Как оптимизировать товары под AI-рекомендации: полный гайд для e-commerce

В 2026 году поиск кардинально изменился. ChatGPT, Google AI Overview и другие системы больше не просто показывают сайты – они отбирают и рекомендуют конкретные товары.

В отличие от классического поиска, где пользователь получает список сайтов и сам выбирает вариант, AI сразу формирует готовый ответ. В нем уже есть рекомендации товаров, пояснения и сравнения. Фактически система не просто ранжирует страницы, а собирает готовые решения и сама определяет, что стоит показать.

И именно в этот момент отсеивается большинство товаров.

Основная проблема в том, что интернет-магазины до сих пор работают по старой логике:

• тексты под ключевые слова;
• стандартные описания;
• минимум пользы.

В результате такие товары могут хорошо ранжироваться в Google, но просто не попадают в ответы искусственного интеллекта — и выпадают из новой модели поиска.

Как AI выбирает товары на самом деле

AI не “читает страницу” как человек. Он формирует ответ на основе данных с сайта (описание, структура), отзывов пользователей, рейтингов, внешних упоминаний, данных из Google Merchant Center и других платформ. В результате ИИ оценивает товар через три уровня: контент, данные и подтверждение, а не отдельный текст.

Ниже – пример ответа AI на запрос с четким сценарием использования. Он показывает, что система реагирует не только на категорию товара, но и на конкретные условия выбора.

На практике это выглядит именно так: AI формирует ответ не как список товаров, а как готовое решение под задачу. При этом товар или бренд могут попадать в ответ даже без прямого перехода на сайт пользователем – как часть рекомендации, сравнения или краткого списка вариантов.

Почему большинство товаров не попадает в AI-рекомендации

Если коротко – страница товара больше не может быть просто “описанием с характеристиками”. Это уже не работает ни для юзера, ни для AI.

Сейчас страница должна отвечать на три простых вопроса:

1. Что это за товар?
2. Подходит ли он мне?
3. Почему его стоит купить?

Именно под это мы перестроили подход к описаниям товаров для проектов, с которыми мы работаем. И здесь немаловажный момент: это не “новая SEO-структура”. Это попытка повторить логику, по которой люди реально принимают решение.

1. Что это за товар – без лишней “воды”

Большинство описаний начинаются с длинных вступлений или перечня ничего не объясняющих характеристик. На самом деле пользователь хочет быстро понять, что это за товар, для чего он и вообще стоит ли читать дальше.

Поэтому первый блок должен быть максимально прост и понятен пользователю. Без технической перегрузки, но с ключевыми вещами, реально влияющими на выбор.

2. Где и как он используется (и кому подходит)

Это один из самых недооцененных блоков в карточках товаров. Но именно здесь формируется понимание: это мой вариант или нет.

Мы всегда добавляем в описание:

• 1–2 реальных сценария использования;
• простое объяснение, для кого этот товар;
• контекст: квартира, дом, работа, ежедневное использование и т.д.

Не посредством общих формулировок, а через реальные сценарии использования. И именно этот блок очень хорошо подхватывают AI-системы, потому что он дает контекст, а не просто характеристики.

3. Почему стоит купить именно этот товар

Именно на этом этапе чаще всего возникают ошибки, потому что в большинстве текстов вообще нет аргументов, или написано что-то типа “высокое качество, современный дизайн”. Это ничего не дает ни пользователю, ни AI.

Лучше всего работают:

• конкретные преимущества;
• понятные причины выбора;
• простое объяснение, чем он лучше других вариантов.

Не нужно описывать десятки преимуществ — достаточно 2–3 понятных аргументов, реально влияющих на выбор.

Важный момент: в случае AI нет жестких требований к объему текста. Критическим является не количество символов, а то, отвечает ли страница на ключевые вопросы пользователя и есть ли в ней понятная структура.

4. Как AI выбирает товары (и почему большинство страниц не подходит)

Здесь важно понимать принципиальную разницу. ChatGPT, Google AI Overview и другие системы не ищут “наиболее оптимизированный текст”.

Они ищут страницы, которые можно использовать в качестве готового ответа на запрос пользователя. То есть, система оценивает не просто наличие информации, а ее пригодность для рекомендации.

Фактически AI проверяет: 

• понятно ли, что это за товар; 
• есть ли понятное объяснение, для кого он подходит; 
• описаны ли сценарии использования; 
• есть ли аргументы для выбора; 
• согласованы ли данные между страницей, микроразметкой и фидами.

