Produkt-Feeds für AI

TL;DR — ein Produkt feed für AI ist ein structured file — ein Liste von Ihre Produkte mit their prices, stock, identifiers, und policies — that supported AI shopping Tools kann verwenden alongside other Händler Daten. Accurate, vollständig feeds kann machen Produkte eligible für commerce experiences; stale Daten kann disrupt them. Getting the identifiers right (the barcode-style GTIN, oder brand + part number) und keeping price und stock current ist meisten von the job.

war ein Produkt feed für AI tatsächlich ist

wenn ein person shops, they offen Ihre Web Seite, lesen es, und entscheiden. wenn ein AI shopping agent shops auf someone’s behalf, es mostly funktioniert aus ein feed stattdessen — ein structured file mit ein row für every Produkt und columns describing es: title, price, availability, image, brand, ein ID number, und Ihre policies.

wie far that goes depends auf who’s reading. für ChatGPT’s commerce flows, OpenAI’s own docs describe the feed als the Weg Händler supply Produkt Daten — es gibt kein dokumentiert fallback zu crawling Ihre Seite. Google ist different: its own docs say Google combines crawling, auf-Seite structured data, und Ihre Händler Center feed, so the feed tut nicht ersetzen Ihre HTML dort — es ist one von three channels Google cross-prüft against jede other. Either Weg, the practical takeaway holds: the thing meisten likely zu entscheiden whether Ihre Produkte erhalten recommended ist nicht Ihre Seite copy auf its own — es ist the Daten in that file.

warum dies ist ein little different aus ein normal Shopping feed

wenn Sie already senden ein feed zu Google Merchant Center, Sie haben ein big head beginnen — es ist the gleich kind von file. war Änderungen ist the reader, und readers haben different tolerances:

• ein Suche Ergebnis kann zeigen ein slightly old price, weil ein human clicks durch und double-prüft auf Ihre Website vor paying.
• ein AI agent completing ein purchase kann nicht tun that. es acts auf the number in Ihre feed. wenn Ihre feed says 40 $ und checkout says 45, $ das ist ein real risk von ein broken transaction, nicht ein minor mismatch ein human will shrug off.

So the two things that matter meisten sind: erhalten the identifiers right, und halten price und stock accurate und fresh.

The three files Sie’ll hear über

Sie don’t pick one — bigger Shops ausführen alle three, weil they reach different AI Tools:

1. Google Merchant Center feed — feeds Google’s AI Mode, Gemini, AI Overviews, und Shopping. (Deep dive lives in the Händler Center feed optimization Leitfaden.)
2. OpenAI’s ACP Produkt feed — the file ChatGPT reads für shopping und checkout.
3. schema.org Product/Offer markup — the structured data auf Ihre Seite, verwendet als ein backup that other Systeme cross-prüfen against Ihre feed.

The one thing nicht zu tun

Never machen up ein GTIN oder Produkt fact zu fill ein field. Google’s own rule ist explicit: don’t guess, und don’t copy ein Wert aus ein similar Produkt. ein wrong identifier macht ein agent match Sie zu the wrong Produkt — worse than leaving es blank.

wollen the field-durch-field version — the OpenAI spec, Google’s neu AI-nur attributes, the schema.org properties agents verwenden zu prüfen out, und the exact failures that break ein agentic sale? Switch zu the Fortgeschritten tab.

TL;DR — es gibt kein single universal “AI feed” — jede provider’s contract differs. für ChatGPT’s commerce flows, OpenAI documents the feed als the Weg Sie supply Produkt Daten, mit kein stated crawling fallback; Google’s own docs describe combining crawling, auf-Seite structured data, und Ihre Händler Center feed together, nicht one replacing the other. Reconcile three formats: the Google Merchant Center feed (now mit six optional AI-nur Conversational Attributes), OpenAI’s ACP feed spec (Parquet/JSONL over SFTP — ein daily full snapshot plus ein intraday API für price, stock, und promotions), und schema.org Product/Offer markup als ein cross-verification layer. Identifiers (GTIN, oder brand + MPN) sind the backbone across alle three; never fabricate one. The real differentiator versus ein Shopping-ads feed ist staleness tolerance: ein human double-prüft ein price vor buying, ein agent commits programmatically — so feed/checkout price mismatch, phantom stock, ein missing zurückgeben policy blocking checkout eligibility, oder ein unstable item_id ist ein real risk zu the transaction. Drop the “OpenAI requires 15-minute Aktualisierungen” claim — es ist nicht in OpenAI’s docs. Instant Checkout ist currently partner-approved, nicht offen zu everyone. und feed quality drives discovery und eligibility, nicht conversion.

es gibt kein one universal “AI feed” — providers differ

I halten coming back zu one framing weil es reorganizes everything else, aber es benötigt ein caveat I didn’t geben es strongly genug vor: dies ist nicht one universal behavior, es ist ein provider-specific contract.

für ChatGPT’s commerce flows, OpenAI’s own docs describe the feed als the Weg Händler supply Produkt Daten — es gibt kein dokumentiert fallback zu crawling Ihre rendered Seite für that flow. für Google, es ist genuinely different: Google’s Suche Central docs sind explicit that Google combines crawling, auf-Seite structured data, und Ihre Händler Center feed — “Google may bei times verwenden other approaches zu extract Daten aus Seiten” alongside both von the others — so the feed tut nicht ersetzen Ihre HTML dort, es ist one von three channels Google cross-prüft against jede other. The Agentic Commerce Protocol piece deckt ab the ACP-specific mechanics in depth und I wird nicht re-derive that hier. dies article ist the practical layer under es: war Sie tatsächlich put in the file, across the formats that matter, und war breaks ein sale wenn Sie erhalten es wrong.

