Evidência de Comércio por Agente: o que os comerciantes podem medir.
Um guia prático para os sinais de nível de solicitação que os agentes de compras de IA deixam para trás, por que a maioria das pilhas de análise os ignora e como a Cartograph está sendo construída para preencher essa lacuna.
Publicado · Atualizado
O que é evidência de comércio por agente?
A evidência de agente-comércio é o conjunto de sinais em nível de solicitação que mostram que um comprador mediado por IA interagiu com seu catálogo, vitrine, carrinho ou checkout. Ao contrário da análise web tradicional, que depende da execução de JavaScript em um navegador, a evidência começa na origem: servidor configurado, CDN e logs de aplicativos podem capturar solicitações que atingem esses pontos de observação mesmo quando um pixel no lado do navegador não dispara; a cobertura não é completa por padrão e depende da inclusão da fonte, roteamento, amostragem, retenção e saúde da coleta.
A observação chave é simples: um agente de IA que busca uma página de produto, adiciona um item ou completa um checkout delegado ainda emite solicitações HTTP. Essas solicitações carregam strings de agente de usuário, referrers, tokens e padrões de tempo. Quando capturadas na camada de log e rotuladas consistentemente, elas se tornam evidências.
A Cartograph está sendo desenvolvida para coletar, normalizar e rotular essas evidências para que os lojistas possam responder a perguntas que sua pilha atual não consegue: Quanto do meu tráfego é impulsionado por agentes? Quais solicitações não são classificadas? Onde os agentes desistem entre o catálogo e o checkout?
A Adobe Digital Insights relatou que o tráfego de IA para sites de varejo nos EUA cresceu 393% year over year in Q1 2026. Em March 2026, essas visitas converteram 42% better e gerado 37% higher revenue per visit do que o tráfego não-IA. A Adobe diz que a análise subjacente do varejo dos EUA abrange more than one trillion visits.
Adobe-reported historical data; not Cartograph customer data. Growth rate does not indicate channel share.
Sua pilha vê as peças. A integração planejada conecta as evidências.
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.
Legível, Consistente, Transacionável.
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.
O scanner ou coletor definido pode buscar e analisar a superfície comercial nomeada?
Limite: não é compreensão, citação, preferência ou recomendação de modelo externo.
As superfícies nomeadas autorizadas pelo comerciante concordam materialmente dentro de uma janela de observação definida e política de comparação?
Limite: não é confiança, crença, segurança, preferência, rejeição ou posicionamento no conjunto de considerações do agente externo.
Eventos observados pelo comerciante ou um diagnóstico sintético autorizado separadamente mostram progressão pelos marcos exatos do carrinho ou checkout em escopo?
Limite: não é prova de jornada completa, conclusão de pedido, autorização de pagamento, suporte de provedor ou conversão.
Evidência, não achismo.
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.
A especificação v0.1 define cinco rótulos de tráfego: agente verificado, bot declarado — verificado, bot declarado — não verificado, indicado por IA e não classificado. Esses rótulos descrevem as evidências disponíveis na captura; eles não afirmam que o tráfego não classificado é humano.
O que sua pilha vê — e o que ela não vê
A maioria das pilhas de comerciantes foi projetada para compradores humanos. A análise da web precisa de um navegador e um usuário consentindo. O gerenciamento de bots procura abuso, não atribuição. Os sistemas de gerenciamento de informações de produtos sabem o que você vende, mas não quem perguntou. Os processadores de pagamento veem as transações, mas raramente o agente upstream que iniciou a jornada.
O resultado é um ponto cego: uma parcela mensurável de eventos de solicitação de storefront elegíveis permanece não classificado após rotulagem determinística. Reduzir essa lacuna requer combinar eventos de solicitação de log-origem com um modelo de rotulagem que reconheça agentes documentados pelo provedor e comportamento semelhante a agentes.
Como a Cartograph planeja conectar as evidências
A arquitetura planejada da Cartograph trata as superfícies do lojista como produtores de eventos: feeds, vitrines, carrinhos, checkouts e fluxos de pagamento emitem eventos de solicitação. A plataforma está sendo projetada para ingerir esses eventos de logs do lado do servidor, aplicar um conjunto de rótulos de evidência v0.1 e exibir um Tráfego Não Identificado métrica: a parcela não rotulada de eventos de solicitação elegíveis.
Com o tempo, o objetivo é adicionar rótulos determinísticos para agentes documentados por provedores, rótulos heurísticos para buscadores desconhecidos, mas semelhantes a agentes, e sinais de propriedade do comerciante, como tokens de checkout assinados. O resultado é uma camada de evidência compartilhada que as equipes de análise, produto, segurança e pagamentos podem todas usar para raciocinar.
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, "Evidência de Comércio por Agente: Um Guia de Campo para Comerciantes." https://cartographintelligence.com/pt/agent-commerce-evidence