První díl zjistil, že Shoptet posílá produktová data v microdatech a která pole v nich jsou. Zbývala otázka, na kterou samotný výčet neodpoví: obstojí to proti tomu, co Google dokumentuje jako povinné a doporučené?
Rozšířil jsem měření z 13 stránek na 38 produkčních e-shopů a porovnal je s dokumentací. Odpověď má dvě poloviny a ta druhá je zajímavější.
Co Google vyžaduje
Dokumentace Google Search dělí vlastnosti u merchant listings na povinné a doporučené.
Povinné u produktu: název, obrázek, nabídka. Povinné u nabídky: cena — buď jako price, nebo jako priceSpecification.price — a měna, opět buď jako priceCurrency, nebo uvnitř cenové specifikace.
Doporučených je pak celá řada — od značky, kategorie a popisu přes EAN, výrobní číslo a skladové označení až po hodnocení, recenze, barvu, velikost, materiál, deklaraci vrácení zboží, dopravné a platnost ceny.
Vzorek
38 produkčních e-shopů — 31 z výsledků ShopRoku 2025 a 7 z prvního dílu. Šablonová dema jsem tentokrát vynechal schválně; mají ukázková data a v prvním díle mi kvůli nim vyšla dvě čísla nízko (o tom níž).
Produktovou stránku jsem u každého našel přes sitemapu, rovnoměrným odběrem každé N-té adresy. Úspěšnost 38 ze 38. Konkrétní domény ani tady neuvádím.
Větší a čistší vzorek zároveň opravuje dva závěry z prvního dílu — EAN v produkčních obchodech nevychází zdaleka tak nízko a produkt v JSON-LD se v části vzorku objevuje. Detaily níž.
Povinné: 38 ze 38
| Vlastnost | Kolik z 38 |
|---|---|
| název produktu | 38 |
| obrázek | 38 |
| nabídka | 38 |
| cena | 38 |
| měna | 38 |
V měřeném vzorku splnil povinné minimum každý e-shop, aniž by pro to musel cokoli dělat. priceSpecification nemá nikdo, ale Google ho uvádí jen jako alternativu k price, takže povinnost je splněná i bez něj.
Doporučené: díry nejsou náhodné
Tady je rozdíl vidět. Doporučené vlastnosti jsem rozdělil do tří skupin podle toho, co má typicky v ruce platforma a co majitel katalogu. Není to výsledek měření původu dat, jen užitečný způsob, jak výsledky číst — změřená je přítomnost pole, ne jeho původ.
Co vychází z nastavení e-shopu, je přítomné skoro vždy:
| Vlastnost | Kolik z 38 |
|---|---|
| kategorie | 38 |
| dopravné | 38 |
| adresa nabídky | 38 |
| stav zboží | 37 |
| dostupnost | 36 |
Co závisí na vyplnění katalogu, chybí častěji:
| Vlastnost | Kolik z 38 |
|---|---|
| popis | 35 |
| značka | 33 |
| skladové označení | 30 |
gtin13 (EAN-13) | 27 |
| souhrnné hodnocení | 18 |
| recenze | 14 |
Z téhle tabulky plynou tři věci, které můžete ovlivnit hned: doplnit EAN, zkontrolovat značku a nespoléhat, že parametry variant za vás převezmou strukturovaná data.
Co se ve vzorku objevilo výjimečně nebo vůbec:
| Vlastnost | Kolik z 38 |
|---|---|
| deklarace vrácení zboží | 0 |
| výrobní číslo | 0 |
| barva, velikost, materiál, vzor | 0 |
| struktura variant | 0 |
| platnost ceny | 3 |
Tahle tabulka naopak není dobrý kandidát na pátrání v administraci. Užitečnější je vědět, že jde nejspíš o limit výchozí implementace, a případně to řešit s doplňkem nebo úpravou šablony.
