Покупець пише не «відкрийте категорію рюкзаків», а «знайди міський рюкзак для ноутбука 14 дюймів, який не промокає, приїде до п'ятниці й коштує до 6 000 грн». ШІ відсіює товари ще до переходу на сайт. Якщо ваш магазин не може однозначно відповісти про розмір, матеріал, наявність, доставку й повернення, красивий опис не врятує товар від відсіву.
У 2026 році ШІ вже впливає на вибір товару, але автономне оформлення покупки доступне нерівномірно. McKinsey у дослідженні споживачів Франції, Німеччини та Великої Британії описує саме цю картину: discovery і порівняння розвиваються швидше, ніж повне виконання транзакції. Тому магазину варто готуватися до нового каналу, не вдаючи, що весь ринок уже перейшов у нього.
Нижче — аудит для власника магазину, ecommerce lead або команди продукту. Він дає практичний результат уже зараз: менше суперечностей у каталозі, точніші фіди, зрозуміліші картки товару й менше сюрпризів у checkout.
Коротка відповідь: перетворіть пропозицію на набір перевірюваних фактів
AI-агенту потрібно без здогадок визначити: що це за товар; який варіант підходить; скільки він коштує зараз; чи є в наявності; куди й коли приїде; як працює повернення. Ці факти мають збігатися в обліковій системі, на сторінці, у structured data, товарному фіді та checkout.
Не починайте з ACP, UCP або кастомного shopping agent. Спочатку візьміть 30 SKU й перевірте, чи витримують вони п'ять реальних запитів покупця. Якщо людина змушена відкривати PDF, писати менеджеру або вгадувати різницю між варіантами, агент теж не отримає надійної відповіді.
Що справді змінилося у 2026 році
Google представив Universal Commerce Protocol як спільну мову для discovery, покупки та післяпродажних сценаріїв. Shopify документує UCP-сумісні каталоги й checkout-інтерфейси для агентів. OpenAI розвиває Agentic Commerce Protocol і в офіційній документації починає merchant onboarding зі structured product feed; для Google-compatible фіду можна використовувати знайомі назви й правила полів.
Це вже не презентація про далеке майбутнє. Водночас це ще не універсальна кнопка «продавати всюди»: OpenAI прямо зазначає, що onboarding товарних фідів доступний approved partners, а можливості залежать від каналу й ринку. Отже, правильний порядок такий: portable data foundation → перевірений customer journey → конкретна інтеграція з вимірюваною користю.
Не плутайте три різні етапи
Знайти
Тип товару, категорія, бренд, ключові характеристики, URL, зображення.
Порівняти
Сумісність, розмір, матеріал, обмеження, ціна, доставка, гарантія.
Замовити
Варіант, live stock, остаточна сума, адреса, згода, оплата, підтвердження.
Виконати
Fulfilment, tracking, зміна, скасування, повернення й підтримка.
Магазин може бути добре підготовлений до discovery, але не готовий до agent-initiated checkout. Це нормальний проміжний стан. Не відкривайте дії, які операції, fraud control і support ще не здатні безпечно обробити.
Аудит на 100 балів
| Блок | Вага | Що означає «готово» |
|---|---|---|
| Ідентифікація SKU і варіантів | 20 | Кожен sellable item має стабільний ID і не змішується з сусіднім |
| Характеристики та докази | 20 | Покупець може порівняти товари за суттєвими критеріями |
| Ціна, наявність, доставка, повернення | 20 | Умови актуальні, конкретні й залежать від ринку |
| Сторінка, schema і фід | 20 | Усі поверхні показують одну й ту саму пропозицію |
| Checkout, контроль і аналітика | 20 | Дія авторизована, відстежується, скасовується й має support path |
Для кожного блоку сформуйте десять перевірок і ставте 0, 1 або 2 бали: немає, частково, надійно. Межі 60 і 80 можна використати як внутрішній gate: до 60 — виправляти основу; 60–80 — запускати обмежені discovery tests; після 80 — рахувати бізнес-кейс інтеграції. Це робоча евристика Rendframe, а не опублікований market benchmark.
