llms.txt nie wprowadzi twoich produktów do zakupowych wyników AI. Zrobi to twój feed.

W ciągu ostatniego roku „dodaj plik llms.txt” stało się standardową radą niemal na każdej liście kontrolnej dotyczącej widoczności w zakupach z AI. Rzadko to działa. W 12-tygodniowym badaniu logów serwerów obejmującym 83 witryny, opublikowanym w 2026 roku, crawlery OpenAI i Anthropic zażądały plików llms.txt łącznie 16 razy, podczas gdy plik robots.txt na tych samych witrynach pobierały ponad 7100 razy. Drugie badanie, obejmujące 14 dni logów jednej witryny, nie odnotowało ani jednego pobrania llms.txt przez żadnego zidentyfikowanego crawlera AI. Ten tekst jest dla każdego, kto zarządza feedem produktowym i usłyszał, że llms.txt to dźwignia widoczności w zakupach z AI. Po lekturze będziesz wiedzieć, który mechanizm faktycznie decyduje o tym, czy twoje produkty pojawiają się w Google AI Mode, ChatGPT i Perplexity, oraz co naprawić zamiast tego.

Czym llms.txt naprawdę jest (a czym nie jest)

llms.txt to proponowana konwencja, a nie standard zakupowy czy e-commerce. Programista Jeremy Howard opublikował pierwotną specyfikację 3 września 2024 roku, a aktualizacja do wersji 2 z sierpnia 2026 roku opisuje go jako plik Markdown pod adresem /llms.txt: nagłówek H1 z nazwą witryny lub projektu (jedyny wymagany element), opcjonalne podsumowanie w bloku cytatu, swobodne sekcje opisowe oraz rozdzielone nagłówkami H2 listy linków do innych stron. Chodzi o to, by dać modelowi językowemu krótką, wyselekcjonowaną mapę witryny, zamiast zmuszać go do parsowania pełnych stron HTML.

Specyfikacja w ogóle nie wspomina o danych produktowych, cenach, dostępności ani feedach zakupowych. To konwencja dotycząca dokumentacji i odkrywania treści, bliższa wyselekcjonowanej mapie witryny niż feedowi Google Merchant Center czy ustrukturyzowanemu katalogowi produktów. To rozróżnienie ma znaczenie, bo większość porad zachęcających zespoły e-commerce do publikowania takiego pliku traktuje go tak, jakby był formatem feedu.

Google wprost powiedział, że nie będzie używać llms.txt

Podczas wydarzenia Search Central Deep Dive w regionie Azji i Pacyfiku 23 lipca 2025 roku Gary Illyes z Google oświadczył, że Google nie obsługuje llms.txt i nie planuje tego robić, zachęcając uczestników, by nadal inwestowali w standardowe SEO, jeśli chcą pojawiać się w AI Overviews, zamiast w osobny format pliku. Od tamtej pory żadne publiczne oświadczenie Google tego nie odwołało. Część publikacji z 2026 roku pisała też o „propozycji W3C dotyczącej standaryzacji llms.txt”, co jest przesadą: odpowiednie zgłoszenie W3C Technical Strategy jest na etapie „Investigation”, wprost nie wprowadza żadnego nowego formatu, a ostatni merytoryczny komentarz pochodzi z maja 2025 roku. Nie istnieje standard W3C, a Google jednoznacznie zapowiedział, że nie używa tego pliku ani w rankingu, ani w AI Overviews.

Co wykazały dwa badania logów serwerów z 2026 roku

Dwa niezależne pomiary potwierdzają, że plik „nie jest pobierany”, na podstawie rzeczywistych danych o ruchu, a nie tylko deklaracji.

• EZY Research, od 27 kwietnia do 19 lipca 2026 roku, 83 witryny z panelu obejmującego 556 domen: GPTBot zażądał llms.txt 7 razy, ClaudeBot 9 razy, a PerplexityBot 0 razy. Te same crawlery zażądały robots.txt 3990 razy (OpenAI), 3120 razy (Anthropic) i 775 razy (Perplexity).
• Saaslinks, ruch jednej witryny od 20 lipca do 3 sierpnia 2026 roku: łącznie 147 180 przeanalizowanych żądań, 723 żądania crawlerów AI do robots.txt, 151 do faktycznych stron (90 procent od OpenAI) i zero żądań llms.txt od jakiegokolwiek zidentyfikowanego systemu AI. Wszystkie 13 żądań tego pliku pochodziło od brokerów danych, narzędzi profilujących i ludzi.