Varianty se nezapisují tak, jak Google doporučuje
Tady je slabina nejčitelnější: Shoptet zapisoval varianty jako víc objektů Offer pod jedním produktem, ne prvky, které Google pro variantní produkty doporučuje.
Šest z 38 e-shopů mělo na produktové stránce víc než jednu nabídku — dvě, tři, čtyři a v jednom případě dvanáct. Doložit z měření můžu jen přítomnost více nabídek; v praxi to typicky odpovídá variantám téhož produktu.
Shoptet je zapisuje jako víc objektů nabídky pod jedním produktem. Typ pro skupinu produktů ani vlastnosti, kterými Google varianty doporučuje provázat, se v celém vzorku neobjevily ani jednou.
Bez těchto tří prvků nedostává stroj varianty v doporučené podobě — vidí jeden produkt s několika cenami. U dotazů na velikost nebo barvu je to limit o to větší, že size ani color se ve vzorku neobjevily ani jednou.
Co opravuje větší vzorek
Větší a čistší vzorek opravuje dvě čísla z prvního dílu. Obě byla správně spočítaná, jen ze vzorku, který je zkresloval.
Oba údaje jsem doplnil i do prvního dílu.
Vedlejší zjištění: identita firmy v JSON-LD
Tohle už neleží přímo v požadavcích na merchant listing, ale stojí za krátkou poznámku. Blok s identitou firmy v JSON-LD má 29 z 38 e-shopů. Obsahuje název a adresu u všech, e-mail a odkazy na profily u 28, telefon u 25.
Logo má ale jen 2 z 29. Google ho u identity organizace uvádí jako doporučené a pro rozpoznání značky jako entity je to jeden z mála vizuálních záchytů. Jak celý blok postavit, rozebírá článek o strukturovaných datech pro značku.
Tři chyby, které z měření plynou
Nechat prázdný EAN a čekat, že to platforma dořeší
Nedořeší. Pole gtin13 se plní z vašeho katalogu a v měřeném vzorku ho nemělo 11 e-shopů z 38. Je to zároveň jedno z mála polí, kterými se produkt páruje napříč systémy — proč na něm záleží.
Řešit doporučená pole, která platforma negeneruje
Deklarace vrácení zboží, výrobní číslo, barva ani velikost se v datech neobjevily ani jednou ze 38. Nemá smysl je hledat v administraci — buď je doplní platforma, nebo doplněk či zásah do šablony. Pokud je potřebujete, je to úkol pro vývoj nebo dotaz na podporu, ne práce v katalogu.
Předpokládat, že varianty stroj pochopí
Dostane několik cen pod jedním produktem bez prvků, kterými Google varianty doporučuje provázat. Vlastnosti jako velikost nebo barva se ve vzorku neobjevily vůbec — pokud je zákazníci potřebují znát, patří čitelně do obsahu stránky.
Co s tím jde udělat dnes
- Doplnit EAN u produktů, kde chybí Jediné pole ze spodní části tabulky, které máte celé ve svých rukou a které se do dat propíše.
- Zkontrolovat značku a výrobce Stejný princip. V měřeném vzorku chyběla značka pěti e-shopům z 38.
- Napsat parametry do textu produktu Barva, velikost ani materiál se ve strukturovaných datech vzorku neobjevily. Vyplatí se je mít čitelně přímo v obsahu stránky.
- Doplnit logo do identity firmy V měřeném vzorku ho mělo jen 2 z 29 e-shopů, které blok s identitou vůbec mají.
- Oddělit vlastní úkoly od limitů platformy EAN, značku a texty řešte hned. Deklaraci vrácení a provázání variant si poznamenejte jako téma pro doplněk, šablonu nebo dotaz na podporu.
Kam tenhle článek patří
Třetí díl bloku o Shoptetu a viditelnosti v AI. Předchozí měřily formát strukturovaných dat a robots.txt s AI roboty. V dalších dílech navážu tématy filtrů, parametrických adres a blogového modulu.
