Lapisan Data yang Tidak Bisa Diabaikan dalam Perdagangan Agensi

Agen AI telah berpindah dari asisten pencarian ke pembeli otonom. Platform terbesar sekarang sedang berlomba untuk memiliki lapisan transaksi tersebut, dan langkah terbaru Amazon membuat hal itu menjadi kenyataan. Alexa untuk Berbelanja, dibangun dari merger Rufus dan Alexa+, melacak harga dan mengingat konteks di seluruh perangkat. Kemudian, dengan Auto-Buy, itu menyelesaikan pembelian saat produk mencapai harga target, tanpa perlu tinjauan keranjang atau checkout manual.

Perdagangan agensi adalah pasar yang diproyeksikan untuk mencapai lebih dari $5 triliun dalam volume perdagangan global pada tahun 2030. Amazon tidak sendirian dalam mencoba mengambil sepotong dari sektor tersebut – Google, OpenAI, dan Perplexity telah bergerak agresif ke dalam perdagangan agensi. Dorongan itu juga meningkatkan kenyamanan konsumen dengan AI yang berpartisipasi dalam keputusan pembelian mereka, dengan lalu lintas AI ke situs ritel AS meningkat 393% tahun-ke-tahun pada Q1 2026.

Pengalaman konsumen mudah dipahami. Yang kurang terlihat adalah infrastruktur yang membuatnya memungkinkan. Ketika agen AI melakukan transaksi otonom, itu mempercayai data produk sepenuhnya. Tidak ada manusia yang menandai varian yang salah atau produk yang salah diklasifikasikan. Itu membuat lapisan data menjadi bagian paling penting dari perdagangan agensi.

Dasar untuk Perdagangan Agensi

Pembicaraan tentang perdagangan agensi sebagian besar tentang agen – model, antarmuka, atau pengalaman. Namun, penentu keberhasilan yang sebenarnya bukanlah agen itu sendiri, melainkan lapisan data yang mendukung e-commerce.

Ketika konsumen meminta agen untuk memesan kembali detergen cucian atau membeli kabel HDMI termurah yang dapat tiba besok, transaksi tampak sederhana. Namun, di balik layar, agen harus membuat serangkaian keputusan. Itu perlu mengidentifikasi produk yang tepat, memverifikasi atribut dan ketersediaan produk, membandingkan opsi di seluruh platform, dan menghubungkan pembelian ke inventori dan jaringan pengiriman yang tepat.

Tidak seperti pembeli manusia, agen AI tidak dapat mengandalkan intuisi untuk mengisi kesenjangan atau menyelesaikan inkonsistensi. Setiap langkah dalam transaksi perlu didorong oleh data yang terstruktur dan konsisten di seluruh sistem yang terlibat. Jika bagian mana pun dari dasar itu hilang atau terfragmentasi, agen tidak berhenti untuk menyelidiki. Sebaliknya, itu bekerja dengan apa yang dimilikinya dan melakukan transaksi, atau gagal menyelesaikan transaksi sama sekali, sehingga menghasilkan pengalaman pengguna yang tidak konsisten dan sering tidak dapat diandalkan.

Di Mana Dasar Data Rusak

Menurut Mirakl, kurang dari 1% halaman produk e-commerce saat ini memenuhi standar minimum untuk rekomendasi oleh agen AI. Pengidentifikasi produk bervariasi antara sistem supplier dan sistem internal, sementara status inventori tertinggal di belakang kenyataan. Data lokasi juga kekurangan standarisasi di seluruh jaringan pengiriman.

Ketika manusia berada dalam loop, data yang buruk dapat dikelola. Pembeli memperhatikan varian yang salah, atau manajer gudang tahu bahwa sistem inventori sedang tertinggal. Orang-orang mengisi kesenjangan dari pengalaman; masalahnya adalah agen AI tidak memiliki insting seperti itu. Itu membaca data yang diberikan dan menyelesaikan transaksi, atau gagal menyelesaikan transaksi sama sekali.

Ketika data salah, transaksi juga salah. Pembelian produk yang salah, dikirim ke lokasi yang salah, dengan harga yang salah. Agen melakukan persis seperti yang dirancang, itu adalah data di bawahnya yang tidak benar.

Lapisan Identitas yang Setiap Agen Bergantung

Kualitas data yang buruk menghabiskan biaya organisasi setidaknya $12,9 juta per tahun rata-rata. Angka itu berasal dari lingkungan di mana manusia masih berada dalam loop. Dalam perdagangan agensi, angka itu hanya tumbuh. Setiap transaksi otomatis yang agen lakukan salah memperburuk biaya.

