تصور کنید مشتریان شما دیگر وب‌سایت شما را نمی‌گردند، بلکه یک دستیار دیجیتال را مامور می‌کنند تا ارزان‌ترین و باکیفیت‌ترین کالا را پیدا و بخرد. اگر فروشگاه شما با استانداردهای جدید سازگار نباشد، این دستیارها حتی بدون اینکه بدانند شما وجود دارید، از شما عبور می‌کنند.
بسیاری از فروشگاه‌های آنلاین در حال حاضر برای عامل‌های هوش مصنوعی (AI Agents) — که مثل کارمندانی هستند که دستورات شما را در وب اجرا می‌کنند — نامرئی هستند. این اتفاق به دلیل نبود یک لایه شناسایی ماشین‌خوان رخ می‌دهد. این چالش تنها محدود به فروشگاه‌ها نیست و بسیاری از خبرگزاری‌های برتر جهان نیز به دلیل نبود ساختارهای مناسب برای موتورهای جست‌وجوی AI نامرئی شده‌اند. حتی با فعال شدن ChatGPT Operator که می‌تواند وب را پیمایش کرده و خرید واقعی انجام دهد، این شکاف پابرجاست.
همان‌طور که در تحلیل قبلی ما درباره‌ی پروتکل‌های ارتباطی مدل‌ها اشاره کردیم، استانداردسازی کلید دسترسی است. این وضعیت شبیه به انتقال از نمایش ساده اطلاعات به سیستمی است که در آن مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — بتواند دقیقاً بداند کجا باید دکمه پرداخت را فشار دهد. طبق گزارش وب‌سایت dev.to در تاریخ ۴ اوت ۲۰۲۶، فروشگاه‌ها برای سازگاری با پروتکل تجارت عامل‌محور (ACP) باید سه لایه فنی را پیاده کنند:
- لایه شناسایی (Discovery Layer): فایلی در مسیر
/.well-known/agent-purchase.jsonکه ساختار محصولات، روش‌های پرداخت و مقصدهای درخواست را تعریف می‌کند. - نقطه اتصال خرید (Purchase Endpoint): یک مسیر اختصاصی
/api/agent/purchaseکه داده‌های JSON را پردازش و پرداخت‌ها را از طریق Stripe مدیریت می‌کند. در این راستا، رویکردهایی مانند Agentfix برای تسهیل اتصال عامل‌ها به درگاه‌های پرداخت در حال توسعه است تا این شکاف فنی برطرف شود. - لایه محتوا (Content Layer): شامل طرح‌واره‌های JSON-LD برای محصولات، فایل
llms.txtدر ریشه سایت و یک صفحه بهینه‌شده برای عامل‌ها در مسیر/agents.
به نقل از مستندات فنی ACP، ادغام این اجزا به فروشندگان اجازه می‌دهد تراکنش‌های انسانی را از تراکنش‌های عامل‌محور تفکیک کنند. این یعنی شما دقیقاً می‌دانید چه amount از درآمد شما توسط AI ایجاد شده است. از آنجایی که این ترافیک‌های خودکار در ابزارهای سنتی به‌درستی ثبت نمی‌شوند، استفاده از راهکارهای تحلیل داده مانند Zian AI برای رفع نقاط کور در GA4 برای درک دقیق رفتار عامل‌ها ضروری است. طبق بررسی‌های فنی، پیاده‌سازی کامل این زیرساخت در یک فروشگاه فعال معمولاً حدود ۳۰ روز زمان می‌برد.
این تغییر، پایان عصر «فقط مرورگر» است. فروشندگانی که این فایل‌های پنهان را نادیده بگیرند، بخش رو‌به‌رشدی از ترافیک خودکار را به رقبایی می‌بازند که با عامل‌های AI مانند شهروند درجه‌یک در جریان پرداخت رفتار می‌کنند.
گام بعدی شما
- ریشه سایت خود را برای وجود فایل
llms.txtبررسی کنید. - با مشخصات فنی ACP در سایت sidratnam.com آشنا شوید تا از فیلتر شدن در نتایج خرید AI خارج شوید.
- ساختار داده‌های محصولات خود را با استانداردهای JSON-LD به‌روزرسانی کنید.
اما داستان سخت‌افزاری پشتیبانی از این حجم از تراکنش‌های خودکار حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell مراجعه کنید.
گفتگو