Je hebt je Shopify-catalogus gebouwd voor mensen. Nu moet hij ook werken voor agentische crawlers.
Published: March 23, 2026
Dit is de beste gids om te beginnen met Shopify's Catalog MCP en Catalog API
De these
Je Shopify-productcatalogus wordt gelezen door twee fundamenteel verschillende doelgroepen: mensen die door je webshop bladeren, en AI-agents die je productdata programmatisch opvragen om aanbevelingen te doen namens iemand anders.
De meeste merken hebben jarenlang geoptimaliseerd voor de eerste doelgroep. Rijke productbeschrijvingen, lifestyle-fotografie, conversie-geoptimaliseerde productdetailpagina’s. Niets daarvan helpt de tweede doelgroep veel.
Dit artikel gebruikt een echt product, Glossier’s Full Orbit oogcrème, om te laten zien hoe de kloof er in de praktijk uitziet en wat het betekent voor merken die nadenken over agentische commerce.
De infrastructuurlaag die de meeste merken nog niet hebben opgemerkt
Shopify heeft de Catalog MCP gebouwd, een Model Context Protocol-server die dient als de primaire productontdekkingsinfrastructuur voor agentische commerce op het Shopify-platform. Het is gebouwd rond het Universal Commerce Protocol (UCP), een standaard voor hoe AI-agents producten vinden, evalueren en transacties uitvoeren.
De Catalog MCP omhult Shopify’s Catalog REST API en geeft elke agent die gebouwd is volgens de UCP-standaard een manier om:
- Te zoeken naar alle in aanmerking komende Shopify-producten op basis van zoekwoorden, prijsklasse en verzendlocatie
- Op te zoeken voor volledige variantdetails van specifieke producten, inclusief beschrijvingen, kenmerken, specificaties en checkout-URL’s
In aanmerking komende Shopify-merchants staan al in deze catalogus. De vraag is niet of je producten worden bevraagd. Het is wat agents vinden wanneer ze ernaar zoeken.
Agentic storefronts
Your active products are automatically discoverable.
Review how your product data is sent to the Shopify Catalog for agentic storefronts
De Shopify-beheerweergave voor Agentic storefronts: ChatGPT en Microsoft Copilot zijn de eerste twee verbonden AI-oppervlakken.
ChatGPT
Free
By selling on this sales channel, you agree to Agentic Storefronts Supplemental Terms
Checkout
Products
Publishing
Shopify catalog is used to send product data to this sales channel
Doorklikken naar ChatGPT toont het verkoopkanaaldetail: checkout blijft op je webshop en productdata stroomt via de Shopify-catalogus.
Beide schermen zijn te vinden in Instellingen > Verkoopkanalen in het Shopify-beheer.
Er zijn drie routes die een agent kan nemen om je catalogus te bereiken:
| Route | Bereik | Authenticatie vereist |
|---|---|---|
| Catalog MCP | Alle in aanmerking komende Shopify-merchants wereldwijd | Ja (JWT) |
| Storefront MCP | Alleen enkele merchantwinkel | Nee |
| Catalog REST API | Alle in aanmerking komende Shopify-merchants wereldwijd | Ja |
Shopify beschrijft de Catalog MCP als de aanbevolen route voor de meeste agentische commerce-implementaties.
Twee endpoints. Twee heel verschillende beelden.
Wanneer een AI-agent informatie wil over een product in je Shopify-winkel, heeft het twee hoofdroutes naar je data. De legacy-route is het publieke /products.json endpoint. Het is toegankelijk zonder authenticatie, gestructureerd als JSON, en de standaardmanier waarop bots en scrapers al jaren Shopify-catalogi lezen. De moderne route is de Catalog MCP en Catalog API, speciaal gebouwd voor agentische consumptie.
