Sokszor találkozunk olyan termék feed-et, amiben csak a legszükségesebb adatok kerülnek kitöltésre. Ez elégséges lehet például Shopping kampányok futtatására (igazából arra sem teljesen), viszont nagyon messze van attól, hogy az AI korában a megfelelő láthatóságot biztosítsuk termékeinknek.
Érkezik a Universal Cart
A Google nemrég jelentte be a Universal Cart funkciót. Az egyelőre az Egyesült Államokban megjelenő felület lényege, hogy a felhasználó, miközben keres, YouTube tartalmakat néz, beszélget a Geminivel – termékeket tehet be egy olyan kosárba, amit a Google a saját felületein üzemeltet. Ebbe számos kereskedő sokféle terméke kerülhet egyszerre. Az agentic commerce világában ez jelenti azt a központi helyet, ahol a Gemini segíteni fogja a vásárlókat a legjobb ajánlatok felkutatásában.
A kosárban tehát egyszerre több kereskedő termékei jelennek meg, ahol a felhasználó azonnali értesítést kaphat a készlet és árváltozásokról, könnyedén találhat alternatív ajánlatokat, de a Google demójában az is igen impresszív lehetőségként jelent meg, amikor a Gemini figyelmeztetett, hogy egymással nem kompatibilis eszközöket akarunk épp vásárolni, amihez segített megtalálni az összeillő termékeket.
Mit jelent a Universal Cart és az Agentic Commerce érkezése a kereskedők számára?
Az előző példákból is talán már érezhető, hogy az a kereskedő lesz előnyben, aki:
- szinte valós időben frissen tartja termékadatait Google Merchant Centerben
- a minimális elvárásokon túl a lehető legtöbb információt adja meg a termékekről, kihasználva az új Merchant Center adatokat AI keresésekhez
- nem feltétlenül csak a legjobb árakkal dolgozik, de sokat tesz a
legjobb ajánlatokkialakításáért
Merchant Center frissítése valós időben
A legtöbb Google Merchant Center fiók a klasszikusnak mondható XML vagy CSV fájl alapú frissítést használja. Ez továbbra is használható és sok helyzetben elégséges lehet, azonban a termékeink szempontjából fontos szezonban (például év végén), ahol gyakrabban módosul az ár és hamarabb változhat a készlet állapot, fontos lehet más módszerekkel gyorsítani az ár és készlet adatok frissítését
Egy lehetséges megoldás, ha a fő termék feed-ből a termékazonosítót (item_id), az árakat (sales_price és price) és az elérhetőséget (availability) külön feed-be is kivezetjük és egy ún. supplemental data source segítségével bekötjük másodlagos adatforrásnak. Ennek külön időzítése van a fő XML/CSV feed frissítéséhez képest, így megadható, hogy a teljes adatfrissítés például hajnali 4-kor fusson le, ez a másodlagos feed pedig délben.
Sőt, akár több ilyen supplemental data source is megadható akár ugyanazzal az XML/CSV forrással, így napon belül akár 4-5-6 alkalommal is frissülhetnek az árak és elérhetőség adatok.
Ez pedig sokat segít majd akkor, ha Magyarországon is elérhető lesz a Universal Cart, illetve bármilyen olyan helyzetben, ahol a Gemini akár már most valamilyen termék választ ad a csevegések közben.
Egy másik lehetőség a Merchant API használata.
A Merchant API segítségével közvetlen adatkapcsolat hozható létre a termékadatok szerkesztésére használt admin felület és a Google Merchant Center között. Ez azt jelenti, hogy amint a kereskedő saját felületén valaki átírja az árakat, azonnal jelezhető a változás GMC felé. Ráadásul ilyenkor csak a módosult termék és csak a módosult adat kerül átadásra, így ez nem csak gyors, de kellően erőforrás kímélő megoldás is egyben.
Shopify esetében például ilyen módszerrel frissül alap esetben minden termék, de más dobozos ecommerce megoldásokhoz is elérhető ez a fajta integráció.
