Tři novinky z let 2025 a 2026 ukazují směr. Google, OpenAI i Anthropic jdou každý svou cestou, ale cíl mají stejný. Uživatelé přenechávají nákupní rozhodnutí AI asistentům.
Zákazník dnes přijde na web, projde si produkty a klikne na "Koupit". Na tomhle chování stojí váš e-shop ještě dva až tři roky. Pak začne tohle chování v Česku klesat.
AI asistent vůbec nečte váš web. Čte váš produktový feed, ve kterém Google Merchant Center definuje přes 70 polí a parametrů. Podle nich se AI rozhoduje, jestli váš produkt zákazníkovi ukáže. Hezký design, skvělé fotky ani dlouhý příběh značky pro něj neexistují.
Co je Agentic Commerce (přehled trendu)
U autonomního nakupování se mezi uživatele a e-shop staví AI asistent:
- Uživatel: "Najdi a kup mi kávovar do 8 000 Kč. Chci espresso s mlékem a snadnou údržbu."
- AI asistent: Projde desítky e-shopů přes jejich API a strukturovaná data, srovná kandidáty podle priorit.
- Uživatel: Schválí volbu a asistent nakoupí.
Část procesu je zatím ruční a vyžaduje potvrzení uživatele. V dalších letech čekejte víc autonomie.
Tři velké signály z let 2025–2026
1. Google Shopping AI tier (AI Max for Shopping)
Google na konci roku 2025 spustil AI doporučení přímo ve výsledcích vyhledávání. Místo klasických odkazů uživatel uvidí AI karusel s několika produkty a vysvětlení výběru. AI systém čte výhradně parametry z feedu v Merchant Center: názvy produktů, popisy, kategorie nebo klíčové výhody.
2. OpenAI Operator a ChatGPT Shopping
OpenAI na začátku roku 2025 představil nástroj Operator. Je to AI asistent, který umí sám klikat na webu a vyplňovat formuláře v pokladně. Později se funkce stala součástí asistenta ChatGPT. Operator čte strukturovaná data a stavbu webu. Pokud máte složitý nákupní proces s chybějícími popisky prvků, asistent nákup nedokončí.
3. Anthropic Claude a protokol MCP
Protokol MCP je otevřený standard pro komunikaci AI s externími systémy a databázemi. E-shopy s ním začínají experimentovat. Vystavují katalogy přes API pro asistenta Claude a ten získává strukturovaná data v reálném čase.
Asistenti budou před nákupem ověřovat cenu a skladovost v milisekundách. Asistent do výběru nezařadí e-shopy se starými systémy, pomalými servery nebo bez veřejného API, protože nestihnou včas odpovědět.
Proč klasické SEO + PPC neřeší problém
Současná optimalizace míří na kliknutí člověka. AI asistenti fungují jinak.
| Co dnes optimalizujete | Co AI asistent ignoruje |
|---|---|
| Texty v responzivních reklamách | Reklamu neprohlíží. Jde rovnou k datům ve feedu. |
| Vzhled cílové stránky, UX a texty | Běžný web nečte. |
| Branding a tón komunikace | Příběh značky ho neosloví. |
| Meta popisky pro zvýšení CTR | Míru prokliku neřeší, zajímá ho shoda parametrů. |
| Produktové fotografie v PMax kampaních | Obrázky analyzuje strojově, bez emocí. |
AI asistent naopak čte produktový feed, strukturovaná data na webu (Schema.org), API rozhraní, hodnocení z recenzí a aktuální cenu i dostupnost.
Co AI asistent čte (a co ne)
Zákazník hledá pánskou koženou kabelku na 15palcový laptop do 5 000 Kč. Asistent se zaměří na konkrétní koncepty ve feedu.
| Sémantický koncept | Co AI hledá | Reálné pole v GMC feedu |
|---|---|---|
| Materiál | "kožená" | material |
| Cílová skupina | "pánská" | gender: male |
| Účel použití | "na 15palcový laptop" | product_highlight nebo custom_label |
| Cena | "do 5 000 Kč" | price |
| Rozměry | šířka nad 38 cm | product_detail nebo description |
| Důvěryhodnost | recenze a síla značky | hodnocení obchodu a produktů |
E-shop A má krásný web a silný příběh. Ve feedu má jen Kabelka KH-204, bez materiálu a pohlaví. Asistent ho nejspíš přeskočí.