Hier is de volledige vergelijking naast elkaar voor de Glossier Full Orbit, rechtstreeks opgehaald uit beide endpoints:
| Veld | /products.json |
Catalog API | Catalog API-veldstatus |
|---|---|---|---|
| Product-ID | 8185258410229 | gid://shopify/p/5vhkcE78u4c7P2hhO30zEh | Vereist |
| Titel | Full Orbit | Full Orbit | Vereist |
| Leverancier | Glossier | Glossier | Vereist |
| Beschrijving | 4.000-teken HTML-blok | “A hydrating, brightening eye cream that smooths fine lines and reduces dark circles and puffiness.” (98 tekens) | AI-gegenereerd (geen merchant-override) |
| Unique Selling Point | Niet aanwezig | “Combines brightening, hydrating, and smoothing effects in one tube-packaged eye cream.” | AI-gegenereerd (geen merchant-override) |
| Topkenmerk 1 | Niet aanwezig | Brightening formula reduces the appearance of dark circles for a more awake look | AI-gegenereerd (geen merchant-override) |
| Topkenmerk 2 | Niet aanwezig | Hydrating ingredients keep the under-eye area moisturized and comfortable | AI-gegenereerd (geen merchant-override) |
| Topkenmerk 3 | Niet aanwezig | Smoothing action helps minimize fine lines for a youthful appearance | AI-gegenereerd (geen merchant-override) |
| Topkenmerk 4 | Niet aanwezig | Depuffing effect soothes and refreshes tired eyes | AI-gegenereerd (geen merchant-override) |
| Topkenmerk 5 | Niet aanwezig | Tube dispenser allows for easy, mess-free application | AI-gegenereerd (geen merchant-override) |
| Tech Spec: Dispensertype | Niet aanwezig | Tube | AI-gegenereerd (geen merchant-override) |
| Tech Spec: Productvorm | Niet aanwezig | Cream | AI-gegenereerd (geen merchant-override) |
| Tech Spec: Huidverzorgingseffecten | Niet aanwezig | Brightening, Hydrating, Smoothing, Anti-dark circle, Anti-puffiness | AI-gegenereerd (geen merchant-override) |
| Tech Spec: Merk | Niet aanwezig | Glossier | AI-gegenereerd (geen merchant-override) |
| Secondhand | Niet aanwezig | False | AI-gegenereerd (geen merchant-override) |
| Variantbeschrijving | Niet aanwezig | 2.312-teken platte tekst (HTML gestript) | Optioneel |
| Prijs | $28,00 | $28,00 USD | Vereist |
| Beschikbaar voor verkoop | Niet aanwezig | True | Vereist |
| Checkout-URL | Niet aanwezig | Directe variant-checkout-URL | Vereist |
| Variant-URL | Niet aanwezig | Productpagina-URL met variantparameter | Vereist |
| Beoordeling | Niet aanwezig | Niet aanwezig | Optioneel |
| Aantal afbeeldingen | 10 | 10 | Vereist |
| SKU | FOE-000-00-00 | Niet aanwezig | - |
| Barcode | 810086254095 | Niet aanwezig | - |
| Tags | 11 interne tags (bfcm-eligible, pricing_export, enz.) | Niet aanwezig | - |
| Producttype | Skincare | Niet aanwezig | - |
AI-gegenereerd (geen merchant-override) betekent dat Shopify’s AI de waarde genereert. Merchants hebben geen direct mechanisme om deze velden te declareren of te overschrijven. Vereiste velden zijn merchant- of platformgestuurd en gegarandeerd aanwezig. Optionele velden zijn aanwezig wanneer beschikbaar. Velden gemarkeerd met - bestaan alleen in /products.json en hebben geen equivalent in de Catalog API.
Het /products.json endpoint geeft een agent een muur van HTML plus interne logistieke velden. De Catalog API geeft een gestructureerde briefing, ontdaan van interne tags en gericht op wat een agent nodig heeft om een aanbeveling te doen en een aankoop af te ronden.
