Той самий звіт ставить поруч другу цифру: лише 14% покупців довіряють рекомендації AI настільки, щоб купити одразу, а 31% називають детальні описи й характеристики тим, що їх переконує. Видимість усередині асистента й повнота даних під нею виявляються однією проблемою.
Відбір відбувається до того, як покупець узагалі дійде до сторінки товару, і працює на іншому вході, ніж ранжування в пошуку. Асистент бере структурований файл каталогу, який подає продавець, зважує атрибути в ньому проти поставленого питання й повертає кілька товарів із цінами та наявністю.
Результат залежить від того, чи потрапив запис в індекс узагалі, наскільки повно він описує товар і скільки підтверджень стоїть поруч із ним.
Фід проти сторінки товару: чому сканування вітрини більше не вистачаєПошукова оптимізація будувалась навколо сторінки, яку відвідує робот. Заголовки, текст, розмітка й посилання формують те, що двигун розуміє про товар.
Усередині асистента це не працює. Дані про товари тут не скануються. Продавець надсилає структурований файл на захищений ендпоінт, і саме цей файл асистент читає, коли повідомляє ціну, наявність і будь-яке інше значення.
Наслідків два. Сторінка, яка добре ранжується, може бути невидимою всередині асистента, бо дві системи читають різні входи. І змінюється власник процесу: сторінкою володіє маркетинг, а фідом володіє той, хто відповідає за управління каталогом, тобто в більшості ритейлерів контентна або мерчандайзингова команда.
Результати в цьому каналі не є рекламою й не залежать від платного розміщення. Вони спираються на якість фіда, релевантність товару й контекст запиту.
Продуктовий фід OpenAI і що саме змінилосьЗміна полягає в розвороті напрямку. Пошуковий двигун приходив на вітрину сам і забирав те, що міг розпарсити. Асистент чекає, поки продавець передасть структурований файл, і товар, відсутній у цьому файлі, всередині асистента не існує незалежно від того, наскільки добре зроблена вітрина.
Продавці передають дані в OpenAI через захищений фід у форматі CSV або JSON, який регулярно оновлюється й містить ідентифікатори, описи, ціни, залишки, медіа та умови доставки. OpenAI приймає файл, валідує записи й індексує метадані для пошуку й ранжування всередині ChatGPT.
Ті, хто вже працює з форматом даних, сумісним із Google, стартують легше, бо OpenAI використовує саме це форматування. Мапінг знайомий, і саме ця знайомість змушує команди вважати, що робота вже зроблена.
Одне уточнення щодо охоплення: подавати дані сьогодні можуть окремі продавці зі США, а покупки й миттєвий чекаут поступово відкриваються для більшої кількості продавців і для країн поза США протягом 2026 року.
Шлях онбордингу короткий і переважно механічний.
Механічна частина на цьому закінчується. Усе, що вирішує, чи порекомендують товар, відбувається в каталозі за цим файлом.
Обов'язкові поля потрібні, щоб ціна й наявність відображались коректно. Рекомендовані атрибути, як-от медіа, відгуки й сигнали ефективності, покращують ранжування, релевантність і довіру покупця.
Ця різниця дає два різні провали. Пропустіть обов'язкове поле - запис не потрапить в індекс. Заповніть усі обов'язкові й проігноруйте рекомендовані, товар буде в індексі, але його рідко обиратимуть.
Обов'язкові, вони вирішують, чи існує товар:
Рекомендовані, вони вирішують, чи оберуть товар:
Повнота і якість вимірюються тим самим дашбордом і поводяться абсолютно по-різному. Тонкий запис обмежує кількість питань, на які товар може відповісти, і шкода тут обмежена цими питаннями. Хибний запис відповідає на питання впевнено й неправильно, а шкода приходить пізніше й у цифрах іншого відділу.
Більшість аудитів каталогу займається першою проблемою, бо її видно. Відсоток заповнених атрибутів легко порахувати й легко покращити. Якість даних не має рівноцінної метрики, і саме тому каталог може мати дев'яносто відсотків заповненості й втрачати гроші на тих десяти відсотках значень, які ніхто не перевірив.
Ціна приходить після рекомендаціїПотрапити в добірку асистента - це не кінець шляху. За даними Salsify, 27% покупців перевіряють відповідь AI деінде, перш ніж зважитись на покупку.
Саме на цьому кроці перевірки неузгодженість стає дорогою. Раніше дослідження того самого джерела показало, що 54% покупців відмовлялись від покупки через розбіжності в даних про товар на різних сайтах, а 55% молодших покупців повертали товар через погані дані. Друга витрата приходить за кілька тижнів і списується на логістику, а не на каталог.
Асистент спокійно покаже товар, описаний неперевіреними значеннями. Роль валідатора переходить до покупця, і рахунок за цю роботу він виставить вам.
Чим дані для AI-пошуку відрізняються від даних для SEOТекст для пошукових систем писався, щоб переконати людину, яка читає сторінку. Асистент переконливість не зважує. Він зіставляє атрибути з питанням і порівнює їх з іншими записами, які претендують на те саме.
Тут важать властивості, які раніше важили менше:
Специфікація фіда ніде не питає, звідки взявся атрибут. Валідація перевіряє структуру, а не правдивість, і той, хто заповнює каталог, несе цю відповідальність сам.
Генерація контенту проти AI-збагачення данихГенерація пише текст із того, що в записі вже є. Збагачення виходить за межі запису й дістає те, чого бракує. Перше додає слів, друге додає фактів.
