Что мешает AI-агенту выбрать товар: эксперимент TexTerra в трех интернет-магазинах

AI-агент может найти для клиента нужный товар — и все же исключить предложение вашего магазина из сравнения. Так бывает, когда публичная цена недоступна, статус расходится с кнопкой или условия гарантии противоречат друг другу. Мы проверили шесть сценариев и выяснили, что поможет сделать данные магазина понятнее для агента.

За подбором товаров аудитория уже более или менее активно обращается к AI помощникам: пользователь описывает задачу, бюджет и ограничения, а система ищет подходящие модели и сравнивает предложения магазинов.

Автор этой статьи решил проверить, как такой сценарий проходит на практике, и собрал агента с доступом к открытым страницам сайтов. Агент получил три задания: подобрать робот-пылесос, SSD и дрель-шуруповерт; он должен был определить точную модель, собрать характеристики, выяснить цену и наличие и по возможности дойти до корзины. Что из этого получилось — узнаете прямо сейчас.

Разобрали ход эксперимента, типичные ошибки интернет-магазинов и правила, которые помогают агенту точнее выбирать товар.

Методика эксперимента

Первые прогоны выполнял агент на базе GPT-5.6 Luna, финальные — на базе GPT-5.6 Sol. В обоих случаях данные с открытых страниц сайтов собирались через Firecrawl. При сравнении результатов учитывалось, что между прогонами изменились и правила агента, и модель.

Агент работал с сайтами трех интернет-магазинов: DNS, «М.Видео» и «ВсеИнструменты.ру». Для каждого товара проверялись два магазина:

• Робот-пылесос Xiaomi — «М.Видео» и DNS.

• SSD Samsung — DNS и «М.Видео».

• Дрель-шуруповерт Makita — «ВсеИнструменты.ру» и DNS.

Получилось шесть пар «запрос — магазин». Каждая пара проходила два прогона:

• С исходными настройками агента.

• После добавления правил, появившихся во время разбора ошибок.

Всего агент выполнил 12 прогонов. В таблице с итогами ниже результаты сведены по шести уникальным парам: каждая пара получила одну итоговую оценку с учетом обоих прогонов. Повторный прогон использовался для проверки уточненных правил и отдельно в знаменателе не учитывался.

Важно отметить, что в аккаунты магазинов агент не входил, реальный заказ и оплату он не оформлял, а переход к корзине разрешался только там, где действие не создавало заказ.

Для точной идентификации использовались полное название модели и код производителя: например, MPN MZ-V9S1T0BW у SSD Samsung и индекс DDF485Z у Makita.

Подробнее о различиях между моделью, вариантом, предложением продавца и заказом мы рассказали в статье «Товарные данные для AI-помощников: как подготовить их к покупке».

Наконец, отметим, что результаты показывают проблемы конкретных сценариев в момент теста и не описывают весь рынок интернет-торговли.

Задания и разбор ошибок

Агент приписал Xiaomi S40C характеристику другой модели

В первом задании агенту нужно было подобрать робот-пылесос Xiaomi с влажной уборкой и построением карты. Он нашел две подходящие модели с очень похожими названиями: Xiaomi Robot Vacuum S40C в «М.Видео» и Xiaomi Robot Vacuum S40 в DNS.

Для S40C производитель указывает влажную уборку, лазерную навигацию с построением карты и мощность всасывания 5000 Па. S40 тоже поддерживает влажную уборку и строит карту, но отличается по характеристикам. В частности, производитель заявляет для этой модели до 180 минут работы при стандартных условиях испытаний.

Ошибка агента. При подготовке ответа он смешал данные из двух карточек и приписал S40C время работы модели S40. Это значит, что покупатель, обладая несовершенным агентом, мог выбрать пылесос в расчете на характеристику, которой у него нет. Ошибку удалось устранить после добавления правила: перед сравнением предложений агент должен сверять полное название модели и код производителя.

Что исправить магазину. Указывать полное обозначение модели и MPN или SKU рядом с названием и одинаково передавать их в характеристиках, фиде и структурированной разметке. В этом сценарии идентификаторов хватило, однако явное и последовательное указание снижает риск смешения похожих моделей. Не все агенты идеальны, но магазин может скомпенсировать это в меру своих сил, потому что это в его же интересах.

После уточнения модели осталось разобраться с условиями покупки. На странице «М.Видео» агент увидел публичную цену 29 000 рублей, зачеркнутую цену 35 000 рублей и предложение войти в аккаунт, чтобы получить более низкую цену. Публичную стоимость можно было использовать для сравнения, но размер персональной скидки оставался неизвестным, а сам товар был временно недоступен для заказа.

То есть в этом эксперименте агент нашел нужную модель и собрал ее характеристики, но не смог определить окончательную цену и подтвердить возможность покупки.

Что исправить магазину. Публичная цена должна присутствовать в доступном для обработки тексте страницы. Персональную скидку следует показывать отдельно вместе с условиями ее получения, а цена в карточке также должна совпадать с фидом, структурированной разметкой и корзиной.