Een agent die probeert te beantwoorden “wat is een goede lichte oogcrème tegen donkere kringen” moet aanzienlijk harder werken wanneer het alleen ruwe HTML heeft. De resultaten missen waarschijnlijker je werkelijke positionering.
Hoe de HTML-beschrijving er voor een agent uitziet
De Full Orbit HTML-beschrijving opent als volgt, precies zoals het verschijnt in /products.json:
<p class="pv-details__info-item pv-details__tagline">
<strong>A 360° reset for every, single eye.</strong>
</p>
<p id="description-item" class="pv-details__info-item">
A multi-benefit, 360° eye cream that tackles the concerns
you care about mostâimmediately hydrating for up to 24 hours...
Voordat een agent een enkele nuttige zin kan extraheren, moet het CSS-klassenamen, span-tags, inline charset-declaraties en kapotte coderingsfragmenten zoals ° en â verwijderen. De klinische studiedata is inline ingebed met de productclaims. De ingrediëntuitlichtingen staan in lijstitems vermengd met marketingtekst.
Vergelijk dat met wat de Catalog API retourneert als de korte beschrijving:
“A hydrating, brightening eye cream that smooths fine lines and reduces dark circles and puffiness.”
Dat zijn 98 tekens. Het is direct, platte tekst en onmiddellijk parseerbaar. Een agent kan dat gebruiken in een aanbeveling zonder enige verwerking.
De kloof gaat niet alleen over lengte. Het gaat over signaaldichtheid. De Catalog API-beschrijving vertelt een agent precies wat het product doet. De HTML-beschrijving laat een agent raden.
Het probleem van de “Inferred Fields”: wanneer Shopify’s AI je producttekst schrijft
Dit is het deel waar de meeste merken nog niet mee hebben afgerekend.
Shopify’s Catalog API markeert bepaalde velden met het label “Inferred” in de referentiedocumentatie. Dit zijn velden die Shopify’s AI automatisch genereert wanneer een merchant ze niet expliciet heeft opgegeven. De documentatie vermeldt dat Inferred velden mogelijk niet altijd aanwezig zijn en dat de nauwkeurigheid varieert afhankelijk van de beschikbare productdata.
Dit zijn de exacte velden die als Inferred zijn gemarkeerd in de Search- en Lookup-endpoints:
| Veld | Endpoint | Beschrijving |
|---|---|---|
description |
Search + Lookup | Gedetailleerde productbeschrijving |
uniqueSellingPoint |
Search + Lookup | De onderscheidende waardepropositie |
topFeatures |
Search + Lookup | Array van topproductkenmerken |
techSpecs |
Search + Lookup | Array van technische specificaties |
options |
Search + Lookup | Array van productopties/varianten |
attributes |
Search | Productattributen als naam-waardeparen |
secondhand |
Search + Lookup | Of de variant tweedehands is |
Ter vergelijking: de velden die Shopify als Vereist markeert zijn de transactionele velden: price, availableForSale, checkoutUrl, variantUrl, shop. Shopify bezit de transactielaag. De beschrijvingslaag is aan jou om te vullen, of Shopify’s AI vult het in.
De velden die het belangrijkst zijn voor agentaanbevelingen, description, uniqueSellingPoint, topFeatures en techSpecs, zijn allemaal AI-gegenereerd zonder merchant-override-mechanisme.
Als je merk geen schone, gestructureerde waarden voor deze velden heeft ingevuld, wordt de agent-gerichte versie van je product geschreven door Shopify’s AI. Niet door jou.
De Full Orbit Catalog API-data in onze vergelijking toont al deze velden als ingevuld. Kijkend naar de waarden, vallen ze uiteen in twee groepen die verschillende oorsprongen suggereren.
