Google oddaje kampanie produktowe sztucznej inteligencji. Czy AI Max for Shopping zmieni sposób reklamowania sklepów internetowych?
Reklamy produktowe Google przez lata opierały się przede wszystkim na danych przesyłanych do Merchant Center: tytule produktu, cenie, zdjęciu, dostępności, marce czy identyfikatorach. Sklep przygotowywał feed, system dopasowywał produkt do zapytania, a użytkownik widział stosunkowo przewidywalną reklamę prowadzącą bezpośrednio do karty produktu. AI Max for Shopping zaczyna rozszerzać ten model. Google wykorzystuje Gemini i dane z feedu, aby dynamicznie dostosowywać komunikat do bardziej złożonych, konwersacyjnych zapytań, wybierać odpowiednią stronę docelową i decydować, czy w danej sytuacji korzystniejsza będzie klasyczna reklama produktowa, czy format tekstowy. We wrześniu 2026 roku rozwiązanie znajduje się w otwartej becie. Google deklaruje, że reklamodawcy włączający AI Max for Shopping uzyskują średnio około 5% więcej konwersji lub wartości konwersji przy podobnym CPA lub ROAS, choć są to dane wewnętrzne Google i nie gwarantują identycznego wyniku w każdym sklepie.
Czym jest AI Max for Shopping i czym różni się od tradycyjnej kampanii produktowej?
AI Max for Shopping nie jest nowym typem kampanii budowanym całkowicie od podstaw. To pakiet funkcji AI, który można włączyć w istniejącej kampanii Shopping. Najważniejsza zmiana polega na tym, że Google przestaje traktować feed produktowy wyłącznie jako statyczną bazę informacji przeznaczoną do wyświetlenia w reklamie. Dane zaczynają pełnić funkcję źródła wiedzy, z którego algorytm może wybierać cechy najlepiej odpowiadające aktualnej intencji użytkownika. Jeśli w Merchant Center znajdują się informacje o materiale, wodoodporności, przeznaczeniu, rozmiarze, kolorze czy sposobie użytkowania produktu, system może wykorzystać je do dopasowania reklamy do długiego, naturalnego zapytania. Google podaje przykład produktu opisanego w feedzie mało precyzyjnym tytułem, który może zostać użytkownikowi przedstawiony jako „męski wodoodporny but trekkingowy”, jeżeli właśnie takiej cechy poszukuje kupujący.
Tradycyjne kampanie Shopping najlepiej działały przy zapytaniach znajdujących się stosunkowo blisko zakupu: konkretna nazwa produktu, model, marka, typ urządzenia czy jednoznaczna kategoria. AI Max ma zwiększać udział kampanii również w bardziej rozbudowanych zapytaniach znajdujących się wcześniej w lejku zakupowym, np. „wygodne buty na całodniowe chodzenie po górach w deszczu” albo „sofa z miękkimi poduszkami do małego salonu”. Google opisuje te wyszukiwania jako long-tail i mid-funnel, czyli znajdujące się pomiędzy ogólnym zainteresowaniem a bardzo konkretnym wyborem produktu. AI Max może wtedy wykorzystać feed, wygenerowany komunikat oraz dodatkowe strony sklepu, aby znaleźć odpowiedź lepiej pasującą do problemu użytkownika. Kampania produktowa zaczyna więc konkurować nie tylko o zapytania produktowe, ale również o pytania dotyczące zastosowania, potrzeb i cech produktu.
Jak sztuczna inteligencja zmienia tytuły produktów i reklamy tworzone z feedu Merchant Center?
Jedną z kluczowych funkcji jest text customization. Po jej uruchomieniu Google może dynamicznie modyfikować tytuły wyświetlane w reklamach, korzystając z informacji znajdujących się w Merchant Center oraz na stronie sklepu. Nie oznacza to trwałej zmiany źródłowego tytułu produktu w feedzie. System tworzy wariant dopasowany do konkretnego wyszukiwania i pokazuje go tylko wtedy, gdy jego modele przewidują lepszą skuteczność niż w przypadku oryginalnego tytułu. Google deklaruje również, że generowany tekst jest sprawdzany pod kątem zgodności z rzeczywistymi informacjami o produkcie. W teorii pozwala to osiągnąć poziom personalizacji trudny do uzyskania poprzez ręczne tworzenie tysięcy reguł feedowych dla całego asortymentu.