Документация Google по товарной разметке предусматривает передачу цены, валюты, наличия и специальных цен для участников программы лояльности. Такая разметка упрощает получение данных для систем, которые ее поддерживают, но результат конкретного агента, конечно, зависит от модели и инструмента доступа к сайту.

В карточке Samsung оказались два срока гарантии

Во втором задании агенту нужно было найти Samsung 990 EVO Plus на 1 ТБ с памятью TLC и скоростью чтения от 7000 МБ/с. Подходящий накопитель нашелся в DNS и «М.Видео». Код производителя MZ-V9S1T0BW и основные характеристики совпали: объем 1 ТБ, память TLC и скорость последовательного чтения до 7150 МБ/с.

Трудности возникли при проверке условий покупки. На странице товара в «М.Видео» гарантия была указана в трех местах: «1 год», «5 лет от производителя» и «12 месяцев». Год и 12 месяцев — один и тот же период. Реальное расхождение возникло между сроками один год и пять лет.

Источник проблемы. Карточка не объясняла, кто предоставляет гарантию на один год, распространяется ли пятилетняя гарантия производителя на товар этого продавца и где можно прочитать ее условия. Агент усугубил проблему: в первом прогоне выбрал срок один год из блока характеристик и не учел сведения из описания.

Официальная страница Samsung для британского рынка указывает ограниченную гарантию на пять лет или до достижения ресурса 600 TBW для версии на 1 ТБ. Эти условия подтверждают пятилетний срок для конкретного рынка, но не позволяют автоматически распространить его на товар российского продавца.

Роспотребнадзор разъясняет, что продавец не вправе сокращать гарантийный срок, установленный изготовителем. При этом по одной карточке нельзя установить условия конкретной поставки: нужны сведения о продавце, документы на товар и региональная гарантийная политика производителя.

После этого в инструкцию добавили новое правило: при расхождении условий агент должен показать оба варианта и запросить уточнение. В повторном прогоне он сообщил о двух сроках гарантии и отказался подтверждать условия покупки без дополнительных данных.

Что исправить магазину. Для каждого срока нужно указать, кто предоставляет гарантию, где она действует и какие ограничения предусмотрены. Эти сведения должны совпадать в характеристиках, описании и документах на товар.

Кнопка «В корзину» оказалась активна у отсутствующего товара

В третьем задании агенту нужно было найти дрель-шуруповерт Makita DDF485 и выяснить, входят ли в комплект аккумулятор и зарядное устройство. Здесь важно полное обозначение модели: под общим названием DDF485 продаются варианты с разной комплектацией. На официальной странице Makita указано, что DDF485Z поставляется без аккумулятора и зарядного устройства.

На «ВсеИнструменты.ру» агент нашел семь вариантов Makita DDF485 и выбрал нужный — DDF485Z за 9490 рублей. Комплектацию он определил правильно. А вот с доступностью товара возникла путаница: на странице одновременно отображались активная кнопка «В корзину» и статус «Нет в наличии».

Источник проблемы. Страница одновременно показывала два разных сигнала, а агент счел активную кнопку достаточным подтверждением наличия. У кнопки же могло быть другое назначение: предзаказ, покупка в другом регионе или сохранение товара до поступления, однако страница этого не объясняла. В результате агент рекомендовал предложение, доступность которого не смог подтвердить.

После этого агент получил новое правило: кнопка «В корзину» сама по себе не подтверждает доступность товара. В повторном прогоне он проверил статус наличия, выбранный регион, способы доставки и самовывоза, а также результат перехода в корзину. Если сведения расходились, агент сообщал об этом пользователю.

Из-за противоречивых сведений агент не стал подтверждать возможность покупки.

Что исправить магазину. Действие кнопки должно соответствовать статусу товара. Для отсутствующей позиции можно предложить уведомление о поступлении или предзаказ с понятными условиями. Если доступность зависит от города, рядом со статусом нужно показывать выбранный регион и возможные способы получения, а сведения в карточке, фиде, разметке и корзине должны обновляться согласованно.

Результаты эксперимента

Поиск карточки и извлечение характеристик оказались самыми устойчивыми этапами, а основные затруднения появились при проверке цены, наличия и перехода к корзине.

Причины сбоев при этом различались. В случае с Xiaomi данных для различения моделей хватало, поэтому ошибся агент, а вот в сценариях с Samsung и Makita исходное противоречие находилось на стороне магазина, а правила агента просто не защищали от выбора одного из нескольких сигналов.

Отдельные ограничения были связаны с доступом к цене. Размер персональной скидки «М.Видео» оставался скрытым до входа, а в одном из сценариев DNS цена вообще не попала в данные Firecrawl.

Чек-лист проверки интернет-магазина

Для быстрой самопроверки достаточно выбрать один реальный товарный запрос и пройти его тем же путем, которым идет покупатель или агент.

• Точная модель. Совпадают ли название, модификация, объем, цвет, комплект и другие значимые признаки?

