AI-агенты и агентные покупки: изменения для E‑commerce

Поиск товаров меняется: покупатель всё чаще формулирует задачу целиком. Например: найти ноутбук для работы и путешествий, подобрать обувь нужного размера с доставкой завтра или сравнить модели по цене и характеристикам. AI способен собрать данные из разных источников, сопоставить предложения и предложить подходящий вариант.

Для интернет-магазинов это меняет подход к продвижению. SEO отвечает за органическую видимость, GEO помогает брендам и товарам попадать в ответы генеративных систем, а AI-агенты постепенно берут на себя часть процесса выбора и покупки.

К 2027–2028 годам магазину потребуется понятная для машин информация о товарах, ценах, наличии, доставке и репутации. Чем точнее структурированы эти данные, тем проще AI найти магазин, понять его предложения и включить их в сценарий покупки.

Как покупатель ищет товар сегодня — и что изменится

Современный путь покупки обычно начинается с поискового запроса и заканчивается переходом на один или несколько сайтов. Пользователь сам открывает карточки товаров, сравнивает характеристики, проверяет условия доставки и принимает решение. AI постепенно сокращает количество ручных действий между вопросом и покупкой.

Изменение особенно заметно в сложных категориях, где покупателю приходится собирать информацию из нескольких источников. Чем больше параметров нужно сопоставить, тем полезнее становится система, которая умеет самостоятельно структурировать данные и работать с ограничениями.

Привычный путь: поиск → клик → сравнение

В классической модели поисковик отвечает на запрос списком результатов. Пользователь оценивает заголовки и сниппеты, переходит на сайты, изучает карточки, возвращается в поиск и повторяет процедуру с другими предложениями. Значительная часть работы по сравнению товаров выполняется самим человеком.

Для магазина это означает, что основная задача SEO заключается в попадании страницы в зону видимости поисковой системы. Важны релевантность документа запросу, техническое состояние сайта, структура каталога, качество контента, внутренние связи, внешние сигналы и другие факторы.

При этом поисковая выдача фактически выступает посредником между магазином и покупателем. Даже если пользователь не знаком с брендом, он может обнаружить товар через категорийную страницу, карточку или информационный материал.

Классическую воронку можно представить так:

• пользователь формулирует запрос;
• поисковая система определяет релевантные документы;
• пользователь просматривает результаты;
• переходит на несколько сайтов;
• сравнивает характеристики и условия;
• выбирает магазин и оформляет заказ.

Для SEO это принципиально: магазин должен оптимизировать страницы так, чтобы поисковая система могла сопоставить их с конкретным поисковым намерением.

Новый путь: покупатель спрашивает AI, AI выбирает за него

В новой модели пользователь может сформулировать задачу значительно шире обычного поискового запроса. Например: «Найди несколько смартфонов до 60 000 рублей с хорошей камерой, автономностью не меньше дня и доставкой в мой город до пятницы». Здесь уже недостаточно просто найти страницы, содержащие слова «смартфон», «камера» и «60 000».

AI должен извлечь ограничения, найти подходящие предложения, привести данные к сопоставимому виду и исключить варианты, которые не соответствуют условиям. Если система связана с торговой инфраструктурой, следующим шагом может стать переход к оформлению заказа.

В такой сценарий входят несколько уровней работы:

• понимание естественного языка и пользовательского намерения;
• поиск структурированных и неструктурированных данных;
• сопоставление характеристик разных товаров;
• проверка цены, наличия и условий доставки;
• оценка репутационных сигналов;
• выбор подходящего предложения;
• передача заказа в торговую систему.

Поэтому магазин постепенно конкурирует не только за клик человека, но и за то, чтобы его предложение было корректно понято и включено AI в число подходящих вариантов.

Что такое агентные покупки и Agentic Commerce

Термины «AI-агент», «агентные покупки» и Agentic Commerce описывают связанные, но не полностью одинаковые процессы. Главное отличие от обычного чат-бота заключается в степени самостоятельности системы. AI может не только сгенерировать ответ, но и последовательно выполнять действия для достижения заданной пользователем цели.

Для электронной коммерции это особенно важно: покупка представляет собой цепочку операций, а не один вопрос и один ответ.

AI-агенты — кто это простыми словами

AI-агентом называют систему, которая получает цель, анализирует доступную информацию, выбирает следующие действия и может использовать внешние инструменты для их выполнения. В интернет-магазине такими инструментами могут быть поиск по каталогу, проверка остатков, расчёт доставки, работа с корзиной или оформление заказа.