Oba badania wskazują rzeczywiste ograniczenia: niewielkie próby i deklarowane przez same boty ciągi user-agent. Żadne nie twierdzi, że wie, co model robi wewnętrznie z treścią, której nigdy nie pobrał. Mimo to kierunek jest spójny w obu panelach i zgadza się z publicznymi wypowiedziami Google. Jeśli w twoim zespole krąży często cytowana anegdota o tym, że OpenAI pobiera llms.txt „co 15 minut”, traktuj ją jako pojedynczą anegdotę, której przeczą dwa systematyczne pomiary.

Mechanizm, który naprawdę zasila zakupowe powierzchnie AI Google

Dokumentacja pomocy Google Shopping wyjaśnia, skąd AI Mode, AI Overviews i Google Shopping biorą informacje o produktach: „Marki, sprzedawcy i inni dostawcy treści przesyłają informacje o swoich produktach bezpośrednio do Google za pomocą narzędzi takich jak Merchant Center i Manufacturer Center”. Te dane zasilają Shopping Graph, opisany jako „dynamiczne repozytorium informacji o produktach, które zapewnia aktualny obraz dostępnych produktów” i które „zasila doświadczenia oparte na AI, takie jak podsumowania opinii, porady zakupowe czy rekomendacje produktów”. Strona nie wymienia crawlowania jako źródła danych o produktach zakupowych.

To praktyczny powód, dla którego llms.txt nic nie daje zakupowym powierzchniom AI Google: te powierzchnie są zasilane feedami, a nie crawlowane. Dźwignią jest jakość danych feedu w Merchant Center, a nie plik w katalogu głównym domeny. Nasz przewodnik po gotowości feedu na agentic commerce omawia, czego AI Mode, UCP i ACP wymagają na poziomie protokołu; ten artykuł skupia się węziej na tym, co faktycznie wpływa na widoczność w zakupach z AI, a co nie.

Czego naprawdę wymaga Instant Checkout w ChatGPT

Ścieżka zakupowa ChatGPT, Instant Checkout, wystartowała 29 września 2025 roku w oparciu o Agentic Commerce Protocol, opracowany przez OpenAI wspólnie ze Stripe. Obecnie obsługuje zakupy pojedynczych produktów, a pierwszymi partnerami są amerykańscy sprzedawcy z Etsy i ponad milion sprzedawców na Shopify. Sprzedawcy zgłaszają się przez dedykowany portal, a OpenAI podaje, że sprzedawca, który już przetwarza płatności przez Stripe, może włączyć płatności agentowe „nawet jedną linijką kodu”.

Techniczną podstawą jest tu opublikowana przez OpenAI specyfikacja Product Feed Specification dla Agentic Commerce Protocol, a nie llms.txt. W uproszczeniu definiuje ona:

• Nagłówek feedu z polami feed_id, account_id, target_merchant i target_country (dwuliterowy kod kraju), wszystkie wymagane.
• Obiekt produktu z wymaganym, stałym id, opcjonalnymi title, description, url i media oraz wymaganą tablicą variants.
• Każdy wariant z wymaganymi id i title, a także price, list_price i unit_price jako kwotami całkowitymi w jednostkach pomocniczych ISO 4217, ustrukturyzowanymi barcodes (typ i wartość, np. para GTIN), obiektem availability łączącym flagę logiczną z wartością wyliczeniową statusu (in_stock, backorder, preorder, out_of_stock, discontinued), wartościami condition, takimi jak new lub secondhand, oraz polami categories, variant_options i seller.

Warto rozdzielić dwie rzeczy, które powiedziało tu OpenAI. Instant Checkout działa na tym ustrukturyzowanym feedzie przesyłanym przez zaakceptowanych sprzedawców. Ogólne wzmianki o produktach w zwykłej rozmowie z ChatGPT OpenAI opisuje jako „organiczne i niesponsorowane, szeregowane wyłącznie według trafności”, co wskazuje na zwykłe sygnały treści i SEO, a nie na feed przesłany przez sprzedawcę. Feed wprowadza cię na transakcyjną powierzchnię Instant Checkout; sam w sobie nie gwarantuje wzmianki w otwartej rozmowie. Nasz poradnik o rekomendacjach produktów w ChatGPT omawia tę stronę otwartej rozmowy bardziej szczegółowo.