Dla sklepów internetowych oznacza to jednak pewien paradoks. Automatyzacja zmniejsza potrzebę ręcznego przygotowywania niezliczonych wersji reklam, ale jednocześnie zwiększa znaczenie jakości podstawowych danych. AI nie stworzy informacji o wodoodporności kurtki, jeżeli sklep nigdzie wiarygodnie nie przekazał, że produkt rzeczywiście jest wodoodporny. Im dokładniejsze są atrybuty, opisy, parametry techniczne, informacje o zastosowaniu oraz struktura strony, tym więcej materiału otrzymuje algorytm do prawidłowego dopasowania oferty. Merchant Center może więc coraz bardziej przypominać bazę wiedzy produktowej, a nie zwykły plik z nazwą i ceną. Istotnym ograniczeniem we wrześniu 2026 roku pozostaje fakt, że Google oficjalnie podaje obsługę text customization dla feedów anglojęzycznych. Oznacza to, że pełne możliwości tej funkcji nie są jeszcze automatycznie dostępne dla każdego polskojęzycznego katalogu produktowego.
Czy AI Max for Shopping może samodzielnie wybierać stronę sklepu, na którą trafi klient?
Drugim filarem rozwiązania jest Final URL Expansion, czyli rozszerzenie końcowego adresu URL. W klasycznej reklamie produktowej naturalnym miejscem docelowym była karta produktu wskazana w Merchant Center. Po włączeniu FUE Google może przeanalizować witrynę i wybrać inną stronę komercyjną, jeżeli uzna ją za bardziej odpowiednią dla intencji użytkownika. Może być to na przykład kategoria, strona nowości, landing page albo treść o charakterze zakupowym. Jeśli ktoś wpisuje szerokie zapytanie typu „najlepsze buty trekkingowe na zimę”, pojedyncza karta jednego modelu nie zawsze jest optymalnym miejscem wejścia. AI może uznać, że większą szansę na konwersję daje odpowiednio dopasowana kategoria zawierająca kilka produktów spełniających wymagania użytkownika.
Ta funkcja oznacza ważną zmianę dla e-commerce, ponieważ jakość całej architektury sklepu zaczyna bezpośrednio wpływać na możliwości kampanii produktowej. Jeśli kategorie są ubogie, adresy URL przypadkowe, filtry generują tysiące bezwartościowych podstron, a treści na stronach nie opisują jasno oferty, algorytm ma mniej dobrych miejsc do wyboru. Google pozwala wprawdzie stosować wykluczenia URL i ograniczać strony dostępne dla systemu, ale odpowiedzialność za strukturę witryny nadal pozostaje po stronie sklepu. Final URL Expansion wymaga również aktywnej funkcji text customization i obecnie działa przy strategii Target ROAS. Reklamodawca powinien ponadto sprawdzić konfigurację parametrów śledzących, ponieważ dynamicznie wybierane adresy mogą powodować problemy z niektórymi szablonami trackingowymi, prowadząc nawet do błędów 404 lub nieprawidłowej atrybucji konwersji.
Czy AI Max for Shopping zastąpi Performance Max w reklamowaniu sklepów internetowych?
Google wyraźnie rozdziela oba rozwiązania. AI Max for Shopping ma rozwijać kampanie Shopping przede wszystkim w obrębie nowej generacji wyszukiwarki Google, natomiast Performance Max nadal pozostaje rozwiązaniem przeznaczonym do działania między wieloma kanałami. PMax może korzystać nie tylko z przestrzeni związanych z wyszukiwaniem produktów, ale również z YouTube, Gmaila, sieci reklamowej, Discover, Map i innych zasobów Google. Firma wprost określa Performance Max jako rozwiązanie przeznaczone do cross-channel performance. AI Max for Shopping jest więc raczej próbą unowocześnienia klasycznego Shoppingu niż jego przekształcenia w kolejną wersję Performance Max.