The mechanism ist still worth stating plainly weil es Änderungen Ihre priorities, even mit that caveat. Jason Barnard put es well in his AI-engine pipeline piece: structured feeds — Google Merchant Center und OpenAI’s Produkt Feed Specification — “bypass discovery, selection, crawling, und rendering altogether, delivering Ihre Inhalt zu the competitive phase mit minimal attenuation.” das ist Barnard’s own framing von wie ein good feed kann skip meisten von the SEO funnel, nicht ein claim either Plattform macht in its docs — aber es ist ein nützlich mental model. The downside ist that everything now rides auf Daten quality, und es gibt kein rendered Seite für ein human zu sanity-prüfen against mid-transaction the Weg dort ist mit ein Suche Ergebnis.

Three formats, nicht one

ein serious Händler tut nicht wählen zwischen these — they ausführen alle three bei once, weil jede reaches ein different festlegen von agents und they cross-überprüfen jede other.

The synthesis point: these sind nicht competing choices. Google explicitly blends feed Daten und auf-Seite structured data — “Providing both structured data auf Web Seiten und ein Händler Center feed maximizes Ihre eligibility zu experiences und hilft Google correctly verstehen und überprüfen Ihre Daten,” und einige experiences will pull, say, pricing aus Ihre feed wenn es ist missing aus Ihre markup. welche auch bedeutet ein mismatch zwischen the two — feed price says one thing, auf-Seite schema says another — ist ein trust-erosion und disapproval risk in every one von these Systeme. Google/Shopify’s UCP leans auf the gleich Händler Center feed als its Daten backbone, so dies arbeiten pays off dort too.

The OpenAI ACP feed spec, field durch field

dies ist the part meisten competing schreiben-ups paraphrase secondhand. hier’s war OpenAI’s own product-feed spec tatsächlich requires (verified against the live docs):

erforderlich fields

• item_id — max 100 chars, und es must stay stable over time. dies ist the continuity key zwischen snapshots; ändern es und the agent thinks the old Produkt vanished und ein neu one appeared.
• title — max 150 chars, vermeiden alle-caps.
• description — max 5 000 chars, plain text nur.
• url — must lösen 200; HTTPS preferred.
• brand — max 70 chars.
• image_url — JPEG/PNG, HTTPS preferred.
• price — mit ein ISO 4217 currency code.
• availability — enum: in_stock, out_of_stock, pre_order, backorder, unknown.
• seller_name (max 70), seller_url.
• target_countries und store_country — ISO 3166-1 alpha-2.
• is_eligible_search — boolean, defaults false. Sie haben zu explicitly flip dies zu true zu erscheinen in ChatGPT Suche bei alle.
• is_eligible_checkout — boolean; requires is_eligible_search = true.

Bedingte Anforderungen

• availability_date ist erforderlich wenn availability = pre_order.
• seller_privacy_policy und seller_tos sind erforderlich wenn ist_eligible_checkout = true.
• ein zurückgeben policy ist erforderlich für checkout eligibility.

One scope caveat worth flagging: flipping is_eligible_checkout zu true macht ein Produkt checkout-eligible in the feed, aber es tut nicht durch itself erhalten Sie into ChatGPT checkout. Per OpenAI’s own docs, Instant Checkout in ChatGPT ist currently limited zu approved partners — Sie anwenden zu participate — und even once approved, the Händler (nicht OpenAI) still performs order validation, determines fulfillment, calculates und charges tax, läuft its own risk prüft, charges the payment Methode durch its own processor, und accepts oder declines the order. OpenAI’s UI renders the session; Ihre Systeme still own the transaction.

Identifiers. gtin (numeric, 8–14 digits, kein dashes oder spaces — es accepts GTIN/UPC/ISBN in one field) ist optional aber strongly recommended; mpn (alphanumeric, max 70) ist the fallback wenn GTIN ist unavailable. Neither ist “erforderlich” the Weg brand ist, aber OpenAI’s framing ist that supplying them improves catalogue matching und reduces errors — functionally the gleich logic als Google’s GTIN-oder-brand+MPN rule, just phrased als ein strong Empfehlung.

The “15-minute aktualisieren” myth — war OpenAI tatsächlich documents

hier’s ein number I couldn’t überprüfen, und I’d rather flag es than repeat es. Across trade coverage — und, I’ll admit, in ein earlier version von unser own ACP article — Sie’ll sehen the claim that OpenAI requires feeds zu aktualisieren every 15 minutes. I went looking für es in OpenAI’s current commerce docs und couldn’t finden that figure stated anywhere.

war the docs tatsächlich describe ist ein two-channel model, nicht ein flat interval:

• ein full feed snapshot bei least once ein day, delivered als ein file upload over SFTP Verwendung stable filenames that Sie overwrite (nicht versioned neu files jede time).
• ein API channel für intraday incremental Aktualisierungen — dies ist wie price, stock, und (specifically) promotions Änderungen propagate faster than the daily snapshot. Promotions Daten ist API-nur.

