एजेंटिक कॉमर्स को नजरअंदाज नहीं करने वाली डेटा लेयर

एआई एजेंटों ने सर्च असिस्टेंट से स्वायत्त खरीदारों में बदलाव किया है। सबसे बड़े प्लेटफ़ॉर्म अब उस लेनदेन परत को अपनाने के लिए दौड़ रहे हैं, और अमेज़ॉन की नवीनतम चाल इसे ठोस बनाती है। एलेक्सा फॉर शॉपिंग, रफस और एलेक्सा+ के विलय से बनाई गई, कीमतों को ट्रैक करती है और उपकरणों के पार संदर्भ को याद रखती है। फिर, ऑटो-बाय के साथ, यह एक उत्पाद को लक्ष्य मूल्य पर पहुंचते ही खरीद पूरी करती है, कार्ट समीक्षा या मैनुअल चेकआउट की आवश्यकता नहीं है।

एजेंटिक शॉपिंग एक ऐसा बाजार है जो 2030 तक वैश्विक वाणिज्य की मात्रा में $5 ट्रिलियन तक पहुंच सकता है। अमेज़ॉन अकेला नहीं है जो उस क्षेत्र में एक हिस्सा काटने की कोशिश कर रहा है – गूगल, ओपनएआई और पर्प्लेक्सिटी ने सभी एजेंटिक शॉपिंग में आक्रामक रूप से आगे बढ़ रहे हैं। यह धक्का उपभोक्ताओं को अपने खरीदारी निर्णयों में एआई की भागीदारी के साथ अधिक सहज बना रहा है, एआई-चालित ट्रैफिक अमेरिकी खुदरा साइटों पर 2026 की पहली तिमाही में 393% साल-दर-साल बढ़ रहा है।

उपभोक्ता अनुभव समझना आसान है। कम दिखाई देने वाली बात यह है कि यह संभव बनाने वाली बुनियादी ढांचा है। जब एक एआई एजेंट स्वायत्त रूप से लेनदेन करता है, तो यह पूरी तरह से उत्पाद डेटा पर भरोसा करता है। कोई मानव गलत वेरिएंट या गलत वर्गीकृत उत्पाद को झंडा नहीं देता है। यही कारण है कि डेटा परत एजेंटिक कॉमर्स का सबसे महत्वपूर्ण हिस्सा है।

एजेंटिक कॉमर्स की नींव

एजेंटिक कॉमर्स के बारे में चर्चा मुख्य रूप से एजेंट के बारे में है – मॉडल, इंटरफ़ेस, या अनुभव। लेकिन सफलता का वास्तविक निर्धारक एजेंट स्वयं नहीं है, यह ई-कॉमर्स को समर्थन देने वाली डेटा परत है।

जब एक उपभोक्ता एक एजेंट से लॉन्ड्री डिटर्जेंट को फिर से ऑर्डर करने या कल तक आने वाली सबसे सस्ती एचडीएमआई केबल खरीदने के लिए कहता है, तो लेनदेन सरल लगता है। हालांकि, एजेंट को कई निर्णय लेने होते हैं। यह पहचानने की आवश्यकता है कि सटीक उत्पाद का अनुरोध किया जा रहा है, उत्पाद के गुणों और उपलब्धता की पुष्टि करें, विभिन्न प्लेटफ़ॉर्म पर विकल्पों की तुलना करें, और खरीद को सही इन्वेंट्री और पूर्ति नेटवर्क से जोड़ें।

एक मानव खरीदार के विपरीत, एक एआई एजेंट अंतराल को भरने या असंगतताओं को हल करने के लिए直觉 पर भरोसा नहीं कर सकता है। लेनदेन में हर कदम को संरचित और संगत डेटा से ईंधन की आवश्यकता होती है जो शामिल प्रणालियों में है। यदि उस आधार का कोई हिस्सा गायब है या खंडित है, तो एजेंट जांच करने के लिए रुकता नहीं है। इसके बजाय, यह जो कुछ भी है उसे काम करता है, या लेनदेन को पूरा करने में विफल रहता है, जिससे अक्सर असंगत और अविश्वसनीय उपयोगकर्ता अनुभव पैदा होता है।

