Agentic Commerce: Näin laitat verkkokauppasi teknologian ja tuotedatan kuntoon

Markkinoinnissa tekoälystä puhutaan yleensä työkaluna: sillä tehostetaan työnkulkuja ja nopeutetaan sisällöntuotantoa. Toinen mielenkiintoinen ja mahdollisesti merkittävä muutos verkkokaupalle on kuitenkin ostoprosessin ulkoistaminen tekoälylle.

Agenttinen Commerce tarkoittaa tilannetta, jossa asiakas ei enää selaa verkkokauppaa itse. Tekoäly etsii, vertailee ja lopulta myös ostaa tuotteen käyttäjän antamien ehtojen perusteella. Vertailu on jo siirtynyt paljon manuaalisesta tiedonhankinnasta ChatGPT:n ja Geminin tekoälychateissa tapahtuviin kyselyihin, mutta seuraavaksi sinne siirtyy myös itse ostotapahtuma. Valmistautuminen vaatii, että markkinointi, IT ja johto katsovat samaan suuntaan, koska muutos koskee kaikkia kolmea.

Varmista teknisen pohjatyön avulla tekoälypohjainen kaupankäynti tuotteillesi

Varmistaaksesi, että kaupankäynti tekoälyjen aikakaudella on ylipäätään mahdollista, tarvitaan esteetön pääsy dataan, koneluettava sivusto sekä valmius uusiin ostostandardeihin.

1. Tuotedata kuntoon Google Merchant Centerissä ja ChatGPT:ssä

Google käyttää Merchant Centerin tietoja myös tekoälyvastauksissaan. Syötä sinne siis toimitusajat, rahtikulut ja palautusehdot tarkasti, koska niiden perusteella tuotteen kokonaishintaa ja ehtoja verrataan kilpailijoihin. Lisäksi Google edellyttää asiakaspalvelun yhteystietojen lisäämistä.

OpenAI kehittää ChatGPT:n ostokokemusta nopeasti ja sen malli on muuttunut jo tämän vuoden aikana. Kauppiaat voivat hakea mukaan ja toimittaa tuotesyötteensä ChatGPT:lle Merchants-sivun kautta. Tuotesyötteen attribuutit ovat melko yhteneviä Googlen tuotefeedin kanssa, mutta ne tulee muokata vastaamaan OpenAI:n omia vaatimuksia, sillä ne eivät ole täsmälleen samat kuin Googlen standardit.

2. Sivuston sisällön luettavuus ja bottiliikenteen salliminen

Monet tekoälybotit eivät aja sivun JavaScriptiä tai ne odottavat sivun latautumista vain hetken. Botin pitää siis nähdä tuotteen tiedot, hinta ja saatavuus suoraan sivun HTML-koodista. Tämä kannattaa varmistaa itse tai pyytää IT-tiimiä tai teknistä kumppania tarkistamaan asian ja korjaamaan sen tarvittaessa.

Tarkista myös, ettei palomuuri tai CDN estä tekoälybotteja, jotta ne pystyvät lukemaan tuotesivusi ja suosittelemaan tuotteitasi. Esimerkiksi Cloudflaressa tekoälybottien esto voi olla päällä oletuksena, eikä kukaan ole välttämättä huomannut sitä. Lopuksi varmista, että tuotesivuilla on ajan tasalla oleva Product-schema mahdollisimman kattavin tiedoin.

3. Verkkokauppa-alustan valmius suoriin ostoksiin (UCP/ACP)

Tekoälyagentti ei selaa verkkokauppaa kuten ihminen, vaan tekee ostoksen rajapinnan kautta. Tätä varten on kehitetty kaksi avointa protokollaa. OpenAI ja Stripe julkaisivat ACP:n (Agentic Commerce Protocol) vuonna 2025, mutta OpenAI lopetti ChatGPT:n oman kassan keväällä 2026, ja ostokset tehdään nyt kauppiaiden sovelluksissa ja verkkokaupoissa. Googlen UCP:llä (Universal Commerce Protocol) osan ostoksista voi Yhdysvalloissa jo tehdä kokonaan AI Modessa tai Geminissä. Seuraavista kohdemaista Google on maininnut esimerkiksi Iso-Britannian, mutta Suomen ja muun Euroopan aikataulusta Google on ollut vielä vähäpuheinen.

Valmistautuminen kannattaa kuitenkin aloittaa. Kansainvälisillä markkinoilla Googlen kassan käyttöönotto vaatii, että tuotefeedissä merkitään suoraan ostettavat tuotteet, maksut kulkevat Google Payn kautta ja verkkokaupassa on rajapinta, joka välittää tilaukset ja niiden tilan Googlelle. Esimerkiksi kestotilaukset ja personoidut tuotteet on rajattu pois. Kannattaa siis varmistaa alustatoimittajalta, tukeeko alusta UCP:tä, miltä kehitystyö näyttää ja millä aikataululla muutoksia voi odottaa tapahtuvan.