E-shop B má obyčejný web. V Nákupech má ale název Picard Sonja kožená kabelka pánská na 15" laptop, hnědá a vyplněný materiál, pohlaví i klíčové výhody. Vyhraje on.
7 signálů, které rozhodují o vaší viditelnosti
1. Strukturovaný materiál (material)
Obecné fráze jako "kvalitní textil" nebo "prémiový materiál" asistentovi nestačí. Pište přesně: "100% bavlna", "kožená" nebo "Gore-Tex membrána". Patří to do samostatného pole, ne jen do popisu zboží.
2. Scénář použití (product_highlight + custom_label)
Konkrétní pole pro účel použití v nápovědě Merchant Center není. Poskládáte ho z klíčových výhod a vlastních štítků. Místo "pro každou příležitost" uveďte "běh v dešti", "práce v kanceláři" nebo "cvičení doma".
3. Cílové publikum (gender + age_group + custom_label)
Ani zde není samostatné pole. Publikum poskládáte z parametrů pro pohlaví a věk. U specifického segmentu přidejte vlastní štítek: gender: male, age_group: adult a "začínající běžec".
4. Kompatibilita neboli "vhodné pro"
Kompatibilita rozhoduje u elektroniky a náhradních dílů. Zadejte ji přes klíčové výhody nebo štítky přesně: "Vhodné pro iPhone 15" nebo "Pasuje do BMW E90". Bez shody nemůže asistent nákup bezpečně provést.
5. Signalizace cenové úrovně (price_tier)
Podle rozpočtu uživatele asistent odhaduje, jestli hledá levné zboží, střední třídu nebo prémiový model. K označení použijte vlastní štítky, například custom_label_4: premium.
6. Důvěryhodnost e-shopu (Seller Rating a recenze)
AI agent kromě ceny váží riziko chyb a reklamací. Zaměří se na hodnocení obchodu (Google Seller Rating), recenze na Heurece či Trustpilotu a historii značky. Nízká cena bez recenzí v AI výběru nestačí. Chybějící důvěryhodnost vede i k misrepresentation banu v Google Ads, kdy se účet zastaví celý.
7. Konverzační atributy (6 nových polí přímo od Googlu)
Google v Merchant Center oficiálně označuje šestici polí jako konverzační atributy: question_and_answer, document_link, related_product, item_group_title, variant_option a popularity_rank. AI systémy z nich čtou detaily produktu pro AI Mode a Agentic Commerce, včetně odpovědí na otázky "má produkt tuhle funkci?" nebo "pasuje na konkrétní model?".
Riziko vratek
Ze zahraničních trhů přicházejí signály, že u nákupů přes AI agenty roste míra vratek. Důvodem bývají neúplná nebo zmatená data v produktovém feedu.
Agent vybere špatnou velikost nebo variantu. Zákazník zboží při doručení posílá zpět. Logistika se prodražuje a marže padá. Hlídejte proto systém velikostí (size_system), velikost (size), konkrétní barvy a rozměry v centimetrech.
Atribuce přestává fungovat (GA4, gclid, Meta Pixel)
Když AI agent nakoupí zboží, prohlížeč se vůbec neotevře. Celý proces běží přes API na pozadí a tradiční měření konverzí přestává fungovat.
Nespustí se JavaScript, takže se nenačte Google Tag Manager a GA4 nezaznamená nákup. Neuloží se cookies, což vyřadí Meta Pixel. V URL chybí parametry jako gclid, takže Google Ads konverzi neuvidí. V analytice se pak tyto nákupy objeví jako přímá návštěvnost (Direct / none) nebo se neukážou vůbec. Kampaně se přitom učí z konverzních dat. Když o signály přijdou, algoritmus tlumí výkon i rozpočty.