Если страница дает эти ответы, ее можно использовать. Если нет – она выпадает из логики рекомендаций. Именно здесь возникает ключевой момент. AI не просто выбирает, что показать. Он формирует ответ и все чаще переходит в действие — помогает выбрать или подвести к покупке.

5. Почему эта структура работает

Потому что она одновременно закрывает логику пользователя и требования AI.

На уровне человека процесс прост:

• Понять, что это.
• Понять, подходит ли.
• Принять решение.

Именно так формируется любая покупка.

Но в новой модели поиска этого недостаточно как последовательности. AI требует, чтобы эти этапы присутствовали не просто, а были четко сформулированы и понятны без дополнительных уточнений.

Именно поэтому структура, объясняющая товар, показывает сценарии использования, дает аргументы для выбора работающей одновременно на двух уровнях:

1. Помогает пользователю принять решение.
2. Дает AI возможность использовать страницу в качестве готового ответа или основания для действия.

В результате, такая страница перестает быть просто описанием и становится полноценной точкой принятия решения.

Пример карточки товара, которая выглядит правильно, но этого недостаточно

Рассмотрим реальную карточку товара из интернет-магазина:

На первый взгляд, страница выглядит корректно: есть название товара, базовое описание и понятная структура.

Также есть развернутое описание, характеристики и список преимуществ. Такая структура уже лучше большинства e-commerce сайтов и дает базовый сигнал для AI. Именно в таких ситуациях и возникает главная проблема: страница выглядит правильно с точки зрения SEO, но не дает достаточно сигналов для AI.

Что не так, хотя “все выглядит правильно”

1. Нет четкого позиционирования “для кого”. Формулировка типа “для всех типов волос” не дают ответа под конкретную задачу.
2. Сценарии описаны с точки зрения процесса. Есть техника использования, но нет ситуаций, когда продукт реально выбирают.
3. Преимущества слишком общие. “Блеск”, “гладкость”, “мягкость” – это типичные формулировки без дифференциации.
4. Нет аргументации выбора. Страница описывает товар, но не объясняет почему выбрать именно его.

Почему это важно

Для классического SEO такая страница смотрится вполне нормально. Но для AI этого недостаточно. Система не получает четкого ответа на три базовых вопроса: для кого этот товар, в каких сценариях он лучше и почему его следует рекомендовать.

Почему отзывы стали ключевым фактором

Один из самых сильных сигналов для AI – это не текст на странице, а опыт пользователей. И здесь большинство магазинов совершает ошибку: либо нет отзывов, либо они общие (“все супер”). Для AI такие отзывы – бессодержательные.

Как правильно работать с отзывами

Самая эффективная стратегия – не просто собирать отзывы, а управлять их структурой через коммуникацию с клиентом. К примеру, после покупки можно запускать триггерные листы с перечнем наводящих вопросов к покупателю:

• “Где вы использовали товар?”
• “Что именно вам понравилось?”
• “Какую проблему он решил?”

Каким должен быть отзыв, чтобы работал для AI

На основе нашей практики отзыв должен базироваться на реальном сценарии использования (где и как применялся товар) и содержать конкретную пользу (что именно работает хорошо). Он не должен дублировать характеристики, а показывать результат в использовании. Без общих фраз — только факты и конкретные примеры, с фокусом именно на товаре, а не на сервисе.

Ниже пример двух отзывов к одному товару: слабый и содержательный. Во втором случае менеджер интернет-магазина дополнительно усилил пользу из-за ответа на отзыв.

Первый формат отзыва не дает AI никакой полезной информации – только общую оценку без содержания. Вместо этого второй отзыв вместе с ответом на него формирует более сильный сигнал: товар реально используется и решает конкретную задачу.

Глобальный фактор: почему одни товары попадают в AI-рекомендации, а другие нет

Даже хорошо проработанная страница товара не гарантирует попадания в ответ AI. Причина в том, что системы типа ChatGPT работают не со страницей как единственным источником, а с набором данных, которые поступают из нескольких каналов и сверяются между собой.

На практике это означает, что видимость формируется на пересечении трех уровней: структурированные данные на странице, товарные фиды, внешние сигналы. Слабость любого из этих уровней снижает вероятность того, что товар будет использован в рекомендации.

1) Структурированные данные: как система “видит” страницу

Обычное HTML описание для AI – это неструктурированный текст. То, что позволяет системе корректно интерпретировать страницу, это разметка по стандарту Schema.org. Для карточек товаров критическими являются типы:

• Product – описание сущности товара;
• Offer – цена, валюта, наличие;
• AggregateRating – средний рейтинг и количество отзывов.