1. Наведіть лад у товарній моделі
У кожного товару й варіанта має бути стабільний ID. Додавайте справжній GTIN, якщо виробник його видав; не генеруйте код для заповнення поля. Окремо зберігайте brand, MPN, item group, колір, розмір, матеріал, стан, категорію та інші характеристики, що впливають на вибір.
Назва «Aurora Pro Max» працює лише для людини, яка вже знає продукт. Назва «настільна LED-лампа Aurora Pro Max, 12 Вт, чорна» дає базовий контекст. Опис не повинен замінювати структуру: потужність, габарити, склад, сумісність або алергени потрібні в окремих полях, а не лише в абзаці.
Виберіть 30 позицій: десять лідерів продажу, десять товарів із високою маржею й десять «проблемних» SKU з довгого хвоста. Для кожного перевірте variant URL, фото, ціну, валюту, stock status, вагу, умови доставки й джерело технічних характеристик.
П'ять запитів, на яких видно якість даних
- «Підбери зарядний пристрій, сумісний із конкретною моделлю, до 2 000 грн»;
- «Знайди крем без зазначеного інгредієнта, з доставкою завтра»;
- «Порівняй два столи за шириною, матеріалом і терміном повернення»;
- «Знайди зимове взуття потрібного розміру, яке є в наявності в Україні»;
- «Покажи найдешевший варіант, але врахуй доставку й гарантію».
Не треба, щоб ці приклади відповідали вашій категорії. Складіть свої, у яких є бюджет, обмеження, сумісність, строк і наслідок помилки. Відсутнє поле стане очевидним.
2. Зробіть картку товару джерелом доказів
Кожен продукт має отримати canonical URL, зрозумілий H1, видимі характеристики, актуальну ціну, статус наявності, вибір варіанта й meaningful images. Важливий факт не повинен існувати лише у фото, PDF або віджеті, що з'являється після складного client-side запиту.
Для реальних товарних сторінок використовуйте Product і Offer structured data за актуальними вимогами Google. Merchant listing markup може описувати пропозицію, доставку, повернення та варіанти. Перевіряйте не лише Rich Results Test, а й відповідність видимому контенту: schema не може показувати нижчу ціну, кращу наявність чи інший return window.
| Факт | Де звірити | Типова помилка |
|---|---|---|
| Ціна і валюта | PIM/ERP → сторінка → JSON-LD → фід → checkout | Акція завершилася лише в одному місці |
| Наявність | Inventory → feed timestamp → PDP → cart | Фід оновлюється раз на добу |
| Варіант | SKU → URL → image → Offer | Усі розміри ведуть на parent product |
| Доставка | Правило → адреса → обіцянка → checkout rate | «Завтра» не працює для регіону |
3. Перекладіть логістику й правила з маркетингу в умови
«Швидка доставка» не відповідає на питання покупця. Потрібні: країни й регіони, cut-off time, handling time, діапазон дати, вартість, поріг безкоштовної доставки та винятки для великогабаритних або made-to-order товарів.
Так само опишіть return window, хто платить за повернення, у якому стані приймається товар, що не підлягає поверненню, як діє гарантія і куди звертатися. Для українського магазину особливо важливо не змішувати оплату під час отримання, передоплату, комісію перевізника та доступні способи огляду посилки.
Зробіть п'ять тестових розрахунків для реальних адрес. Обіцянка на PDP, відповідь support і фінальний checkout мають збігатися. Якщо строк залежить від складу або виробництва, покажіть залежність, а не усереднену цифру.
4. Керуйте фідом як production-процесом
Google Merchant Center, OpenAI ACP, маркетплейси й affiliate channels можуть мати різні схеми. Не редагуйте їх вручну як незалежні таблиці. Генеруйте канальні фіди з однієї product model, версіонуйте mapping і перевіряйте output до публікації.
