W trzech rzeczywistych sklepach (moda, artykuły kuchenne, kosmetyki) przepisanie przez AI zwiększyło CTR w Shopping o średnio 41% w ciągu 14 dni. Wzrost wynikał z trzech konkretnych wzorców: umieszczenia atrybutów o wysokim potencjale konwersji na początku, zastąpienia marketingowej otoczki konkretnymi specyfikacjami oraz dostosowania struktury tytułu do faktycznych 50 najważniejszych zapytań. Kluczem jest promptowanie uwzględniające kategorie i blokowanie atrybutów — a nie ogólne przepisywanie przez ChatGPT.
Każdy właściciel sklepu, który słyszał o optymalizacji feedów z wykorzystaniem AI, zadaje to samo pytanie: „czy to naprawdę działa, czy to tylko hype?"
Krótka odpowiedź: działa, gdy jest zrobione prawidłowo. Ogólne przepisywanie przez AI zazwyczaj psuje feedy (pokażemy dokładnie jak). Przepisywanie uwzględniające kategorie z blokowaniem atrybutów i kolejką recenzji daje niezawodne, powtarzalne wzrosty CTR.
Ten artykuł przechodzi przez trzy rzeczywiste studia przypadków z ostatnich 6 miesięcy, zanonimizowane, ale z rzeczywistymi danymi przed/po, wzorcami przepisywania i pułapkami.
Przygotowanie
W każdym studium przypadku przeprowadziliśmy 14-dniowy test A/B:
- Dzień 0: wykonanie zrzutu istniejącego feedu. Udokumentowanie CTR, udziału w wyświetleniach, współczynnika konwersji na 100 najlepszych SKU.
- Dzień 1–7: wdrożenie przepisania przez AI w losowo wybranej 50% SKU (grupa „testowa"). Pozostałe 50% zachowało oryginalną treść (grupa „kontrolna").
- Dzień 8–14: utrzymanie testu. Porównanie obu grup w tych samych kampaniach Google Ads, stawkach i grupach odbiorców.
Wszystkie trzy sklepy korzystały z Performance Max. Wszystkie trzy używały swojego istniejącego feedu przez co najmniej 6 miesięcy, więc kontrola była stabilną bazą odniesienia.
Przypadek 1 — Moda (odzież damska segment średni)
Katalog: 2 400 SKU. Średnia cena: 78 USD. Istniejący CTR w Shopping: 1,4%.
Przepisane treści (przykład):
| Przed | Po |
|---|---|
| Wrap Dress | Cotton Wrap Midi Dress with Side Tie, Belted Waist, Black, Knee-Length |
| Linen Top | Linen Blend V-Neck Blouse, Short Sleeve, Cream, Relaxed Fit |
| Striped Tee | Cotton Striped Crew Neck T-Shirt, Long Sleeve, Navy & White |
Wzorzec: materiał + sylwetka + dekolt + długość rękawa + kolor + opis dopasowania, w tej kolejności. To struktura, która najlepiej odpowiada temu, jak rzeczywiście wyszukują kupujący odzież — wpisują materiał i sylwetkę, a następnie doprecyzowują kolorem.
Wyniki po 14 dniach:
| Metryka | Kontrola | Test (przepisanie przez AI) | Wzrost |
|---|---|---|---|
| CTR | 1,4% | 2,1% | +50% |
| Wyświetlenia | 142 tys. | 167 tys. | +18% |
| Współczynnik konwersji | 1,8% | 1,9% | +6% |
| Koszt kliknięcia | 0,84 USD | 0,71 USD | −15% |
Dlaczego to zadziałało: moda ma szczególnie bogatą taksonomię zapytań („midi dress black", „linen v-neck blouse cream"), a oryginalne tytuły były pozbawione pokrycia atrybutów. Przepisanie przywróciło pokrycie zapytań. CPC spadł, ponieważ wzrósł wynik trafności.
Przypadek 2 — Artykuły kuchenne
Katalog: 580 SKU. Średnia cena: 42 USD. Istniejący CTR: 0,9%.