Tuotefeedien dynaaminen optimointi on tekoälyajan tärkein kilpailuetu

Kun tekninen pohja on kunnossa, vuorossa on itse data. Tekoälylle tuotesyöte on käytännössä verkkokauppasi ja myyntipuheesi. Kauniit tuotekuvaukset ja sivuston ulkoasu eivät auta, jos feedistä puuttuvat faktat, joiden perusteella tekoäly päättää, vastaako tuote käyttäjän ehtoja.

Kuvitellaan, että kuluttaja pyytää tekoälyltä "vedenpitävää naisten vaellustakkia alle 300 eurolla, joka pakkautuu pieneen tilaan". Sinulla voi olla varastossa juuri tähän sopiva ja kilpailijaa edullisempi takki. Jos feedissä on kuitenkin vain nimi, hinta ja brändi eikä mitään tietoa vedenpitävyydestä tai pakattavuudesta, tekoäly jättää tuotteen pois ehdokkaista. Kaupan voittaa kilpailija, jonka takki on kalliimpi, mutta jonka data vastaa jokaista hakukriteeriä. Puutteellinen data ei siis vain laske sijoitusta, vaan pudottaa tuotteen kokonaan vertailusta.

Esimerkki. Kuva: s360

Siksi feediin kannattaa tuoda ERP- ja PIM-järjestelmistä perustietojen lisäksi tarkempia attribuutteja. Kun tekoäly löytää vastauksen suoraan feedistä, se pystyy perustelemaan käyttäjälle, miksi juuri tämä tuote sopii hänelle. Toukokuussa Google toi myös tekoälyhakuun suunnatut conversational attribuutit, kuten tuotekohtaiset kysymykset ja vastaukset, linkit käyttöohjeisiin ja tiedon siitä, mitkä tuotteet sopivat yhteen. Kun tekoäly löytää vastauksen suoraan feedistä, se pystyy perustelemaan käyttäjälle, miksi juuri tämä tuote sopii hänelle. 

Markkinoinnin pitäisi pystyä kokeilemaan, kasvaako myynti, kun tuotteisiin lisätään esimerkiksi tieto tuotteen vedenpitävyydestä, materiaalista tai käyttötarkoituksesta. Itse tuotesyötteen päivitys on kuitenkin usein IT:n vastuulla ja muutospyynnöt jonottavat muiden tikettien joukossa. Feedityökalut auttavat vain osittain, koska ne muokkaavat pääsääntöisesti olemassa olevaa dataa eivätkä lisää puuttuvaa tietoa.

s360:lla olemme tähän kehittäneet oman työkalun – Quantumin. Se tuottaa tekoälyn avulla puuttuvat attribuutit ja parantaa olemassa olevia niin, että alkuperäinen tuotesyöte pysyy koskemattomana. Muutosten vaikutusta voidaan mitata erillisellä A/B-testillä, jossa tuotevalikoima jaetaan kahteen ryhmään, jotka optimoidaan vuorollaan yleensä kahden tai kolmen viikon ajaksi.

Feedityö kannattaa jo nyt, vaikka tekoälyn suorittama ostos ei ole vielä mahdollista Suomessa. Tuotefeedi ratkaisee näkyvyyden nimittäin myös esimerkiksi Google Shoppingissa, AI Moden vastauksissa ja Metan katalogimainonnassa, joten jokainen parannus näkyy heti useammassa kanavassa.

Näin todennat arvon, kun klikkipolku katoaa

Kun tekoälyagentti tekee ostoksen rajapinnan kautta, asiakas ei käy sivustollasi. Evästeitä ei tallennu, pikselit eivät laukea eikä sivulatauksia synny. Tilaus näkyy edelleen taustajärjestelmässä, mutta GA4:n kaltainen klikkipohjainen analytiikka ei kerro, mikä markkinointi siihen johti.

Siksi klikkiattribuution tilalle tarvitaan kaksi mittaustapaa, joihin myös yrityksen talouspuoli luottaa: ekonometrinen mallinnus ja inkrementaalisuustestaus. Ekonometrinen mallinnus (marketing mix modeling) arvioi markkinoinnin ja teknologiainvestointien vaikutuksen koko liiketoiminnan tasolla eikä tarvitse evästeitä tai klikkipolkuja.

Inkrementaalisuustestauksella taas mitataan yksittäisiä toimenpiteitä, kuten tuotedatan rikastamista. Muutos tehdään vain osalle tuotteista ja tuloksia verrataan verrokkiryhmään. Tuloksena on luku, jonka voi viedä suoraan johtoryhmälle.

Kun pystyt näyttämään sekä mallinnuksen että testien tulokset, toimitus- ja talousjohtajan on helpompi hyväksyä seuraavat investoinnit.

Kirjoittaja: Markus Virtanen, Senior specialist, SEO, s360