W artykule o strategii Amazona wobec agentycznego handlu pisałem o tym, dlaczego gigant e-commerce blokuje zewnętrznych agentów AI, idzie do sądu z Perplexity i buduje własne zamknięte narzędzia. To jest perspektywa strategiczna i architektoniczna — dlaczego Amazon robi to co robi.
Ale jest drugi, bardziej praktyczny wymiar tej historii, który dotyczy bezpośrednio merchantów sprzedających na platformie: jeśli zewnętrzni agenci AI są blokowani, a Amazon buduje własny ekosystem AI — co to znaczy dla widoczności produktów? Jak zoptymalizować obecność w świecie, gdzie Amazon gra według własnych zasad?
Odpowiedź jest nieoczywista. Amazon nie jest po prostu „rynkiem do ignorowania” w epoce agentycznej. Jest największym silnikiem wyszukiwania produktów w USA — przechwytuje 63% wszystkich intencji zakupowych. I ma własnego agenta AI: Rufusa.
Rufus — agent AI, którego nikt nie blokuje
Rufus to wewnętrzny asystent zakupowy Amazona, uruchomiony jako beta na początku 2024 roku. Do października 2024 obsługiwał już 274 miliony zapytań dziennie — około 13,7% całego ruchu na Amazonie. Prognozy wskazywały na wzrost do 35% wolumenu wyszukiwań do końca 2025.
To nie jest chatbot FAQ. Rufus integruje się bezpośrednio z listingami produktowymi, recenzjami, sekcją Q&A i danymi behawioralnymi kupujących. Gdy użytkownik pyta „jaki krem do twarzy wybrać dla skóry mieszanej pod makijaż do 100 zł”, Rufus nie zwraca listy słów kluczowych — interpretuje intencję, kontekst i ograniczenia, a następnie rekomenduje konkretne produkty.
Kluczowa różnica w stosunku do zewnętrznych agentów: Rufus ma dostęp do danych, których żaden zewnętrzny agent nigdy nie zobaczy. Historii zakupów, zachowań przeglądania, recenzji, danych z Prime. To jest powód, dla którego Amazon może pozwolić sobie na blokowanie ChatGPT i Perplexity — bo jego własny agent jest lepiej poinformowany niż jakikolwiek zewnętrzny system, który musiałby bazować na scrapowaniu HTML.
Dwa algorytmy, jedna platforma
Żeby zrozumieć optymalizację pod Rufusa, trzeba najpierw zrozumieć, że Amazon ma teraz dwa nakładające się systemy rankingowe działające jednocześnie.
A10 — tradycyjny algorytm Amazona, który rankuje produkty w standardowych wynikach wyszukiwania. Opiera się na trafności słów kluczowych, velocity sprzedaży, konwersji, recenzjach i historii oferty. Optymalizacja pod A10 to klasyczne Amazon SEO, które branża opanowała przez ostatnią dekadę.
COSMO + Rufus — warstwa AI, która działa równolegle. COSMO (COntextual and SEMantic understanding of Online shopping) to system rozumienia intencji zakupowych, który interpretuje zapytania semantycznie, nie leksykalnie. Rufus jest frontendem tej logiki. Razem oceniają nie to, czy produkt zawiera właściwe słowo kluczowe, ale czy jest właściwą odpowiedzią na problem kupującego.
Produkt może zajmować wysoką pozycję w A10 dla słowa kluczowego i jednocześnie nie pojawiać się w rekomendacjach Rufusa, bo listing nie odpowiada na pytania w naturalnym języku. I odwrotnie — produkt z gorszą pozycją organiczną może być aktywnie promowany przez Rufusa, jeśli jego dane produktowe precyzyjnie odpowiadają na kontekst zapytania.
Optymalny wynik wymaga obydwu — klasycznego SEO jako fundamentu i nowej warstwy optymalizacji pod semantyczne rozumienie AI.
Co Rufus ocenia inaczej niż A10
Główna różnica między optymalizacją pod A10 a optymalizacją pod Rufusa to przesunięcie z keywordów na kontekst.
A10 pyta: czy ten listing zawiera słowo kluczowe „bezprzewodowe słuchawki”? Rufus pyta: czy ten produkt jest odpowiednią odpowiedzią na pytanie „jakich słuchawek szukać do biegania w deszczu z małym etui”?
W praktyce oznacza to kilka konkretnych zmian w podejściu do treści listingów.
Tytuł — klasyczne SEO tytułuje produkt przez główne słowo kluczowe i specyfikację techniczną. Rufus lepiej rozumie tytuły, które łączą produkt z zastosowaniem i odbiorcą. Nie „Słuchawki Bluetooth IPX5 30h bateria”, ale „Bezprzewodowe słuchawki sportowe z ochroną przed deszczem — do biegania i treningu”.
Bullet points — tradycyjnie lista cech produktu. Pod Rufusa każdy bullet powinien łączyć cechę z konkretnym kontekstem użycia i potrzebą. Nie „Wodoodporność IPX5”, ale „Wodoodporne IPX5 — działają podczas treningu w deszczu bez ryzyka uszkodzenia”.
Opis i A+ Content — Rufus aktywnie indeksuje opisy pod kątem odpowiedzi na pytania. Sekcje porównawcze w A+ Content (tabele cech produktów) są przez Rufusa traktowane jako ustrukturyzowane dane i łatwiej z nich wyciąga odpowiedzi.
Atrybuty backendu — to jest prawdopodobnie najbardziej niedoceniany element. Pola atrybutów w Seller Central („Intended Use”, „Subject Matter”, „Material Composition”) są dla COSMO tym, czym Schema.org jest dla Google. Każde puste pole to zerwane połączenie w sieci wiedzy, którą Rufus buduje o produkcie.
