في المقال السابق قلنا إن أول ساحة في Agentic Commerce ليست الدفع، بل الاكتشاف والتوصية. الشرط الأول لذلك هو أن تكون بيانات المنتجات قابلة للاستهلاك الآلي. هذه هي وظيفة B2A، أي Business-to-Agent. الصفحة الجميلة للبشر لا تكفي إذا لم يستطع الوكيل التحقق من السعر والمخزون والسياسات.
العمود الأول هو Schema.org. كثير من المواقع تكتفي بنوع Product مع الاسم والسعر. هذا غير كاف. الوكيل يحتاج إلى Brand وOffer وAggregateRating وShippingDetails وMerchantReturnPolicy حتى يقيم الثقة، وسهولة الإرجاع، وتوفر المنتج، وصحة السعر.
العمود الثاني هو llms.txt. هذا الملف ليس نسخة من sitemap. إنه دليل مختصر للصفحات الأهم، عادة من 20 إلى 50 صفحة، مع وصف موجز لكل رابط. بهذه الطريقة يستطيع الذكاء الاصطناعي فهم العلامة، المنتجات الأساسية، السياسات، وقصص العملاء ضمن سياق محدود.
العمود الثالث هو Product Feed. Google Merchant Center وShopify Agentic Storefronts وتدفقات بيانات المنتجات إلى منصات الذكاء الاصطناعي كلها تعتمد على جودة الفيد. السعر القديم، المخزون غير المحدث، المتغيرات الناقصة، أو الصور الضعيفة تقلل ثقة التوصية.
العمود الرابع هو UCP Manifest. يعلن هذا الملف ما يدعمه التاجر من قدرات: الاستعلام عن الكتالوج، بناء السلة، الخصومات، checkout، وخدمة ما بعد البيع. المعيار ما زال في مرحلة مبكرة، لكنه مهم للعلامات ذات الحجم الكبير.
أن تكون مقروءا من الذكاء الاصطناعي لا يعني أن تتم التوصية بك دائما. B2A شرط ضروري وليس كافيا. بيانات المنافسين، وسياق المستخدم، ومعرفة النماذج السابقة، وقواعد المنصة تؤثر أيضا. لكن من دون B2A لا يستطيع الوكيل تقييم العلامة أصلا.
تشخيص بحث الذكاء الاصطناعي من Gravity يفحص عمق Schema، وجودة llms.txt، وحداثة Product Feed، وأنماط زحف الوكلاء، وكيف توصف العلامة في إجابات الذكاء الاصطناعي. الهدف ليس إعطاء درجة عامة، بل معرفة ما يراه الذكاء الاصطناعي وما لا يستطيع التحقق منه.
عمليا، لا ينبغي التعامل مع بنية بيانات B2A كمبادرة محتوى منفصلة. يجب قراءة بيانات المنتج، وإجابات الذكاء الاصطناعي، وطلبات الوكلاء، والزيارات، والسلوك داخل الموقع، والطلبات كسلسلة أدلة واحدة. عندها فقط يستطيع الفريق تحديد ما إذا كانت المشكلة في البيانات أو المحتوى أو التكامل أو الميزانية.
ومن المهم أيضا الحفاظ على انضباط القياس. بحث الذكاء الاصطناعي وAgentic Commerce أصبحا قابلين للرصد، لكنهما لم يصلا بعد إلى استقرار قنوات paid media التقليدية. لكل من prompt sampling وreferrer وserver logs وطلبات Shopify نقاط عمياء. القياس الجيد يفصل بين الدليل القوي، وإشارة المساعدة، والارتباط فقط.
FAQ
Q1: ما الفرق بين B2A وB2C؟
A: B2C يحسن تجربة البشر. B2A يحسن البيانات لوكلاء الذكاء الاصطناعي: صيغة منظمة، حقائق قابلة للتحقق، ودقة في الوقت الحقيقي.
Q2: ما أهم خصائص Schema في التجارة الإلكترونية؟
A: السعر، التوفر، التقييمات، تفاصيل الشحن، وسياسة الإرجاع. كثير من العلامات تفتقد العناصر الثلاثة الأخيرة.
Q3: هل llms.txt ضروري لظهور Google AI Overview؟
A: ليس ضروريا. Google يعتمد أساسا على Schema وMerchant Center. llms.txt أكثر فائدة لمنصات مثل ChatGPT وPerplexity وClaude.
Q4: هل Shopify يكفي تلقائيا؟
A: جزئيا فقط. Shopify يوفر Schema وFeed أساسيين، لكن الشحن والإرجاع وllms.txt تحتاج غالبا إلى عمل إضافي.
Q5: ما عائد الاستثمار في B2A؟
A: زيادة احتمال التوصية من الذكاء الاصطناعي، تحسين Rich Results، تقوية Product Feed، والاستعداد لتكامل UCP وACP.