Обычный генеративный AI может ответить: «Вот три модели ноутбуков, которые подходят под ваши требования». Агентная система потенциально может продолжить процесс: проверить актуальные цены, наличие нужной конфигурации, условия доставки и подготовить конкретный вариант покупки.

Упрощённо архитектура выглядит следующим образом:

• цель — что хочет получить пользователь;
• контекст — бюджет, местоположение, предпочтения и ограничения;
• данные — товары, цены, характеристики, отзывы и условия;
• инструменты — API, поиск, каталоги, корзина и платёжные системы;
• действия — поиск, сравнение, резервирование, оформление;
• контроль — подтверждение критичных операций человеком.

Именно последний пункт особенно важен для электронной коммерции: самостоятельность агента не означает, что магазин должен бесконтрольно отдавать AI возможность выполнять любые операции.

Агентные покупки — как AI помогает оформить заказ

Агентная покупка начинается с того, что пользователь делегирует AI часть процесса. Это может быть не полное оформление заказа, а отдельная задача: подобрать товар, найти оптимальное предложение, проверить наличие или подготовить корзину.

Например, пользователь задаёт условия покупки туристической экипировки. AI определяет список необходимых товаров, проверяет совместимость характеристик, сравнивает предложения разных продавцов и формирует набор вариантов. Если инфраструктура позволяет, система может передать выбранные позиции в корзину или другой интерфейс оформления.

Для магазина это создаёт новое требование: информация должна быть не просто написана для человека, но и пригодна для автоматической обработки.

Особое значение получают:

• однозначные названия товаров и вариантов;
• точные характеристики и единицы измерения;
• актуальная цена;
• остаток и статус доступности;
• условия доставки и возврата;
• идентификаторы товаров и вариантов;
• машиночитаемые данные о магазине.

Чем меньше неоднозначности в этих данных, тем меньше вероятность, что AI неправильно интерпретирует предложение магазина.

Agentic Commerce — следующий этап, когда AI покупает сам

Agentic Commerce можно рассматривать как модель электронной торговли, в которой AI становится активным участником коммерческой операции. Пользователь задаёт цель и ограничения, а агент выполняет часть цепочки действий самостоятельно.

При этом «AI покупает сам» не обязательно означает полностью автономное списание денег без участия человека. На практике возможны разные уровни автоматизации: от рекомендаций и подготовки корзины до покупки в рамках заранее установленных пользователем правил.

Для маркетинга это означает переход от модели «получить визит» к модели «попасть в цепочку принятия решения», где AI становится дополнительным посредником между магазином и покупателем.

GEO: как продвигать ИМ, когда покупатель не смотрит поисковую выдачу

GEO, или Generative Engine Optimization, связано с оптимизацией присутствия компании и её контента в ответах генеративных систем. В отличие от традиционного SEO, здесь конечным результатом может быть не переход пользователя на страницу, а упоминание бренда, товара или факта внутри сформированного AI-ответа.

Для интернет-магазина это меняет сам объект оптимизации. Важна уже не только позиция страницы в выдаче, но и то, может ли система корректно понять, что продаёт магазин, кому подходят товары, чем они отличаются от альтернатив и насколько актуальна информация.

Чем GEO отличается от обычного SEO

SEO и GEO не являются взаимоисключающими направлениями. Наоборот, большая часть технического фундамента у них общая: качественный сайт, доступные страницы, понятная структура, полезный контент, корректные метаданные и достоверная информация.

Разница появляется в конечной точке взаимодействия. SEO в основном работает на обнаружение и ранжирование документов. GEO дополнительно ориентируется на то, чтобы информацию было удобно извлекать, интерпретировать и использовать при генерации ответа.

Поэтому GEO разумнее рассматривать как дополнительный слой поверх технически здорового SEO, а не как способ заменить поисковую оптимизацию новым набором магических терминов.

Какие сигналы читает AI вместо ссылок и сниппетов

Генеративная система может использовать несколько источников одновременно. Она не обязана воспринимать одну страницу магазина как единственный источник истины. Данные могут сопоставляться между сайтом, товарными каталогами, отзывами, публикациями, справочными системами и другими доступными источниками.

Для интернет-магазина особенно важна согласованность ключевой коммерческой информации:

• названия товара и производителя;
• артикулы и идентификаторы;
• характеристики;
• цены и скидки;
• наличие;
• условия доставки;
• условия возврата;
• отзывы и рейтинги;
• информация о продавце.