OpenAI’s own wording ist roughly: bereitstellen the entire feed once ein day via file upload, then senden Aktualisierungen throughout the day via the API. es gibt kein separate “delete” call either — zu pull ein Produkt Sie festlegen is_eligible_search = false oder drop es aus the nächste full snapshot.

So “15 minutes” ist beste treated als ein practitioner rule-von-thumb für wie fresh Ihre fast-moving SKUs sollte sein, nicht ein dokumentiert OpenAI requirement. The spec ist versioned und moving fast, so prüfen the current version vor Sie quote any number — aber the mechanism Sie sollte tatsächlich erstellen für ist daily snapshot + intraday API, und das ist mehr nützlich than the myth anyway.

warum Echtzeit- accuracy ist non-negotiable für agents

dies ist the real difference zwischen AI-feed arbeiten und Shopping-ads-feed arbeiten, und es ist worth being precise über warum. ein cached Suche snippet tolerates ein little staleness weil es gibt ein human in the loop who lands auf Ihre Seite und re-prüft vor paying. ein agent completing ein transaction hat kein such buffer — es acts auf the price und stock state Ihre feed asserts, so ein stale Wert dort ist ein real risk zu the transaction in ein Weg ein stale Suche snippet ist nicht. kein official spec states that every stale Wert automatically breaks every transaction, und providers hinzufügen validation steps von their own auf top von the feed — aber the mechanism itself (kein human re-prüfen vor committing) ist exactly warum freshness matters mehr hier than es tut für ein ad snippet.

Kate Ragotte, in Shopify’s enterprise guidance on preparing product data for AI channels, puts the consequence bluntly: “Price, availability, und zurückgeben windows must sein accurate und synced across every channel wo they erscheinen. Inconsistent oder stale Daten ist one von the fastest ways zu erhalten filtered out.” und auf warum structure matters bei alle: “AI agents kann nur empfehlen war they kann verstehen, und that depends entirely auf wie well-structured Ihre Produkt Daten ist” — machines kann technically finden loosely-structured Informationen, “aber they wird nicht confidently act auf es. AI agents prefer structured, labeled Daten they kann extract und trust.”

das ist the whole game: the agent hat zu trust the number genug zu transact auf es. The daily-snapshot-plus-intraday-API model ist OpenAI’s concrete Antwort zu closing the gap; auf the Google side es ist the Shopping Graph, welche Google says now enthält “mehr als 50 billion Produkt listings, 2 billion von welche sind updated every hour” — that hourly refresh benchmark ist the pace the System expects Ihre Daten zu move bei. (The Shopping Graph als ein System ist its own topic; dies article just assumes Ihre feed populates es.)

Google’s Conversational Attributes — the concrete “neu für AI” layer

auf the Google side, the specific thing das ist neu für AI ist ein festlegen von optional Händler Center attributes announced bei Google Marketing Live in May 2026, covered durch Search Engine Land. The point von them ist that Google’s AI Systeme “verwenden that structured data zu better match Produkte mit conversational shopping Anfragen across AI Mode, Gemini und other AI-powered surfaces.” Google’s own attribute-helfen wording, als reported, ist that these sind “primarily intended für verwenden in conversational experiences such als AI Mode in Google Suche.”

Google’s Händler Center helfen documents six conversational attributes: question und Antwort, Dokument Link, related Produkt, Element group title, variant Option, und popularity ranken. product_highlight und product_detail sind existing, pre-existing complementary fields — nicht two additional members von the neu conversational festlegen, despite that being wie einige trade coverage (einschließlich ein earlier version von dies article) grouped them.

Google ist explicit that these sind optional und that adding them tut nicht affect Ihre existing Produkt-approval status; the framing ist that they kann helfen Produkt understanding und discovery in conversational surfaces, nicht that sie sind erforderlich oder that they guarantee inclusion, Ranking, oder citation in any AI Mode/Gemini response.

Frame these als enrichment, nicht ein replacement. They sit auf top von Ihre erforderlich attributes. wenn Ihre base feed ist disapproved für ein bad price oder ein fabricated GTIN, ein beautiful Q&ein attribute tut nicht speichern Sie.

schema.org Product/Offer als the agent-facing markup layer

dort ist kein “AI edition” von schema.org — the properties agents rely auf sind ordinary E-Commerce vocabulary being lesen durch ein neu class von consumer. Three matter meisten:

• Offer.availability — “The availability von dies Element — zum Beispiel in stock, Out von stock, Pre-order, etc.” The stock state ein agent reads aus Ihre markup.
• Offer.checkoutPageURLTemplate — “ein URL template (RFC 6570) für ein checkout Seite für ein offer.” dies ist the property that lets ein agent route ein shopper zu ein pre-filled checkout aus Ihre markup alone.
• Offer.acceptedPaymentMethod — the payment methods Sie accept, welche ein agent may prüfen vor attempting ein transaction.

halten dies markup’s price und availability in lockstep mit Ihre feed. Google blends the two und cross-verifies them, so ein divergence zwischen auf-Seite schema und feed ist exactly the kind von inconsistency that erodes trust across alle these surfaces.

