ראיות לסחר סוכנים: מה סוחרים יכולים למדוד.
מדריך מעשי לאותות ברמת הבקשה שסוכני קניות מבוססי AI משאירים אחריהם, מדוע רוב ערימות האנליטיקה מפספסות אותם, וכיצד Cartograph נבנית כדי לסגור את הפער הזה.
פורסם · עודכן
מהי ראיית מסחר של סוכנים?
ראיות Agent-commerce הן קבוצת אותות ברמת הבקשה המראות שקונה מתווך AI יצר אינטראקציה עם הקטלוג, חזית החנות, העגלה או הקופה שלך. בניגוד לניתוחי אינטרנט מסורתיים, המסתמכים על הפעלת JavaScript בדפדפן, ראיות מתחילות במקור: שרת מוגדר, CDN, ויומני יישומים יכולים ללכוד בקשות שמגיעות לנקודות תצפית אלו גם כאשר פיקסל בצד הלקוח אינו נדלק; הכיסוי אינו מלא כברירת מחדל ותלוי בהכללת מקורות, ניתוב, דגימה, שמירה, ובריאות האיסוף.
התצפית המרכזית פשוטה: סוכן AI שאחזר דף מוצר, הוסיף פריט או השלים קופה מואצלת עדיין מנפיק בקשות HTTP. בקשות אלו נושאות מחרוזות סוכן משתמש, מפנים, אסימונים ודפוסי תזמון. כאשר הם נלכדים בשכבת הלוג ומתויגים בעקביות, הם הופכים לעדות.
Cartograph נבנית כדי לאסוף, לנרמל ולתייג עדויות כך שסוחרים יוכלו לענות על שאלות שהמערכת הנוכחית שלהם אינה יכולה: איזה אחוז מהתעבורה שלי מונע על ידי סוכנים? אילו בקשות אינן מסווגות? היכן סוכנים נושרים בין הקטלוג לקופה?
Adobe Digital Insights דיווחו כי תנועה המופנית על ידי בינה מלאכותית לאתרי קמעונאות בארה"ב גדלה 393% year over year in Q1 2026. ב- March 2026, ביקורים אלה המירו 42% better ונוצרו 37% higher revenue per visit מתנועה שאינה מבוססת AI. אדובי אומרת שהניתוח הבסיסי של הקמעונאות בארה"ב מכסה more than one trillion visits.
Adobe-reported historical data; not Cartograph customer data. Growth rate does not indicate channel share.
הערימה שלך רואה את החלקים. האינטגרציה המתוכננת מחברת את הראיות.
Cartograph is not a bot detector, PIM, analytics platform, PSP, or commerce platform. It is being built as the agent-commerce evidence layer across them.
קריא, עקבי, יכולת עסקה (Transactable).
This is a readiness framework, not an ACES taxonomy, classifier, confidence model, grade, or score. Each category names the merchant surface, the observation method, and its limitation.
האם הסורק או האספן המוגדרים יכולים לאחזר ולנתח את משטח הסוחר הנקוב?
גבול: אינו הבנה, ציטוט, העדפה, או המלצה של מודל חיצוני.
האם משטחים ייעודיים שאושרו על ידי הסוחר מסכימים באופן מהותי בתוך חלון תצפית והשוואה מוגדרים?
גבול: אינו אמון סוכן חיצוני, אמונה, ביטחון, העדפה, דחייה, או מיקום בקבוצת שיקולים.
האם אירועים שנצפו על ידי סוחר או אבחון סינתטי מאושר בנפרד מראים התקדמות מדויקת דרך אבני הדרך של העגלה או הקופה שנכללות בטווח?
גבול: אינו הוכחת מסע מלא, השלמת הזמנה, אישור תשלום, תמיכת ספק, או המרה.
ראיות, לא ניחושים.
The v0.1 specification defines deterministic traffic labels and evidence codes. It does not infer intent, score actors, or treat missing agent evidence as proof of human traffic.
מפרט v0.1 מגדיר חמישה סיווגי תעבורה: סוכן מאומת, בוט מוצהר – מאומת, בוט מוצהר – לא מאומת, מופנה AI, ולא מסווג. תוויות אלה מתארות עדויות זמינות בעת הלכידה; הן אינן קובעות שתעבורה לא מסווגת היא אנושית.
מה ה-stack שלך רואה — ומה הוא מפספס
רוב ערימות הטכנולוגיה של סוחרים תוכננו עבור קונים אנושיים. ניתוח אינטרנט זקוק לדפדפן ולמשתמש מסכים. ניהול בוטים מחפש ניצול לרעה, לא ייחוס. מערכות ניהול מידע מוצר יודעות מה אתה מוכר, אך לא מי שאל. מעבדי תשלומים רואים עסקאות, אך לעיתים רחוקות את הסוכן הקודם שייזם את המסע.
התוצאה היא שטח מת: נתח מדיד של אירועי בקשות כשירים לחנות נשאר לא מסווג לאחר תיוג דטרמיניסטי. סגירת הפער הזה דורשת שילוב אירועי בקשות ממקור יומן עם מודל תיוג שמזהה סוכנים מתועדים על ידי ספקים והתנהגות דמוית סוכן.
כיצד Cartograph מתכננת לחבר את הראיות
הארכיטקטורה המתוכננת של Cartograph מתייחסת למשטחי סוחרים כמפיקי אירועים: הזנות, חזיתות חנויות, עגלות קניות, קופות ותהליכי תשלום פולטים כל אחד אירועי בקשה. הפלטפורמה מתוכננת לקלוט אירועים אלה מיומני צד שרת, להחיל קבוצת תוויות ראיות בגרסה 0.1, ולהציג Unidentified Traffic מדד: הנתח הבלתי מתויג של אירועי בקשות כשירים.
בטווח הארוך, המטרה היא להוסיף תוויות דטרמיניסטיות עבור סוכנים מתועדים על ידי ספקים, תוויות היוריסטיות עבור מוספים לא ידועים אך דמויי סוכנים, ואותות בבעלות הסוחר כגון אסימוני קופה חתומים. התוצאה היא שכבת ראיות משותפת שצוותי אנליטיקה, מוצר, אבטחה ותשלומים יכולים כולם להשתמש בה.
Agent-commerce evidence is the set of request-level signals that show an AI-mediated shopper interacted with a merchant's catalog, storefront, cart, or checkout — captured at the log layer rather than in the browser.
Cartograph Intelligence, "ראיות לסחר סוכנים: מדריך שדה לסוחרים." https://cartographintelligence.com/he/agent-commerce-evidence