AI w e-commerce: Nowe metryki, martwe standardy i co z tego wynika

Sposób, w jaki mierzymy widoczność w erze AI, dynamicznie się zmienia. Microsoft udostępnia pierwsze narzędzia do analizy cytowań w odpowiedziach generowanych przez AI, podczas gdy inne, wczesne standardy, jak llms.txt, okazują się ślepą uliczką. Dla każdego biznesu e-commerce to kluczowy moment, by zrozumieć, które sygnały i formaty danych faktycznie mają znaczenie, a które są tylko stratą czasu i zasobów deweloperskich.

Bing mierzy widoczność w AI, ale tylko u siebie

Microsoft wprowadził do Bing Webmaster Tools cztery nowe funkcje w wersji zapoznawczej, a najważniejszą z nich jest Citation Share. To pierwsza metryka, która pokazuje, jaki procent cytowań w odpowiedziach AI (w Copilot i wyszukiwarce Bing) zdobywa Twoja witryna w porównaniu z konkurencją dla określonych zapytań. Wreszcie możemy zobaczyć coś więcej niż tylko informację, czy nasza strona została zacytowana.

Kluczowy problem? To dane wyłącznie z ekosystemu Microsoftu. Nie mówią nic o widoczności w Google, gdzie Search Console wciąż nie oferuje żadnych podobnych wskaźników. Mimo to, jest to wyraźny sygnał kierunku, w którym zmierza analityka w dobie AI – ku mierzeniu realnego udziału w konwersacjach generowanych przez duże modele językowe. Jak ujął to Gianluca Fiorelli:

Bing Webmaster! The Google Search Console we would like to have.

llms.txt – falstart standardu dla AI?

Pamiętasz llms.txt? Plik, który miał instruować boty LLM, jak mogą wykorzystywać treści z Twojej strony, właśnie otrzymał dwa ciosy podważające jego sens. Po pierwsze, John Mueller z Google stwierdził, że taki plik nie może pomóc modelowi AI w wyborze jednej witryny zamiast drugiej, ponieważ jest deklaracją własną, a nie obiektywnym sygnałem jakości. Wskazał, że stare, dobre linki i semantyczny HTML są wciąż lepszym źródłem informacji.

Po drugie, twarde dane z Ahrefs potwierdzają tę tezę. Analiza 137 000 domen wykazała, że:

• 97% plików llms.txt nie doczekało się ani jednego żądania od bota.
• Wśród tych nielicznych zapytań, tylko 1% pochodził od botów, które faktycznie generują cytowania (jak ChatGPT-User czy PerplexityBot).

Wniosek jest prosty i dosadnie podsumowany przez Nata Miletica:

llms.txt is low cost to publish, fine to have. Just don’t expect it to move AI visibility right now.

To ważna lekcja dla każdego CTO i head of digital: nie każdy nowy “standard” dla AI jest warty natychmiastowej implementacji.

Nowe formaty na horyzoncie: OKF i ARD

Chaos informacyjny nie powstrzymuje jednak gigantów technologicznych przed proponowaniem kolejnych rozwiązań. W ostatnich dniach pojawiły się dwie nowe, wczesne specyfikacje:

1. Open Knowledge Format (OKF): propozycja od Google Cloud. To format oparty na Markdown, który ma na celu ustrukturyzowanie wewnętrznej wiedzy organizacji (np. zbiorów danych, metryk, dokumentacji) w sposób czytelny dla agentów AI.
2. Agentic Resource Discovery (ARD): wspólny projekt m.in. Google, Microsoftu i GitHub. To zarys specyfikacji opisującej, jak agenci AI mają odnajdywać i weryfikować dostępne narzędzia, API i inne zasoby.

Oba formaty powielają ideę znaną z llms.txt – umieść na swojej domenie ustrukturyzowany plik, a oprogramowanie go odczyta. Jeden z ekspertów trafnie porównał ARD do mapy witryny nowej generacji:

It is the sitemap, reborn for capabilities rather than pages.

To pokazuje, że branża szuka sposobu na opisanie nie tylko treści (jak w sitemap.xml), ale i możliwości (np. “ten sklep potrafi sprawdzić dostępność produktu o danym SKU i podać cenę dostawy do kodu 12-345”). Problem w tym, że zarówno OKF, jak i ARD, są na bardzo wczesnym etapie (wersje 0.1 i 0.9). Historia z llms.txt uczy, by podchodzić do nich z rezerwą i obserwować, czy zdobędą realną adopcję, zanim zaangażujemy w nie zasoby.

Co dalej?

Obecna sytuacja to mieszanka ograniczonych, ale użytecznych narzędzi (Bing), nieudanych eksperymentów (llms.txt) i obiecujących, ale niedojrzałych koncepcji (OKF, ARD). Wspólnym mianownikiem jest rosnące zapotrzebowanie na ustrukturyzowane dane, które agenci AI mogą zrozumieć i wykorzystać do działania. Bez tego e-commerce pozostanie dla nich jedynie zbiorem nieczytelnych stron HTML.

Na szczęście, w kontekście agentic commerce, nie musimy czekać, aż globalne standardy okrzepną. Istnieje już dojrzałe i wyspecjalizowane rozwiązanie tego problemu: Universal Commerce Protocol (UCP). To otwarty standard stworzony specjalnie po to, by sklep e-commerce mógł w sposób maszynowy komunikować swoje kluczowe zdolności: katalog produktów, stany magazynowe, logikę cenową, opcje dostawy czy zasady zwrotów. W przeciwieństwie do ogólnych formatów jak OKF, UCP jest precyzyjnie dostosowany do potrzeb handlu i gotowy do wdrożenia już dziś, otwierając drogę do realnych transakcji przeprowadzanych przez AI.

Chcesz sprawdzić, czy Twój sklep jest gotowy na rewolucję agentic commerce? Skontaktuj się z nami, aby dowiedzieć się, jak wdrożenie UCP może uczynić Twój biznes widocznym i użytecznym dla agentów AI.