AI shopping verschuift de focus van handmatige SEO teksten naar gestructureerde productdata. Systemen gebruiken Universal Product Codes (UPC) om producten nauwkeurig te herkennen. Daarnaast maakt het Agentic Commerce Protocol (APC) directe aankopen in AI assistenten mogelijk. Bedrijven met goed ingerichte productfeeds worden daardoor beter gevonden en vaker aanbevolen. Lange tijd waren uitgebreide SEO teksten de belangrijkste manier om producten online te verkopen. Marketeers gebruikten zoekwoorden om zoekmachines te overtuigen van relevantie. Dit werkte goed toen gebruikers vooral door zoekresultaten scrolden. Inmiddels verandert dit gedrag snel. AI systemen zoals ChatGPT Shopping lezen geen lange teksten meer om een product te begrijpen. Ze baseren zich op gestructureerde data. Een unieke code en consistente productinformatie worden daardoor belangrijker dan een creatieve productomschrijving. In dit artikel bespreken we de rol van productidentifiers binnen de toekomst van e commerce en hoe marketingteams hun productdata kunnen optimaliseren voor AI gedreven platforms.
Wat is de rol van het Agentic Commerce Protocol (APC) en de UPC code?
Om te begrijpen hoe AI commerce systemen werken, is het belangrijk om onderscheid te maken tussen de identificatie van een product en de manier waarop het wordt verkocht. Dit is waar de UPC code en het APC protocol samenkomen.
Een Universal Product Code (UPC) is een unieke, wereldwijde identificatiecode voor een specifiek artikel. Waar een mens een product herkent aan een foto of merknaam, herkent een computer het aan deze code. Het zorgt ervoor dat een specifieke maat en kleur van een schoen overal ter wereld als exact hetzelfde item wordt gezien. Deze vorm van product recognition is de basis voor alle geautomatiseerde handel.
Het Agentic Commerce Protocol (APC) is een relatief nieuwe standaard die voortbouwt op deze data. Dit protocol maakt het mogelijk voor AI-assistenten om direct met webshops te communiceren. Volgens recente ontwikkelingen kunnen kopers via dit soort open standaarden veilig afrekenen zonder de AI-omgeving te verlaten. Het protocol koppelt de vraag van de consument aan de voorraad, de prijs en de betaalsystemen van de verkoper. Om dit foutloos te laten werken, hebben deze agenten machine readable products nodig die duidelijk gemarkeerd zijn met correcte product identifiers.
Hoe herkent een AI systeem producten via identifiers?
Wanneer een gebruiker een AI product recommendation system vraagt om een specifiek artikel te zoeken, voert het systeem een proces uit dat we entity matching noemen. Het programma scant duizenden bronnen tegelijkertijd en probeert te bepalen welke aanbieders exact hetzelfde product verkopen.
Als een webshop alleen een tekstuele omschrijving aanbiedt, moet de AI raden of het om hetzelfde product gaat. Zodra een webshop een heldere productfeed aanlevert met een correcte UPC code, verdwijnt die twijfel. Het systeem koppelt de entiteit direct aan de zoekvraag van de gebruiker. Hierdoor kan de AI razendsnel beslissen welke aanbieder de beste prijs of snelste levertijd heeft.
Waarom presteert gestructureerde productdata beter dan zoekwoorden?
Tekst is gevoelig voor interpretatie. Een rode jas kan door de ene verkoper omschreven worden als “bordeauxrood” en door de andere als “kersenrood”. Voor een mens is dit te begrijpen, maar voor een geautomatiseerd proces zorgt het voor verwarring.
Structured commerce lost dit probleem op door informatie te standaardiseren. Bedrijven die investeren in productdata optimalisatie zorgen ervoor dat eigenschappen zoals merk, kleur, materiaal en afmetingen in vaste velden staan. Dit maakt het voor AI shopping platforms veel makkelijker om producten te filteren en te vergelijken op basis van harde specificaties in plaats van marketingteksten.
Wanneer een koper zoekt naar een waterdichte tent voor twee personen, kijkt de AI naar de productfeed om te zien of de specificaties exact overeenkomen. Webshops met ontbrekende velden in hun data worden simpelweg overgeslagen.
