AI-поиск товаров: почему товарный фид становится новым SEO

Поиск товара всё чаще начинается не с категории, а с задачи

Товарный фид становится важной частью нового поиска, потому что сам запрос покупателя меняется. Вместо «купить чёрные ботинки» человек может спросить: «Какие непромокаемые ботинки подойдут для городской зимы и коротких походов, не скользят и стоят до 15 000 рублей?» Это уже не набор ключей. Это техническое задание с бюджетом, условиями применения и критериями исключения.

Классическая выдача заставляет человека самостоятельно открыть несколько карточек, сопоставить характеристики и проверить отзывы. AI-ассистент пытается выполнить эту работу внутри диалога: уточняет контекст, собирает варианты и объясняет различия. Механика разных систем отличается. Поэтому полезно понимать анатомию AI-поиска, а не считать ChatGPT, Google AI и Perplexity одним каналом.

Покупатель делегирует AI не саму покупку, а тяжёлую часть выбора: сбор фактов, первичное сравнение и сокращение длинного списка до нескольких вариантов.

Это меняет customer journey. Раньше сайт чаще встречал человека в начале анализа. Теперь он может получить посетителя, который уже сформировал критерии и пришёл проверить цену, наличие и условия. Конверсия такого трафика потенциально выше, но и цена ошибки выше: устаревшая скидка или отсутствующий размер разрушают доверие в последний момент.

Что действительно показывают данные Salesforce

В июле 2026 года Salesforce опубликовала выводы четвёртого исследования State of Commerce. Оно сочетает опрос 3 450 специалистов по коммерции, опрос 4 689 покупателей и анализ поведения более 1,5 млрд покупателей в 37 странах. Это сильная база для оценки направления рынка, но не универсальная статистика для любого магазина.

Главная цифра выпуска — рост на 200% год к году. Важно читать её точно: речь идёт о доле покупателей, которые назвали AI-ассистента первой точкой пути к покупке. Это не означает, что весь товарный поиск вырос втрое или что 200% покупок уже совершаются агентами.

• Переходы на commerce-сайты из AI-чатов росли на 150–428% год к году в каждом измеренном квартале.
• С августа 2025 по май 2026 года использование традиционного поиска для поиска товаров снизилось на 15%, а brand-owned каналов — на 7%.
• Только 28% commerce-организаций уже используют agentic AI; ещё 44% планировали внедрение в ближайшие шесть месяцев.
• Лишь 27% организаций сообщили о полной унификации клиентских данных между продажами, сервисом, маркетингом и commerce.
• Несогласованные цены и промо отметила 41% компаний, а отсутствие синхронизации остатков в реальном времени — 40%.

Из этих данных следует не «SEO умерло», а более полезный вывод: discovery распределяется между поиском, AI-чатами, соцсетями, маркетплейсами и собственными ассистентами бренда. SEO и GEO нужно рассматривать как единую систему видимости. Я подробно разбирала этот переход в статье «От SEO к GEO».

Как AI формирует короткий список товаров

В транскрибации есть образ «AI мгновенно сканирует весь рынок». Он хорошо объясняет ожидание покупателя, но технически слишком категоричен. Ни одна модель не видит весь рынок. Она работает с доступными ей индексами, страницами, партнёрскими каталогами, товарными фидами и результатами поиска. Источники могут быть неполными, а вывод — ошибочным.

Практически отбор выглядит как последовательность фильтров. Сначала система интерпретирует намерение: назначение, ограничения, бюджет, совместимость. Затем находит кандидатов в доступных источниках. После этого сопоставляет атрибуты, исключает несовместимые варианты и формирует объяснение. Наконец, пользователь переходит на сайт продавца или в приложение, где подтверждает условия.

На каждом шаге бренд может потеряться:

1. Товар не найден из-за закрытой индексации, слабой карточки или отсутствия в доступном каталоге.
2. Характеристика написана только рекламной метафорой и не превращается в проверяемый атрибут.
3. Разные страницы указывают разные цену, комплектацию или гарантию.
4. Отзывы и внешние упоминания не подтверждают заявленные сценарии применения.
5. На последнем шаге наличие в карточке не совпадает с checkout или складом.

Поэтому AI-видимость — это не только контент. Это качество всей цепочки данных. Цифровой след бренда должен подтверждать одну и ту же версию продукта на сайте, в фидах, каталогах, медиа и отзывах.

Почему товарный фид становится инфраструктурой AI-поиска

Товарный фид — это структурированный файл или поток данных о каталоге: идентификаторы, названия, ссылки, изображения, цены, наличие, варианты, характеристики и сведения о продавце. Он не заменяет сайт. Он передаёт системам однозначную версию фактов, которую проще индексировать и обновлять.

OpenAI прямо рекомендует merchants использовать product feeds, чтобы ChatGPT точнее показывал товары, цену и наличие. При этом фид не обязателен для самого сканирования сайта, но даёт продавцу больше контроля над актуальностью данных. На июль 2026 года shopping в ChatGPT официально доступен в США и должен расширяться по регионам, поэтому российскому бизнесу важно не обещание конкретной интеграции, а готовность каталога к разным каналам.

Google Merchant Center уже давно требует согласованности: цена и availability в фиде должны совпадать с посадочной страницей, структурированной разметкой и checkout. Google также рекомендует передавать brand, GTIN или MPN, варианты, доставку и возвраты. Эти требования полезны как инженерный стандарт даже там, где конкретная AI-платформа использует другой формат.

