Всё больше покупателей начинают не с поисковой строки, а с вопроса ассистенту: «подбери мне ноутбук до такой-то цены с такими характеристиками». Ассистент или автономный агент сам обходит источники, извлекает факты о товарах и выдаёт готовую рекомендацию. И если ваша витрина понятна машине — товар попадает в ответ; если нет — его как будто не существует.
Эта статья — о том, как готовить витрину магазина на 1С-Битрикс к такой машинной выдаче: какие данные нужны ИИ-агенту, зачем структурированная разметка и фиды, как обеспечить актуальность цены и наличия и что при этом не сломать для живых покупателей. Начинать такую подготовку логично с наведения порядка в данных — с аудита и оптимизации 1С.
Коротко
- ИИ-агенты не «кликают» — они извлекают факты, поэтому решают структурированные данные, а не дизайн.
- Критичны цена, наличие, точные характеристики и однозначная идентификация товара.
- Микроразметка Schema.org, корректные фиды и API делают каталог машиночитаемым.
- Фундамент — актуальность данных: цена и остатки должны приходить из 1С без расхождений.
Как меняется путь покупателя
Классический путь — «запрос в поиске, список ссылок, переходы, выбор» — постепенно дополняется новым: пользователь формулирует задачу ассистенту, а тот сам собирает и сравнивает варианты. Меняется не только интерфейс, но и то, кто «читает» ваш магазин. Раньше это был человек, теперь всё чаще — программа, которая извлекает факты и принимает решение за пользователя или вместе с ним.
Для магазина это стратегический сдвиг. Побеждает не тот, у кого красивее баннер, а тот, чьи данные машина может корректно прочитать, понять и использовать. Товар с полными характеристиками, честной ценой и актуальным наличием попадёт в рекомендацию агента; товар с пустой карточкой и расхождениями в данных — нет. По сути, это новый канал попадания в выбор покупателя, и к нему готовятся заранее.
Что нужно ИИ-агенту от витрины
Агент относится к каталогу иначе, чем человек. Ему не нужны эмоции и «продающий» текст — ему нужны факты, которые можно извлечь и сравнить. Хорошая витрина под ИИ отвечает на машинные вопросы однозначно:
- Что это за товар. Однозначная идентификация: название, бренд, модель, артикул, коды.
- Сколько стоит. Актуальная цена в машиночитаемом виде, с валютой и условиями.
- Есть ли в наличии. Статус доступности, а не только визуальная плашка «в наличии».
- Какие характеристики. Структурированные свойства, а не «простыня» текста.
- Что говорят покупатели. Рейтинг и отзывы в размеченном виде.
Ключевая мысль: всё, что человек считывает глазами из дизайна, машине надо отдать явно и структурированно. Дизайн при этом не отменяется — он остаётся для людей, — но за ним должен стоять машиночитаемый слой данных.
Структурированные данные и микроразметка
Основной инструмент машиночитаемости — микроразметка Schema.org (Product, Offer, AggregateRating и связанные типы). Она описывает товар языком, который понимают и поисковики, и ИИ-системы: где цена, где наличие, где характеристика, где отзыв.
| Сущность | Что описывает | Зачем агенту |
|---|---|---|
| Product | Название, бренд, модель, идентификаторы | Однозначно узнать товар |
| Offer | Цена, валюта, наличие, условия | Сравнить предложения и цену |
| AggregateRating | Средний балл и число отзывов | Оценить репутацию товара |
| Свойства товара | Технические характеристики | Отфильтровать по требованиям |
В 1С-Битрикс разметку добавляют в шаблон карточки товара, подставляя реальные значения из свойств инфоблока и цен торгового каталога. Важно, чтобы разметка совпадала с тем, что видит пользователь: расхождение между машинным и визуальным слоем подрывает доверие и к поиску, и к ИИ-источнику. Про безопасную отдачу структурированных данных наружу полезна статья про REST, вебхуки и безопасность.
