Agentic commerce og produktfeeder: en guide for detaljister

Produktdata tilhører ikke ett enkelt team. De er spredt over netthandel, varehandel, logistikk, etterlevelse og drift. Så hvorfor samles spørsmålene om agentic commerce rundt betalinger?

Samtaler om agentic commerce starter ofte hos betalingstjenesteleverandører, kortnettverk og betalingsinfrastruktur. Den tidlige veiledningen om hva som faktisk er mulig, hva som er realistisk, og hva som kan vente, når derfor vanligvis virksomheten gjennom betalingsteamet først. 

Siden produktdata berører så mange avdelinger, blir betalingsteamets tverrfunksjonelle synlighet i tillegg svært nyttig. Du eier kanskje ikke dataene, men du har innsyn på tvers av netthandel, finans, svindel, juridisk og drift på en måte de færreste team har. Det gjør deg godt rustet til å samle de riktige menneskene rundt de riktige spørsmålene.

De fleste detaljister har allerede en produktfeed. Den ligger kanskje i et PIM-system, kommer fra handelsplattformen din, finnes i en Google Merchant-feed, eller er en blanding av alle tre. Og du optimaliserer sannsynligvis allerede katalogen din for mennesker og søkemotorer, med klare titler, gode beskrivelser og velorganiserte kategorier. 

Men det betyr ikke at feeden din er klar for AI. 

AI-plattformer stiller strenge krav til produktfeeden. Dette inkluderer spesifikke felt, konsekvent formatering og oppdaterte data, noe som ofte går langt utover det en standard feed for netthandel inneholder. Tradisjonell optimalisering for netthandel handler om å gjøre oppføringene tiltalende for mennesker. AI-systemer har andre prioriteringer, som hvorvidt dataene dine er strukturerte, komplette og maskinlesbare. 

I motsetning til en tradisjonell kundereise på et nettsted, skjer ikke dette bare én gang ved checkout. AI-systemer kan sjekke priser, tilgjengelighet og vilkår flere ganger i løpet av en enkelt interaksjon. Inkonsekvente eller utdaterte data blir derfor raskt synlige. 

Det finnes også et strukturelt lag her. Hver AI-plattform har sine egne krav, så detaljister må foreløpig tilpasse produktdataene sine til hver enkelt plattform separat. Det betyr at man må gjenta mye av arbeidet med kartlegging, formatering og oppdatering på tvers av plattformer, med løpende vedlikehold hver gang kravene endres. 

De fleste store detaljister er et sted midt i denne prosessen. Noen data er strukturerte, noen er spredt over ulike systemer, og noen er ikke tilgjengelige i sanntid. For å forstå hvor du står, kan du spørre deg selv: 

• Kan feeden vår kobles til sanntidslager? 

• Gjenspeiler den live tilgjengelighet? 

• Viser den nøyaktige priser og vilkår? 

• Kan vi tilpasse den til å matche kravene til ulike AI-plattformer?

Arbeidet med å tette gapene i produktfeeden vil sannsynligvis involvere flere team og systemer. Oppgaven handler derfor like mye om koordinering som om teknologi.  Her er en praktisk måte å gribe det an på:

1. Valider den eksisterende feeden din mot AI-spesifikasjoner 

Det første trinnet er å sjekke feeden din mot plattformens faktiske krav, i stedet for å anta at den fungerer fordi katalogen din fungerer i dag. AI-plattformer er spesifikke på hvilke data de trenger, og ferske, nøyaktige data er et viktig signal de bruker for å bestemme hva som skal vises. Hvis feeden din mangler felt, er utdatert eller inkonsekvent, kan produktene dine vise feil som svekker tilliten til dataene dine. Eller så dukker de kanskje ikke opp i det hele tatt. 

2. Samarbeid med andre team for å tette datagapene 

Produktinformasjonen du trenger finnes sannsynligvis allerede et sted i virksomheten, den eies bare av andre team. Den første utfordringen er derfor koordinering. Du må: 

• Finne ut hva som mangler: Se på de obligatoriske feltene og identifiser hva som ikke finnes i den nåværende feeden din. Typiske mangler inkluderer vekt, dimensjoner, leveringstidslinjer, returregler og regulatoriske detaljer. 

• Finne ut hvor det ligger: Disse feltene eies ofte av logistikk, drift, finans eller etterlevelse, ikke netthandel.

• Samle de riktige menneskene: Du trenger ikke å bygge om systemene dine. Målet er å sikre at dataene kan hentes og brukes slik AI-plattformene krever. 

I de fleste tilfeller betyr dette at du må samkjøre data på tvers av PIM, handelsplattform, ordrehåndteringssystem (OMS), lagerverktøy, markedsplassfeeder og Google Merchant Center. De viktigste spørsmålene er: 

• Hvilket system er sannhetskilden for priser, tilgjengelighet og vilkår?

• Hvem har ansvaret for at disse dataene holdes nøyaktige og oppdaterte?

3. Bestem hvem som eier de AI-klare produktdataene 

Uavhengig av hvor mange systemer produktdataene dine er spredt over, forventer AI-plattformene at de leveres i et enkelt, konsekvent og oppdatert format. Detaljister griper dette an på noen forskjellige måter, som alle har sine fordeler og ulemper: 

• Utvid PIM-systemet: Ved å legge til felt og AI-logikk i PIM-systemet beholder du eierskapet nær katalog- og varehandelsteamene, men det kan kreve betydelig utviklingsarbeid. 