Hoe gaan marketplaces en AI commerce systemen om met productfeeds?
Grote platformen zoals Amazon en Bol.com werken al jaren op basis van structured data. Zij staan niet toe dat verkopers zomaar nieuwe, losse productpagina’s aanmaken voor artikelen die al bestaan. In plaats daarvan gebruiken deze marketplaces UPC en EAN codes om aanbieders te groeperen onder één productvermelding.
AI shopping ecosystemen passen nu een vergelijkbare logica toe op het hele internet. Ze verzamelen informatie uit diverse webshops, combineren deze data en presenteren de koper een overzichtelijke keuze. Uit onderzoek blijkt dat AI verwijzingen naar webshops beter converteren wanneer merken goed gestructureerde productcatalogi aanbieden. Wanneer productdata niet aansluit op de standaarden van AI systemen, wordt het aanbod minder vaak meegenomen in automatische prijsvergelijkingen en aanbevelingen.
Wat gebeurt er als productdata slecht gestructureerd is?
Om het verschil tussen e-commerce SEO teksten en data-gedreven zichtbaarheid te illustreren, bekijken we een praktische situatie met een bekende sneaker.
Stel dat drie webshops dezelfde witte hardloopschoen verkopen:
- Webshop A investeert in lange teksten en noemt het product “Comfortabele witte renschoen voor heren”. De productidentifier ontbreekt in de code van de website.
- Webshop B heeft wel een UPC toegevoegd, maar de productfeed is niet actueel waardoor de schoen als ‘niet op voorraad’ staat gemarkeerd in het systeem, terwijl deze wel in het magazijn ligt.
- Webshop C biedt een foutloze, gestructureerde feed aan met de juiste UPC code, het merk, de actuele voorraadstatus en de prijs.
Wanneer een gebruiker aan ChatGPT Shopping vraagt waar deze specifieke schoen op voorraad is, leest het AI product recommendation system de data. Webshop A wordt genegeerd omdat de AI niet met zekerheid kan vaststellen of het om exact dezelfde schoen gaat. Webshop B valt af vanwege de verouderde voorraadstatus. Webshop C krijgt de verkoop, puur omdat de data transparant, actueel en correct geformatteerd was. AI product matching zoekt altijd naar de meest betrouwbare bron van informatie.
Welke impact heeft AI product matching op marketingteams?
De manier waarop consumenten zoeken verandert, wat direct invloed heeft op de dagelijkse werkzaamheden van e-commerce afdelingen. Voorheen lag de focus sterk op het schrijven van wervende teksten en het handmatig optimaliseren van landingspagina’s. Nu verschuift de aandacht naar het beheren van databases.
Marketingteams moeten rekening houden met de volgende aanpassingen in hun werkwijze:
- Het optimaliseren van productfeeds krijgt structureel voorrang op handmatige copywriting voor individuele artikelen.
- Er moet meer tijd worden geïnvesteerd in het verzamelen en verifiëren van unieke productidentifiers bij leveranciers.
- Het up-to-date houden van voorraadinformatie en prijsstelling in real-time wordt een voorwaarde voor zichtbaarheid.
- De samenwerking tussen marketing en IT wordt hechter om ervoor te zorgen dat websites en feeds voldoen aan protocollen zoals het APC.
De verschuiving van zoekwoorden naar productstructuur
De online winkelervaring wordt steeds verder geautomatiseerd. AI-assistenten nemen het zoekwerk uit handen en presenteren consumenten direct de beste aankoopopties. Deze systemen baseren hun keuzes niet op het platform met het mooiste design of het langste blogartikel, maar op de webshop met de meest toegankelijke en accurate data.
Bedrijven die vasthouden aan oude methodes zullen langzaam hun zichtbaarheid verliezen in deze nieuwe kanalen. Zichtbaarheid in e-commerce verschuift definitief van handmatige zoekwoorden naar productstructuur. Organisaties die nu de tijd nemen om hun productdata goed te organiseren, vergroten de kans dat hun aanbod in de toekomst naadloos wordt opgepikt en aanbevolen door intelligente systemen.