Sommige zien eruit als gestructureerde productdata die Glossier waarschijnlijk direct heeft aangeleverd:
secondhand: False, een binaire vlag, niet iets dat je zou genereren uit een beschrijvingtechSpecs: Brand: Glossier, basale productmetadatatechSpecs: Dispenser Type: Tube, een fysiek productkenmerktechSpecs: Product Form: Cream, een productcategorie-attribuut
Andere lezen als tekst gegenereerd uit de HTML-beschrijving:
uniqueSellingPoint: "Combines brightening, hydrating, and smoothing effects in one tube-packaged eye cream.", een gesynthetiseerde zin, geen standaard productveldtopFeatures, vijf voordeelverklaringen die nauw aansluiten bij de taal in de HTML-beschrijving maar zijn geherstructureerd in afzonderlijke regelsdescription: "A hydrating, brightening eye cream that smooths fine lines and reduces dark circles and puffiness.", een gecomprimeerde platte-tekstversie van de HTML-openingsparagraaf
Dit patroon suggereert dat de technische specificaties en binaire vlaggen mogelijk afkomstig zijn van Shopify’s producttaxonomie en standaard productvelden, terwijl de tekstvelden (USP, topkenmerken, korte beschrijving) waarschijnlijker gegenereerd zijn uit de productbeschrijving. Geen van beide is bevestigd: alleen Glossier en Shopify kennen het werkelijke invoermechanisme. Maar de data is consistent met die splitsing.
Hoe dan ook, de Full Orbit-output is coherent en bruikbaar voor een agent. Het risico zit bij producten waar het bronmateriaal dunner is. Overweeg wat er gebeurt met:
- Een product waarvan de HTML-beschrijving voornamelijk marketingtaal is met weinig specifieke details
- Een nieuw product waarvan de beschrijving nog niet volledig is uitgewerkt
- Een herformuleerd product waarvan de oude tekst nog live is
- Een product waarvan je positionering subtiel is en context vereist om accuraat over te brengen
In elk van deze gevallen kan een AI-afgeleide beschrijving de plank volledig misslaan. Dat is de beschrijving die agents gebruiken wanneer ze je product aan iemand aanbevelen.
Je krijgt geen mogelijkheid om Inferred veldwaarden te beoordelen voordat ze aan agents worden geserveerd. De enige manier om ervoor te zorgen dat agents werken met nauwkeurige, merkgestuurde beschrijvingen is om de velden zelf in te vullen.
Hoe agents je producten daadwerkelijk vinden: Search, dan Lookup
De Catalog MCP-workflow volgt een tweestapspatroon dat directe implicaties heeft voor hoe je catalogusdata wordt gebruikt.
Stap 1: Search. Een agent vertaalt een gebruikersprompt zoals “vind me een lichte oogcrème die helpt tegen donkere kringen onder de $30” naar een zoekopdracht tegen de catalogus. Resultaten worden geclusterd op Universal Product ID (UPID), wat duplicaten voorkomt wanneer hetzelfde product door meerdere merchants wordt verkocht. Elk zoekresultaat bevat:
- Producttitel en beschrijving
- Prijsklasse over alle verkopers
- Beschikbare opties (maat, tint, enz.)
- Een lijst van merchants met hun specifieke prijzen en checkout-URL’s
Stap 2: Lookup. Met de UPID uit het zoekresultaat haalt de agent uitgebreide variantdetails op voor het specifieke product, inclusief volledige beschrijvingen, belangrijke kenmerken, technische specificaties, alle prijzen op variantniveau en checkout-URL’s voor het aanbod van elke merchant.
De implicatie van de UPID-clustering is het waard om even bij stil te staan. Als je product dezelfde SKU is die door meerdere Shopify-merchants wordt verkocht (via groothandel, geautoriseerde resellers of marketplace-arrangementen), worden die aanbiedingen samen gepresenteerd in een enkel geclusterd resultaat, met prijsvergelijking. De agent (en gebruiker) kan alle beschikbare prijzen in een keer zien. Cataloguskwaliteit bepaalt niet alleen of je product verschijnt, maar ook of jouw aanbod degene is die wordt geselecteerd wanneer meerdere merchants hetzelfde artikel verkopen.