- валідуйте обов'язкові поля й допустимі значення;
- записуйте час формування та SLA оновлення;
- порівнюйте вибірку цін і stock із сайтом щодня;
- збирайте rejection reasons і eligible-SKU ratio за категоріями;
- майте owner для виправлення джерела, а не лише експортного файла.
Канальна аналітика має закінчуватися не кліком. Дивіться add-to-cart, purchase, cancellation, return, margin і support contacts. AI-трафік із неправильними очікуваннями може виглядати ефектно у звіті й бути збитковим для операцій.
5. Не віддавайте агенту контроль над бізнес-правилами
Навіть якщо агент створює cart або checkout session, сервер магазину повторно перевіряє SKU, price, stock, tax, delivery і допустимість адреси. Остаточна сума походить із merchant system, а не з тексту запиту чи параметра клієнта.
Перед підтвердженням людина має бачити товар, варіант, кількість, продавця, адресу, доставку, повну суму та material terms. Збережіть канал ініціації, consent і технічний audit trail, але не тягніть у логи весь prompt або зайві персональні дані.
Окремо протестуйте duplicate order, timeout після оплати, відсутній товар, зміну ціни, скасування, повернення та передачу оператору. Agentic checkout не скасовує вимоги PCI, privacy, consumer protection, оподаткування, санкційного контролю чи accessibility. Оцінюйте конкретну платіжну реалізацію разом із PSP, security та legal.
Сім днів без «великої AI-трансформації»
На виході потрібні не слайди, а scorecard, виправлена вибірка, data dictionary, owners, refresh SLA, набір тестових запитів і backlog з пріоритетами. Після цього можна чесно вирішити, чи масштабувати cleanup і чи є сенс підключати конкретний agentic channel.
Чого цей аудит не гарантує
Жодна розмітка або фід не гарантує показ, позицію, рекомендацію чи продаж у ChatGPT, Google або іншому AI-продукті. Платформа визначає eligibility, модель може помилятися, а доступність змінюється. Для частини категорій звичайний пошук і маркетплейси ще довго залишатимуться основним джерелом попиту.
Натомість робота дає durable value: чистіший каталог, кращу eligibility у merchant listings, менше помилкових обіцянок, надійніші відповіді support і дешевшу наступну інтеграцію.
Поширені питання
Що таке агентна комерція?
Це модель, у якій AI-агент допомагає людині знайти, порівняти, обрати, а в окремих сценаріях — замовити товар. Рівень автономності залежить від платформи й ринку.
Чи потрібно магазину вже зараз підключати UCP або ACP?
Не обов'язково. Спершу перевірте доступність для вашого ринку, eligibility, підтримані функції, витрати й реальний попит. Якісні товарні дані потрібні в будь-якому разі.
Як потрапити з товарами в ChatGPT?
Офіційний шлях OpenAI починається зі structured product feed і зараз доступний approved partners. Користуйтеся актуальною документацією; сторонній plugin сам по собі не гарантує показу.
Чи достатньо додати Product schema?
Ні. Schema допомагає зрозуміти сторінку, але не замінює актуальний фід, точні variants, delivery terms, live availability і checkout.
З яких товарів почати?
Візьміть best sellers, high-margin items і проблемний long tail. Така вибірка одночасно показує комерційний потенціал і системний data debt.
Джерела й дата перевірки
Матеріал перевірено 17 серпня 2026 року за дослідженнями McKinsey про agentic commerce у Європі та глобальну можливість; офіційною документацією OpenAI Agentic Commerce, Product Feed, Google UCP, Shopify Agents, Google product data specification і Product structured data. Перед реалізацією звірте поточну доступність і специфікації.
Наступний крок: перегляньте системи агентної комерції Rendframe, план AI-ready бізнесу та аудит checkout до додавання нового каналу.