Если на сайте указана одна цена, в фиде другая, а на странице товара третья, машинной системе сложнее определить актуальное значение. Для GEO и будущих агентных сценариев качество данных становится частью маркетинга.

Как меняется продвижение карточек и категорий

Карточка товара в условиях AI-поиска становится структурированным источником информации, из которого система должна быстро извлечь характеристики и понять, соответствует ли товар конкретному запросу.

Категорийные страницы тоже получают дополнительную функцию: они помогают системе понять отношения между группами товаров, характеристиками и сценариями использования.

Почему конкретика становится частью продвижения

Запрос пользователя может содержать десятки ограничений. «Кроссовки» превращаются в «кроссовки для трейлраннинга, мужские, размер 44, водостойкие, до 15 000 рублей». Для человека контекст понятен, а для автоматической системы каждый параметр должен быть представлен в данных.

Поэтому фраза «качественный товар по доступной цене» практически бесполезна для автоматического сравнения. Машине нужны измеримые значения: материал, вес, размеры, мощность, совместимость, диапазон температур, объём, срок гарантии и другие характеристики, зависящие от категории.

Для карточек полезно проверять следующие элементы:

• однозначное название;
• бренд и модель;
• артикул или SKU;
• варианты товара;
• структурированные характеристики;
• актуальная цена;
• валюта;
• наличие;
• условия доставки;
• гарантия и возврат;
• отзывы и рейтинг, если они доступны.

Чем конкретнее товар описан, тем больше признаков система может использовать для сопоставления его с ограничениями пользователя.

Структура каталога, которую понимает AI

Каталог должен отражать реальные отношения между товарами, категориями и характеристиками. Если вся структура построена исключительно ради визуального меню, машинной системе будет сложнее определить смысл страниц.

Например, категории «Ноутбуки», «Ноутбуки для дизайнеров» и «Ноутбуки до 100 000 рублей» могут пересекаться по смыслу. Важно, чтобы сайт не создавал тысячи почти одинаковых URL только ради комбинаций фильтров.

Для устойчивой структуры стоит разделять:

• основные категории товаров;
• подкатегории;
• товарные карточки;
• фильтры и параметры;
• посадочные страницы под устойчивый спрос;
• информационный контент.

Такая архитектура одновременно облегчает работу поисковых систем, пользователей и будущих AI-систем, потому что каждый тип страницы получает понятную роль.

Как AI-агент сравнивает предложения: цена, доставка, репутация

Если AI должен выбрать товар вместо пользователя, одной релевантности недостаточно. Два магазина могут продавать одинаковую модель, но отличаться ценой, сроком доставки, условиями возврата, рейтингом и доступностью конкретного варианта.

Поэтому конкурентоспособность магазина в агентном сценарии определяется не только контентом и SEO, но и качеством коммерческих данных.

Откуда AI берёт данные о вашем магазине

Источники могут различаться в зависимости от конкретной системы, её инструментов и доступных интеграций. Для интернет-магазина базовым источником остаётся собственный сайт, но важную роль могут играть товарные фиды, каталоги, внешние площадки и другие достоверные источники.

С точки зрения подготовки магазина полезно обеспечить единообразие данных во всех каналах. Если название товара, цена или характеристики регулярно расходятся, система получает противоречивую картину.

Особое внимание стоит уделить динамическим данным:

• остаткам;
• ценам;
• акциям;
• срокам доставки;
• вариантам товара;
• условиям получения;
• статусу доступности.

Статическая SEO-страница может годами сохранять ценность, но коммерческая информация должна обновляться значительно быстрее. Для агентной торговли устаревшая цена особенно опасна, потому что AI может использовать её при сравнении предложений.

Что делает магазин «выбранным» агентом

Нельзя свести выбор AI к одной формуле вроде «у кого больше Schema.org, тот и победил». Реальные системы используют собственные алгоритмы, источники и критерии, которые могут меняться. Поэтому правильнее говорить о совокупности сигналов, повышающих качество представления магазина.

Для коммерческого предложения особенно важны:

• точное соответствие товара запросу;
• полные и непротиворечивые характеристики;
• актуальная цена;
• реальное наличие;
• понятные условия доставки;
• прозрачные правила возврата;
• достаточная информация о продавце;
• внешние сигналы доверия;
• техническая доступность данных.