Co ciekawe, część technologii obu systemów zaczyna się jednak do siebie zbliżać. Final URL Expansion oraz automatyczny wybór formatów są już elementami Performance Max, a Google zapowiedziało również wprowadzenie do niego text customization dla reklam produktowych. Różnica pozostaje głównie w zakresie działania i poziomie kontroli. Sklep, który potrzebuje kampanii skoncentrowanej na Shoppingu i chce zachować większą elastyczność dotyczącą produktów oraz stawek, może korzystać z AI Max for Shopping. Jeżeli natomiast celem jest poszukiwanie konwersji w całym ekosystemie Google, PMax nadal jest naturalnym rozwiązaniem. W praktyce oba typy kampanii mogą funkcjonować równolegle. Sam Google informuje, że Performance Max ma przede wszystkim wyszukiwać użytkowników o najwyższej wartości, podczas gdy AI Max for Shopping ma dodatkowo przechwytywać popyt znajdujący się w środkowej części lejka, którego standardowe kampanie produktowe mogły wcześniej nie obsługiwać.
Czy sklepy stracą kontrolę nad kampaniami produktowymi przez coraz większą automatyzację Google Ads?
Określenie, że Google całkowicie „oddaje kampanie sztucznej inteligencji”, byłoby na razie zbyt daleko idące. Reklamodawca nadal może decydować o produktach objętych kampanią, korzystać z odpowiedniej strategii stawek oraz wyłączyć Final URL Expansion. Wyłączenie FUE ogranicza emisję do reklam Shopping, pozostawiając jednocześnie możliwość korzystania z text customization. Dostępne są także wykluczenia marek, adresów URL oraz konkretnych terminów, których system nie powinien wykorzystywać w generowanych treściach. Google pozwala również definiować ograniczenia dotyczące komunikacji - można wskazać określone skojarzenia, styl czy sposób wypowiedzi, którego system ma unikać. W jednej kampanii możliwe jest zastosowanie do 25 wykluczeń terminów i do 40 ograniczeń komunikacyjnych.
Zmienia się natomiast charakter kontroli. Do tej pory specjalista często próbował sterować kampanią poprzez bardzo szczegółową strukturę produktów, ręczne reguły feedowe i ciągłe poprawianie ustawień. W modelu AI jego rola coraz bardziej przesuwa się w kierunku wyznaczania granic i dostarczania wysokiej jakości danych. Google rozwija również AI Brief, w którym reklamodawca będzie mógł naturalnym językiem określić, co marka chce komunikować, czego nie chce mówić, jakie zapytania są dla niej istotne i do jakiego odbiorcy chce dotrzeć. Funkcja została najpierw zapowiedziana dla AI Max for Search, a następnie ma trafić również do Performance Max i AI Max for Shopping. Specjalista Google Ads nie znika więc z procesu, ale coraz rzadziej będzie ręcznie budował każdą wariację komunikatu. Jego zadaniem będzie określenie strategii, danych wejściowych i zasad, według których AI może działać.
Czy jakość feedu produktowego i strony sklepu stanie się ważniejsza niż ręczna optymalizacja reklam?
AI Max może paradoksalnie sprawić, że feed produktowy stanie się jeszcze ważniejszy niż obecnie. Algorytm wykorzystuje dane Merchant Center jako źródło informacji o cechach produktów i próbuje na ich podstawie odpowiadać na coraz bardziej szczegółowe zapytania użytkowników. Jeśli dwa sklepy oferują ten sam produkt, ale pierwszy przesyła jedynie nazwę producenta i symbol modelu, a drugi udostępnia informacje o materiale, zastosowaniu, wymiarach, kolorze, funkcjach i pozostałych istotnych cechach, drugi sklep dostarcza systemowi znacznie bogatszego kontekstu. Google wprost wskazuje, że AI może wykorzystywać takie atrybuty jak wodoodporność, stabilizacja czy możliwość odbioru osobistego, aby dopasowywać reklamy do długiego ogona zapytań.
Podobnie będzie ze stroną internetową. Final URL Expansion oznacza, że algorytm nie ogranicza się do pojedynczego adresu przesłanego przy produkcie, lecz analizuje inne komercyjne podstrony sklepu. W ten sposób SEO, UX, content produktowy i płatne kampanie zaczynają się coraz mocniej przenikać. Dobrze zbudowana kategoria może jednocześnie zdobywać ruch organiczny i służyć jako automatycznie wybrany landing page kampanii. Treść poradnikowa o silnej intencji zakupowej może pomóc użytkownikowi wcześniej w procesie decyzyjnym. Z kolei źle opisane warianty czy niespójne parametry utrudniają pracę zarówno wyszukiwarce, jak i systemowi reklamowemu. Można więc oczekiwać, że optymalizacja feedu nie zniknie wraz z AI. Przestanie jednak polegać głównie na wciskaniu możliwie wielu fraz do tytułu, a zacznie przypominać budowę dobrze uporządkowanej bazy informacji o całym asortymencie.