Recenzje i Q&A jako SEO
Rufus traktuje User Generated Content — recenzje i sekcję Q&A — jako dane o wysokim autorytecie. Gdy generuje odpowiedź, często cytuje recenzje bezpośrednio: „Użytkownicy raportują, że produkt jest mały rozmiarowo…”
To ma konkretną implikację: merchantowie nie mogą edytować recenzji, ale mogą aktywnie kształtować sekcję Q&A. Jest to jedno z niewielu miejsc, gdzie merchant może wpływać na Rufusa bez modyfikacji samego produktu.
Taktyka, którą stosują zaawansowani sprzedawcy: zamiast czekać, aż kupujący zadają pytania, sami inicjują pytania przez zaufanych klientów lub sieć znajomych — kierując je na semantyczne zapytania, na które chcą rankować w Rufusie, ale nie mogą ich naturalnie wpleść w tytuł.
Na przykład: jeśli produkt to mata do jogi, a kluczowe pytanie zakupowe to „czy mata jest antypoślizgowa przy intensywnym poceniu”, a tytuł i bullet points tego nie pokrywają wprost — można to zaadresować w Q&A, gdzie Rufus zaindeksuje odpowiedź.
Zewnętrzna reputacja jako czynnik rankingowy
Tu pojawia się element, który zaskoczy merchantów skupionych wyłącznie na optymalizacji wewnątrz platformy.
Amazon pokazuje nad listingami produktowymi blok „Researched by AI” — podsumowania generowane przez Rufusa, które często cytują zewnętrzne źródła: branżowe publikacje, blogi, artykuły recenzyjne. Produkt z jedną wzmianką w dobrze zaindeksowanej publikacji branżowej może wyprzedzić w rekomendacjach Rufusa produkt z doskonale zoptymalizowanym listingiem, jeśli Rufus uzna zewnętrzne źródło za bardziej kontekstowo relewantne.
To znaczy, że strategia widoczności na Amazonie w 2026 roku zaczyna wymagać elementów, które kojarzą się z klasycznym PR i content marketingiem: obecności w branżowych rankingach, testach porównawczych, artykułach eksperckich. Nie dlatego, że te artykuły generują ruch na Amazon — ale dlatego, że Rufus ich szuka i cytuje.
Amazon vs reszta ekosystemu agentycznego
Wraca pytanie strategiczne, które pojawia się przy każdej decyzji merchantera sprzedającego zarówno na Amazonie, jak i przez własny sklep: jak te dwa światy się mają do siebie?
Amazon i otwarte protokoły agentyczne (UCP, ACP) to osobne gry z osobnymi zasadami. Zewnętrzni agenci Amazona nie dotrą — jest zablokowany. Rufus funkcjonuje wewnątrz platformy i nigdy nie wyjdzie na zewnątrz w imieniu kupującego.
Merchant, który sprzedaje wyłącznie przez Amazon, jest niewidoczny dla Gemini, ChatGPT i Copilota — i nie ma na to wpływu, bo to decyzja Amazona, nie jego. Merchant ze własnym sklepem zintegrowanym z UCP/ACP jest niewidoczny dla Rufusa — i tu już ma wpływ, bo to decyzja jego, co robi z własną domeną.
Dla merchantów sprzedających przez oba kanały optymalnie: osobna strategia dla każdego ekosystemu. Amazon wymaga optymalizacji pod Rufusa i klasycznego Amazon SEO. Własny sklep wymaga ACO, UCP/ACP i klasycznego SEO pod Google/Bing.
Próba stosowania jednej strategii do obu prowadzi do suboptymalizacji każdego z nich.
Lista działań dla sprzedającego na Amazonie
Po pierwsze — audyt atrybutów backendu. Przejdź przez pola atrybutów każdego kluczowego listingu w Seller Central. Każde puste pole to niewidoczność dla COSMO. Szczególnie ważne: Intended Use, Subject Matter, Compatibility, Material Type, Occasion.
Po drugie — przepisz bullet points z perspektywy zastosowań, nie cech. Dla każdej cechy technicznej dodaj konkretny kontekst użycia. „Ładowanie indukcyjne” → „Ładowanie bezprzewodowe — kładź na podstawce podczas snu bez szukania kabla w ciemności”.
Po trzecie — zaindeksuj kluczowe pytania w sekcji Q&A. Zidentyfikuj 5–10 pytań zakupowych, na które odpowiedź jest kluczowa w Twojej kategorii. Zainicjuj te pytania i odpowiedz na nie kompletnie.
Po czwarte — zbuduj zewnętrzną reputację produktu. Jeden artykuł w branżowej publikacji, jeden test porównawczy, jeden ranking — to sygnał, który Rufus może zacytować w „Researched by AI”. To dłuższa droga niż optymalizacja wewnętrzna, ale trwalsza.
Po piąte — testuj Rufusa regularnie. Zadawaj mu pytania w stylu, w jakim Twoi klienci szukają produktów. Obserwuj, kiedy i jak pojawia się Twój produkt, co Rufus mówi o nim, co cytuje. To jest odpowiednik sprawdzania pozycji w Google Search Console — tyle że ręczny, bo Amazonie nie ma jeszcze odpowiednika AI Performance z Binga.
Amazon jest zamknięty na zewnętrznych agentów. Ale Rufus to agent wewnątrz Amazona — i do tego można się dostosować. To osobna gra, ale gra, którą można wygrać.