Таким образом, агентные покупки усиливают связь между маркетингом, SEO, контентом и операционной частью бизнеса. Нельзя оптимизировать только текст на странице, если цена и наличие живут в параллельной вселенной.

Технический фундамент: помогите AI понять ваш сайт

Техническая подготовка к AI-поиску начинается не с генерации сотен текстов и не с попыток «договориться» с нейросетью. Базовая задача значительно прозаичнее: сделать сайт доступным для обхода, данные — структурированными, а сущности — однозначными.

Для интернет-магазина технический фундамент включает HTML-структуру, внутреннюю архитектуру, Schema.org, товарные фиды, корректные URL, индексацию и интеграции с коммерческими платформами.

Перед работой с GEO стоит убедиться, что у сайта в порядке базовая техническая оптимизация: индексация, дубли, скорость, структура URL, canonical, sitemap и другие параметры. При необходимости эту часть можно передать в техническую SEO-оптимизацию сайта.

Schema.org — разметка, которая объясняет сайт машине

Schema.org позволяет описывать сущности на странице в машиночитаемом формате. Для интернет-магазинов особенно важны сущности, связанные с товарами, предложениями, организацией, отзывами и другими элементами коммерческой информации.

Например, товар можно описать через JSON-LD:

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Название товара",
  "sku": "ABC-123",
  "brand": {
    "@type": "Brand",
    "name": "Бренд"
  },
  "offers": {
    "@type": "Offer",
    "price": "49990",
    "priceCurrency": "RUB",
    "availability": "https://schema.org/InStock",
    "url": "https://example.ru/product/"
  }
}

Такая разметка не гарантирует попадание страницы в AI-ответ и не является универсальным «пропуском» в генеративную выдачу. Её задача проще и полезнее: явно сообщить машине, что именно находится на странице и какие значения относятся к конкретной сущности.

При внедрении Schema.org важно следить за соответствием разметки видимому содержимому страницы. Нельзя указывать в структурированных данных информацию, которой пользователь фактически не видит или которая не соответствует актуальному предложению.

Товарные фиды и интеграции с платформами

Товарный фид представляет каталог в структурированном формате, удобном для передачи внешним системам. Для электронной коммерции это особенно важно, поскольку цена, наличие и характеристики могут изменяться значительно чаще, чем сама HTML-страница.

В зависимости от рынка и используемых каналов магазин может работать с разными форматами и платформами. Общая задача при этом одна: передавать актуальную информацию о товарах в стандартизированном виде.

Хороший YML-фид должен содержать как минимум:

• уникальный идентификатор товара;
• название;
• ссылку на карточку;
• изображение;
• цену и валюту;
• наличие;
• бренд;
• категорию;
• основные характеристики;
• данные о вариантах, если они существуют.

Для будущей агентной торговли фид фактически становится одним из интерфейсов магазина для внешних систем. Поэтому качество фида стоит воспринимать не как техническую формальность, а как часть коммерческой инфраструктуры.

Как подготовить интернет-магазин к 2027–2028 годам

Подготовка к агентным покупкам не требует переделывать интернет-магазин за один спринт. Гораздо рациональнее разделить работу на несколько направлений и постепенно устранять проблемы, которые уже сегодня влияют на органическую видимость и конверсию.

Приоритет стоит отдавать тем изменениям, которые одновременно полезны для пользователя, поисковых систем и машинной обработки данных.

Контент и структура

Контент магазина должен отвечать не только на вопрос «что это за товар?», но и на вопросы «кому он подходит?», «чем отличается от альтернатив?», «в каких условиях используется?» и «какие ограничения есть у этой модели?».

Для этого стоит проверить:

• уникальность и информативность карточек;
• полноту характеристик;
• структуру категорий;
• связи между товарами и категориями;
• страницы брендов и коллекций;
• FAQ и справочные материалы там, где они действительно нужны;
• контент для разных сценариев выбора.

Главный принцип здесь простой: контент должен помогать системе определить, какой товар перед ней и в каком сценарии его стоит рекомендовать.

SEO и GEO

SEO не становится ненужным из-за появления AI. Наоборот, технически качественный сайт и хорошо организованный контент остаются базой для обнаружения и понимания информации.

Одновременно стоит расширять SEO-подход в сторону GEO:

• создавать страницы с чётким предметом и понятной структурой;
• использовать конкретные формулировки вместо маркетинговых обобщений;
• связывать товары, категории, бренды и характеристики;
• поддерживать единообразие фактов на разных страницах;
• развивать экспертный и справочный контент;
• отслеживать, как бренд и товары представлены в AI-ответах.