Jak mierzyć skuteczność AI Max for Shopping i czy reklamodawca zobaczy, co zrobiła sztuczna inteligencja?
Google rozbudowało raportowanie właśnie po to, aby automatyzacja nie oznaczała całkowitej utraty wiedzy o kampanii. Dostępny jest raport tytułów produktów pokazujący przykładowe tytuły wygenerowane przez AI i faktycznie wykorzystane w reklamach. Raport wyszukiwanych haseł wskazuje dodatkowy zasięg uzyskany dzięki AI Max, a zapytania rozszerzone przez system są odpowiednio oznaczane. W raporcie stron docelowych reklamodawca może sprawdzić, które adresy zostały wybrane automatycznie przez Final URL Expansion. Dostępny jest również raport wygenerowanych nagłówków, opisów i rozszerzonych adresów URL. Jeżeli określony element nie odpowiada marce albo nie spełnia wymagań, reklamodawca może go usunąć lub zastosować odpowiednie ograniczenia.
Jednocześnie sposób oceny kampanii również się zmienia. Google zaleca, aby po uruchomieniu AI Max pozostawić systemowi przynajmniej około dwóch tygodni na uczenie przed dokonywaniem większych zmian. Firma radzi również, aby nie analizować obsesyjnie pojedynczego dopasowania wyszukiwanego hasła, lecz obserwować przede wszystkim wyniki całego konta, wartość konwersji i realizację celów biznesowych. Jest to charakterystyczny kierunek rozwoju Google Ads: coraz mniej ręcznego sterowania każdym zapytaniem i coraz większe znaczenie odpowiednio zmierzonych wartości biznesowych. Dla e-commerce kluczowe staje się więc poprawne przesyłanie wartości transakcji, marż, danych o nowych klientach oraz prawidłowa konfiguracja atrybucji. Jeśli algorytm ma sam podejmować coraz więcej decyzji, jakość celu, którego ma się nauczyć, może być równie ważna jak sama konstrukcja kampanii.
Czy AI Max for Shopping naprawdę zmieni sposób reklamowania sklepów internetowych?
Największa zmiana może dotyczyć tego, czym właściwie stanie się reklama produktowa. Do tej pory jej zadaniem było przede wszystkim pokazanie odpowiedniego produktu po wpisaniu stosunkowo konkretnej frazy. Tymczasem Google zmienia samą wyszukiwarkę. AI Overviews i AI Mode sprawiają, że użytkownicy mogą zadawać coraz bardziej rozbudowane pytania dotyczące wyboru, porównania i zastosowania produktów. Podczas Google Marketing Live 2026 firma zapowiedziała również AI-powered Shopping ads, w których Gemini może dobrać produkty i wygenerować wyjaśnienie, dlaczego konkretny produkt odpowiada potrzebie użytkownika. Reklama produktowa przestaje więc być tylko zdjęciem, ceną i nazwą. Ma coraz częściej pomagać w podjęciu decyzji.
Dla sklepów internetowych oznacza to przesunięcie przewagi konkurencyjnej. Coraz mniej będzie zależało od tego, kto ręcznie stworzy największą liczbę struktur kampanii, a coraz więcej od jakości katalogu, danych produktowych, witryny, pomiaru konwersji i zdolności do właściwego instruowania algorytmu. Nie oznacza to końca specjalistów Google Ads ani pełnej autonomii systemu. AI nadal potrzebuje poprawnego feedu, odpowiedniej strategii, kontroli kosztów, wykluczeń i oceny rentowności. Zmienia się natomiast miejsce wykonywania pracy: człowiek coraz częściej projektuje środowisko i cele kampanii, a algorytm sam wybiera kombinację produktu, komunikatu, formatu i strony docelowej. Jeżeli ten kierunek się utrzyma, przyszłość reklamy e-commerce może polegać nie na ręcznym odpowiadaniu na każde słowo kluczowe, lecz na dostarczeniu Google wystarczająco dobrych danych, aby sztuczna inteligencja potrafiła samodzielnie odpowiedzieć na tysiące różnych intencji zakupowych.
