Wie KI-Shopping-Agenten Ihre Produktdaten lesen.
Was ein Agent zuverlässig von einer Händler-Oberfläche extrahieren kann, was nicht, und die Rückverfolgung auf Anforderungsebene, die jeder Versuch hinterlässt.
Ein Agent liest, was maschinenlesbar ist
Ein menschlicher Käufer toleriert Mehrdeutigkeiten – er leitet eine Größe aus einem Foto ab oder ein Lieferversprechen von einem Abzeichen. Ein Agent, der eine Aufgabe bearbeitet, benötigt Werte, die er parsen und vergleichen kann. In der Praxis ordnet dies die Wahrheitsquellen auf einer Händlerseite ungefähr so ein:
- Strukturierte Produktauszeichnung im ausgelieferten HTML – die expliziteste Angabe von Name, Kennung, Preis, Währung und Verfügbarkeit.
- Feeds und APIs der Händler bewusst aussetzt – kanonisch, aber nur so aktuell, wie der Händler sie hält.
- Server-gerenderter Seiteninhalt – nutzbar, aber es muss interpretiert und nicht gelesen werden.
- Client-gerenderte Benutzeroberfläche und Bilder – die am wenigsten zuverlässige, da der Wert in dem, was der Agent abgerufen hat, möglicherweise nie existiert.
Die vier Fragen, die ein Agent in der Regel zu beantworten versucht
Die meisten agentischen Produktabrufe reduzieren sich auf eine kleine Anzahl von Entscheidungen. Ob ein Agent diese von Ihrer Oberfläche beantworten kann, bestimmt, ob Ihr Produkt in der engeren Auswahl bleibt:
- Ist dies das Produkt, das der Käufer gewünscht hat – eindeutige Identität und Variante?
- Was kostet es gerade, einschließlich Währung und etwaiger Qualifikationsbedingungen?
- Kann es gekauft werden – auf Lager, an den Zielort lieferbar, heute kaufbar?
- Was passiert nach dem Kauf – Retouren, Lieferzeitfenster, Garantiebedingungen?
Was der Fetch hinterlässt
Jeder dieser Lesevorgänge ist eine HTTP-Anfrage an eine vom Händler kontrollierte Oberfläche. Sie enthält einen User-Agent-String, einen Referrer oder dessen Fehlen, einen Anfragspfad, Zeitangaben und Header. Erfasst auf der Protokollebene – Server, CDN, Anwendung – sind diese Attribute das Rohmaterial für Evidenz.
Der Ansatz von Cartograph besteht darin, die Kategorien getrennt zu halten, anstatt sie zusammenzuführen: verifizierte Anbieteridentität, beanspruchte, aber unbestätigte Identität, agentenähnliches Verhalten ohne Anspruch und unbekannt. Der unklassifizierte Rest wird als Unidentifizierter Traffic anstatt stillschweigend zugeschrieben zu werden.
Cartograph behauptet nicht zu wissen, was ein externes Modell außerhalb der Plattform geschlossen, bevorzugt oder empfohlen hat. Das Fehlen von Agenten-Evidenz beweist keinen menschlichen Traffic.
Häufig gestellte Fragen
Was ist ein KI-Shopping-Agent?
Ein KI-Shopping-Agent ist eine Software, die die Aufgabe eines Käufers ausführt – finden, vergleichen, überprüfen, manchmal kaufen –, indem sie Anfragen an Händler-Oberflächen sendet, anstatt dass eine Person diese direkt durchsucht.
Wie erhalten KI-Shopping-Agenten Produktinformationen?
Primär durch das Abrufen dessen, was bereits öffentlich und maschinenlesbar ist: Produktseiten, strukturierte Daten, die in diesen Seiten eingebettet sind, und alle Feeds oder APIs, die der Händler bereitstellt. Details, die nur in clientseitig gerenderter Benutzeroberfläche oder Bildern existieren, sind am wenigsten zuverlässig zu lesen.
Identifizieren sich KI-Shopping-Agenten?
Einige schon. Mehrere Anbieter veröffentlichen User-Agent-Strings und Kontroll-Tokens für ihre automatischen Crawler und benutzergesteuerten Fetcher. Andere tun dies nicht, weshalb die händlerseitige Evidenz eine verifizierte Identität, eine beanspruchte Identität und unbekannte Identitäten trennen muss.