Fontos előnye tehát az API kapcsolatnak a közel valós idejű adat frissesség, hátránya lehet, hogy nem minden webshop esetében triviális a beüzemelése.
Hogyan lesz a feed tartalma „AI ready”?
Amikor a termékadatokon keresztül szeretnénk az AI eszközökkel minél jobban megértetni, miről is szól a termék, hajlamosak lehetünk megállni a terméknév, leírás, ár, elérhetőség adatoknál. Hiszen arra szeretnék választ adni, amikor valaki felteszi a kérdést egy AI eszköznek:
Hol lehet most a legolcsóbban laptopot venni?
Nem gondolunk viszont az olyan kérdésekre, ahol a felhasználó például így kérdez:
Egy 33x33cm méretű polcra szeretnék egy virágtartót. A polc fekete színű, szeretném, ha ehhez passzolna.
Az, hogy az általunk értékesített termékeknek milyen a színe, sokszor a termék nevében amúgy elérhető, de a Google Merchant Center specifikációjában van erre egy dedikált color termékjellemző. Ez jelenti a biztos információt és bár konkrét mért adatunk nincs erre, logikus, ha a Gemini főleg erre támaszkodik ahelyett, hogy a terméknévből próbálja meg kitalálni. Pontosabban belátható, hogy előnyben részesítheti a pontos adatot a tippeléshez képest.
A teljesség igénye nélkül felsorolunk néhány hasonló attribútumot, ami gyakran kimarad: age_group, certification, gender, material, product_length, product_width, product_height – igen, megadhatjuk a termék méreteit is, amivel máris könnyebb dolga lesz a Gemininek eldöntenie, érdemes-e termékünket ajánlani az előző példában látható kérdésre.
Kifejezetten az AI válaszokat segítő termék attribútumok
Megadható ezen felül egy sor olyan attribútum, ami kifejezetten az AI válaszokat segítheti és ezek között van néhány egészen új, amit idén vezetett be a Google:
- product_detail: Olyan termék jellemzők, amiket a standard attribútumok nem fednek le
- product_highlight: Legalább 2, legfeljebb 100 (!) fontosabb információ a termékről röviden, de szabad szavas megfogalmazásban. Koncentrálj az értékesítési előnyökre, ne a specifikációkra (arra a product_detail a megfelelő). Ne ismételd meg a más attribútumokban már beküldött adatokat. Ne használj keresőoptimalizálási (SEO) kulcsszavakat.
- question_and_answer: Mik az általunk preferált kérdések és válaszok a termékkel kapcsolatban, amit a Gemini felhasználhat a válaszok során
- related_product: Az adott terméknek mik a feed-en belül a kiegészítői, kapcsolódó termékei, termékcsomag termékei, stb.
- popularity_rank: A saját termékkatalóguson belül mennyire népszerű az adott termék. Vigyázat! Nem érdemes minden termékre magas értéket beállítani, egészen biztosan észlelni fogják a csalást és egyszerűen ignorálják majd a félrevezető információt. Ez az attribútum SEM arra való, hogy előrébb kerüljünk a válaszokban a konkurensekhez képest.
Még nem késő, de nem érdemes halogatni
A Google által bejelentett Universal Cart még nem elérhető Magyarországon és nincs arról sem információ, hogy esetleg már idén megérkezzen. A termék feedek fejlesztése ugyanakkor nem csak azért fontos, hogy felkészülten várjuk az agentic commerce megjelenését. Minden termékadat alapú kampányunk (Performance Max, Demand Gen, Shopping) profitálhat belőle, mert jobban meg tudja határozni a jelenleg is működő aukciós rendszer, mely hagyományos keresésekre mely termékeket érdemes megjeleníteni a shopping dobozokban.
Ha segítségre volna szüksége ebben, írjon nekünk bátran, data csapatunk segít a termék feedek fejlesztésében.