SEO отвечает за фундамент органической видимости, а GEO добавляет задачу сделать информацию удобной для использования генеративными системами.

Если нужно проверить готовность сайта системно, можно пройтись по факторам GEO-аудита: от структуры и контента до Schema.org, технического SEO и коммерческих сигналов.

Техническая часть

Техническая оптимизация магазина должна учитывать не только скорость загрузки и индексацию, но и доступность коммерческих данных для автоматической обработки. Чем сложнее сайт, тем важнее отсутствие технических барьеров между системой и содержимым каталога.

В технический аудит стоит включить:

• индексацию категорий и карточек;
• корректность canonical;
• доступность важных ресурсов для обхода;
• структуру URL;
• дубли страниц;
• корректность Schema.org;
• товарные фиды;
• скорость и стабильность страниц;
• обновление динамических данных;
• корректную обработку вариантов товаров.

Техническая задача будущего магазина заключается в том, чтобы данные можно было не только увидеть, но и надёжно получить, интерпретировать и сопоставить.

Коммерческая информация

Коммерческие параметры становятся частью цифрового представления магазина. Пользователю важна не только характеристика товара, но и вопрос «можно ли его купить сейчас и на каких условиях».

Поэтому необходимо регулярно проверять:

• актуальность цен;
• остатки;
• условия доставки;
• сроки получения;
• условия оплаты;
• гарантию;
• возврат;
• наличие разных вариантов товара;
• информацию о продавце.

Если AI должен сравнивать предложения, коммерческая информация становится таким же важным входным сигналом, как текст и техническая разметка.

С чего начать подготовку к агентным покупкам уже сейчас

Подготовка к агентным покупкам не начинается с внедрения сложного AI-агента на стороне магазина. Для большинства интернет-магазинов гораздо полезнее сначала привести в порядок собственные данные. Если каталог содержит неполные характеристики, устаревшие цены и хаотичную структуру, подключение очередной нейросети ситуацию не исправит. Она просто быстрее обнаружит бардак.

Практический план можно разбить на несколько этапов.

1. Провести технический аудит. Проверить индексацию, URL, дубли, скорость, доступность страниц, canonical, robots.txt и sitemap.xml.
2. Проверить карточки товаров. Убедиться, что название, характеристики, варианты, цена и наличие представлены однозначно.
3. Привести каталог к логичной структуре. Отделить категории, фильтры, товарные страницы и информационный контент.
4. Внедрить и проверить структурированные данные. Schema.org должна соответствовать фактическому содержимому страниц.
5. Настроить товарные фиды. Данные о товарах должны регулярно обновляться и не расходиться с информацией на сайте.
6. Усилить контент. Добавить конкретные характеристики, сценарии использования, сравнения и ответы на реальные вопросы покупателей.
7. Синхронизировать коммерческие данные. Цена, наличие и условия доставки должны быть согласованы между сайтом и внешними каналами.
8. Начать наблюдать за AI-видимостью. Проверять, как системы отвечают на запросы по вашей категории, какие бренды и товары упоминаются и какие источники используются.

Эту работу имеет смысл выполнять постепенно. Большая часть перечисленного полезна уже сегодня для обычного SEO, конверсии и качества пользовательского опыта, поэтому инвестиции не зависят от того, насколько быстро агентные покупки станут массовыми.

К 2027–2028 годам конкурентная среда интернет-магазинов может измениться не столько из-за исчезновения поисковой выдачи, сколько из-за появления нового посредника между человеком и каталогом. Пользователь будет всё чаще задавать AI не вопрос «где купить?», а задачу «найди и выбери подходящий вариант».

В этой модели SEO остаётся фундаментом обнаружения, GEO помогает сделать информацию пригодной для генеративных ответов, а агентные покупки добавляют следующий уровень взаимодействия, когда AI начинает выполнять действия от имени покупателя.

Поэтому подготовка магазина к будущему начинается с вполне земных вещей: понятной структуры каталога, точных карточек, актуальных цен, качественных фидов, корректной Schema.org-разметки, технически доступного сайта и согласованных коммерческих данных. Магазину не нужно угадывать, каким именно будет интерфейс AI через два года. Ему нужно сделать так, чтобы машина уже сегодня могла правильно понять, что продаётся, сколько это стоит, кому подходит и как это купить.