Sémantické vztahy mezi produkty: Proč LLM potřebují vědět, co s čím souvisí

AI neindexuje stránky, ale vztahy

LLM nepřemýšlí jako člověk, který kliká z kategorie do detailu a porovnává tabulky. Model si místo toho skládá obraz o vašem katalogu z datových signálů: co je produkt, do jaké skupiny patří, jaké má varianty, a hlavně s čím souvisí. Pokud tyto vazby nejsou explicitní, AI musí hádat – a to je přesně ten moment, kdy e-shop ztrácí viditelnost, doporučení i konverze.

Příklad z praxe: „telefon“ a „ochranné sklo“ mohou mít podobné parametry (značka, model), ale bez vztahu typu příslušenství AI nemusí pochopit, že jde o ideální doplněk k nákupu. Stejně tak „filtr do vysavače“ bez vazby náhradní díl pro konkrétní model často skončí jako izolovaný produkt bez kontextu.

Proč samotné parametry nestačí

Parametry jsou skvělé pro filtrování a porovnání v rámci jedné kategorie. Jenže v reálném nákupním chování zákazník řeší hlavně otázky typu: „Co k tomu potřebuji?“, „Je to kompatibilní?“, „Co když se to rozbije?“, „Existuje lepší varianta?“. To jsou přesně dotazy, které LLM umí zpracovat výborně – ale jen pokud jim dáte správný kontext.

• Kompatibilita: není to jen parametr „model“, ale vztah „pasuje na“ / „je určen pro“.
• Doplňky: nejsou to „podobné produkty“, ale „často se dokupuje k“.
• Náhradní díly: nejsou to další položky v katalogu, ale „řeší konkrétní servisní potřebu“.
• Varianty: nejsou to „samostatné produkty“, ale „jedna skupina s rozdílnými atributy“.

Význam značek jako ProductGroup, isRelatedTo, isAccessoryOrSparePartFor

Pokud chcete, aby AI správně chápala váš katalog, vyplatí se pracovat se sémantickými vazbami v strukturovaných datech (typicky schema.org / JSON-LD). Nejde o „SEO trik“, ale o způsob, jak stroji jednoznačně popsat logiku katalogu.

ProductGroup (skupina variant)

ProductGroup pomáhá říct: „tohle jsou varianty jednoho produktu“. Typicky barvy, velikosti, kapacity, provedení. Pro LLM je to zásadní, protože pak chápe, že má doporučovat skupinu a vybrat vhodnou variantu, ne míchat varianty jako různé nesouvisející produkty.

isRelatedTo (souvisí s)

Tato vazba je užitečná pro „měkké“ vztahy: podobné produkty, alternativy, vhodné kombinace. Je ale důležité ji nepoužívat jako univerzální koš. Čím přesnější vztah zvolíte, tím lépe bude AI chápat kontext.

isAccessoryOrSparePartFor (příslušenství / náhradní díl pro)

Nejvíc praktická vazba pro reálný e-commerce dopad. Umožňuje jasně říct: „Tento produkt je doplněk nebo náhradní díl pro konkrétní hlavní produkt.“ To zásadně pomáhá doporučování, odpovědím v AI vyhledávání a správnému párování v katalogu.

Katalogová struktura vs. skutečné sémantické vztahy

Kategorie a filtry jsou důležité, ale samy o sobě často nevyjádří vztahy napříč katalogem. Kategorie říká „kam to patří“, ale neříká „co s čím funguje dohromady“. A právě tyto vazby jsou pro LLM nejcennější.

Co umí katalogová struktura

• Uspořádat produkty podle typu (např. Telefony / Skla / Kryty).
• Umožnit filtrování podle parametrů (model, značka, velikost).
• Vytvořit základní navigační logiku pro uživatele.

Co umí sémantické vztahy

• Říct AI „toto sklo pasuje na tento model telefonu“ (kompatibilita).
• Říct „toto je doporučený doplněk k produktu“ (cross-sell s významem).
• Říct „toto je náhradní díl pro tuto řadu“ (servisní logika).
• Říct „toto jsou varianty jedné skupiny“ (správné chápání nabídky).

Jak e-shop „vypráví příběh dat“

„Příběh dat“ znamená, že e-shop dává smysl i bez vizuálu. AI z dat pozná, co je hlavní produkt, co je varianta, co je doplněk a co je náhradní díl. Takový katalog se pak dá využít pro:

• přesnější doporučování (na webu i v externích systémech),
• lepší odpovědi v AI vyhledávání („co si mám koupit k…“),
• méně chyb v párování a nižší vratkovost u kompatibilních produktů,
• vyšší konverze díky rychlejšímu výběru správné kombinace.

Ukázky implementace na Upgates

Na Upgates se dá s vazbami pracovat kombinací katalogové logiky (varianty, parametry, kategorie) a vlastní implementace, která doplní to, co platforma standardně nepopíše dostatečně přesně. Nejčastěji to řešíme takto:

1) Varianty jako skupina (ProductGroup)

• Sjednocení variant (barvy/velikosti) tak, aby tvořily jednu „skupinu“.
• Doplnění strukturovaných dat, aby AI chápala varianty jako jeden produktový celek.

2) Doplňky a náhradní díly (isAccessoryOrSparePartFor)

• Definice vazeb mezi hlavním produktem a doplňky (kryty, skla, přípravky, baterie).
• Napojení vztahů na reálná data (model, kompatibilita, řada).
• Zobrazení vztahů v UI (doporučené doplňky) i ve strukturovaných datech.

3) Smysluplné „související“ (isRelatedTo)

• Rozlišení alternativ vs. doplňků vs. náhradních dílů (aby se vše neházelo do jednoho „související“).
• Pravidla pro automatizaci (např. dle značky/modelu/parametrů), ale s kontrolou relevance.

Shrnutí: Proč vztahy rozhodují o viditelnosti i konverzi

Parametry a kategorie jsou základ, ale pro LLM jsou to jen dílky skládačky. Skutečný obraz katalogu vzniká až ve chvíli, kdy e-shop dokáže popsat vztahy: varianty, kompatibilitu, doplňky a náhradní díly. Když e-shop „vypráví příběh dat“, AI ho snadno pochopí – a zákazníci rychleji najdou správnou kombinaci.

Chcete vědět, kde vám dnes vztahy chybí? Uděláme rychlý audit katalogu a navrhneme, jak na Upgates nastavit vztahy tak, aby měly reálný dopad na SEO, doporučení i konverze.