Google et OpenAI mettent vos fiches produit à l’épreuve

Les requêtes complexes peuvent écarter un produit pertinent d’une recommandation automatisée. Un acheteur peut demander simultanément un prix, une taille, un matériau, une compatibilité, un usage et une date de livraison. L’article de Practical Ecommerce recommande cinq tests pour vérifier la découvrabilité d’un catalogue par des systèmes d’achat assisté. Le premier consiste à établir clairement l’identité du produit. Une fiche doit inclure le nom, la marque, la catégorie et la référence SKU. Selon les cas, elle doit aussi préciser le GTIN, l’UPC, l’EAN ou la référence fabricant. Les variantes doivent distinguer la taille, la couleur, le modèle ou la configuration. Lire l’article original.

Les caractéristiques détaillées permettent ensuite de répondre aux contraintes exprimées par l’acheteur. L’article prend l’exemple de chaussures de randonnée imperméables, vendues sous 180 dollars, adaptées aux pieds larges, aux terrains rocheux et pesant moins de trois livres. Ces cinq critères peuvent rester invisibles si la largeur ou le poids ne figurent pas dans la fiche ou le catalogue. OpenAI a présenté la capacité de son système d’achat à traiter des requêtes complexes. Google Merchant Center propose aussi l’attribut product_highlight pour exposer des caractéristiques importantes et répondre aux questions courantes sur des surfaces comme AI Mode dans Google Search. Documentation Google sur les attributs produit.

Google structure les attributs produit

Les offres cohérentes doivent présenter les mêmes informations sur la fiche produit, le flux, le panier et le paiement. Le prix, la disponibilité, les frais d’expédition, le délai de livraison, les promotions et les conditions d’achat doivent correspondre. Google demande que les produits enregistrés dans Merchant Center concordent avec la page d’arrivée et le paiement. Le service recommande également des données structurées pour les informations importantes relatives à l’offre. Cette vérification devient essentielle lorsqu’une requête impose un prix inférieur à 180 dollars, un produit disponible ou une livraison avant vendredi. Une bonne correspondance produit ne suffit donc pas si l’offre présentée au moment de l’achat diffère.

Les preuves factuelles renforcent la capacité d’un système à expliquer une recommandation. La page des Salomon X Ultra 5 Mid Gore-Tex détaille la membrane imperméable, la semelle extérieure, l’amorti, la coupe, le poids, la construction et le terrain visé. Elle propose aussi plusieurs images et des avis clients. Cette documentation apporte davantage d’éléments qu’une promesse générale sur la résistance aux intempéries. OpenAI indique que sa fonction Shopping Research rassemble des avis, des spécifications, des images, le prix et la disponibilité pour comparer des produits et expliquer leurs différences. Le test consiste donc à vérifier si une fiche contient assez de faits pour justifier l’adéquation avec une demande.

Shopify teste le classement des produits

Les requêtes réalistes servent à examiner ce que voit un acheteur, sans utiliser le nom de la marque ou du produit. Un vendeur d’articles de cuisine peut demander une poêle légère, compatible avec l’induction, utilisable dans un four à 500 degrés et dépourvue de revêtement synthétique. Un vendeur d’accessoires informatiques peut tester la compatibilité, les dimensions, les besoins électriques ou les systèmes d’exploitation. L’article recommande d’exécuter ces requêtes dans ChatGPT, Google, Perplexity ou la plateforme utilisée par les clients. Il faut ensuite noter l’apparition du produit, l’exactitude des résultats et les informations absentes. Shopify propose un outil de prévisualisation dans son canal de vente Agentic.