डेटा फाउंडेशन कहां टूट जाता है

मिराकल के अनुसार, ईकॉमर्स उत्पाद पृष्ठों में से कम से कम 1% वर्तमान में एआई एजेंटों द्वारा सिफारिश के लिए न्यूनतम मानकों को पूरा करते हैं। उत्पाद पहचानकर्ता आपूर्तिकर्ता प्रणालियों और आंतरिक प्रणालियों के बीच भिन्न होते हैं, जबकि इन्वेंट्री स्थिति वास्तविकता से पीछे रहती है। स्थान डेटा भी पूर्ति नेटवर्क में मानकीकरण का अभाव है।

जब मानव शामिल होते हैं, तो खराब डेटा प्रबंधनीय है। एक खरीदार गलत वेरिएंट को देखता है, या एक गोदाम प्रबंधक जानता है कि इन्वेंट्री प्रणाली वास्तविकता से पीछे चल रही है। लोग अनुभव से अंतराल को भर देते हैं; समस्या यह है कि एक एआई एजेंट के पास ऐसी कोई प्रवृत्ति नहीं है। यह दी गई डेटा को पढ़ता है और लेनदेन को पूरा करता है, या इसे पूरा करने में विफल रहता है।

जब डेटा गलत होता है, तो लेनदेन गलत होता है। गलत उत्पाद की खरीद, गलत स्थान पर रूट किया गया, गलत मूल्य पर। एजेंट ने सटीक रूप से प्रदर्शन किया जैसा डिज़ाइन किया गया था, यह डेटा नीचे नहीं था जो नहीं था।

प्रत्येक एजेंट पर निर्भर पहचान परत

खराब डेटा गुणवत्ता संगठनों को कम से कम $12.9 मिलियन प्रति वर्ष की लागत से आती है। यह आंकड़ा उन वातावरण से आता है जहां मानव अभी भी लूप में हैं। एजेंटिक कॉमर्स में, यह संख्या केवल बढ़ती है। प्रत्येक स्वचालित लेनदेन जो एजेंट गलत हो जाता है लागत को जोड़ता है।

एक जोड़ी रनिंग शूज़ जो एक प्लेटफ़ॉर्म पर “ट्रेल रनर” के रूप में सूचीबद्ध है और दूसरे पर “ऑल-टेरेन स्नीकर्स” के रूप में सूचीबद्ध है, वही उत्पाद है, लेकिन एक एआई एजेंट इसकी पुष्टि नहीं कर सकता है बिना एक सार्वभौमिक पहचानकर्ता के।

यही वह है जो यूपीसी बारकोड में एम्बेडेड उत्पाद पहचानकर्ता की समस्या को हल करने में मदद करता है। ये स्कैन करने योग्य संकेत जीटीआईएन (ग्लोबल ट्रेड आइटम नंबर) ले जा सकते हैं, जो 2 मिलियन से अधिक कंपनियों द्वारा उपयोग किए जाने वाले मानकों की एक वैश्विक प्रणाली का हिस्सा हैं जो वैश्विक आपूर्ति श्रृंखला में उत्पादों की अनोखी पहचान करने के लिए उपयोग किए जाते हैं। स्कैन करने योग्य जीटीआईएन उत्पादों को प्रत्येक खुदरा विक्रेता, गोदाम और प्लेटफ़ॉर्म पर एकल, सत्यापित पहचान देते हैं जो उन्हें छूते हैं। जब एक एजेंट अमेज़ॉन और टार्गेट पर जूतों की कीमतों की तुलना करता है, तो जीटीआईएन यह पुष्टि करता है कि यह वास्तव में एक ही उत्पाद की तुलना कर रहा है।

मानक, जैसे कि जीएस1 यूएस से, उत्पादों, स्थानों और इकाइयों की पहचान के लिए एक सामान्य भाषा प्रदान करते हैं, जो एआई एजेंटों को संवाद करने, समन्वय करने और सटीक निर्णय लेने के लिए आवश्यक है। जैसे ही अधिक एआई एजेंट आपूर्ति श्रृंखला में प्रवेश करते हैं – एक प्रोक्योरमेंट का प्रबंधन करता है, दूसरा इन्वेंट्री की निगरानी करता है, तीसरा लॉजिस्टिक्स को ट्रैक करता है – उन्हें विभिन्न कंपनियों द्वारा निर्मित प्रणालियों में डेटा साझा करने की आवश्यकता होती है। मानकीकृत पहचानकर्ता इसे संभव बनाते हैं।

जीटीआईएन इस व्यापक ढांचे का हिस्सा हैं। एआई एजेंटों के लिए, यह सामान्य भाषा जो वे प्रदान करते हैं वह एक लेनदेन के बीच का अंतर है जो सटीक रूप से पूरा होता है और जो नहीं है।