Feed-quality failures that break agentic discovery und checkout

dies ist the practical payoff. These sind the specific things that break ein AI sale — nicht just ein ad disapproval:

1. Feed/checkout price mismatch. The feed says 40, $ checkout says 45. $ für ads es ist ein disapproval; für ein agent mid-transaction es ist ein broken purchase.
2. Phantom oder stale stock. in_stock in the feed, sold out bei checkout. The agent commits zu buying something that ist nicht dort.
3. Missing oder wrong identifiers. kein GTIN/MPN, oder ein fabricated one, causes the agent zu mismatch Sie against the wrong Produkt across formats. Google’s rule: don’t machen up, guess, oder copy identifiers aus similar Produkte; verwenden identifier_exists = false für genuinely identifier-weniger goods.
4. Missing zurückgeben policy oder seller ToS. in the ACP spec these sind erforderlich für is_eligible_checkout = true. Omit them und Sie sind discoverable aber kann nicht transact.
5. Unstable item_id/SKU. wenn the identity key Änderungen zwischen snapshots, the agent loses continuity — the old Produkt looks deleted und the neu one looks unknown, wiping any accumulated matching.
6. alle-CAPS oder promotional text in titles. ein policy violation across Google und OpenAI alike (OpenAI’s spec says vermeiden alle-caps outright).
7. AI-generiert images oder descriptions mit drift. Descriptions that invent specs nicht auf the landing Seite, oder AI-generiert images missing erforderlich IPTC disclosure metadata, break the cross-verification zwischen feed und Seite. (The feed-optimization guide deckt ab the “don’t invent facts” rule in depth.)

war feed quality tut und tut nicht guarantee

One honest caveat so Sie don’t overclaim internally: ein great feed erhält Sie discovered und eligible. es tut nicht guarantee conversion. Walmart’s own reported experience ist the cleanest Daten point hier — per Search Engine Land, its in-chat ChatGPT checkout converted bei roughly one-third the rate von klicken-out transactions after testing rund 200 000 Elemente. lesen the reporting carefully: the cited cause war checkout UX und trust (fear von split shipments, single-Element-nur checkout) — nicht feed Daten staleness. So don’t verwenden es als Belege that feeds fail; verwenden es als the reminder that getting into the feed ist necessary, nicht sufficient. Discovery und checkout conversion sind separate problems.

es ist worth keeping the whole chain separate in Ihre head, weil “my feed ist accepted” answers ein much narrower question than es sounds like: ingestion (the Plattform accepted Ihre file) ist nicht validation (es passed the field/policy prüft), welche ist nicht eligibility (is_eligible_search/is_eligible_checkout sind festlegen und approved), welche ist nicht display (ein agent tatsächlich surfaces the Produkt), welche ist nicht Ranking oder citation (es ist the one recommended), welche ist nicht checkout approval (Sie sind ein approved Instant Checkout partner), welche ist nicht conversion (the shopper buys). ein clean feed raises Ihre odds bei every step; es tut nicht collapse the chain into one guaranteed outcome.

wo dies fits

• Agentic Commerce Protocol — the protocol itself und its five building blocks (Produkt Feed ist one von them).
• Universal Commerce Protocol — Google/Shopify’s counterpart, gleich Händler Center feed als its backbone.
• Google Merchant Center und Merchant Center feed optimization — the Google-side basics, title/image/attribute deep dives, und the GTIN-als-ein-lever Daten I wird nicht repeat hier.

AI summary

ein condensed nehmen auf the Advanced version:

• kein single universal “AI feed.” für ChatGPT’s commerce flows, OpenAI documents the feed als the Weg Sie supply Produkt Daten, mit kein stated crawling fallback. für Google, the feed tut nicht ersetzen crawling — Google’s docs describe combining crawling, auf-Seite structured data, und Ihre Händler Center feed together.
• ausführen three formats, nicht one: Google Merchant Center feed, OpenAI ACP feed spec, und schema.org Product/Offer markup. Google blends feed + auf-Seite structured Daten und cross-verifies them, so ein mismatch zwischen them ist ein trust/disapproval risk.
• Identifiers sind the backbone. GTIN, oder brand + MPN, across every format. Never fabricate one; verwenden identifier_exists = false für goods ohne one.
• Echtzeit- accuracy ist the real differentiator. ein human double-prüft ein price vor buying; ein agent commits programmatically. ein feed/checkout price mismatch oder phantom stock ist ein real risk zu the transaction, though kein spec guarantees every stale Wert breaks every sale.
• The “15-minute aktualisieren” figure ist nicht in OpenAI’s docs. The dokumentiert model ist ein daily full snapshot (SFTP, stable filenames, overwrite) + ein intraday API für price/stock/promotions. Promotions sind API-nur.
• ACP erforderlich fields enthalten stable item_id, title, description, url, brand, image_url, price (ISO 4217), availability enum, seller fields, country fields, und is_eligible_search (defaults false — must sein flipped true). is_eligible_checkout auch benötigt ein zurückgeben policy, privacy policy, und ToS — und even then, Instant Checkout itself ist currently limited zu approved partners, mit validation, fulfillment, tax, risk, payment, und order decisions staying mit the Händler.
• Google’s Conversational Attributes (May 2026) sind six optional AI-nur enrichment fields: question und Antwort, Dokument Link, related Produkt, Element group title, variant Option, und popularity ranken. (product_highlight und product_detail sind pre-existing fields, nicht part von dies neu festlegen.) Adding them tut nicht affect existing Produkt-approval status.
• schema.org’s agent-facing properties: Offer.availability, checkoutPageURLTemplate, acceptedPaymentMethod.
• Feed quality drives discovery und eligibility, nicht conversion — und ingestion, validation, eligibility, display, ranking/citation, checkout approval, und conversion sind jede separate steps. Walmart’s in-chat ChatGPT checkout converted ~3x worse than klicken-out — attributed zu checkout UX/trust, nicht feed staleness.

