Google AI Search untuk E-commerce: Dari Merchant Data ke Jawaban Generatif

Bayangkan user berkata:

“Cari sepatu lari pria untuk overpronation, ukuran 43, di bawah dua juta, warna gelap, bisa dikirim ke Jakarta minggu ini.”

Itu bukan keyword sederhana.

Ada:

product category.

use case.

size.

price ceiling.

color.

location.

delivery timing.

Mungkin brand preference.

Mungkin review.

Google AI Mode dirancang untuk query seperti ini.

Dan untuk e-commerce, jawaban generatif tidak bisa hidup hanya dari artikel blog.

Ia membutuhkan product data.

Google pada 2026 semakin eksplisit soal ini: AI-driven shopping experiences menggunakan informasi dari ekosistem commerce Google, termasuk product data yang merchants kirim melalui Merchant Center dan data yang tersedia di Search.

Artinya AI Optimization e-commerce bukan project “tambahkan artikel GEO”.

Ia adalah product information operations.

Merchant Center sekarang jauh lebih strategis

Dulu beberapa merchant melihat Merchant Center hanya sebagai requirement ads.

Upload feed.

Run Shopping ads.

Selesai.

Sekarang scope-nya lebih besar.

Product data bisa digunakan dalam free listings dan berbagai Search experiences.

Google Search Central juga menyarankan website owner memastikan Merchant Center information tetap up-to-date agar products dapat terlihat di AI responses dan Search results.

Pada 2026, Google bahkan mengumumkan AI performance insights di Merchant Center untuk beberapa market, serta conversational attributes yang membantu merchants menyediakan detail lebih kaya untuk product discovery.

Tidak semua fitur tersedia di semua negara.

Untuk Indonesia, availability harus dicek sebelum menjadikan fitur sebagai KPI.

Tetapi direction-nya jelas.

Merchant data bukan backend admin.

Ia menjadi discovery infrastructure.

Basic data harus benar dulu

Sebelum bicara AI shopping, periksa:

title.

description.

price.

currency.

availability.

brand.

GTIN.

MPN.

condition.

image.

shipping.

return.

variants.

Kalau basic fields kacau, conversational AI tidak punya foundation.

Google sendiri mengatakan AI-driven shopping experiences powered by basic product data merchants provide.

Ini statement yang sangat practical.

Masalah ecommerce sering bukan kurang content.

Masalahnya feed messy.

Product title:

“SEPATU NIKE PRIA ORIGINAL TERMURAH BEST SELLER NEW 2026!!!”

Ini marketing noise.

Model dan user membutuhkan identity.

Brand.

Model.

Gender.

Size maybe variant.

Color.

Core attributes.

Title clarity.

Product description harus factual.

Bukan keyword spam.

Product identity adalah foundation AI commerce.

Product dan offer harus dibedakan

Satu product bisa dijual banyak seller.

Harga berbeda.

Stock berbeda.

Shipping berbeda.

Warranty berbeda.

AI answer yang menjawab “berapa harga” sebenarnya berhadapan dengan offers.

Ecommerce site perlu data model yang membedakan product entity dan offer state.

Product:

Nike Model X.

Offer:

Rp1.799.000.

size 43 available.

seller official.

ships Jakarta.

return 14 days.

Kalau offer data stale, answer generatif bisa misleading.

Karena itu feed freshness penting.

Google Shopping Graph secara besar terus memperbarui inventory dan prices.

Merchant harus ikut menjaga data current.

Tidak ada AI Optimization yang bisa menyelamatkan stock salah.

Variants adalah area chaos klasik

Fashion.

Electronics.

Furniture.

Cosmetics.

Semua punya variants.

Size.

Color.

Storage.

Material.

Pattern.

Generation.

Google mendukung ProductGroup dan Product structured data untuk membantu memahami variant relationships.

Tetapi structured data harus mengikuti actual product model.

Jangan semua variant jadi duplicate product tanpa relation.

Contoh:

iPhone model tertentu 128GB black.

256GB black.

128GB blue.

Mereka related variants.

Jika canonicalization, URL, feed ID, dan schema tidak konsisten, system bisa bingung.

AI shopping membutuhkan ability menjawab:

“Yang 256GB warna blue ada?”

Itu variant query.

Bukan generic product query.