Co wprowadza cię do Perplexity Shopping

Asystent zakupowy Perplexity pozyskuje dane produktowe na dwa sposoby, oba bliższe feedom niż crawlowaniu. Pierwszym jest integracja z platformą, przede wszystkim z Shopify, która zapewnia dostęp do „najnowszych i najbardziej trafnych informacji o produktach firm działających na Shopify”. Drugim jest Perplexity Merchant Program — bezpłatny program, w ramach którego więksi sprzedawcy „udostępniają specyfikacje swoich produktów” bezpośrednio, zyskując integrację płatności dla zakupów w asystencie oraz bezpłatny dostęp do API. Żadna z tych ścieżek nie prowadzi przez llms.txt ani ogólne crawlowanie, co jest spójne z zerową liczbą pobrań llms.txt przez PerplexityBot w opisanym wyżej badaniu EZY Research.

Gdzie znaczniki schema.org na stronie wciąż mają znaczenie

Nic z tego nie sprawia, że dane strukturalne na stronach produktów stają się nieistotne — odpowiadają one po prostu na inne pytanie. Dokumentacja Google Search Central dotycząca wyników rozszerzonych z informacjami o produktach sprzedawcy (merchant listing) wymienia wymagane właściwości Product (name, image, zagnieżdżone offers) i wymagane właściwości Offer (price, priceCurrency), a wśród zalecanych gtin, mpn, sku, brand.name, availability i itemCondition. Decydują one o organicznych wynikach rozszerzonych z informacjami o produktach sprzedawcy i o raporcie Merchant Listings w Search Console. Działają równolegle z feedem Merchant Center, a nie zamiast niego, a poprawność kategorii i atrybutów w samym feedzie — czym zajmuje się nasze mapowanie kategorii produktów — nadal wykonuje większość pracy na rzecz Shopping Graph.

Wiersz feedu przed i po

Różnica między typowym wierszem feedu Google Shopping a wariantem gotowym na ACP jest niewielka, ale kryje błąd, na którym potyka się niemal każda pierwsza próba: ceny jako liczby całkowite w jednostkach pomocniczych, a nie ciągi dziesiętne.

Przed — standardowy wiersz w stylu Merchant Center:

id: SKU-4821-BLK-M | title: Classic Wool Coat - Black - Medium | price: 129.00 USD | availability: in stock | gtin: 4006381333931

Po — przebudowany w kierunku tego, czego oczekuje specyfikacja feedu ACP:

product.id: SKU-4821 (stable parent) | variant.id: SKU-4821-BLK-M | variant.price: { amount: 12900, currency: "USD" } | variant.availability: { available: true, status: "in_stock" } | variant.barcodes: [{ type: "gtin13", value: "4006381333931" }] | variant.condition: ["new"]

Najważniejsze są dwie zmiany: cena zmieniła się z ciągu dziesiętnego na liczbę całkowitą w jednostkach pomocniczych (129.00 staje się 12900, a nie 129), a dostępność stała się ustrukturyzowanym obiektem zamiast dowolnego tekstu. Obie to częste błędy, gdy zespół po raz pierwszy mapuje feed Shopping na strukturę ACP.

Praktyczna lista kontrolna

1. Przestań traktować llms.txt jako zadanie z zakresu widoczności zakupowej. Odsuń go na dalszy plan w pracy z danymi produktowymi; jeśli w ogóle odgrywa jakąś rolę, to w ogólnym odkrywaniu dokumentacji, co wykracza poza zakres tego przewodnika.
2. Najpierw sprawdź feed Merchant Center pod kątem wymaganych i zalecanych przez Google atrybutów Product i Offer; to on faktycznie zasila Shopping Graph, a kontrole w ramach optymalizacji feedu w Feedance to najszybszy sposób na wykrycie luk.
3. Dodaj lub zweryfikuj znaczniki schema.org Product i Offer na stronach niezależnie od feedu, ponieważ odpowiadają one za inną powierzchnię.
4. Jeśli sprzedajesz przez Shopify lub Etsy, sprawdź status swojego zgłoszenia do Instant Checkout, zamiast zakładać, że sama integracja z platformą wystarczy.
5. Jeśli zgłaszasz się bezpośrednio do feedu ACP, zmapuj ceny na liczby całkowite w jednostkach pomocniczych, a dostępność na ustrukturyzowaną wartość wyliczeniową przed pierwszym przesłaniem, a nie po odrzuceniu.
6. Jeśli chcesz zaistnieć w Perplexity Shopping poza domyślnym pokryciem Shopify, zgłoś się bezpośrednio do Perplexity Merchant Program.
7. Dbaj o aktualność feedu. Nieaktualne ceny lub stany docierające do tych powierzchni z opóźnieniem szkodzą bardziej niż brak pliku llms.txt kiedykolwiek; Feedance synchronizuje dane codziennie w planie Essentials i co godzinę w planie Business, a właściwa częstotliwość zależy od tego, jak często zmieniają się twoje ceny i stany.

