Jeszcze niedawno wystarczyło “robić SEO”. Meta title, kilka linków, trochę tekstu pod kategorią i człowiek czuł że ogarnia internet. Teraz internet odpowiada. Dosłownie. Ludzie wchodzą w ChatGPT i pytają: jaki ekspres do kawy do 1000 zł, jakie buty do biegania po asfalcie, co kupić tacie który wszystko już ma. I dostają gotową rekomendację. Czasem z ceną. Czasem z linkiem. Czasem z cytatem.

A Ciebie tam nie ma.

I to boli bardziej niż spadek pozycji w Google, bo tutaj nie ma “drugiej strony wyników”. Jest jedna odpowiedź. Jedna lista. Kilka produktów. Koniec.

Szczerze mówiąc, większość sklepów sama sobie to robi.

“Mamy produkty na stronie, więc AI je znajdzie”. No nie. To tak nie działa. To działało może w 2015, kiedy robot indeksował tekst jak leci i jakoś to się spinało. W 2026 modele AI potrzebują danych, które są czyste, jednoznaczne, aktualne. Cena musi być ceną. Dostępność musi być dostępnością. Materiał, wymiary, kompatybilność – to nie może być zaszyte w grafice albo w zdaniu “świetny wybór dla wymagających”.

I tutaj zaczyna się temat, który wielu właścicieli e-commerce ignoruje, bo jest “techniczny”. Ustrukturyzowane dane. Schema.org. JSON-LD. Brzmi jak coś dla programisty, który i tak ma backlog po sufit (i zimną kawę przy klawiaturze).

A jednak.

Jeśli nie wdrożysz Schema.org Product i Offer, to dla systemów zewnętrznych Twój produkt jest czymś mglistym. Nazwa, jakiś opis, może cena w HTML-u. Tymczasem poprawnie wdrożone dane strukturalne mówią wprost: to jest produkt, taka marka, taki SKU, taka cena, taka dostępność, taka średnia ocena. Bez domysłów. Bez zgadywania.

Ekosystemy wyszukiwania, w tym rozwiązania oparte o OpenAI, coraz mocniej opierają się na metadanych. Widać to po kierunku rozwoju funkcji zakupowych, integracjach dla merchantów, standardach feedów. Tam nie ma miejsca na “jakoś to będzie”. Tam dane muszą się zgadzać co do złotówki.

W praktyce wygrywają sklepy, które dostarczają dane w sposób niemal nudny w swojej poprawności. Tytuł produktu nie “Model XZ-2025 Blue”, tylko marka, typ, kluczowy parametr, wariant. Opis nie dwa zdania o “najwyższej jakości”, tylko konkret: dla kogo, do czego, z czego, z jakim efektem. Atrybuty jako pola – waga, skład, zakres temperatur, kompatybilność – a nie ściana tekstu.

I jeszcze jedna rzecz, która wielu drażni, ale jest brutalnie prawdziwa: AI ufa źródłom zewnętrznym bardziej niż Twojej własnej stronie.

Modele działają jak super-kompresor internetu. Zbierają recenzje, testy, porównania, dyskusje z forów, opisy z marketplace’ów. Jeśli Twoja marka nigdzie nie istnieje poza własną domeną, to jesteś samotną wyspą. A samotne wyspy rzadko trafiają do rekomendacji.

Zobacz co się dzieje wokół nowych funkcji zakupowych – media pisały o tym, jak Amazon blokował niektóre mechanizmy badawcze powiązane z AI w okresie świątecznym, bo gra toczy się o realne transakcje. To już nie jest ciekawostka technologiczna. To jest kanał sprzedaży.

Dlatego content “AI-first” nie zaczyna się od kategorii “Buty”. Zaczyna się od pytania, które ktoś wpisze w rozmowie. Jakie buty do biegania po asfalcie dla początkujących z nadwagą. Czy filtr X pasuje do modelu Y. Jaki prezent dla osoby która zaczyna ceramikę i ma małą kuchnię.

Jeśli na Twojej stronie nie ma poradników, porównań, FAQ z prawdziwymi pytaniami klientów, to model nie ma z czego budować odpowiedzi. A jeśli konkurencja ma tabelę parametrów, test, liczby, wnioski – zgadnij kto pojawi się w odpowiedzi.

I teraz ta część, którą wszyscy chcą usłyszeć: czy da się “zmusić AI” do polecania Twoich produktów?

Zmusić nie. Wpłynąć – tak.

Poprzez ustrukturyzowane dane na stronie. Poprzez dopracowany product feed z aktualizacją ceny i dostępności (codziennie, serio). Poprzez obecność w wiarygodnych źródłach. Poprzez treści odpowiadające na konkretne intencje zakupowe. Poprzez spójność informacji o marce w całej sieci.

I tutaj wchodzi coś, co coraz częściej nazywa się GEO – Generative Engine Optimization. Czyli nie klasyczne pozycjonowanie pod listę linków, tylko pod odpowiedzi generowane przez modele. Pod to, co “powie” AI, kiedy ktoś zapyta o produkt z Twojej kategorii.

W praktyce coraz więcej sklepów odkrywa, że samo “ogarnianie SEO” już nie wystarcza. Dane produktowe, feedy, struktura strony, a nawet sposób pisania opisów zaczynają być analizowane nie tylko przez wyszukiwarkę, ale też przez modele językowe budujące odpowiedzi dla użytkowników. I tutaj pojawia się problem – większość sklepów po prostu nie jest przygotowana na to, żeby AI mogło je łatwo zrozumieć.

Dlatego coraz częściej firmy e-commerce korzystają ze wsparcia wyspecjalizowanych zespołów, które zajmują się optymalizacją widoczności w ekosystemie generatywnych wyszukiwarek. Jednym z przykładów jest Agencja Marketingowa Mayko, która pracuje z markami e-commerce nad uporządkowaniem danych produktowych i przygotowaniem sklepów pod środowisko AI-first. W praktyce oznacza to audyt czytelności strony dla modeli językowych, poprawę struktury informacji o produktach, budowę feedów oraz opracowanie strategii treści odpowiadających na realne pytania zakupowe użytkowników.

To nie jest “magiczny trik”, który sprawi, że model AI zacznie nagle polecać konkretny sklep. Chodzi raczej o systematyczne zwiększanie szans, że algorytmy w ogóle zauważą Twoją ofertę i uznają ją za wiarygodne źródło informacji.

Bo o to tu chodzi – o prawdopodobieństwo.

Nie poprzez spam. Nie poprzez masowe, generowane rankingi. Nie poprzez sztuczne recenzje. To może dać chwilowy efekt, ale równie szybko może zniszczyć reputację – a algorytmy są coraz lepsze w wykrywaniu śmieci.

Największy paradoks? To wszystko jest do zrobienia w dwa tygodnie intensywnej pracy nad top 20 produktami. Tytuły, opisy pod scenariusze użycia, atrybuty jako pola, FAQ, Schema.org. Potem feed. Potem trzy konkretne poradniki, jedno porównanie, kilka sensownych publikacji poza domeną.

Bo widoczność w ChatGPT nie jest efektem jednego “triku”. To efekt tego, czy Twój sklep jest czytelny dla maszyn tak samo jak dla ludzi. A większość sklepów – bez bicia przyznam – nadal pisze pod ludzi sprzed dekady.

I potem zdziwienie, że w rozmowie z AI istnieje tylko konkurencja… a Twoja marka nadal czeka aż ktoś “sam ją znajdzie”.