Waarom dit belangrijk is naarmate agents kopers worden
De verschuiving die nu plaatsvindt is dat AI-agents evolueren van onderzoeksassistenten naar transactiedeelnemers. Winkelagents tonen niet alleen informatie. Ze zijn in toenemende mate in staat om aankopen te initiëren, met precies het type variant-checkout-URL dat de Catalog API retourneert.
Wanneer een agent een product aan een winkelwagen kan toevoegen of een checkout-link kan genereren, beïnvloedt de kwaliteit van de data die het over je product heeft direct of je product wordt aanbevolen, en of de aanbeveling accuraat is.
Er staan drie dingen op het spel:
Vindbaarheid. Als een agent niet met vertrouwen kan ontleden wat je product doet en voor wie het is, zal het niet worden getoond als reactie op relevante zoekopdrachten. Schone, gestructureerde velden geven agents het vertrouwen om een aanbeveling te doen.
Nauwkeurigheid. Een agent die werkt vanuit HTML kan zijn eigen samenvatting van je product genereren op basis van wat het kan extraheren. Die samenvatting kan belangrijke claims weglaten, het gebruiksscenario verkeerd karakteriseren, of klinisch gevalideerde data volledig weglaten. Je controleert niet wat de agent over je product zegt, maar je controleert wel de inputs waarmee het werkt.
Conversie. De Catalog API bevat een directe checkout-URL voor elke variant. Agents met transactiecapaciteit hebben precies dit nodig: een machine-leesbaar pad van aanbeveling naar aankoop. Als dat veld niet ingevuld en accuraat is, breekt het conversiepad voordat het begint.
De velden die agentbeslissingen sturen
Niet alle catalogusvelden wegen even zwaar voor agentische endpoints. Op basis van hoe AI-agents productdata verwerken en rangschikken, zijn dit de velden die het meest uitmaken:
| Veld | API-veldnaam | Status | Waarom het belangrijk is |
|---|---|---|---|
| Korte beschrijving | description |
AI-gegenereerd (geen merchant-override) | Primair signaal voor zoekopdracht-matching en aanbevelingstekst |
| Unique selling point | uniqueSellingPoint |
AI-gegenereerd (geen merchant-override) | Onderscheidt je product in een vergelijkingscontext |
| Topkenmerken | topFeatures |
AI-gegenereerd (geen merchant-override) | Mapt naar gebruikersintentie-zoekopdrachten zoals “beste tegen donkere kringen” |
| Technische specificaties | techSpecs |
AI-gegenereerd (geen merchant-override) | Maakt filteren op formaat, ingrediënt of dispensertype mogelijk |
| Productattributen | attributes |
AI-gegenereerd (geen merchant-override) | Naam-waardeparen gebruikt voor gestructureerd filteren |
| Beschikbaar voor verkoop | availableForSale |
Vereist | Agents deprioriteren of slaan uitverkochte items over |
| Checkout-URL | checkoutUrl |
Vereist | Vereist voor elke transactionele agentcapaciteit |
| Variant-URL | variantUrl |
Vereist | Terugvalroute wanneer native checkout niet beschikbaar is |
De Inferred velden zijn degene die beschrijven wat je product is en waarom iemand het zou moeten kopen. De vereiste velden zijn degene die de transactie voltooien. Shopify garandeert de tweede groep. De eerste groep is jouw verantwoordelijkheid.
Wat je vandaag in je catalogus moet controleren
Als je een merkeigenaar bent die een Shopify-catalogus beheert, zijn er een paar specifieke dingen die nu de moeite waard zijn om te controleren, voordat AI-agents een groter aandeel van je verkeer worden en voordat transactionele AI de norm wordt.