Gdzie ten przewodnik ma swoje granice

To przewodnik o feedach i źródłach danych, a nie pełny audyt technicznego SEO. Wdrożenie schema.org na stronach to zadanie dla szablonu lub CMS, a nie coś, co platforma do zarządzania feedami konfiguruje bezpośrednio, a dedykowane narzędzie do technicznego SEO lub walidacji danych strukturalnych wychwyci błędy znaczników na poziomie strony, których platforma do feedów taka jak Feedance nigdy nie miała widzieć. Cytowane badania logów serwerów dotyczą głównie mniejszych witryn i nie mogą wiedzieć, co model robi wewnętrznie z treścią, której nigdy nie pobrał. Agentic Commerce Protocol i Merchant Program Perplexity są też młode i będą się zmieniać; traktuj podane tu nazwy pól jako stan na dziś i sprawdź aktualną specyfikację, zanim zaczniesz na niej budować. Nic z tego nie dotyczy regionalnych zakupowych powierzchni AI poza Google, OpenAI i Perplexity, które rozwijają się we własnym tempie.

Najczęściej zadawane pytania

Czy llms.txt pomaga moim produktom pojawiać się w ChatGPT lub w zakupowych wynikach AI Google?
Nie ma na to publicznych dowodów. Google wprost oświadczył, że nie będzie używać llms.txt w AI Overviews, a dwa niezależne badania logów serwerów z 2026 roku wykazały, że crawlery AI żądają go znacznie rzadziej niż robots.txt — w jednym przypadku zero razy w ciągu czternastu dni.

Czym różni się Shopping Graph od feedu Merchant Center?
Feed Merchant Center to dane, które przesyłasz. Shopping Graph to wewnętrzne, stale aktualizowane repozytorium Google zbudowane z tych danych, które następnie zasila wyniki Shopping, AI Overviews i AI Mode.

Czy potrzebuję osobnych feedów dla Google AI Mode, ChatGPT Instant Checkout i Perplexity Shopping?
W praktyce tak, w różnych formatach: feedu Merchant Center dla Google, feedu Agentic Commerce Protocol dla ChatGPT Instant Checkout po zatwierdzeniu sprzedawcy oraz danych z platformy Shopify albo bezpośredniego zgłoszenia do Merchant Program Perplexity.

Czy znaczniki schema.org Product na stronie zastępują feed Merchant Center?
Nie. Odpowiadają za odrębną powierzchnię — organiczne wyniki rozszerzone z informacjami o produktach sprzedawcy — a Google traktuje je jako uzupełnienie przesyłania feedu, a nie jego zamiennik.

Jak wprowadzić moje produkty do Instant Checkout w ChatGPT?
Zgłoś się przez portal dla sprzedawców OpenAI. Sprzedaż na Shopify lub jako amerykański sprzedawca na Etsy przybliża cię do kwalifikacji bardziej niż zupełnie nowa integracja; sprzedawcy korzystający już ze Stripe mogą podobno włączyć płatności agentowe jedną linijką kodu.

Jak wprowadzić moje produkty do Perplexity Shopping?
Sprzedawaj przez Shopify, aby uzyskać podstawowe pokrycie, lub zgłoś się bezpośrednio do Perplexity Merchant Program, aby udostępniać specyfikacje produktów i włączyć zakupy w asystencie.

Czy w ogóle warto publikować plik llms.txt?
Jeśli chodzi konkretnie o widoczność produktów i zakupów — nie, to nie jest priorytet, za jaki uznały go dyskusje o SEO. Jeśli odgrywa jakąś rolę, to w ogólnym odkrywaniu dokumentacji, co jest zupełnie innym problemem niż wprowadzenie produktów na zakupowe powierzchnie AI.

Jeśli chcesz konkretnie sprawdzić pokrycie atrybutów we własnym feedzie, zanim zdecydujesz, co naprawić najpierw, przepuść go przez bezpłatne narzędzie Feedance do audytu feedu produktowego.