Google Merchant Center вече иска повече данни за AI Shopping
Google разширява agentic commerce инструментите и въвежда conversational attributes за продуктовите данни. За онлайн магазините това е конкретна стъпка към каталог, който AI системите могат да разбират и използват по-добре.
Какво точно обяви Google
На 16 септември 2026 г. Google обяви нов пакет от agentic commerce промени за retailers. Сред тях са по-широко AI performance reporting, нови checkout и UCP възможности и по-силен фокус върху т.нар. conversational attributes — допълнителни продуктови полета, които помагат на AI системите да разбират нюансите на продукта и типичните въпроси преди покупка.
В Merchant Center вече са документирани шест такива атрибута: question_and_answer, document_link, related_product, item_group_title, variant_option и popularity_rank. Те са optional, могат да се подават чрез supplemental source, основния feed или Merchant API и не влияят върху approval status-а на продукта.
Фактите: AI performance insights показват intent, не само keywords
Google направи AI performance insights достъпни за Merchant Center акаунти в Австралия, Канада, Индия, Нова Зеландия и САЩ. Report-ът описва как продукти и брандове се появяват при conversational shopping queries в AI Mode и AI Overviews и включва показатели като share of voice, популярни термини, продуктови характеристики и shopping intent.
България все още не е сред държавите с достъп до този reporting. Това означава, че български магазин не трябва да очаква днес отделен AI visibility dashboard, но може още сега да подготви продуктовите данни, върху които подобни системи ще разчитат.
Conversational attributes превръщат feed-а в източник на отговори
Стандартният product feed казва какво е продуктът: заглавие, цена, наличност, GTIN, размер, цвят и други основни характеристики. Conversational attributes добавят контекст: какви въпроси задават хората, кои варианти се различават, кои документи са релевантни и кои продукти са реално свързани.
Например при кафе машина стандартният feed може да описва мощност и обем на резервоара. Conversational data може допълнително да отговори дали машината прави cappuccino с едно натискане, работи ли със смляно кафе, кой препарат за почистване е подходящ и каква е разликата между два конкретни варианта.
Нашият анализ: продуктът вече има три аудитории
Добрата продуктова страница вече трябва да бъде разбираема за три различни аудитории: човекът, search crawler-ът и AI shopping agent-ът. Последният не просто трябва да открие продукта, а да може да реши дали той е подходящ за конкретна потребност, ограничение или сравнение.
Това е причината да гледаме на продуктовия каталог като на commerce infrastructure, а не само като на текст в CMS. При изработка на онлайн магазин структурата на вариантите, характеристиките, свързаните продукти и документацията трябва да бъде такава, че да може надеждно да бъде използвана от различни канали.
Какво показва тестът на Google с retailer data
Google посочва тест с lululemon, при който подадените conversational attributes са използвани в 50% от релевантните product recommendations в AI Mode. Това е конкретен тест на Google с конкретен retailer и не трябва да се превръща в универсално обещание за резултат.
Полезният извод е по-ограничен: Google вече използва retailer-supplied conversational product data като реален вход при AI shopping recommendations. Това прави качеството на данните по-важно от опитите да се пишат общи „AI SEO“ текстове без ясна продуктова стойност.
UCP и checkout: възможността е реална, но rollout-ът е ограничен
Google разширява и Universal Commerce Protocol, чрез който merchant-и могат постепенно да поддържат cart transfer, checkout flow testing и други agentic commerce сценарии. Текущият rollout е ограничен основно до САЩ, като Австралия и Канада трябва да последват по-късно.
За български магазин няма причина да се прави спешна checkout миграция само заради новината. Но има добра причина архитектурата на catalog, inventory, pricing и checkout да бъде достатъчно чиста, за да може по-късно да се свърже с нови AI commerce канали без цялостно пренаписване.
Кого засяга най-силно и кого почти не засяга
Най-силно развитието засяга магазини с много продуктови варианти, технически продукти, electronics, дом и градина, спортни стоки, beauty, авточасти, B2B каталози и други категории, при които клиентът задава няколко конкретни въпроса преди да купи.
Магазин с малък каталог от прости продукти няма нужда да изгражда огромна нова data layer само защото полетата съществуват. За service business без product feed промяната почти няма непосредствено значение.
Практически checklist за онлайн магазин
Първо проверете дали стандартният Merchant Center feed е пълен и точен. След това съберете реалните въпроси от support, телефон, email и social channels и използвайте най-полезните от тях като question_and_answer. Добавяйте document_link само към реални manuals и спецификации, related_product към истински аксесоари и variant_option към характеристики, които реално променят избора.
Не попълвайте тези полета ръчно продукт по продукт, ако каталогът е голям. При Shopify, WooCommerce или custom eCommerce е по-разумно да направите mapping между product database и Merchant Center. Проверявайте също feed и landing page да не си противоречат по цена, наличност, характеристики или вариант.
Какво не бихме правили прибързано
Не бихме генерирали стотици изкуствени FAQ въпроси с AI само за да запълним новите полета. Повече текст не означава по-добро разбиране. Не бихме дублирали същата информация във всяко поле и не бихме измисляли продуктови характеристики, които не са потвърдени.
Не бихме нарекли conversational attributes нов ranking factor и не бихме обещавали „позиция в AI Mode“. Google не е обявил такъв механизъм. Това са структурирани данни и reporting инструменти, които могат да подобрят начина, по който AI shopping системите разбират продуктите, но реалният ефект трябва да се измерва.
Нашият редакционен извод
Продуктовият feed дълго време беше техническа необходимост за Google Shopping. С conversational attributes той постепенно се превръща в езика, на който магазинът обяснява продуктите си на AI системите.
Най-разумната подготовка за българския eCommerce не е паническа „AI оптимизация“, а точен, богат и структуриран каталог, който може да отговори на реалните въпроси на клиентите. Това е добра eCommerce практика днес и ще бъде още по-важна, когато agentic shopping се разшири към повече пазари.
Публикувано на 16.09.2026 г.. Използваме източника за фактите по новината; анализът и контекстът са на web-design.bg.
Отворете оригиналния източник