Чистое описание и характеристики товара
Машина плохо извлекает факты из рекламного текста, где характеристики растворены в предложениях. Ей нужны структурированные свойства: отдельные поля «бренд», «мощность», «материал», «габариты» с однозначными значениями. Поэтому подготовка под ИИ начинается с наведения порядка в характеристиках каталога.
- Свойства, а не текст. Характеристики вынесены в свойства инфоблока, а не спрятаны в описание.
- Единые единицы измерения. Одинаковый формат значений по всей категории — иначе сравнение ломается.
- Заполненность. Ключевые свойства заполнены у всех товаров категории, без пропусков.
- Однозначные значения. Списочные свойства вместо свободного ввода, чтобы «чёрный» и «black» не были разными.
Такая структура полезна вдвойне: она нужна и умному фильтру для людей, и агенту для машинного подбора. Фактически чистые характеристики — общий фундамент и внутреннего UX, и внешней ИИ-выдачи.
Фиды и машиночитаемый каталог
Помимо разметки на страницах, каталог отдают целиком в виде фидов — структурированных выгрузок для внешних систем. Это привычный формат для маркетплейсов, рекламных площадок и агрегаторов, и он же работает как машиночитаемое представление каталога для внешних сервисов.
- Полнота. В фиде — идентификаторы, цена, наличие, характеристики, ссылки на карточку и изображения.
- Регулярность. Фид обновляется по расписанию, чтобы цена и наличие не устаревали.
- Корректность. Валидная структура без битых полей и пропусков ключевых атрибутов.
- Идентификаторы. Стабильные коды товара, по которым его можно однозначно узнать между выгрузками.
В 1С-Битрикс фиды формируют штатными механизмами экспорта каталога или кастомной выгрузкой по расписанию через агенты. Генерацию тяжёлых фидов на большом каталоге лучше выносить в фоновую обработку, чтобы не нагружать витрину, — про фоновые процессы и деплой мы пишем в статье про CI/CD и деплой в Битрикс.
API для цены и наличия
Фид — это снимок каталога на момент выгрузки. Но цена и наличие меняются постоянно, и для точной ИИ-выдачи иногда нужен доступ к актуальным данным «прямо сейчас». Эту роль выполняет API: внешняя система запрашивает текущую цену и остаток по идентификатору товара и получает свежий ответ.
Грамотно спроектированный API отдаёт ровно то, что нужно, и не больше: идентификатор, цену для нужной аудитории, статус наличия, при необходимости — сроки поставки. Здесь критична безопасность: наружу нельзя отдавать закрытые данные, а доступ ограничивают авторизацией и лимитами. Как строить такой обмен безопасно, подробно разобрано в статье про REST, вебхуки и безопасность, а производительность выборок — в материале про D7 и ORM.
Актуальность данных и обмен с 1С
Всё описанное выше бессмысленно, если данные на витрине не соответствуют реальности. Агент, порекомендовавший товар по устаревшей цене или показавший «в наличии» то, чего нет на складе, вводит покупателя в заблуждение — и доверие к источнику падает. Поэтому фундамент подготовки под ИИ — не разметка, а актуальность.
Актуальность обеспечивает обмен с учётной системой. Цена, остатки и характеристики должны приходить из 1С стабильно и без расхождений: через регламентный обмен CommerceML или более оперативный механизм для критичных данных. Если обмен «спотыкается» или коды товаров плавают от выгрузки к выгрузке, ломается вся машиночитаемая цепочка.
Рекомендации и связи между товарами
ИИ-агент часто подбирает не один товар, а комплект: сопутствующие, альтернативные, совместимые позиции. Здесь помогают связи между товарами, которые вы и так строите для внутренней персонализации. Механизм BigData-рекомендаций Битрикса накапливает поведенческие данные и связывает товары, а явные связи (аксессуары, аналоги, совместимость) задают в каталоге вручную.
Чем богаче и чище эти связи, тем полезнее каталог и для внутренних рекомендаций, и для внешнего агента, который собирает решение под задачу пользователя. Фактически хорошая база товаров с продуманными связями работает сразу на два фронта: персонализацию на сайте и подбор во внешней ИИ-выдаче.