Ecommerce data architecture harus bisa menjawab.

Merchant Center dan structured data sebaiknya bekerja bersama

Google memberi merchants beberapa cara memberi product data:

Product structured data.

Merchant Center feed.

Atau keduanya.

Menggunakan keduanya bisa memberi coverage yang lebih baik dan membantu Google memahami product details.

Tetapi consistency critical.

Page: Rp1.499.000.

Schema: Rp1.599.000.

Feed: Rp1.399.000.

Mana benar?

AI system tidak bisa membaca pikiran merchant.

Data pipeline perlu source-of-truth.

Ide bagus:

pricing system -> page.

pricing system -> schema.

pricing system -> feed.

Jika ada delay, monitor.

Same for stock.

Product data quality adalah technical SEO + operations + commerce.

Tidak bisa diserahkan ke satu plugin.

Conversational query membutuhkan conversational attributes

Pada 2026, Google mulai memperkenalkan richer conversational attributes untuk merchant listings di beberapa ecosystems.

Intinya, query shopping makin descriptive.

“Dress untuk garden wedding, tidak terlalu formal, warna pastel, breathable.”

Traditional taxonomy mungkin hanya punya:

dress.

women.

pink.

size M.

AI discovery membutuhkan lebih rich descriptive context.

Material.

occasion.

fit.

style.

weather suitability.

features.

use case.

Tetapi jangan membuat attribute palsu.

Jangan menyebut “breathable” kalau tidak ada basis.

Jangan label “orthopedic” tanpa evidence.

Jangan claim “eco-friendly” tanpa support.

Conversational commerce memperbesar value attributes.

Juga memperbesar risk overclaim.

Catalog governance harus ketat.

Images semakin menjadi product data

Shopping sangat visual.

AI search bisa menggunakan images untuk helping discovery.

Google Merchant Center mengandalkan quality images.

Website juga.

Jangan upload product dengan:

background confusing.

watermark besar.

resolution buruk.

variant color tidak sesuai.

Image salah bisa membuat user percaya product berbeda.

Untuk AI-assisted shopping, image bukan decoration.

Ia part of identity.

Original product photography membantu trust.

Lifestyle image membantu context.

Specification image membantu decision.

Tetapi jangan menggantikan factual text dengan text inside images.

Critical details tetap perlu machine-readable dan visible text.

Reviews bisa memperkaya context, tetapi jangan dimanipulasi

User bertanya:

“Sepatu ini nyaman untuk long run?”

Official description bisa bilang cushioning.

Review memberi real experience.

Google Shopping Graph juga memanfaatkan review ecosystem.

Ecommerce site harus menjaga review integrity.

Verified purchase.

Spam moderation.

Variant mapping.

No fake reviews.

No synthetic customer persona.

AI summarization bisa memperkuat review patterns.

Kalau review dataset corrupt, summary ikut corrupt.

AI Optimization etis harus memasukkan review governance.

Better 300 authentic reviews daripada 3.000 fabricated.

Trust compounding works both ways.

Shipping dan returns bukan secondary content lagi

Dalam conversational shopping, buyer sering menanyakan:

“Bisa sampai Jumat?”

“Return kalau size salah?”

“Free shipping?”

“Bisa COD?”

Shipping and return policies adalah decision facts.

Google mendukung ways untuk share shipping and returns data via Merchant Center, Search Console, dan structured data tertentu.

Ecommerce site perlu membuat policy:

clear.

current.

country-specific.

product-specific if needed.

Jangan hanya footer legal 3.000 kata.

User membutuhkan answer.

AI assistant juga.

Agentic commerce membuat policy semakin critical.

Jika agent melakukan checkout, ia perlu memahami conditions.

Real-time state lebih penting dari SEO copy

AI shopping bergerak menuju agentic behavior.

Google mengembangkan Universal Commerce Protocol dan shopping agents yang dapat bekerja dengan real-time product details seperti pricing dan inventory dalam integrated contexts.

Ini menunjukkan direction commerce:

static catalog -> actionable commerce state.

Untuk retailer besar, API dan protocol readiness mungkin relevan.

Untuk merchant kecil, jangan overengineer.

Pastikan basic state benar.

Price.

stock.

variant.

shipping.

return.

checkout.

payment.