Sepasang sepatu lari yang terdaftar sebagai “trail runners” pada satu platform dan “all-terrain sneakers” pada platform lain adalah produk yang sama, tetapi agen AI tidak dapat mengkonfirmasi tanpa pengidentifikasi universal.

Itulah yang membantu pengidentifikasi produk yang tertanam dalam kode batang UPC memecahkan. Sinyal yang dapat discan ini dapat membawa GTIN (Nomor Item Perdagangan Global), yang merupakan bagian dari sistem standar global yang digunakan oleh lebih dari 2 juta perusahaan untuk mengidentifikasi produk secara unik dalam rantai pasokan global. GTIN yang dapat discan memberikan produk identitas tunggal dan diverifikasi di seluruh pengecer, gudang, dan platform yang menyentuhnya. Ketika agen membandingkan harga sepatu tersebut di Amazon dan Target, GTIN adalah yang mengkonfirmasi bahwa itu sebenarnya membandingkan produk yang sama.

Standar, seperti yang dari GS1 US, menyediakan bahasa umum untuk mengidentifikasi produk, lokasi, dan entitas, bahasa yang sama yang agen AI butuhkan untuk berkomunikasi, koordinasi, dan membuat keputusan yang akurat. Ketika lebih banyak agen AI memasuki rantai pasokan – satu mengelola pengadaan, yang lain memantau inventori, yang ketiga melacak logistik – mereka perlu berbagi data di seluruh sistem yang dibangun oleh perusahaan yang berbeda. Pengidentifikasi standar membuat hal itu memungkinkan.

GTIN adalah bagian dari kerangka yang lebih luas. Untuk agen AI, bahasa umum yang mereka sediakan adalah perbedaan antara transaksi yang selesai dengan akurat dan yang tidak.

Data produk yang tidak lengkap memiliki potensi untuk menghapus produk dari himpunan pertimbangan agen secara keseluruhan. Untuk merek yang lebih kecil, itu adalah masalah visibilitas yang ada.

Data yang Siap Agen vs. Apa yang Dimiliki Perusahaan

Mendapatkan data yang siap agen berarti memastikan setiap produk dalam katalog memiliki pengidentifikasi unik dan diverifikasi secara global. Itu berarti atribut lengkap dan konsisten di seluruh sistem yang disentuh oleh mitra dagang. Itu juga berarti data inventori dan harga disinkronkan secara waktu nyata, bukan diperbarui dalam batch. Data yang dibangun untuk browsing manusia tidak memenuhi standar itu.

Menambahkan lebih banyak AI di atas data yang terfragmentasi menghasilkan jawaban yang salah lebih cepat dan lebih percaya diri. Dasar harus benar terlebih dahulu.

Gartner memprediksi bahwa lebih dari 40% proyek AI agensi akan dibatalkan pada tahun 2027, dengan alasan biaya yang meningkat, ROI yang tidak jelas, dan kontrol risiko yang tidak memadai. Kualitas infrastruktur data adalah input langsung ke ketiga hal tersebut. Perusahaan yang membangun menuju perdagangan agensi tanpa memeriksa lapisan data sedang memecahkan masalah yang salah.

Di Mana Penjual dan Merek Harus Memulai

1. Audit pengidentifikasi produk di seluruh sistem. Setiap produk dalam katalog memerlukan pengidentifikasi unik dan diverifikasi secara global. Pengidentifikasi yang hilang atau duplikat adalah alasan paling umum agen melewatkan produk secara keseluruhan.
2. Standarisasi label atribut. Ukuran, berat, varian, dan ketersediaan perlu memiliki arti yang sama di seluruh sistem yang disentuh oleh mitra dagang. Label yang tidak konsisten tidak terlihat oleh manusia dan mematikan bagi agen.
3. Sinkronkan data di seluruh mitra dagang secara waktu nyata. Sebagian besar perusahaan memperbarui inventori dan harga dengan keterlambatan – setiap jam, setiap malam, atau secara manual. Agen yang melakukan pembelian tidak menunggu pembaruan berikutnya.
4. Perlakukan kesiapan data sebagai prasyarat untuk setiap investasi AI agensi. Perusahaan yang membangun menuju perdagangan agensi tanpa memeriksa lapisan data sedang memecahkan masalah yang salah. Ingatlah bahwa agen adalah hal terakhir yang dioptimalkan; dasar data perlu menjadi yang pertama.

Penjual dan merek yang berinvestasi dalam dasar itu sekarang akan lebih dapat ditemukan dan transaksional bagi agen yang membuat keputusan pembelian atas nama konsumen. Mereka yang menunggu akan bersaing untuk visibilitas dalam sistem yang tidak pernah dibangun untuk menemukan mereka. Agen adalah bagian yang terlihat. Pertanyaan yang lebih penting adalah apakah data di bawahnya sudah siap.