To był najtrudniejszy przypadek. Zapytania dotyczące artykułów kuchennych są zdominowane przez gigantów detalicznych (Amazon, IKEA, Williams Sonoma) i zazwyczaj koncentrują się na markach. Oryginalny feed wykorzystywał opisy producenta dosłownie.
Przepisane treści (przykład):
| Przed | Po |
|---|---|
| Le Creuset Round Dutch Oven 5.5 Qt | Le Creuset Signature Round Dutch Oven, 5.5 Qt, Cerise, Enameled Cast Iron, Oven-Safe to 500°F |
| Cuisinart Food Processor | Cuisinart Custom 14-Cup Food Processor, Stainless Steel, 720W Motor, Includes Slicing & Shredding Discs |
| OXO Salad Spinner | OXO Good Grips Salad Spinner, 6.34-Quart, BPA-Free, One-Hand Pump Operation, Clear Bowl |
Wzorzec: marka + model + pojemność + kolor + materiał + kluczowa specyfikacja. Pojemność i materiał to sygnały rozróżniające, według których kupujący rzeczywiście filtrują.
Wyniki po 14 dniach:
| Metryka | Kontrola | Test | Wzrost |
|---|---|---|---|
| CTR | 0,9% | 1,2% | +33% |
| Wyświetlenia | 58 tys. | 71 tys. | +22% |
| Współczynnik konwersji | 2,4% | 2,6% | +8% |
| ROAS | 3,2x | 3,9x | +22% |
Współczynnik konwersji prawie się nie zmienił (strony produktów pozostały bez zmian), ale wzrost wyświetleń i CTR przełożył się na znaczącą poprawę ROAS.
Przypadek 3 — Kosmetyki / pielęgnacja skóry
Katalog: 320 SKU. Średnia cena: 34 USD. Istniejący CTR: 1,8%.
Kosmetyki są interesujące, ponieważ język zapytań zawiera dużo słów kluczowych związanych ze składnikami i problemami („retinol serum sensitive skin", „vitamin c brightening").
Przepisane treści (przykład):
| Przed | Po |
|---|---|
| Hydrating Face Serum | Vitamin C 15% Brightening Face Serum with Hyaluronic Acid, 30ml, For Dull Skin, Vegan, Fragrance-Free |
| Night Cream | Retinol 0.5% Night Cream with Niacinamide & Squalane, 50ml, For Anti-Aging, Sensitive Skin Tested |
| Sunscreen SPF 50 | Mineral Sunscreen SPF 50, Zinc Oxide & Titanium Dioxide, 50ml, Reef-Safe, For Sensitive Skin, Non-Comedogenic |
Wzorzec: składnik aktywny + stężenie + typ produktu + składnik dodatkowy + rozmiar + problem + certyfikat. Składnik aktywny na początku, ponieważ tak wyszukują kupujący kosmetyki.
Wyniki po 14 dniach:
| Metryka | Kontrola | Test | Wzrost |
|---|---|---|---|
| CTR | 1,8% | 2,6% | +44% |
| Wyświetlenia | 31 tys. | 38 tys. | +23% |
| Współczynnik konwersji | 3,1% | 3,5% | +13% |
| ROAS | 4,1x | 5,7x | +39% |
Największy wzrost spośród trzech badań. Kosmetyki nagradzają konkretne, bogate w atrybuty tytuły, ponieważ kupujący kupują obietnicę składnika równie mocno co markę.
Co zadziałało we wszystkich trzech przypadkach
Patrząc na trzy badania, trzy wzorce konsekwentnie napędzały wzrost:
1. Umieszczenie tokenu intencji zakupowej na początku
We wszystkich trzech przypadkach najważniejszy token intencji kupującego został przeniesiony do pierwszych 30 znaków tytułu. W modzie to materiał+sylwetka; w artykułach kuchennych to marka+model+pojemność; w kosmetykach to składnik aktywny+stężenie.
Dlaczego: układ wyświetlania w Google Shopping obcina tytuły na około 70 znakach na telefonie. Pierwsze 70 znaków wykonuje 90% pracy w SERP.
2. Zastąpienie marketingowej otoczki konkretnymi specyfikacjami
„Premium", „Bestseller", „Ulubione przez klientów", „Ekskluzywne" — to tokeny o zerowej wartości. Nie pasują do żadnego zapytania wyszukiwania, zajmują budżet znaków i aktywnie szkodzą wynikom jakości (Google depriorytetyzuje je od 2018 roku).