• Идентификаторы. Одинаковы ли MPN, SKU или GTIN в карточке, фиде, разметке и корзине?

• Публичная цена. Видна ли действующая сумма вместе с валютой и единицей продажи без входа в аккаунт?

• Скидки. Отделена ли персональная цена от публичной и понятны ли условия ее получения?

• Наличие. Совпадает ли статус товара с кнопкой, остатком и выбранным регионом?

• Получение. Актуальны ли дата доставки, самовывоз и список доступных магазинов?

• Гарантия. Указано ли, кто предоставляет гарантию, на какой срок, для какой территории и с какими ограничениями?

• Характеристики. Доступны ли ключевые параметры в тексте страницы? Мультимодальные модели умеют распознавать текст на изображениях, но результат зависит от модели и инструмента. Текстовая версия остается полезной для доступности, поиска и систем без обработки изображений.

• Согласованность источников. Описывают ли карточка, фид, структурированная разметка, поиск по сайту и корзина одно предложение?

• Повторяемость теста. Сохранены ли точный запрос, модель агента, режим поиска, дата, регион, состояние авторизации, ответ и скриншоты? После исправлений тест нужно повторить в тех же условиях. Подробнее о таком протоколе — в статье «GEO-гипотезы: как проверить влияние правок на AI-видимость».

Отдельно стоит проверить, куда ведет ссылка из ответа агента и сохраняет ли страница выбранную модификацию. Управляемые и публичные маршруты подробнее разобраны в статье «Как управлять ссылками в AI-ассистенте: RAG, API и маршруты».

Выводы и границы ответственности магазина

Как мы увидели, многое зависит от самого магазина и того, как он работает над оптимизацией своих страниц. Агенту проще найти нужный товар и правильно сравнить предложения, когда модель указана однозначно, описание заполнено, а цена, наличие и условия гарантии совпадают в карточке, фиде, разметке и корзине. И если агент несовершенен, ошибается сам или не может открыть страницу, магазин часто способен снизить вероятность такого сбоя — достаточно явно указать важные сведения и убрать противоречия.

Базовую проверку можно провести довольно быстро: выбрать популярный товар, сформулировать обычный запрос покупателя и пройти путь от поиска до корзины. Даже такой простой тест покажет, какую информацию агент пропускает, где путается и почему отказывается от покупки или рекомендует другой магазин.

Эту работу можно поручить TexTerra. Мы сами создаем AI-агентов и хорошо понимаем, как они ищут товары, считывают данные и сравнивают предложения. Поэтому можем проверить ваш интернет-магазин и найти проблемные места — а затем помочь доработать карточки, фиды, разметку и путь до покупки.

FAQ

Нужно ли сразу проверять весь каталог?

Для первого этапа достаточно нескольких товаров. В выборку стоит включить популярные позиции, товары с большим числом модификаций, региональным наличием, персональными ценами или сложной комплектацией. Если одна и та же ошибка повторяется, проверять нужно уже весь шаблон карточки и связанные с ним источники данных.

Достаточно ли разметки Product?

Разметка дает системе дополнительный источник данных, но сама по себе не устраняет ошибки в карточке. Цена и наличие должны совпадать на странице товара, в структурированных данных и при оформлении заказа.

Нужен ли магазину отдельный товарный фид для AI систем?

Единого фида, который использовали бы все агенты, пока нет. OpenAI принимает прямые товарные фиды от одобренных партнеров и использует их для передачи названий, описаний, идентификаторов, цен и наличия.

В каких случаях понадобится API?

Страниц сайта, разметки и фида может хватить для поиска и сравнения товаров. API понадобится, если агент должен получать актуальные остатки по конкретному региону, рассчитывать доставку, создавать корзину или передавать данные для оформления заказа.

Как оформить товары с несколькими модификациями?

Каждой модификации нужен стабильный идентификатор. Желательно также дать ей отдельный URL или ссылку, которая сразу открывает выбранный объем, цвет, размер или комплектацию. Google рекомендует объединять такие позиции через ProductGroup, сохраняя для каждого варианта собственные характеристики, цену и наличие. Похожая структура используется и в товарных фидах OpenAI.

Как часто нужно обновлять цены и наличие?

Единого интервала для всех магазинов нет: частота зависит от того, как быстро меняются остатки и цены. Данные следует обновлять до того, как прежнее значение успеет ввести покупателя или агента в заблуждение. Для своих товарных фидов OpenAI рекомендует передавать полный каталог раз в день, а изменения в течение дня отправлять через API.

Гарантируют ли доработки, что агент выберет магазин?

Нет, но точные и согласованные данные снижают риск, что агент перепутает модель, пропустит цену или неверно определит наличие товара. Итоговый выбор все же зависит от запроса пользователя и правил его агента.

Читайте также:

Как подготовить товарные данные для выбора и покупки через AI-помощников

AI-агенты входят в клиентский путь: как подготовить данные, сайт и процессы

Как управлять ссылками в AI-сценариях: задаем маршрут от ответа до целевого действия