Реализация в 1С-Битрикс
Подготовка витрины под ИИ-выдачу на 1С-Битрикс — это последовательная работа с данными и интеграцией:
- Аудит данных. Оценить заполненность характеристик, наличие разметки, корректность фидов, актуальность цены и наличия.
- Порядок в характеристиках. Вынести свойства в инфоблок, унифицировать единицы и значения, заполнить пропуски.
- Микроразметка. Добавить Schema.org (Product, Offer, AggregateRating) в шаблон карточки с реальными значениями.
- Фиды. Настроить регулярную машиночитаемую выгрузку каталога со стабильными идентификаторами.
- API при необходимости. Отдавать актуальные цену и наличие по запросу, безопасно и с лимитами.
- Обмен с 1С. Обеспечить стабильную передачу цен, остатков и характеристик без расхождений.
- Проверка. Свериться, что разметка, фиды и API совпадают с тем, что видит человек на витрине.
Значительная часть этой работы лежит на стороне учётной системы и обмена. Чтобы данные приходили на сайт корректно и вовремя, обмен и процессы автоматизируют централизованно — это зона автоматизации на 1С, а движение цен и остатков — автоматизации продаж и склада.
Что при этом не ломать для людей
Оптимизация под машины не должна ухудшать сайт для живых покупателей. Витрина по-прежнему продаёт людям, и большинство заказов ещё долго будет приходить от них напрямую. Поэтому подготовку под ИИ ведут как дополнение, а не замену:
- Дизайн и эмоции остаются. Машиночитаемый слой добавляется под визуальным, а не вместо него.
- Тексты для людей. Продающее описание сохраняется рядом со структурированными свойствами.
- Скорость не страдает. Фиды и API работают в фоне и не тормозят витрину.
- Никакой накрутки. В разметке — только честные данные, иначе пострадают и люди, и машины.
Правильный подход — единый источник правды: одни и те же данные о товаре питают и красивую карточку для человека, и структурированную выдачу для агента. Тогда обе аудитории видят согласованную, актуальную информацию.
Частые ошибки
- Характеристики в тексте. Свойства спрятаны в описании, машина не может их извлечь.
- Разметка не совпадает с контентом. В Schema.org одна цена, на странице другая — потеря доверия.
- Устаревшие данные. Фид и API отдают старую цену и наличие из-за сбоев обмена.
- Плавающие идентификаторы. Коды товара меняются между выгрузками, агент теряет позицию.
- Тяжёлые фиды на витрине. Генерация выгрузки нагружает сайт вместо фоновой обработки.
- Небезопасный API. Наружу отдаются закрытые данные без авторизации и лимитов.
- Ставка только на разметку. Оформление есть, а данные неактуальны — фундамент отсутствует.
Чек-лист подготовки
- Данные проаудированы. Понятно состояние характеристик, разметки, фидов и актуальности.
- Характеристики структурны. Свойства в инфоблоке, единые единицы, без пропусков.
- Разметка на месте. Schema.org с реальными значениями совпадает с содержимым страницы.
- Фиды настроены. Регулярная машиночитаемая выгрузка со стабильными идентификаторами.
- API безопасен. Актуальные цена и наличие по запросу, с авторизацией и лимитами.
- Обмен стабилен. Цена, остатки и свойства приходят из 1С без расхождений.
- Люди не забыты. Дизайн, тексты и скорость сохранены, единый источник данных.
- Согласованность проверена. Разметка, фиды, API и витрина показывают одно и то же.
Вывод
Витрину всё чаще «читает» не человек, а ИИ-ассистент или агент, и он ищет не эмоции, а факты: цену, наличие, характеристики, однозначную идентификацию товара. Подготовка под такую выдачу — это в первую очередь порядок в данных: структурированные свойства, честная микроразметка, корректные фиды и, при необходимости, безопасный API.
Но главный фундамент — актуальность. Никакая разметка не спасёт, если цена и наличие расходятся с реальностью, поэтому всё держится на надёжном обмене с 1С. Наведите порядок в данных и интеграции — и ваш каталог станет понятен и людям, и машинам, а товар будет попадать в рекомендации нового поколения покупательского выбора.