Controleer je korte beschrijving. Heeft elk product een beknopte, platte-tekst samenvatting die begint met wat het product doet? Niet je tagline. Niet je marketinghook. Een functionele beschrijving die een agent kan gebruiken om het product te matchen met het verzoek van een gebruiker.
Controleer je kenmerkenvelden. Vul je discrete topkenmerk-velden in, hetzij native in Shopify of via een metafield of Catalog API-feed? Als al je productinformatie in een enkel HTML-beschrijvingsblok staat, geef je agents een ongedifferentieerde blob om mee te werken.
Controleer je beschikbaarheidsdata. Uitverkochte producten die nog als beschikbaar verschijnen veroorzaken aanbevelingsfouten. Agents die producten aanbevelen die gebruikers niet kunnen kopen, ondermijnen het vertrouwen in de agent en in je merk.
Controleer je checkout-URL’s. Als je geïntegreerd bent met een winkelfeed of AI-commerceplatform, controleer dan of checkout-URL’s op variantniveau nauwkeurig worden ingevuld. Een kapotte of generieke checkout-link verbreekt het conversiepad volledig.
Controleer je variantbeschrijvingen. Productpagina’s hebben vaak gedetailleerde beschrijvingen die niet op variantniveau worden doorgevoerd. Voor producten met meerdere SKU’s kan het zijn dat agents op variantniveau zoeken en lege velden tegenkomen.
Controleer je Inferred velden. De Shopify Catalog MCP markeert velden als “Inferred” wanneer merchants ze niet expliciet hebben ingevuld. Voor de velden die agents het zwaarst wegen (korte beschrijving, unique selling point, topkenmerken), controleer of je merk expliciete waarden heeft ingevuld in plaats van ze over te laten aan AI-inferentie. Er is geen mechanisme om Inferred waarden te beoordelen of te corrigeren voordat ze aan agents worden geserveerd.
Controleer je Catalog Mapping-bronnen. Als je op het Agentic Plan zit, kun je met Shopify Catalog Mapping (Instellingen > Shopify Catalog Mapping) de bron van drie belangrijke velden omleiden naar een metafield of metaobject in plaats van het standaard productattribuut. Dit zijn de inputs die de ML-inferentiepijplijn voeden.
Product fields
Change the sources for standard fields on the Shopify Catalog
Shopify Catalog Mapping (Instellingen > Shopify Catalog Mapping). Elke bron kan worden omgeleid naar een metafield of metaobject. Dit bepaalt wat de ML-pijplijn binnengaat, niet wat de pijplijn produceert.
De bredere verschuiving: catalogus als infrastructuur
Gedurende het grootste deel van het Shopify-tijdperk was de productcatalogus verkoopmateriaal, content die je schreef voor mensen die door je webshop bladerden. De productdetailpagina was het eindpunt.
Dat model verandert. Je catalogus is nu infrastructuur die door meerdere typen consumenten wordt gelezen: mensen op je webshop, zoekmachinecrawlers, prijsvergelijkingsplatforms, en in toenemende mate AI-agents die aanbevelingen doen en aankopen uitvoeren namens gebruikers.
De merken die nu investeren in cataloguskwaliteit (gestructureerde velden, schone tekst, complete metadata) zullen een samengesteld voordeel hebben naarmate agentische commerce schaalt. De merken die dat niet doen, zullen merken dat hun producten onnauwkeurig worden samengevat, gedeprioriteerd door agents die de data niet kunnen ontleden, of volledig ontbreken uit aanbevelingen.
Het Glossier-voorbeeld is leerzaam, niet omdat Glossier iets verkeerd heeft gedaan. Hun HTML-beschrijvingen zijn rijk, gedetailleerd en duidelijk geschreven voor menselijke lezers. Het is leerzaam omdat het laat zien dat content geschreven voor menselijke lezing en data gestructureerd voor agentconsumptie twee verschillende dingen zijn. Beide doen er nu toe.