Offizielle Dokumentation

Primary-Quelle specs und docs für building ein AI-ready feed.

OpenAI (Agentic Commerce Protocol)

• Product feeds overview — the ACP feed bei ein glance.
• Product feed spec — required fields — the field-durch-field requirements.
• Feed concept page — delivery, format, und snapshot/API model.
• Commerce key concepts — wie ein feed fits into ChatGPT Suche und checkout.

Google

• Product data specification — the base Händler Center attribute spec the AI surfaces inherit.
• Unique product identifiers (GTIN, MPN, brand) — the identifier rules, einschließlich “don’t machen up, guess, oder enthalten Werte aus similar Produkte.”
• Intro to Product structured data — wie Google blends feed und auf-Seite structured data.
• Agentic commerce AI tools & protocol for retailers — Google’s own framing für AI-facing retailer tooling.
• Agentic checkout / holiday AI shopping — the Shopping Graph scale/freshness benchmark (50B listings, 2B updated hourly).

schema.org

• Offer — availability, checkoutPageURLTemplate, acceptedPaymentMethod.
• Product — the Produkt type und its identifier properties.

Quotes aus the Quelle

auf-the-record statements aus the Plattformen und industry practitioners.

Google — identifiers und Daten quality

• “Providing accurate und correctly formatted Produkt Daten ist essential für creating successful ads.” — Google Merchant Center helfen. Jump to quote
• auf GTIN/MPN: “nur bereitstellen ein GTIN wenn Sie sind sure es ist correct. wenn in doubt don’t bereitstellen dies attribute (zum Beispiel, nicht guess oder machen up ein Wert).” Jump to source

Google — feed und auf-Seite structured data together

• “Providing both structured data auf Web Seiten und ein Händler Center feed maximizes Ihre eligibility zu experiences und hilft Google correctly verstehen und überprüfen Ihre Daten.” — Suche Central. Read the doc

Google — Shopping Graph freshness (Vidhya Srinivasan, VP/GM Ads und Commerce)

• The Shopping Graph “enthält mehr als 50 billion Produkt listings, 2 billion von welche sind updated every hour.” Read the post

Kate Ragotte, Shopify (Shopify Enterprise blog)

• “Price, availability, und zurückgeben windows must sein accurate und synced across every channel wo they erscheinen. Inconsistent oder stale Daten ist one von the fastest ways zu erhalten filtered out.”
• “AI agents kann nur empfehlen war they kann verstehen, und that depends entirely auf wie well-structured Ihre Produkt Daten ist.” Read the article

Jason Barnard, Kalicube (Suchmaschine Land)

• “Structured feeds, Google Merchant Center und OpenAI Produkt Feed Specification, bypass discovery, selection, crawling, und rendering altogether, delivering Ihre Inhalt zu the competitive phase mit minimal attenuation.” Read the article

Jen Cornwell, Tinuiti (Suchmaschine Land)

• “Organic feed titles sollte reflect wie Ihre Kunden tatsächlich Suche, nicht wie Ihre bidding strategy ist structured.”
• auf the feed’s strategic position: “The feed sits bei that intersection als es ist ein owned asset managed durch commerce infrastructure that directly feeds AI-powered visibility.” Read the article

Checkliste für das KI-Feed-Audit über Formate hinweg

ein single pass across alle three formats vor Sie call ein feed “AI-ready”:

Identity & matching

• Every Produkt that hat ein GTIN carries ein correct one; nothing fabricated oder copied aus ein similar Produkt.
• Produkte ohne ein manufacturer identifier verwenden brand + MPN, oder identifier_exists = false — never ein guessed GTIN.
• item_id/SKU ist stable over time und consistent across feed, ACP, und markup.

Price & availability (the freshness layer)

• Feed price matches live checkout price; currency ist ein valid ISO 4217 code.
• Availability reflects real stock — kein phantom in_stock.
• Fast-moving SKUs aktualisieren via the ACP intraday API, nicht just the daily snapshot; promotions go durch the API.
• auf-Seite schema price/availability matches the feed (Google cross-verifies them).