अपूर्ण उत्पाद डेटा की संभावना एक उत्पाद को पूरी तरह से एजेंट के विचार सेट से हटा सकती है। छोटे ब्रांडों के लिए, यह एक अस्तित्व दृश्यता समस्या है।

एजेंट-तैयार डेटा बनाम जो अधिकांश कंपनियों के पास है

एजेंट-तैयार डेटा प्राप्त करने का अर्थ है कि प्रत्येक उत्पाद में एक सत्यापित, वैश्विक रूप से अद्वितीय पहचानकर्ता होना चाहिए। इसका अर्थ है कि विशेषताएं प्रत्येक प्रणाली में पूर्ण और संगत हैं जो एक व्यापारिक भागीदार को छूती हैं। इसका अर्थ है कि इन्वेंट्री और मूल्य डेटा वास्तविक समय में सिंक्रनाइज़ किए जाते हैं, न कि बैचों में अपडेट किए जाते हैं। मानव ब्राउज़िंग के लिए निर्मित डेटा उस बार को पूरा नहीं करता है।

खंडित डेटा पर अधिक एआई परत करने से तेज़, अधिक आत्मविश्वास से गलत उत्तर मिलते हैं। आधार पहले सही होना चाहिए।

गार्टनर का अनुमान है कि 2027 के अंत तक एजेंटिक एआई परियोजनाओं में से 40% से अधिक रद्द कर दी जाएंगी, बढ़ती लागत, अस्पष्ट आरओआई और अपर्याप्त जोखिम नियंत्रण का हवाला देते हुए। डेटा इन्फ्रास्ट्रक्चर की गुणवत्ता इनमें से तीनों के लिए एक सीधा इनपुट है। एजेंटिक कॉमर्स की ओर बिना डेटा परत की जांच किए कंपनियां गलत समस्या का समाधान कर रही हैं।

खुदरा विक्रेताओं और ब्रांडों को कहां से शुरू करना चाहिए

1. प्रत्येक प्रणाली में उत्पाद पहचानकर्ताओं की जांच करें। प्रत्येक उत्पाद में एक सत्यापित, वैश्विक रूप से अद्वितीय पहचानकर्ता होना चाहिए। गायब या दोहराए गए पहचानकर्ता उत्पादों को पूरी तरह से छोड़ने का सबसे सामान्य कारण हैं।
2. विशेषता लेबलिंग को मानकीकृत करें। आकार, वजन, वेरिएंट और उपलब्धता को प्रत्येक प्रणाली में एक ही अर्थ होना चाहिए जो एक व्यापारिक भागीदार को छूती है। असंगत लेबलिंग मानवों के लिए अदृश्य है और एजेंटों के लिए घातक है।
3. व्यापारिक भागीदारों के बीच वास्तविक समय में डेटा को सिंक्रनाइज़ करें। अधिकांश कंपनियां इन्वेंट्री और मूल्य को देरी से अपडेट करती हैं – प्रति घंटे, रात में, या मैनुअल रूप से। एक एजेंट जो खरीद को निष्पादित करता है अगले अपडेट की प्रतीक्षा नहीं करता है।
4. डेटा तैयारी को किसी भी एजेंटिक एआई निवेश के लिए एक पूर्वापेक्ष के रूप में मानें। डेटा परत की जांच किए बिना एजेंटिक कॉमर्स की ओर बढ़ने वाली कंपनियां गलत समस्या का समाधान कर रही हैं। याद रखें कि एजेंट अंतिम चीज है जिसे अनुकूलित किया जाना चाहिए; डेटा फाउंडेशन को पहले होना चाहिए।

जो खुदरा विक्रेता और ब्रांड अब उस फाउंडेशन में निवेश करते हैं, वे एजेंटों के लिए अधिक खोज योग्य और लेन-देन योग्य होंगे जो उपभोक्ताओं की ओर से खरीदारी निर्णय लेते हैं। जो प्रतीक्षा करते हैं वे एक प्रणाली में दृश्यता के लिए प्रतिस्पर्धा करेंगे जो उन्हें खोजने के लिए नहीं बनाई गई थी। एजेंट दिखाई देने वाला हिस्सा है। अधिक महत्वपूर्ण प्रश्न यह है कि क्या उसके नीचे डेटा तैयार है।