Shopify-documentatiereferentie
De volgende pagina’s uit Shopify’s ontwikkelaarsdocumentatie zijn de primaire bronnen voor de Catalog MCP- en Catalog API-informatie in dit artikel.
Catalogusoverzicht
- About Shopify Catalog: overzicht van de Catalog MCP, Storefront MCP en Catalog REST API, inclusief de definitie van Inferred velden
- Universal Commerce Protocol (UCP): de standaard waarop de Catalog MCP is gebouwd
MCP-referenties
- Catalog MCP reference: tools, parameters en responsschema’s voor
search_global_productsenget_global_product_details - Storefront MCP reference: alternatief voor enkele winkel als scope voor de Catalog MCP
Catalog REST API-referenties
- Catalog REST API overview: authenticatie, rate limits en endpoint-index
- Search endpoint: volledig veldschema voor zoekresultaten, inclusief welke velden als Inferred zijn gemarkeerd
- Lookup endpoint: volledig veldschema voor productdetailresponsen, inclusief welke velden als Inferred zijn gemarkeerd
- Lookup by variant: lookup-schema op variantniveau
- Bulk lookup: batch productdetailophaling
Veelgestelde vragen
Wat is agentische commerce?
Agentische commerce verwijst naar AI-agents die autonoom producten onderzoeken, vergelijken en aanbevelen namens gebruikers, en in toenemende mate ook aankopen voltooien.
- Winkelagents lezen productdata programmatisch, niet door een webshop te bezoeken
- Ze genereren aanbevelingen op basis van gestructureerde velden zoals beschrijvingen, kenmerken en specificaties
- Transactionele agents kunnen checkouts initiëren met variant-checkout-URL’s
- De kwaliteit van je productdata beïnvloedt direct of je producten worden aanbevolen
Hoe lezen AI-winkelagents een Shopify-catalogus?
Shopify’s Catalog MCP is de primaire route voor agentische commerce. Het volgt een Search, dan Lookup stroom.
- Catalog MCP: De aanbevolen route. Doorzoekt alle in aanmerking komende Shopify-merchants wereldwijd; vereist JWT-authenticatie
- Catalog REST API: Dezelfde data als de MCP, direct bevraagbaar
- Storefront MCP: Beperkt tot een enkele winkel; geen authenticatie vereist; nuttig voor single-brand agents
/products.json: Legacy publiek endpoint; retourneert ruwe HTML; geen gestructureerde kenmerken of checkout-URL’s- Agents die de Catalog MCP gebruiken volgen een tweestapsstroom: Search op zoekwoord/voorkeur om UPID’s te krijgen, vervolgens Lookup op UPID om volledige variantdetails op te halen
Welke productvelden zijn het belangrijkst voor AI-agents?
De velden met het hoogste signaal voor agentische endpoints zijn degene die direct aansluiten bij hoe agents producten matchen met gebruikersintentie.
- Korte platte-tekst beschrijving (het Full Orbit-voorbeeld is 98 tekens)
- Unique selling point
- Discrete topkenmerken
- Gestructureerde technische specificaties
- Beschikbaarheidsstatus
- Checkout-URL op variantniveau
Maakt het uit of mijn productbeschrijvingen in HTML zijn geschreven?
Ja. HTML-markup voegt ruis toe die agents moeten verwijderen voor verwerking.
- Een HTML-beschrijving van 4.000 tekens met CSS-klassen en inline tags is moeilijker te ontleden dan een platte-tekst samenvatting van 100 tekens
- De Catalog API verwijdert HTML maar kan beschrijvingen die semantisch onduidelijk zijn niet repareren zodra de markup is verwijderd
- Beschrijvingen geschreven voor visuele presentatie zijn mogelijk niet effectief wanneer ze als platte tekst worden weergegeven
- De beste beschrijvingen zijn duidelijk en scanbaar in zowel menselijke als machinale leescontexten