ACP checkout eligibility

• is_eligible_search ist explicitly true (es defaults false).
• is_eligible_checkout Produkte haben ein zurückgeben policy, seller_privacy_policy, und seller_tos.
• availability_date festlegen für any pre_order Elemente.
• Feed delivered durch SFTP mit stable filenames Sie overwrite, full snapshot bei least daily.

Inhalt & compliance

• Titles ≤ 150 chars, kein alle-CAPS oder promo text (policy across Google + OpenAI).
• Descriptions sind plain text, ≤ 5 000 chars, und match the landing Seite (kein invented specs).
• Images sind JPEG/PNG over HTTPS; AI-generiert images carry erforderlich IPTC disclosure metadata.
• url resolves 200 over HTTPS.

Enrichment (optional)

• Google’s six Conversational Attributes hinzugefügt wo they fit (Q&ein, popularity ranken, related Produkt, Element group title, variant Option, Dokument Link) — auf top von, nicht statt, erforderlich attributes.
• schema.org checkoutPageURLTemplate present so agents kann route zu checkout.

AI Produkt feed — cheat sheet

welche format reaches welche agent

ACP erforderlich fields (fast reference)

• item_id (stable), title (≤150, kein caps), description (≤5 000, plain text), url (200/HTTPS), brand (≤70), image_url (JPEG/PNG), price (ISO 4217), availability (enum), seller_name/seller_url, target_countries/store_country (ISO 3166-1 alpha-2), is_eligible_search (defaults false), is_eligible_checkout.
• Checkout auch benötigt: zurückgeben policy, seller_privacy_policy, seller_tos.
• availability enum: in_stock, out_of_stock, pre_order, backorder, unknown.

Identifier rule (alle formats)

• hat ein GTIN → verwenden es (8–14 digits, kein dashes/spaces).
• kein GTIN → brand + MPN.
• Genuinely none → identifier_exists = false. Never fabricate.

Myth-buster

• “OpenAI requires 15-minute Aktualisierungen” → nicht in the docs. Reality: daily snapshot + intraday API (promotions API-nur).
• “schema.org hat ein AI edition” → kein; ordinary Offer/Product vocabulary.
• “GTIN ist immer erforderlich” → conditional (GTIN, else brand + MPN, else identifier_exists = false).

welche identifier tun I put in my feed?

Identifiers sind the backbone across Google, OpenAI, und schema.org — und the single easiest thing zu erhalten wrong. Antwort ein question oder two und land auf the right Wert.

war nicht zu tun mit ein AI feed

1. Building für the daily snapshot nur und skipping the API. wenn Sie push ein full feed once ein day und stop dort, every price cut und stock ändern ist bis zu 24 hours stale — fine für browsing, fatal für ein transaction. Fix: wire price, stock, und promotions durch OpenAI’s intraday API channel; the snapshot ist the baseline, nicht the whole plan.

2. Fabricating ein GTIN zu machen ein field validate. ein guessed oder copied identifier ist worse than ein blank one — es matches Sie against the wrong Produkt across formats. Fix: GTIN wenn Sie haben es, else brand + MPN, else identifier_exists = false.

3. Letting feed price und checkout price drift apart. für ads es ist ein disapproval; für ein agent mid-purchase es ist ein broken sale, und es erodes the trust the whole System läuft auf. Fix: treat feed price als ein contract — sync es zu live checkout, und halten auf-Seite schema price matching too.

4. Reusing oder churning item_id/SKU. wenn the identity key Änderungen zwischen snapshots, the agent loses continuity — Ihre Produkt looks deleted und re-created, wiping accumulated matching. Fix: halten item_id stable für the life von the Produkt.

5. Enabling checkout ohne the policy fields. Flipping is_eligible_checkout = true ohne ein zurückgeben policy, privacy policy, und ToS macht Sie discoverable aber un-transactable. Fix: ship alle three vor Sie ermöglichen checkout eligibility.

6. Treating Conversational Attributes als ein substitute für ein clean base feed. ein great Q&ein oder popularity-ranken attribute tut nicht rescue ein feed disapproved für ein bad price oder invented GTIN. Fix: erhalten erforderlich attributes clean erste; enrich second.

7. Assuming schema.org markup alone erhält Sie into ChatGPT checkout. für transactional flows, ChatGPT reads the ACP feed, nicht Ihre rendered Seite — markup ist ein cross-verification channel, nicht the primary discovery mechanism für that flow. Fix: ship the feed; halten markup consistent mit es.

Quick prüft für feed/markup consistency

Small, copy-pasteable prüft für the mismatches that break agentic sales. Nothing hier replaces ein real feed-management Plattform — sie sind für spotting problems fast.

