Користувачі все частіше шукають товари за конкретними характеристиками — матеріалом, кольором, стилем — і якщо цих атрибутів немає у товарному фіді, бізнес може недоотримувати частину релевантного трафіку.
Саме з такою ситуацією команда Promodo зіткнулася під час роботи з нашими клієнтами Etnodim та MBM. В обох випадках аналіз показав, що частина потенційного трафіку втрачається через особливості товарного фіда.
Ми дослідили пошукові патерни користувачів, визначили точки росту в структурі товарних даних і розробили підхід до оптимізації фіда, який дозволив суттєво покращити результати Shopping-кампаній.
Чому товарний фід впливає на результати Google Shopping
Товарний фід — це структурований файл із даними про товари, який передається в Google Merchant Center. На його основі Google формує товарні оголошення та визначає, за якими пошуковими запитами показувати продукти користувачам.
Якість фіда напряму впливає на ефективність Google Shopping, Performance Max, динамічного ремаркетингу та інших кампаній, що працюють із каталогом товарів. Для таких форматів фід став одним із головних джерел сигналів для алгоритмів Google.
Проблема полягає в тому, що більшість товарних фідів створюються насамперед для каталогу сайту, а не для рекламних систем. Через це в назвах і описах часто відсутні характеристики, які користувачі використовують під час пошуку.
Наприклад, людина може шукати не просто «жіноча сукня», а «лляна вишита сукня білого кольору». Якщо відповідні атрибути відсутні у фіді, Google отримує менше сигналів для визначення релевантності товару.
Особливо відчутно це впливає на небрендовий пошук, де користувач ще не знає конкретного бренду та шукає товар за його характеристиками.
Тому для наших клієнтів Etnodim та MBM ми запропонували оптимізувати товарні фіди для підвищення ефективності рекламних кампаній.
Оптимізація проходила в три етапи:
- Дослідження патернів поведінки користувачів;
- Формування переліку та структури необхідних атрибутів і характеристик для збагачення фіда;
- Імплементація змін у фіди товарів за допомогою AI.
Як ми шукали точки росту у збагаченні товарного фіда
Збагачення товарного фіда — це процес покращення та доповнення атрибутів товару для підвищення ефективності рекламних кампаній.
Команда Promodo дослідила, які характеристики користувачі найчастіше використовують під час пошуку товарів у відповідних категоріях. Далі ми зіставили ці пошукові патерни з інформацією, яка була присутня у товарних фідах клієнтів.
Такий аналіз дозволив визначити:
- яких атрибутів бракує у фіді;
- які характеристики мають найбільший вплив на релевантність;
- як повинні виглядати title та description для кращого охоплення пошукового попиту;
- які правила формування назв та описів варто використовувати для різних категорій товарів.
Фактично ми сформували нову логіку структурування товарних даних, орієнтовану не лише на каталог сайту, а й на алгоритми Google Shopping.
Залишилося тільки імплементувати зміни у товарні фіди, і зробити це швидко, якісно, без залучення додаткових ресурсів (людських, фінансових, тощо).
Чому збагачення товарного фіда складно масштабувати вручну
Для невеликих каталогів оновлення назв і описів можна виконувати вручну. Однак коли магазин працює з тисячами SKU, регулярно оновлює асортимент і запускає кампанії в кількох категоріях, цей процес стає занадто ресурсозатратним.
Окремий виклик — підтримка єдиної структури фіда. У великих каталогах швидко з’являються дублікати, різні формати назв, неповні атрибути та описи, які не відповідають логіці пошукових запитів.
Саме тому ми знайшли рішення у застосуванні AI, завдяки якому вдалося скоротити годиновитрати на імплементацію змін і чітко керувати структурою атрибутів фіда.
Як AI допоміг оптимізувати цей процес
Для автоматизації роботи ми використали FeedGen — це open-source продукт, створений Google та Admixer Advertising. Інструмент використовує генеративний AI та технологію Large Language Models (LLM) для оптимізації продуктових фідів.
Інструмент дозволив застосувати сформовані правила до великої кількості товарів одночасно. На основі визначених атрибутів система генерувала оновлені назви та описи, а також допомагала доповнювати відсутні характеристики.
Окремо FeedGen може аналізувати зображення товарів і визначати характеристики, яких немає у вихідних даних. Наприклад, якщо у фіді не вказаний колір або стиль товару, AI може додати ці атрибути автоматично.
Кейс Etnodim: як збільшити охоплення небрендового пошуку
Etnodim мав сильні позиції за брендовими запитами, однак потенціал небрендового пошуку використовувався не повністю.
Аналіз Shopping-кампаній показав, що користувачі активно шукали товари за характеристиками: матеріалом, типом виробу, особливостями дизайну та стилем. Водночас значна частина цих характеристик була недостатньо представлена у товарному фіді.
Для вирішення задачі команда Promodo використала FeedGen та побудувала логіку генерації title на основі пошукових патернів користувачів. AI-модель формувала нові title та description із додаванням відсутніх характеристик і структурувала атрибути у зрозумілій для Google послідовності.
Унікальність кейсу полягала в тому, що FeedGen використовувався не лише для покращення наявних атрибутів, а й для генерації нових даних на основі візуального контенту.
У результаті після оптимізації фіда:
- покази зросли на 40%;
- кліки — на 57%;
- CTR — на 12%.
Кейс MBM: як покращення товарних даних вплинуло на ефективність Shopping-кампаній
Під час роботи з MBM ми виявили іншу проблему.
MBM — eСommerce-магазин товарів для дому з великим каталогом продукції. Частина товарів на сайті містила неповні характеристики, а описи були перевантажені технічними символами та неструктурованими даними. Через це Google отримував недостатньо інформації для точного визначення релевантності товарів.
Ми проаналізували категорії товарів та визначили характеристики, які мають найбільший вплив на пошукову релевантність. Після цього була розроблена нова структура назв і описів, яка дозволяла більш повно передавати інформацію про товари рекламним алгоритмам.
AI-модель генерувала нові варіанти title з урахуванням матеріалу, бренду, кольору, типу товару та інших характеристик. Одночасно система очищала description і приводила їх до більш структурованого формату.
У результаті:
- CTR зріс на 116%;
- кліки — на 40%;
- CR — на 5%;
- CPA знизився на 44%.
Додатковою перевагою стала швидкість реалізації: понад 500 товарів вдалося обробити приблизно за 3 години без залучення розробників і ручного переписування карток товарів.
Висновок
У більшості eCommerce-команд товарний фід досі сприймається як технічна частина Merchant Center, а не як додатковий інструмент для росту Shopping-кампаній. Водночас кейси Promodo показують, що навіть без запуску нових форматів реклами чи збільшення бюджетів оптимізація фіда може допомогти охоплювати більше пошукових запитів і покращувати ефективність Google Shopping.
Особливо це актуально для бізнесів із великими каталогами, де ручне оновлення title, description та атрибутів займає занадто багато часу.
Якщо ваш товару фід потребує оптимізації або ви хочете протестувати AI-підхід до збагачення фіда , команда Promodo допоможе оцінити поточний стан та знайти точки зростання.
на розсилку
.avif)
