Agent Commerce Evidence: マーチャントが測定できること。

エージェントコマースエビデンスは、AIを介した買い物客がカタログ、ストアフロント、カート、またはチェックアウトとインタラクションしたことを示す、リクエストレベルのシグナルのセットです。ブラウザでのJavaScript実行に依存する従来のウェブ分析とは異なり、エビデンスはオリジンから始まります。設定されたサーバー、CDN、およびアプリケーションログは、ブラウザ側のピクセルが発火しない場合でも、それらの観測点に到達するリクエストをキャプチャできます。カバレッジはデフォルトで完全ではなく、ソースの包含、ルーティング、サンプリング、保持、および収集の健全性に依存します。

重要な観察はシンプルです。AIエージェントが商品ページを取得したり、アイテムを追加したり、委任されたチェックアウトを完了したりする場合でも、HTTPリクエストを発行します。これらのリクエストはユーザーエージェント文字列、リファラー、トークン、およびタイミングパターンを運びます。ログ層でキャプチャされ、一貫してラベル付けされると、それらは証拠になります。

Cartographは、マーチャントが現在のスタックでは答えられない質問に答えられるように、その証拠を収集、正規化、およびラベル付けするために構築されています。私のトラフィックのどれくらいがエージェント駆動ですか？どのリクエストが未分類ですか？エージェントはカタログとチェックアウトの間でどこで離脱しますか？

ほとんどのマーチャントスタックは人間の買い物客向けに設計されていました。Web分析にはブラウザと同意するユーザーが必要です。ボット管理は悪用を検知しますが、アトリビューションは検知しません。製品情報管理システムは販売するものは知っていますが、誰が尋ねたかは知りません。決済処理業者は取引を把握しますが、ジャーニーを開始した上流のエージェントを把握することはほとんどありません。

その結果、盲点が生じます。適格なストアフロントリクエストイベントの測定可能な割合は、次のようになります。 未分類 決定論的ラベル付け後。そのギャップを埋めるには、ログ起点のリクエストイベントと、プロバイダーが文書化したエージェントおよびエージェントのような動作を認識するラベリングモデルを組み合わせる必要があります。

Cartographの計画されているアーキテクチャでは、マーチャントのインターフェースをイベントプロデューサーとして扱います。フィード、ストアフロント、カート、チェックアウト、支払いフローがそれぞれリクエストイベントを発信します。プラットフォームは、サーバーサイドログからこれらのイベントを取り込み、v0.1のエビデンスラベルセットを適用し、それを表面化するように設計されています。 Unidentified Traffic メトリック：適格なリクエストイベントのうち、ラベル付けされていないシェア。

長期的に見て、プロバイダーが文書化したエージェントの決定的なラベル、不明だがエージェントのようなフェッチャーのヒューリスティックなラベル、そして署名付きチェックアウトトークンなどのマーチャント所有のシグナルを追加することが目標です。その結果、アナリティクス、製品、セキュリティ、支払いチームがすべて議論できる共有エビデンスレイヤーが生まれます。