Extract auf-Seite Product/Offer schema in the browser console

Paste dies into Chrome DevTools Console auf ein Produkt Seite zu pull the price und availability the agent-facing markup asserts, so Sie kann vergleichen es zu Ihre feed:

// Grab every JSON-LD block, find Product/Offer, print price + availability
[...document.querySelectorAll('script[type="application/ld+json"]')]
  .map(s => { try { return JSON.parse(s.textContent); } catch { return null; } })
  .filter(Boolean)
  .flatMap(o => Array.isArray(o) ? o : (o['@graph'] || [o]))
  .filter(o => o && /Product/.test([].concat(o['@type']).join()))
  .forEach(p => {
    const offer = [].concat(p.offers || [])[0] || {};
    console.log({
      name: p.name,
      gtin: p.gtin13 || p.gtin || p.gtin12 || p.mpn || null,
      price: offer.price ?? offer.priceSpecification?.price,
      currency: offer.priceCurrency,
      availability: offer.availability,
    });
  });

ein bookmarklet version (speichern the URL below als ein bookmark, klicken es auf any Produkt Seite zu alert the auf-Seite price/availability):

javascript:(()=>{const b=[...document.querySelectorAll('script[type="application/ld+json"]')].map(s=>{try{return JSON.parse(s.textContent)}catch{return null}}).filter(Boolean).flatMap(o=>Array.isArray(o)?o:(o['@graph']||[o])).filter(o=>o&&/Product/.test([].concat(o['@type']).join()));if(!b.length){alert('No Product schema found');return}const p=b[0],o=[].concat(p.offers||[])[0]||{};alert(`${p.name}\nprice: ${o.price??o.priceSpecification?.price} ${o.priceCurrency||''}\navail: ${o.availability||'?'}`)})();

vergleichen feed price against live checkout price (shell)

wenn Sie export Ihre feed zu CSV mit item_id,price columns und haben ein Weg zu fetch the live price per SKU, dies flags divergences — the single meisten damaging failure:

# feed.csv: item_id,price   |   live.csv: item_id,price (pulled from checkout)
join -t, -1 1 -2 1 \
  <(sort -t, -k1,1 feed.csv) \
  <(sort -t, -k1,1 live.csv) \
  | awk -F, '$2 != $3 { print "MISMATCH", $1, "feed="$2, "live="$3 }'

Vollständigkeit der ACP-Checkout-Berechtigung prüfen (Python)

ein minimal sanity prüfen that any Produkt flagged für checkout carries the erforderlich policy fields vor Sie push ein snapshot:

import csv

REQUIRED_FOR_CHECKOUT = ["seller_privacy_policy", "seller_tos", "return_policy"]

with open("feed.csv", newline="") as f:
    for row in csv.DictReader(f):
        if row.get("is_eligible_checkout", "").lower() == "true":
            missing = [k for k in REQUIRED_FOR_CHECKOUT if not row.get(k, "").strip()]
            if missing:
                print(f"{row['item_id']}: checkout enabled but missing {missing}")
        if row.get("is_eligible_checkout", "").lower() == "true" \
           and row.get("is_eligible_search", "").lower() != "true":
            print(f"{row['item_id']}: checkout eligible but search is not (invalid)")

Gefälschte / fehlerhafte GTINs erkennen (Regex)

ein ACP gtin sollte sein 8–14 digits, kein dashes oder spaces. Flag anything that ist nicht:

# Prints rows whose gtin column isn't a clean 8–14 digit string
awk -F, 'NR>1 && $3 != "" && $3 !~ /^[0-9]{8,14}$/ { print "BAD GTIN:", $1, $3 }' feed.csv

Daily AI Produkt-feed operations SOP

1. Confirm the full snapshot completed. prüfen the expected stable filename, record count, schema, und delivery status. Done bedeutet the Plattform accepted the latest vollständig catalog anstatt ein accidental partial file.
2. Reconcile intraday Änderungen. vergleichen price, stock, und promotion Aktualisierungen aus the commerce backend mit API acknowledgements. Done bedeutet every changed SKU hat either succeeded oder entered ein owned retry queue.
3. prüfen eligibility und policy errors. Group failures durch Quelle field und template, prioritizing Produkte intended für checkout. Done bedeutet jede error hat ein cause, owner, und correction path.
4. Sample cross-format parity. vergleichen stable ID, GTIN/MPN, variant, price, availability, und policy Werte across the Händler Center feed, OpenAI feed, Product/Offer markup, und live checkout. Done bedeutet the sampled Produkte describe the gleich offer everywhere.
5. prüfen identity continuity. Flag Element IDs that disappeared und reappeared under neu Werte ohne ein genuine Produkt replacement. Done bedeutet accidental SKU churn ist corrected vor the nächste snapshot.
6. Close stale oder invalid offers. Mark unavailable Produkte correctly und verwenden the supported eligibility mechanism statt leaving phantom stock. Done bedeutet kein entfernt offer bleibt purchasable durch ein agent.
7. Log und trend failures. Record mismatches, processing delays, rejected rows, und fixes durch Quelle System. Done bedeutet recurring upstream defects sind visible anstatt repeatedly patched in exports.

Common AI Produkt-feed issues

Produkt ist present in the file aber absent aus discovery

Symptom: the row ist delivered aber the Produkt ist nicht eligible oder surfaced. Likely cause: is_eligible_search bleibt false, the row failed validation, oder identity/policy Daten ist incomplete. Fix: inspect the Plattform’s row-level status, correct the failed fields, explicitly ermöglichen Suche eligibility, und confirm the nächste processed snapshot accepts the Element.