Важно не только добавить эти типы, но и обеспечить полное соответствие данных разметки тому, что видит пользователь на странице. Несоответствие schema фактическому контенту – критическая ошибка для AI, поскольку создает конфликт между источниками данных и снижает доверие к странице.

Ниже пример того, как AI и поисковые системы видят товар через структурированные данные.

Так может выглядеть базовая Product schema для карточки товара:

2) Товарные фиды и Merchant Center: источник актуальных фактов

В коммерческих сценариях AI в значительной степени опирается на фиды, передаваемые через Merchant Center и смежные системы. Именно оттуда берутся оперативные данные:

• цена и валюта;
• наличие и статусы состава;
• варианты товара;
• базовые атрибуты для фильтрации.

Если фид не обновляется или присутствуют разбежности со страницей, система не имеет оснований считать эти данные надежными. На практике это означает, что даже хорошо оптимизированная страница может не попадать в AI выдачу из-за устаревшей цены или некорректного статуса наличия в фиде. Без актуального фида товар гораздо реже попадает в коммерческие AI-рекомендации.

Пример данных товаров в Google Merchant Center:

На первый взгляд, это выглядит как чисто техническая часть, но именно эти данные являются базовым источником фактов для AI. Из таких фидов системы получают актуальную информацию о цене, наличии и характеристиках товара. В этом случае проблема не в контенте страницы, а в качестве источника данных. Если фид не обновляется или содержит неточности, система не может использовать его в качестве базового источника фактов.

3) Согласованность между источниками: ключ к доверию

Даже если все необходимые инструменты подключены (schema, фиды, Merchant Center), этого недостаточно. Ключевое – согласованность данных между источниками.

Одна из самых распространенных причин, почему AI игнорирует товар – это конфликт данных. Когда страница, микроразметка и ФИД дают разную информацию (цена, наличие, характеристики), система не пытается определить, что из этого правильно. Она просто снижает доверие к такому товару и выбирает альтернативу, где данные согласованы.

Поэтому страница, микроразметка и товарный фид должны давать одинаковый ответ на основные вопросы:

• сколько стоит товар;
• есть ли он в наличии;
• каковы его ключевые характеристики.

4) Внешние сигналы: подтверждение, а не замена

После технических источников система обращается к внешней среде – обзорам, рейтингам, публикациям. Их роль не в том, чтобы “добавить упоминаний”, а в том, чтобы подтвердить уже имеющиеся данные.

Если информация о товаре, его преимуществах и сценариях использования повторяется в независимых источниках, формируется согласованный сигнал. Именно он усиливает вероятность включения товара в ответ.

Как мы внедряем это в проектах

Все подходы, описанные в данной статье, мы уже используем в проектах PROject SEO. В рамках развития направления GEO (Generative Engine Optimization) мы адаптируем сайты под требования AI-поиска и рекомендаций.

И здесь важно понимать: это не отдельные инструменты или точечные изменения. Это полная перестройка логики работы с товарными страницами и данными под новую модель поиска.

На практике это выглядит так:

• перестраиваем структуру описаний товаров под реальные запросы пользователя (что это, для кого, почему купить);
• добавляем сценарии использования и аргументы для принятия решения;
• внедряем системную работу с отзывами как источником реального опыта;
• синхронизируем данные между страницами, Google Merchant Center и микроразметкой;
• контролируем согласованность данных, чтобы избежать конфликтов между источниками;
• анализируем, как товары появляются в ответах AI, под какие сценарии их подтягивает система и какие сигналы на это повлияли.

В результате меняется не только видимость, но и сам тип трафика. Страницы начинают работать не только в классическом поиске, но и появляться в ответах на AI как готовые решения под конкретные задачи.

Что это означает для e-commerce в 2026 году

В 2026 году продвижение товаров – это уже не об оптимизации отдельной страницы. Это система, в которой контент отвечает на запросы пользователя, а данные подтверждают этот контент — структурировано, согласовано и понятно для AI. Именно поэтому выигрывают не те интернет-магазины, у которых больше товаров, а те, чьи товары понятны и достаточно описаны для принятия решения.

Эта модель будет только усиливаться: AI переходит от рекомендаций к действиям, выступая посредником между пользователем и покупкой (agentic commerce).

Если упростить, суть в трех вещах:

• перестроить структуру описания товара под реальные запросы;
• синхронизировать данные (schema и Merchant Center);
• работать с отзывами как источником реального опыта.