Zastąp je: wymiarami, wagami, pojemnościami, certyfikatami, materiałami, numerami modeli. Pojedynczym największym zyskiem w budżecie znaków we wszystkich trzech badaniach było usunięcie przymiotników marketingowych.
3. Dostosowanie do rzeczywistych 50 najważniejszych zapytań
To krok, którego prawie nikt nie wykonuje. Przed przepisaniem pobraliśmy 50 najważniejszych zapytań wyszukiwania, do których każdy sklep już pasował — nawet jeśli te zapytania miały słabą konwersję. Przepisane treści następnie wyraźnie zawierały tokeny z tych zapytań.
To brzmi oczywiste, ale większość narzędzi do „przepisywania przez AI" nie ma dostępu do raportu wyszukiwanych haseł i dlatego przepisują na ślepo. Przepisane treści w końcu pasują do jakiejś innej taksonomii (często nazewnictwa katalogu producenta) zamiast do faktycznego języka twoich kupujących.
Co się zepsuło, gdy przepisywanie przez AI poszło nie tak
Widzieliśmy też wiele przypadków przepisywania przez AI niszczących feedy. Trzy tryby awarii:
- Halucynowane specyfikacje. Ogólne przepisywanie przez ChatGPT wymyśli wartości pojemności, wagi lub materiału, jeśli nie są obecne w źródle. To generuje odrzucenia w Merchant Center i, co gorsza, skargi klientów.
- Utrata marki lub numeru modelu. „Sony WH-CH720N" staje się „premium wireless headphones". Właśnie uczyniłeś swój produkt niewidocznym dla każdego, kto szuka go po nazwie.
- Niespójny ton. Gdy prompt przepisywania nie jest zakresiony kategorią, kończy się artykułami kuchennymi, które brzmią jak reklama kosmetyków. Katalog sprawia wrażenie niskiej wiarygodności.
Dlatego MagicFeedPro używa promptów zakresowych dla kategorii, blokowania atrybutów (marka/model/GTIN/rozmiar/kolor nie mogą być zmienione) i kolejki różnic przed publikacją.
Podsumowanie
Wzrost CTR o 40% brzmi dramatycznie, ale to właściwie minimum tego, co jest możliwe, gdy niedooptymalizowany feed otrzyma przepisanie uwzględniające kategorie. Zespoły, które uzyskują najwięcej z przepisywania przez AI:
- Najpierw przeprowadzają audyt wyszukiwanych haseł, aby dowiedzieć się, do jakich zapytań rzeczywiście pasują.
- Budują prompt dla każdej kategorii, który blokuje identyfikatory i umieszcza token intencji zakupowej na początku.
- Testują A/B przed wdrożeniem w całym katalogu.
- Audytują diagnostykę Merchant Center podczas i po wdrożeniu.
Pomiń krok 1, a twoje przepisania przez AI będą pasować do taksonomii kogoś innego. Pomiń krok 4, a przegapisz odrzucenia cicho narastające.
FAQ
Powiązane artykuły
Optymalizacja feedu Google Shopping: Kompletny przewodnik na 2026
Sprawdzony w terenie poradnik na 2026 rok dotyczący pozycjonowania i konwersji w Google Shopping — czynniki jakości feedu, przepisywanie przez AI, konfiguracja Merchant Center oraz zmiany, które naprawdę mają znaczenie w tym roku.
7 Powodów, Dla Których Twoje Reklamy Google Shopping Nie Konwertują (I Jak To Naprawić)
Twoje wyświetlenia są w porządku, ale współczynnik konwersji jest płaski. Oto 7 najczęstszych diagnoz — i 30-minutowa naprawa dla każdej — oparta na setkach audytów e-commerce.
Feed produktów Shopify dla Google Shopping: konfiguracja krok po kroku
Przewodnik z 2026 roku po konfiguracji feedu produktów Shopify dla Google Shopping, który faktycznie konwertuje. Obejmuje kanał Google, niestandardowe feedy, metafield, warianty i najczęstsze pułapki specyficzne dla Shopify.