Checkout ist unavailable für ein otherwise visible Produkt

Symptom: the Produkt kann sein recommended aber kann nicht sein purchased durch the agent. Likely cause: checkout eligibility ist false oder erforderlich zurückgeben, privacy, oder Begriffe Daten ist missing. Fix: supply the erforderlich policies, halten Suche eligibility enabled, und überprüfen the processed Element wird checkout-eligible.

The agent zeigt the wrong price oder phantom stock

Symptom: discovery Daten disagrees mit checkout oder the Element fails during purchase. Likely cause: nur the daily snapshot ist updating, ein intraday event failed, oder variant mapping points bei the wrong offer. Fix: reconcile API acknowledgements zu the backend, replay failed Aktualisierungen safely, und confirm feed, markup, und checkout agree auf the exact variant.

Produkte repeatedly disappear und zurückgeben als neu

Symptom: Die Katalogkontinuität wird zwischen Snapshots zurückgesetzt, obwohl sich das Sortiment nicht geändert hat. Wahrscheinliche Ursache: `item_id` wird aus einem veränderlichen Titel, einer URL oder einer export row rather than a stable product key. Fix: restore a durable identity map and keep the same item ID for the product’s lifetime.

ein Produkt matches the wrong entity

Symptom: the listing inherits details oder variants aus ein different Produkt. Likely cause: ein fabricated/incorrect GTIN, copied MPN, oder inconsistent brand und variant Daten. Fix: entfernen guessed identifiers, verwenden the verified GTIN oder brand + MPN, und mark genuinely identifier-weniger Elemente correctly.

Mental models für AI Produkt feeds

One maßgebliche Quelle, several delivery formats

Händler Center, OpenAI, und auf-Seite Product/Offer markup sind mappings von the gleich catalog, nicht independent Inhalt projects. generieren them aus one governed Produkt model so identity und offer truth kann nicht drift durch channel.

Identität, Angebot, Richtlinie

Jeden Feed in drei Ebenen debuggen:

• Identity: stable Element ID, GTIN oder brand + MPN, product/variant relationship.
• Offer: price, currency, availability, image, destination URL.
• Policy: shipping, returns, privacy, Begriffe, und checkout eligibility.

Identity determines war the Produkt ist, offer determines war kann sein bought now, und policy determines whether ein agent may vollständig the purchase.

Snapshot plus Ereignisstream

The daily full snapshot establishes vollständig catalog state. Intraday API Aktualisierungen carry fast-changing price, stock, und promotion events. Neither replaces the other: the snapshot heals drift, während the event stream keeps transactions current.

Discovery ist necessary, checkout ist separate

Feed quality kann machen ein Produkt understandable und eligible. es kann nicht guarantee ein Empfehlung oder conversion, und checkout adds its own policy, reliability, und trust requirements.

Konsistenz wird durch Gegenprüfung belohnt

Feeds, markup, und checkout act als independent witnesses zu the gleich offer. Agreement builds confidence; ein mismatch forces the Plattform zu entscheiden welche Quelle ist stale.

Resources worth Ihre time

My related writing

• The Beginner’s Guide to Technical SEO — wo structured data und feeds fit in the bigger picture.
• Meet the New Web Crawlers: AI Bots Are Closing in on Search Engine Bots — wie the mix von bots reading Ihre Website (und Ihre feed’s world) ist shifting toward AI.

My speaking

• How Search Works (SlideShare) — my walkthrough von crawling, rendering, indexing, und Ranking, nützlich für grasping warum feed-based discovery skips meisten von that funnel. (My standing disclaimer: “dies ist my understanding von Systeme… nicht going zu sein 100% vollständig oder accurate.”)

aus rund the industry

• OpenAI — Product feeds overview und the required-fields spec — the primary Quelle für the ACP feed, checked directly.
• Google — Intro to Product structured data — wie feed und auf-Seite markup combine und cross-überprüfen.
• Shopify Enterprise — 8 tips to prepare your product data for AI channels (Kate Ragotte) — the strongest Plattform-official framing auf Daten consistency und structure.
• Search Engine Land — Why product feeds need an organic strategy for AI search (Jen Cornwell, Tinuiti) — the feed als ein owned asset feeding AI visibility.
• Search Engine Land — The AI engine pipeline: gates that decide whether you win the recommendation (Jason Barnard, Kalicube) — warum structured feeds bypass meisten von the SEO funnel.
• PPC Land — 8 Google Merchant Center attributes your feed needs for AI Mode — the Conversational Attributes walkthrough (überprüfen names against Google’s live docs).
• Search Engine Land — Walmart: ChatGPT checkout converted worse than website — the discovery-vs-conversion caveat.
• Striim — Retail’s AI problem isn’t the model, it’s the clock — ein clean analogy für warum batch inventory syncs fail agents that benötigen near-Echtzeit- reads.

testen yourself: Product Feeds for AI

Five quick questions auf building ein feed AI agents kann lesen und kaufen aus. Pick ein Antwort für jede, then prüfen.

Änderungsprotokoll