Nové protokoly pro AI komunikaci a platby přitom už běžně fungují: Model Context Protocol (MCP) od Anthropicu, OpenAI Operator nebo platby přes Agent Payments Protocol (AP2) od Googlu.
Řešení: přechod na server-side měření
Konverze se dají posílat přímo z vašeho serveru, ne z prohlížeče uživatele. Vrstvy jsou tři:
- Server-side GTM: Vlastní měřicí bod na vaší doméně přijímá data z backendu e-shopu a posílá je do GA4 nebo reklamních systémů.
- Meta Conversions API (CAPI): Přenos událostí přímo ze serveru do Mety, i bez spuštěného pixelu na webu.
- Offline importy do Google Ads: Přes API pošlete konverzní hodnotu a původní identifikátor kliknutí (
gclid) zpět do systému.
Co můžete udělat už dnes:
- Zkontrolujte v GA4, kolik procent konverzí padá do nezařazených zdrojů. Například od 10 % výš jde o díru v datech.
- Nasaďte server-side GTM na vlastní subdoméně.
- Zapněte Meta CAPI s deduplikací událostí.
- Nechte backend odesílat
gclidu dokončených objednávek.
Čtyřtýdenní plán akce
Týden 1: audit dat
Exportujte feed do CSV a zkontrolujte, u kolika produktů máte materiál, klíčové výhody, pohlaví a věk. Vyberte stovku nejprodávanějších položek podle obratu za poslední rok.
Týden 2: optimalizace top produktů (doplňkový feed bez programátora)
Doplňte u vybrané stovky produktů materiál, pohlaví a věkovou skupinu. Ke každému přidejte čtyři až šest výhod, u příslušenství kompatibilitu. Cenové úrovně dejte do vlastních štítků.
Týden 3: kontrola a rozšíření
V Merchant Center zkontrolujte záložku Diagnostika, jestli systém produkty nezamítl. Sledujte změny v míře prokliku (CTR). Při posunu pusťte stejným způsobem další část katalogu, například 500 produktů.
Týden 4: strukturovaná data a recenze
Nasaďte na produktové stránky strukturovaná data (Schema.org) a prověřte, jestli Google zobrazuje hodnocení z vašich recenzí. Pokud nevyužíváte Heureku ani Trustpilot, nasaďte je.
Výhled do blízké budoucnosti
Nasazení AI prvků do nákupů v Česku čekáme v průběhu roku 2026, vliv na návštěvnost na začátku roku 2027. S integrací AI experimentují i tuzemské firmy jako Heureka.
Data obohatíte teď a výsledek uvidíte hned: zlepší výkon v PMax kampaních, klasickém Shoppingu i v AI Overviews. Kdo začne až v roce 2027 nebo 2028, startuje z horší pozice.
Shrnutí
- Autonomní nakupování přichází. Hlavní nasazení čekejte v letech 2026 a 2027.
- AI asistenti nečtou web. Rozhodují se podle atributů ve feedu.
- Zaměřte se na sedm signálů. Materiál, účel použití, kompatibilita, publikum, cenová hladina, důvěryhodnost obchodu a konverzační atributy od Googlu.
- Budoucnost je v přímém API. Pomalé a uzavřené weby AI asistent vynechá.
- Pozor na riziko vratek. Nepřesná data vedou k chybným nákupům a vratkám.
- Tradiční měření konverzí naráží na limity. Řešením je server-side měření a Conversions API.
- Nové protokoly už běžně fungují. MCP i AP2 se využívají dnes.
- Začněte čtyřtýdenním sprintem. Stovka nejprodávanějších produktů stačí na náskok.
- Investice se začne vracet okamžitě. Úprava dat pomůže i PMax a Shopping kampaním.
- Včasný start rozhoduje. Kdo úpravy odloží, bude náskok konkurence dohánět.
Data ve feedu jsou strategickým rozhodnutím o vaší viditelnosti v AI éře. Dva e-shopy, stejný produkt, stejná cena. Vyhraje ten s lepším feedem.
Jak na tom váš feed je, zjistíte testem připravenosti na AI éru. Report přijde do pěti minut a řekne, co agentům chybí.