Генератор, якому дали товар, описаний трьома полями, напише гарний текст про ці три поля. Матеріал, габарити й сумісність залишаться порожніми, а каталог виглядатиме повнішим, ніж він є. Збагачення працює навпаки: воно читає специфікацію виробника, документацію дистриб'ютора, характеристики з PDF, який ніхто не відкриває, і записує значення в порожні атрибути.
Асистент, який порівнює два записи, ігнорує текст повністю й порівнює атрибути. Згенерований опис проходить валідацію й нічого не змінює в результаті.
Та сама різниця розділяє дві категорії софту, які оцінюють разом і які вирішують різні задачі. Генератор описів покращує те, як запис читається, а інструменти AI-збагачення даних змінюють те, що в записі є.
Що вендори випустили у 2026 році і про що це говоритьSalsify випустив SalsifyIQ з AEO Accelerator. Productsup додав модуль AI Enrich, побудований навколо видимості в ChatGPT, Gemini і Perplexity. Feedonomics представив лінійку Agentic Commerce. Усі три релізи припали на травень 2026 року.
Три сталі вендори, які випускають ту саму функціональність в одному місяці, говорять не так про окремий продукт, як про категорію. Фід перестав бути рутиною, якою займаються раз на квартал, і став поверхнею ранжування з власними вимогами до якості.
Вимірювання в цьому каналі грубе порівняно з пошуковою аналітикою, і відсутність трекера позицій не є приводом працювати наосліп. Три джерела сигналу доступні вже зараз.
Вендорські інструменти для відстеження видимості на рівні товару існують, і вони відповідають на питання, які товари пропускають, а не чому. Причина живе в записі.
Перед відправкою каталог хтось підписує, і на ста тисячах записів цей підпис є формальністю. Перевірка вибірки підтверджує тільки те, що з вибіркою все гаразд, а хибні значення спливають за кілька тижнів у поверненнях, коли запис уже двічі редагували й початкове походження цифри втрачене.
Довіряти можна каталогу, у якому перевірка сидить усередині кожного значення, а не є окремою операцією над масивом. Кожен атрибут приходить із трьома речами:
Порожнє поле теж несе інформацію: залишене порожнім, бо жодне джерело не підтвердило значення, воно відрізняється від поля, яке ніхто не намагався заповнити.
Змінюється те, що саме стверджує людина, яка підписує. Не «я прочитав сто тисяч записів», а «у фід не потрапило нічого без кількох незалежних джерел або без зафіксованого рішення людини». Це твердження однаково витримує каталог на десять тисяч і на мільйон записів.
Простежуваність джерел і оцінка впевненості
HootCore звіряє кожен атрибут із кількома зовнішніми джерелами, записує URL джерела для кожного внесеного значення й залишає поле порожнім, коли жодне джерело його не підтвердило. Кожне значення несе оцінку впевненості, і саме вона визначає подальший шлях: підтверджене кількома джерелами потрапляє в каталог без втручання, а те, що спирається на одне джерело або на суперечливі джерела, зупиняється на перевірці.
Записаний URL окупається в момент, коли покупець оскаржує характеристику або звіт про повернення показує проблемну категорію. Без нього виправлення одного хибного розміру означає повторну перевірку всіх значень навколо, бо ніщо не відрізняє перевірений атрибут від вгаданого.
Перевірка руками перед відправкою фіда
У черзі опиняються тільки значення нижче порога впевненості, і це тримає обсяг робочим навіть на ста тисячах товарів. Спеціаліст по категорії підтверджує значення або виправляє його, а очищення поля є третім легітимним результатом, який більшість процесів тихо не заохочує.
Порожній атрибут звужує коло питань, на які товар може відповісти, і на цьому витрати закінчуються. Вигаданий іде далі: покупець звіряє його зі сторінкою виробника, знаходить розбіжність і відмовляється від покупки. Якщо звірка відбувається після доставки, та сама помилка повертається як повернення товару.
Це покупки, у яких AI-асистент бере на себе частину процесу від імені покупця, від формування добірки до оформлення замовлення всередині асистента. Для ритейлера практичний наслідок один: дані про товар мають відповідати на питання без людини, яка інтерпретує сторінку.
Здебільшого так, бо OpenAI використовує форматування, сумісне з Google. Структура вивантаження переноситься, а атрибути, які покращують ранжування всередині асистента, виходять за межі того, що вимагає рекламна кампанія, насамперед відгуки, умови повернення й детальні характеристики.
Вона має значення для пошукових систем і для асистентів, які читають живі сторінки. На те, що бачить асистент, який працює з фідом, вона не впливає, бо та система читає поданий файл. Обидва канали варто підтримувати, і живляться вони з одного каталогу.
Канал винагороджує каталоги, зроблені для порівняння, а не для читання. Атрибути, які існують, збігаються між майданчиками й ведуть до чогось перевірюваного, витримають порівняння, яке покупець робить за секунди, а опис, написаний щоб переконувати, не витримає. Робота ця невидна ззовні й позбавлена ефектності, а ритейлери, які її роблять, і далі з'являтимуться в добірках, які конкуренти не можуть собі пояснити.
Якщо хочете побачити, як ваш каталог виглядає з боку асистента, замовте демо, і ми перевіримо якість даних на вибірці ваших товарів.
Поспілкуйтеся з нашою командою та подивіться, як HootCore інтегрується у ваш існуючий tech stack — від управління товарними даними до обробки замовлень