AI-пошук та ecommerce: як змінюється SEO-оптимізація

Штучний інтелект кардинально змінює правила гри в ecommerce, зміщуючи фокус з оптимізації під ключові слова на контекст та сценарії використання продукту.

В статті розбираю, як змінюється поведінка покупців та які практичні кроки треба зробити вже сьогодні, щоб адаптувати ваш бізнес до нової реальності.

Матеріал створено за мотивами виступу на конференції «НаЗахід 27»: 

Як змінюється поведінка покупців у пошуку

Поведінка покупців змінилася, і це не просто інтуїтивне відчуття — це підтверджують цифри, які свідчать про масштаб зсуву:

• 39% американських споживачів уже використовують AI для пошуку товарів;

• половина з них — покоління Z, а це означає, що зі зростанням їхньої платоспроможності роль AI-пошуку виросте різко та незворотно;

• в Україні вже кожен четвертий опитаний використовує AI для покупок;

• 33% готові спробувати, що вказує на сформований попит.

За даними Salesforce, 21% усіх святкових покупок найближчими роками здійснюватиметься за допомогою AI-агентів. Це обсяг ринку приблизно в $263 млрд.

Ці дані доводять, що змінюється не тільки спосіб пошуку — змінюється і те, як бізнес має подавати інформацію про товар, щоби потрапити в рекомендації AI-асистентів.

AI-пошук — ваш персональний консультант

Щоб зрозуміти цей зсув, використаю аналогію. Уявіть великий гіпермаркет. Людина заходить і часто не знає, який саме товар їй потрібен. Їй потрібен не «дриль 18 В», а рішення задачі — наприклад, повісити полиці.

У магазині вона звертається до консультанта:

Консультант ставить уточнюючі питання про стіни, тип полиць, бюджет і досвід. У результаті він рекомендує не лише дриль, а й повний набір: шурупи, рівень, свердла.

Тепер між покупцем і магазином тепер стоїть AI-агент, який замінює класичний пошуковик. Для AI картка товару — це джерело контенту і контексту. Штучний інтелект відштовхується не від ключового слова, як у класичному SEO, а від комплексного завдання та умов, які назвав користувач.

AI-асистент:

• ставить уточнюючі запитання;

• знає історію пошуку користувача;

• аналізує відгуки та рейтинги;

• узагальнює інформацію зі сторінок товарів;

• пропонує набір продуктів, а не один товар.

AI-асистенти збирають товари з різних брендів, магазинів, джерел і формують набір рекомендацій. Тому оптимізація карток має включати:

• повноцінні відповіді на користувацькі сценарії;

• контекст замість набору характеристик;

• розмітку, яку AI може зчитати та інтерпретувати;

• структуровані дані, щоб LLM розуміла, що означає кожен фрагмент інформації.

Прямі покупки в ChatGPT

Консолідація інформації та надання готових рішень — головна функція AI. Це наочно ілюструє опція прямої покупки, яку запустив OpenAI — instant checkout. 

Наразі вона доступна в США для всіх тарифів, інтегрується з Etsy, Shopify та іншими платформами. Щоб ваші товари зʼявилися в рекомендаціях, потрібно:

1. Підготувати фід товарів за певними правилами.

2. Подати заявку в OpenAI з правильно структурованим фідом.

3. Підключити Agentic Commerce Protocol. У Shopify та Etsy він інтегрований за замовчуванням, що спрощує процес.

Що впливає на пріоритет пріоритет показу товару в AI-рекомендаціях:

1. Релевантність запиту. Асистент аналізує повний контекст: персональні вподобання, історію пошуку, параметри, які назвав користувач.

2. Ціна та наявність. Перевагу отримують товари, які доступні прямо зараз і відповідають бюджету.

3. Якість і довіра. Важливо, чи ви є основним продавцем, ваш рейтинг рейтинг на маркетплейсах і зовнішніх джерелах.

4. Наявність миттєвого оформлення. Якщо функція instant checkout увімкнена, товар отримує пріоритет.