• Bruk handelsplattformen din: Å gjøre produktdata tilgjengelig via API-er og koble seg direkte til AI-plattformer kan være raskere å sette opp, men kan gjøre deg avhengig av plattformens veikart.

• Bygg et eget oversettelseslag: Å opprette en tjeneste som henter data fra ulike systemer, standardiserer dem og formaterer dem for hver enkelt AI-plattform gir deg full kontroll, men krever løpende vedlikehold når kravene endres. 

• Samarbeid med en betalings- eller infrastrukturpartner: Å la en partner håndtere hvordan dataene dine klargjøres og deles med AI-plattformer kan reduskerer behovet for egenutvikling, men betyr at du stoler på et eksternt lag. 

Det finnes ikke ett enkelt riktig svar. Den beste tilnærmingen avhenger av utviklerkapasiteten din, hvor mye kontroll du ønsker å beholde, hvor mange plattformer du planlegger å støtte, og hvor ofte dataene dine endres. Bransjer i rask bevegelse – som reiseliv, markedsplasser og matlevering – vil trenge en tettere sanntidsintegrasjon enn virksomheter med mer statiske kataloger. I praksis handler dette mindre om å velge et verktøy, og mer om å bestemme hvordan systemene dine skal fungere sammen for å holde produktdataene nøyaktige, oppdaterte og klare for AI.

Enkelte AI-plattformer lar nå bedrifter skape merkevareopplevelser i sine egne grensesnitt. Hvis du har bygget en MCP-server, kan du bruke den til å drive en av disse opplevelsene ved å koble serveren din til plattformen, bygge en samtalebasert opplevelse tilpasset plattformens konvensjoner, og la brukerne velge ditt merke før de interagerer. 

Detaljister som velger denne tilnærmingen, deler seg gjerne i to leirer.

Noen bruker det til å eksperimentere med AI-native merkevareopplevelser. Dette fungerer vanligvis best der kundene allerede søker direkte etter merkevaren, der reisen drar nytte av trinnvis veiledning, eller der produktet er komplekst å konfigurere. 

Andre fokuserer på å sikre at produktene deres dukker opp i generelle AI-søk ved siden av andre merker når brukerne stiller brede spørsmål. For de fleste betalingsansvarlige er dette den viktigste prioritet her og nå. 

Hvilken tilnærming som gir mening avhenger av merkevaren din og kundene dine, og de utelukker ikke hverandre. Enten du bygger en dedikert merkevareopplevelser eller optimaliserer for generelle søk, er den underliggende forberedelsen den samme.  Du trenger strukturerte, maskinlesbare produktdata, nøyaktige signaler for pris og tilgjengelighet, klare retningslinjer og en måte å tilpasse deg på etter hvert som plattformkravene utvikler seg.

Basert på våre samtaler med store detaljister og AI-plattformer, er infrastruktur den mest presserende utfordringen for agentic commerce. Derfor er det der vi fokuserer. 

Vi samarbeider med detaljister og AI-plattformer for å dele hva som etterspørres i dag, hjelpe betalingsteam med å vurdere hva som er verdt å gjøre nå, og støtte forberedelsene uten å presse frem beslutninger som kan bli vanskelige å omgjøre senere. Vi bidrar også i diskusjoner rundt nye standarder, slik at du slipper å binde deg til én spesifikk tilnærming for tidlig. 

På infrastrukturnivå fokuserer vi på der AI-grensesnitt møter reelle handelssystemer. Målet vårt er å redusere fragmentering, støtte flere standarder og hjelpe deg med å unngå separate integrasjoner for hver ny plattform.

Vårt fokus gjennom hele prosessen er å hjelpe detaljister med å beholde kontrollen over egne data og kunderelasjoner.

Ingen forventer at du har full kontroll på agentic commerce ennå. Men samtalene du allerede har med partnere og betalingstjenesteleverandører gir deg et tydeligere bilde av hva som er realistisk enn det de fleste andre team har. Det gir deg et godt utgangspunkt for å hjelpe organisasjonen din med å fokusere på de riktige tingene.  Her er det du bør huske på:

• Å ha en produktfeed betyr ikke at du er klar. AI-drevet søk krever spesifikke spesifikasjoner, obligatoriske felt og oppdaterte data som går langt utover tradisjonelle feeder for netthandel.

• De største hindringene er fragmenterte data, uklart eierskap og antakelser om hva som allerede eksisterer. Dette er utfordringer som kan løses, men de krever koordinering på tvers av avdelinger.

• Du trenger ikke å satse på én enkelt AI-plattform for å forberede deg. Rene, strukturerte og maskinlesbare produktdata kan gjenbrukes på tvers av ulike AI-assistenter og søkeflater. 

• Fokusere på beredskap uten å binde deg til masten. Bygg et fundament du kan tilpasse etter hvert som standarder og AI-plattformer utvikler seg, i stedet for å forplikte deg til spesifikke løsninger for tidlig. 

Gode produktdata er startpunktet. Men å få det til å fungere på tvers av AI-plattformer handler også om å holde dataene oppdaterte, oversette dem til ulike formater og tilpasse dem når kravene endres. Som en som jobber på tvers av team, er du i en god posisjon til å drive dette fremover. 

Tenker du på hvordan agent-klare produktdata ser ut for din virksomhet? Ta kontakt.