Agent Commerce Evidence: wat merchants kunnen meten.
Een praktische handleiding voor de request-niveau signalen die AI-winkelagents achterlaten, waarom de meeste analysesystemen deze missen, en hoe Cartograph wordt gebouwd om dit gat te dichten.
Gepubliceerd · Bijgewerkt
Wat is agent-commerce evidence?
Agent-commerce bewijs is de set van signalen op aanvraagniveau die aantonen dat een AI-gemedieerde shopper interactie heeft gehad met uw catalogus, storefront, winkelwagen of checkout. In tegenstelling tot traditionele webanalyse, die afhankelijk is van JavaScript-uitvoering in een browser, begint bewijs bij de oorsprong: geconfigureerde server-, CDN- en applicatielogboeken kunnen verzoeken vastleggen die die observatiepunten bereiken, zelfs als een browser-side pixel niet wordt geactiveerd; dekking is niet standaard volledig en hangt af van bronopname, routing, sampling, retentie en de gezondheid van de gegevensverzameling.
De belangrijkste waarneming is eenvoudig: een AI-agent die een productpagina ophaalt, een item toevoegt of een gedelegeerde checkout voltooit, verstuurt nog steeds HTTP-verzoeken. Deze verzoeken bevatten user-agent strings, referrers, tokens en timingpatronen. Wanneer deze worden vastgelegd op de loglaag en consistent worden gelabeld, worden ze bewijs.
Cartograph wordt gebouwd om dat bewijs te verzamelen, normaliseren en labelen, zodat verkopers vragen kunnen beantwoorden die hun huidige stack niet kan beantwoorden: Hoeveel van mijn verkeer is afkomstig van AI-agents? Welke verzoeken zijn ongeclassificeerd? Waar haken agents af tussen catalogus en afrekenen?
Adobe Digital Insights meldde dat AI-verkeer naar Amerikaanse retailsites groeide 393% year over year in Q1 2026. In March 2026, die bezoeken geconverteerd 42% better en gegenereerd 37% higher revenue per visit dan niet-AI-verkeer. Adobe stelt dat de onderliggende Amerikaanse retailanalyse betrekking heeft op more than one trillion visits.
Adobe-reported historical data; not Cartograph customer data. Growth rate does not indicate channel share.
Uw stack ziet de onderdelen. De geplande integratie verbindt het bewijs.
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.
Leesbaar, Consistent, Verhandelbaar.
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.
Kan de gedefinieerde scanner of collector het benoemde handelaarsoppervlak ophalen en parsen?
Grens: geen extern modelbegrip, citatie, voorkeur of aanbeveling.
Komen de genoemde door de handelaar geautoriseerde oppervlakken materieel overeen binnen een gedefinieerd observatievenster en vergelijkingsbeleid?
Grens: geen vertrouwen, geloof, zekerheid, voorkeur, afwijzing of plaatsing in overwegingsset van externe agenten.
Laten door de handelaar waargenomen gebeurtenissen of een afzonderlijk geautoriseerde synthetische diagnose de voortgang zien door de exacte winkelwagen- of afrekeningsmijlpalen die binnen het bereik vallen?
Grens: geen bewijs voor complete reis, orderafronding, betalingsautorisatie, providerondersteuning of conversie.
Bewijs, geen giswerk.
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.
De v0.1 specificatie definieert vijf verkeerslabels: geverifieerde agent, gedeclareerde bot — geverifieerd, gedeclareerde bot — ongeverifieerd, AI-verwezen en ongeclassificeerd. Deze labels beschrijven het beschikbare bewijs bij vastlegging; ze beweren niet dat ongeclassificeerd verkeer menselijk is.
Wat uw stack ziet — en wat deze mist
De meeste merchant stacks zijn ontworpen voor menselijke shoppers. Webanalyse heeft een browser en een toestemmende gebruiker nodig. Botbeheer zoekt naar misbruik, niet naar attributie. Productinformatiebeheersystemen weten wat u verkoopt, maar niet wie erom heeft gevraagd. Betaalverwerkers zien transacties, maar zelden de upstream agent die de reis heeft geïnitieerd.
Het resultaat is een blinde vlek: een meetbaar aandeel van in aanmerking komende storefront-verzoekgebeurtenissen blijft ongeclassificeerd na deterministische labeling. Het dichten van die kloof vereist het combineren van log-origin aanvraaggebeurtenissen met een labelmodel dat door de provider gedocumenteerde agents en agentachtig gedrag herkent.
Hoe Cartograph van plan is het bewijs te verbinden
De geplande architectuur van Cartograph behandelt handelarenoppervlakken als gebeurtenisproducenten: feeds, storefronts, winkelwagens, checkouts en betalingsstromen zenden elk verzoekgebeurtenissen uit. Het platform is ontworpen om die gebeurtenissen van server-side logs op te nemen, een v0.1-bewijslabelset toe te passen en een Ongeïdentificeerd Verkeer metriek: het ongecategoriseerde aandeel van in aanmerking komende verzoekgebeurtenissen.
Na verloop van tijd is het de bedoeling om deterministische labels toe te voegen voor door providers gedocumenteerde agenten, heuristische labels voor onbekende maar agent-achtige fetchers, en merchant-eigendomssignalen zoals ondertekende checkout-tokens. Het resultaat is een gedeelde bewijslaag waarover analyse-, product-, beveiligings- en betalingsteams allemaal kunnen redeneren.
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, "Agent Commerce-bewijs: een praktijkgids voor verkopers." https://cartographintelligence.com/nl/agent-commerce-evidence