Особливу увагу треба приділяти атрибутам фіда. AI використовує два ключові елементи товарної картки: опис товару (обов’язковий) та FAQ / блок питань та відповідей (рекомендований). Саме ці атрибути, ймовірно, матимуть найбільший вплив на релевантність товару.

Як оптимізувати картки товарів під AI-пошук

Щоб картка стала релевантною у світі AI, вона має містити контекст, а не просто технічні характеристики. AI використовує чотири ключові групи атрибутів для розуміння товару:

1. Хто, для кого і чому — цільова аудиторія, основні сценарії використання, яку проблему чи потребу вирішує товар.

2. Умови використання — температура, погода, сезонність, рекомендований рівень інтенсивності використання.

3. Сумісність або інтеграції — актуально для аксесуарів, доповнень, обладнання.

4. Специфічні атрибути для вашої ніші — норми, стандарти, матеріали, рівень міцності, сертифікації, типи інтеграцій чи сумісність з обладнанням.

Розгляну на прикладі, як виглядає контекстний пошук через АІ.

Я ввела в GPT пошуковий запит, який складався з шести параметрів: 

AI сформував відповідь: надав список з конкретними товарами із посиланнями на сайти, зібравши інформацію з різних джерел.

Якщо запит дуже деталізований, містить кілька змінних, умови чи параметрів, яких у тренувальній базі LLM недостатньо, тоді модель підключає вебпошук, збирає інформацію з різних джерел і лише після цього формує відповідь.
Саме в цьому режимі ми можемо безпосередньо впливати на результат через контекст, структуру та зміст товарної картки.

Як виглядає оптимізований опис товару

Оптимізований опис має замінити сухий перелік характеристик на контекст, зрозумілий як людині, так і LLM.

Приклади оптимізованих описів

Контекст одразу відповідає на питання: хто? для чого? в яких умовах? які проблеми закриває?

Контекст — важливий, але не єдиний чинник

Є ще кілька складників, які впливають на те, чи потрапить ваш товар у рекомендації АІ.

Репутація сайту

AI бере до уваги зовнішні сигнали: рейтинги, відгуки, згадки, загальну репутацію ресурсу. Якщо сайт має змішані сигнали або низьку довіру, AI, скоріш за все, не рекомендуватиме його як надійне джерело.

Розширена розмітка Schema.org 

Усі можливі параметри картки товару мають бути заповнені. LLM легше «читає» структуровані дані, а отже швидше зіставляє опис із запитом. 

Варто також використовувати нові типи розмітки, які допомагають AI краще розуміти товар і його призначення:

• Audience Type — щоб вказати, для кого призначений товар;

• UsageInfo — для опису сценаріїв використання.

Якісна структура сторінки

Так само залишаються важливими:

• зрозумілі заголовки і описи;

• структурована сторінка без полотна тексту;

• повний опис усіх параметрів;

• чітка і зрозуміла подача інформації.

Коли контекстна оптимізація не працює

Наприклад, коли користувач ставить дуже конкретний запит:

На перший погляд здається, що це ідеальний кейс для контекстної оптимізації. Але що відбувається насправді:

1. AI спочатку шукає моделі кросівок, а не картки товарів. Це глобальні бренди як-от Nike, Asics, Hoka, Adidas, які мають детальні описи на офіційних сайтах.

2. Усі характеристики цих моделей вже є у тренувальних даних LLM. Їй не потрібно звертатися до вашого сайту, щоб знати, для чого призначені конкретні моделі.

3. Після цього AI переходить у локальні магазини тільки для того, щоб знайти, де купити. Але він не читає ваш опис, він читає модель.

У таких тематиках контекстна оптимізація не спрацює, тому що бренди-виробники вже надали LLM весь необхідний контекст у глобальних джерелах.

Три практичні кроки, які можна зробити зараз

Отже, як почати впроваджувати ці зміни на практиці? Пропоную три конкретні кроки, які можна зробити вже зараз.