Чтобы лучше понять, как это работает на практике, ниже мы собрали ответы на самые частые вопросы – как об оптимизации, так и о проверке AI-видимости.

FAQ: что еще важно для попадания товаров в AI-рекомендации

1. Как AI формирует рекомендации товаров

AI не берет одну страницу и не читает ее как человек. Он собирает информацию из разных источников и сверяет ее между собой. В упрощенном виде это выглядит так:

• контент страницы (описание, структура);
• данные (schema, фиды);
• подтверждение (отзывы, упоминания, рейтинги).

Если эти три уровня дают согласованную картину, то товар может попасть в рекомендацию. Если нет – система просто выбирает другой вариант.

2. Достаточно ли просто оптимизировать страницу товара

Нет, этого недостаточно. Даже идеально написанное описание не сработает, если данные в Merchant Center не актуальны, есть разногласия в микроразметке, нет внешних сигналов.

AI работает не с текстом, а с согласованностью информации. Поэтому страница – это только часть системы, а не ее основа.

3. Обязательно ли для e-commerce использовать Google Merchant Center?

Да, для e-commerce это один из ключевых каналов передачи данных о товарах. Без него товар гораздо реже попадает в коммерческие сценарии рекомендаций.

Через Google Merchant Center системы получают информацию о цене, наличии и характеристиках товара, используемой в Google Shopping и AI-решениях. Фид не нужно добавлять вручную в ChatGPT или в другие системы — он используется автоматически в экосистеме Google. Платная реклама не обязательна, но может усиливать сигналы.

Главное – чтобы данные в фиде были актуальными и совпадали со страницей товара.

4. Какую роль играет микроразметка?

Микроразметка — это способ “объяснить” поисковым системам, что именно находится на странице. Для товаров критичны: Product, Offer, AggregateRating. Без этого страница выглядит как текст. С этим как структурированный источник данных.

Важный нюанс: если данные в schema не совпадают со страницей – это не просто ошибка, а сигнал недоверия.

5. Влияют ли структура сайта и навигация?

Да, и гораздо больше, чем кажется.

AI использует не только отдельную страницу, но и понимание сайта в целом. Поэтому важные базовые вещи: логическая иерархия категорий, понятные URL, фильтры без дублирования и чистая навигация.

Если структура “ломается”, системе сложнее понять, как связаны товары между собой.

6. Нужны ли отдельные типы контента, кроме карточек товара?

Да, и это часто недооценивают.

Хорошо работают: сравнение товаров, обзоры, чек-листы, FAQ. Это тот тип контента, который помогает AI формировать ответы на сложные запросы, где одной карточки товара недостаточно.

7. Влияет ли присутствие бренда за пределами сайта?

Влияет, и очень сильно.

AI не ограничивается вашим веб-сайтом. Он смотрит, есть ли подтверждение извне:

• упоминания в медиа;
• отзывы на сторонних платформах;
• профили в Google Maps;
• присутствие на маркетплейсах.

Но здесь важен не объем, а согласованность: говорят ли разные источники примерно одно и то же о товаре.

8. Как проверить, попадает ли товар в AI-рекомендации?

Есть несколько практических подходов. Самый простой — ручной: прогнать разные запросы в ChatGPT, Gemini, Perplexity и посмотреть, появляется ли ваш товар. Более системный вариант – использовать инструменты мониторинга. К примеру, специализированные сервисы (Evertune, Otterly) позволяют отслеживать упоминания в AI-ответах, а классические SEO-инструменты, такие как Semrush, помогают анализировать сопутствующие сигналы: видимость, брендовые запросы и динамику спроса.

И еще один вариант — косвенный: смотреть, как меняются упоминания бренда в медиа и соцсетях.

9. Какие метрики следует отслеживать?

Если подходить системно, следует смотреть не только на трафик. Основные показатели: доля товаров, которые появляются в ответах AI, количество появляющихся сценариев, переходы и конверсии после таких рекомендаций. Эти данные лучше сочетать с классической аналитикой (например Google Analytics), чтобы видеть реальное влияние.

10. Можно ли оптимизировать сайт под AI так же, как под SEO?

Отчасти да, но этого недостаточно. SEO – это о страницах и запросах. AI — о данных, контексте и доверии. Поэтому работает только комбинированный подход: контент+техническая часть+внешние сигналы. Для сайтов, где требуется более широкий подход к AI-видимости не только на уровне товаров, но и на уровне всего ресурса, отдельно следует рассматривать SEO-оптимизацию под требования AI.

Вікторія Драч

Главный редактор.