Itu sudah massive.

AI Optimization e-commerce yang melompat ke protocol baru tetapi stock CMS manual masih salah adalah salah prioritas.

Product pages tetap penting

Merchant data tidak menggantikan page.

User tetap click.

Google crawls.

Product page memberi detail yang feed mungkin tidak punya.

Use case.

Sizing guide.

Comparison.

Manual.

Video.

FAQ.

Care instructions.

Warranty explanation.

Review.

Compatibility.

Product page harus self-contained.

Bukan thin template.

Jika AI answer menarik user ke page, page harus menyelesaikan next step.

“Add to cart” saja tidak cukup untuk high-consideration product.

Merchants perlu content depth sesuai category.

Laptop butuh specs.

Skincare butuh ingredients dan warnings.

Furniture butuh dimensions.

Spare parts butuh compatibility.

Fashion butuh size.

Product-specific substance.

Jangan mass-generate descriptions

Ecommerce dengan 100.000 SKUs memang butuh automation.

AI bisa membantu.

Tetapi jangan generate generic paragraph yang menambah noise.

“Produk berkualitas tinggi yang cocok untuk kebutuhan Anda.”

Tidak membantu.

Lebih baik data-driven description:

material.

dimensions.

compatibility.

care.

origin.

warranty.

availability.

AI generation bisa menyusun natural copy dari approved attributes.

Tetapi factual source harus controlled.

Hallucinated spec berbahaya.

Especially health, electronics, automotive.

Content automation harus constrained by catalog truth.

AI Search untuk e-commerce adalah data problem sebelum content problem

Coba audit query:

“Headphone wireless under Rp2 juta dengan multipoint, ANC, battery >30 jam.”

Apakah catalog bisa menjawab?

Jika field ANC hanya tersimpan di description.

Multipoint tidak punya attribute.

Battery format inconsistent.

Price current.

Product feed incomplete.

AI discovery difficulty starts there.

Bukan di lack of blog.

Catalog team, engineering, merchandising, SEO, ads, and data need one model.

This is why AI Optimization e-commerce cross-functional.

Measurement juga berubah

Search Console GenAI impressions bisa memberi URL exposure.

Merchant Center AI performance features mungkin memberi tambahan insight di markets tempat fitur tersedia.

Analytics memberi clicks.

Commerce system memberi:

add to cart.

checkout.

purchase.

return.

Product visibility harus dihubungkan ke outcome.

Jangan optimize product hanya agar muncul.

Wrong-fit exposure bisa menaikkan return.

Metric sehat:

GenAI product page visibility.

product discovery.

availability accuracy.

price accuracy.

click.

conversion.

margin.

return.

Customer satisfaction.

AI shopping yang bagus menghubungkan user ke product yang cocok.

Bukan product yang paling aggressive optimized.

Untuk merchant Indonesia, apa prioritas sekarang?

Satu:

Merchant Center sehat.

Dua:

Product structured data valid dan sesuai page.

Tiga:

price-stock sync.

Empat:

variant mapping.

Lima:

shipping-return jelas.

Enam:

quality images.

Tujuh:

rich attributes.

Delapan:

product page substance.

Sembilan:

review integrity.

Sepuluh:

measurement.

Baru setelah itu explore advanced agentic commerce integrations jika business scale relevan.

Tidak perlu ikut semua announcement Google.

Prioritas berdasarkan capability dan availability di market.

Di meeting, Head of E-commerce mungkin bertanya:

“Berarti buat AI Search kita perlu artikel lebih banyak?”

Jawaban:

“Mungkin. Tapi feed Anda error 18% dan stock update telat enam jam.”

Selesaikan itu dulu.

Dalam commerce, answer generatif hanya sebaik data product yang tersedia.

Merchant data bukan teknis belakang layar.

Ia adalah bahasa yang semakin dipakai Search untuk membantu orang memilih barang.

Kalau bahasa itu salah, AI answer juga berisiko salah.

Kalau bahasa itu lengkap, current, dan konsisten, brand punya foundation yang jauh lebih kuat untuk conversational shopping.

AI Search e-commerce pada akhirnya bukan hanya tentang ditemukan.

Ia tentang ditemukan dengan produk yang benar, harga yang benar, variant yang benar, dan kondisi transaksi yang benar.