Товарный фид не продвигает плохой продукт автоматически. Он снижает неопределённость: помогает системе понять, что продаётся, кому подходит, сколько стоит и можно ли купить это сейчас.

Важная поправка: статьи не становятся бесполезными. Они отвечают на вопросы, которые невозможно уместить в строку каталога: как выбрать, чем отличаются технологии, в каком сценарии возникает риск, почему продукт решает задачу. Фид даёт факты, экспертный контент — контекст, а отзывы и независимые источники — подтверждение. Именно поэтому искусственный интеллект в маркетинге нельзя сводить к одному техническому файлу.

Три слоя данных: страница, разметка и фид

Я рекомендую не выбирать между «красивой карточкой» и «сухой таблицей». Нужно собрать три согласованных слоя. Человек получает объяснение и доказательства. Поисковый робот — Schema.org. Commerce-система — регулярно обновляемый фид или API.

Особенно внимательно нужно работать с вариантами. Размер, цвет и комплектация — это не декоративные фильтры. У каждого варианта должны быть корректные ID, цена, наличие и ссылка. Иначе ассистент может порекомендовать модель в целом, хотя нужная покупателю конфигурация уже закончилась.

План на 30 дней: от диагностики к управляемой видимости

Неделя 1. Соберите реальные запросы под задачу

Составьте 20–30 развернутых вопросов по главным товарным категориям. Используйте обращения в поддержку, вопросы менеджерам, отзывы и внутренний поиск. Для каждого запроса зафиксируйте контекст, ограничения и критерий выбора. Не подменяйте голос клиента SEO-формулировкой.

Неделя 2. Проведите AI visibility audit

Проверьте одинаковый набор вопросов в доступных системах: ChatGPT, Gemini, Perplexity, Яндекс с нейрофункциями и отраслевых ассистентах. Фиксируйте не только упоминание бренда, но и рекомендуемый товар, источник, корректность цены, наличие, аргументы и конкурентов. Нужен повторяемый протокол, а не один красивый скриншот.

Неделя 3. Исправьте критические данные

Начните не со всех полей, а с тех, которые влияют на возможность купить: ID, название, категория, URL, цена, валюта, наличие, изображения, вариант, доставка и возврат. Затем добавляйте отраслевые атрибуты: состав, материал, совместимость, мощность, габариты или назначение. Проверяйте, чтобы маркетплейс, сайт и CRM не показывали разные факты.

Неделя 4. Настройте обновление и контроль

Определите источник истины. Цена не должна вручную редактироваться в трёх системах. Для остатков задайте допустимую задержку. Для фида — расписание обновления, журнал ошибок и ответственного. После исправлений повторите исходные запросы и сравните результат. Такой подход превращает GEO из разовой оптимизации в процесс.

Если привычная поисковая выдача всё чаще становится диалогом, меняется и роль сайта. Об этом переходе я писала в материале «Как Google-поиск превращается в чат с AI».

Как измерять видимость и не перепутать её с выручкой

Упоминание в AI-ответе — промежуточная метрика. Она показывает доступность бренда для новой точки discovery, но не доказывает коммерческий эффект. Поэтому система контроля должна связывать AI visibility с поведением на сайте и продажами.

• Доля присутствия: в каком проценте контрольных запросов бренд попал в рекомендации.
• Доля корректных ответов: сколько упоминаний содержат верную цену, наличие, характеристики и условия.
• Share of voice: как часто бренд появляется относительно выбранных конкурентов.
• AI referral traffic: визиты из AI-чатов и поисковых AI-интерфейсов по доступным
  referrer и UTM.
• Конверсия: добавление в корзину, заказ и выручка такого трафика в сравнении с другими каналами.
• Ошибки фида: доля отклонённых товаров, пустых атрибутов и конфликтов цены или наличия.

Отдельно измеряйте скорость исправления ошибки. Если AI показывает старую цену, важно не только найти проблему, но и понять, через сколько часов обновятся сайт, Schema.org, фид и внешняя платформа. Это операционная метрика качества данных.

Моя позиция проста: бизнесу не нужно выбирать между SEO, GEO и товарной аналитикой. Нужна единая digital-стратегия видимости, в которой контент объясняет, структурированные данные классифицируют, фид обновляет, а CRM показывает деньги. AI без этой системы лишь быстрее масштабирует несогласованность.

Чек-лист для маркетологов и предпринимателей

1. Соберите минимум 20 запросов покупателей с контекстом и ограничениями.
2. Проверьте бренд в нескольких AI-системах по единому протоколу.
3. Определите единый источник цены, наличия и товарных идентификаторов.
4. Сверьте карточку, Schema.org, фид и checkout для ключевых SKU.
5. Заполните обязательные и значимые отраслевые атрибуты без рекламных метафор.
6. Настройте мониторинг ошибок фида и периодический повтор AI visibility audit.
7. Свяжите упоминания и переходы с конверсией, заказами и выручкой.

Источники

1. Salesforce: Agentic Search Grows 200% as Purchase Journeys Start in AI Chats, 28 июля 2026 года.
2. Salesforce: 2026 Holiday Predictions, данные о каналах discovery и прогнозах commerce.
3. OpenAI: Product Feed Specification, официальная схема товарных фидов.
4. OpenAI: Product Discovery for Merchants, доступность и роль product feeds.
5. Google Merchant Center: Product Data Specification.
6. Google Search Central: Merchant Listing Structured Data.