Створити базу контекстів

Навіть якщо ви самі добре розумієте товар, часто складно передбачити всі реальні ситуації використання. Для збору унікальних юзкейсів використовуйте міжнародні UGC-платформи — Reddit, Quora, Amazon Reviews, eBay Reviews. В Україні для цього підходять Rozetka, Hotline, MakeUp та інші маркетплейси, де є тисячі відгуків про товари.

Ці дані можна пропустити через LLM і витягнути найцінніше: атрибути, болі, приклади використання, середовище, сезонність, проблеми та переваги, які реально важливі покупцю.

На основі цього формується база інсайтів, яка й лягає в основу оновлених карток товарів.

Провести тест на топ-20 товарів

Виберіть 20 ключових позицій і виконайте наступне:

1. Для кожного товару виділіть проблему, середовище, умови використання та тип користувача.

2. Перепишіть перший абзац опису, інтегруючи блоки «Галузі застосування», «Переваги», «Для кого підходить».

3. Додайте тригери («ідеально підходить для…», «найкращий вибір, якщо…»), які підсилюють релевантність.

4. Розшифруйте технічні параметри: 100% бавовна → ідеальний для літа матеріал, дихає, не парить; 100 мл → зручно брати у ручну поклажу.

Перевірити розмітку

Усі поля Schema.org мають бути заповнені без помилок. Розмітка — це база для того, щоб AI міг швидко прочитати сторінку як структуровані дані.

Масштабування AI-трафіку та побудова додаткового джерела конверсій — кейс нашого партнера

Як приклад ефективності, наведу кейс Shopping-Kobolde — спеціалізованого магазину із великим асортиментом обладнання для водопостачання, дренажу, блискавкозахисту та інших технічних рішень для будинку та саду.

Команда Netpeak шукала точки зростання для проєкту і вирішила сфокусуватися на AI-реферальному трафіку, оскільки він, хоч і не на невеликих об’ємах, показував найкращу конверсійність — вдвічі більшу за звичайну. 

За чотири місяці співпраці, додатково до SEO робіт, ми сфокусувалися на: 

• оптимізації карток товарів під LLM;

• дооптимізації контенту на категоріях під LLM;

• розміщенні зворотних посилань зі згадкою та правильним позиціонуванням бренду. 

Результати: після проведених робіт дохід з AI-трафіку виріс на 120%, а переходи — на 693%. 

Висновки

1. Поведінка користувача змінилася. Люди шукають інформацію про товари і купують інакше.

2. Контекстуальний пошук наявний у кожному AI-асистенті, оптимізація під нього універсальна. 

3. Щоб адаптуватися, потрібно:

• оптимізувати картки під контекст, а не під ключові слова;

• працювати з усіма AI-орієнтованими сигналами — якість опису, структура, розмітка, релевантність, аудиторія, сценарії використання.

Блок запитань та відповідей 

Як оптимізувати картки товарів, щоб AI-асистенти використовували інформацію саме з нашого сайту?

Потрібно надавати максимально структуровану та авторитетну інформацію. LLM-моделі цінують факти, які легко ідентифікувати та перевірити.

Чи потрібно створювати окремий контент спеціально для AI, чи достатньо просто покращити наявний?

Не потрібно. Більш ефективним буде покращення і реструктуризація існуючого контенту відповідно до принципів LLM-оптимізації та маркетингу.

Як впровадити AI оптимізацію для ecommerce проектів?

Варто розпочати з аудиту, пріоритезації та поступової LLM-оптимізації найбільш конверсійних точок.

1. Визначте, чи вже отримуєте AI-трафік і які сторінки найконверсійніші.

2. Впровадьте або доповніть розмітку для ціни, наявності, SKU та рейтингів. Додайте блок «Питання-відповідь».

3. Перетворіть тексти на структуровані, конкретні описи.

4. Додайте контент, що чітко відповідає на складні та деталізовані запити.

5. Отримуйте зворотні посилання, які згадують ваш бренд і продукт у контексті експертних рекомендацій.

6. Забезпечте потік якісних, детальних відгуків для підвищення довіри AI.

7. Застосовуйте успішні практики на інші сторінки після підтвердження ефективності.