Maak je klaar voor product discovery in het tijdperk van AI.
In de afgelopen zes maanden is de infrastructuur voor AI-gestuurde commerce (of “agentic commerce”) in een opmerkelijk tempo opgebouwd:
- Google lanceerde Shopping in AI Mode en kondigde in januari 2026 het Universal Commerce Protocol aan, mede ontwikkeld met Shopify, Walmart, Target en Etsy.
- OpenAI lanceerde het Agentic Commerce Protocol met Stripe in september 2025, waardoor aankopen rechtstreeks binnen ChatGPT mogelijk werden.
- Microsoft volgde in januari 2026 met Copilot Checkout.
- Shopify profileert zich als de verbindende laag over alle platforms heen.
Nu de ontwikkeling van agentic commerce in een stroomversnelling komt, willen adverteerders weten: wat betekent dit voor de manier waarop mijn producten worden ontdekt?
Bij Shoparize geloven we dat dit opnieuw een stap is in de richting die we de afgelopen jaren al hebben gezien: de kwaliteit van gestructureerde data wordt de hoeksteen van productontdekking in e-commerce. Het zou zomaar uw concurrentievoordeel kunnen zijn in het tijdperk van agentic commerce.
In dit artikel leggen we precies uit hoe je als merchant een voorsprong kunt nemen.
Productattributen uitbreiden om AI-ready te zijn
Traditionele Google Shopping koppelt zoektermen aan producten. Een zoekopdracht naar “blauwe hardloopschoenen” activeert advertenties die op die term bieden. De aanbieder met het hoogste bod en de beste Quality Score wint de veiling.
AI Mode werkt anders. Shoppers die AI Mode gebruiken, stellen vragen die 2 tot 3 keer zo lang zijn als traditionele zoekopdrachten. In plaats van “hardloopschoenen” typen ze bijvoorbeeld: “Ik heb draadloze koptelefoons nodig onder de €200 met actieve ruisonderdrukking voor mijn dagelijkse treinreis, comfortabel genoeg om 2 uur te dragen en compatibel met zowel mijn iPhone als mijn laptop.”
Achter de schermen gebruikt AI Mode semantische modellering om het doel van de zoekopdracht te koppelen aan productattributen in de Shopping Graph. Het interpreteert de intentie en matcht die met gestructureerde productdata. Een zoekopdracht als “lichtgewicht waterdichte jas om in de regen mee te fietsen onder €150” vereist dat de AI precies die specifieke attributen in je feed terugvindt.
Geen attribuut, geen match. Geen match, geen zichtbaarheid.
Een van de grootste upgrades is query fan-out, waarbij Gemini een enkele zoekopdracht automatisch opsplitst in microvragen om zijn begrip te verbreden. Een zoekopdracht als “best waterproof travel bags for weekend trips” kan tientallen parallelle queries genereren: waterdichte materialen, afmetingen van de tas voor handbagage, duurzaamheidsbeoordelingen, kwaliteit van de rits en organisatorische vakken. Elke microquery raakt verschillende segmenten van de Shopping Graph en haalt producten op die overeenkomen met meerdere overlappende signalen.
Daarom moeten de data-attributen die worden gebruikt om te optimaliseren voor AI-discovery worden uitgebreid.
De kwaliteit van feeds verbeteren voor betere leesbaarheid door AI
Google introduceert tientallen nieuwe gegevensattributen in Merchant Center, ontworpen voor eenvoudige vindbaarheid in het tijdperk van conversational commerce. Deze nieuwe attributen gaan verder dan traditionele zoekwoorden en omvatten zaken als antwoorden op veelgestelde productvragen en informatie over compatibele accessoires of alternatieven.
In AI-shopping is er geen tweede pagina met resultaten. Daardoor werkt het behoorlijk binair: of je sluit perfect aan op de intentie, of je bent onzichtbaar. Ontbrekende of inconsistente data kan je ongemerkt diskwalificeren voor complete categorieën zoekopdrachten. De retailers die in AI Mode zichtbaarheid winnen, zijn degenen die beschikken over:
1. Attributendiepte voorbij de basis: Kleur en maat zijn niet genoeg. Denk aan materiaalsamenstelling, gebruikstoepassing, compatibiliteit en onderhoudsinstructies. Details die een deskundige winkelmedewerker zou weten. De productbeschrijving is enorm in waarde gestegen. Waar titels beknopt blijven, biedt de beschrijving ruimte voor maximaal 5.000 tekens aan rijke, keyword-rijke tekst. De AI van Google analyseert dit om genuanceerde kenmerken, gebruiksscenario’s en technische specificaties te begrijpen die complexe vragen van shoppers beantwoorden.
2. Titels en beschrijvingen geschreven voor begrip: Een titel als “Heren waterdichte Gore-Tex wandeljas” is relevanter dan alleen “Herenjas”. Het oude SEO-handboek, waarin je titels volpropt met elke mogelijke keywordvariant, werkt hier juist tegen je. AI moet begrijpen wat je product precies is en doet. Schrijf titels die beschrijven, niet titels die algoritmes proberen te manipuleren.
3. Consistente data over alle touchpoints: Gestructureerde markup moet consistent zijn met de feed. Merchant Center, websitecontent en gestructureerde data moeten op elkaar aansluiten. AI vergelijkt deze bronnen met elkaar. Inconsistenties maken het matchen moeilijker. De Shopping Graph ververst elk uur meer dan 2 miljard listings. Als je feed achterloopt op je daadwerkelijke voorraad, creëer je wrijving.
4. Beelden van hoge kwaliteit: Virtual try-on (live in het VK) en visuele zoekopdrachten zijn afhankelijk van de beeldkwaliteit. Google Lens verwerkt maandelijks miljarden visuele zoekopdrachten. AI “leest” beelden in toenemende mate met behulp van vision-modellen die kleuren, texturen, vormen en verpakkingen analyseren.
Wat kunnen merchants nu doen?
Er is geen aparte integratie nodig voor AI Mode. Je huidige Merchant Center-feed is wat de AI gebruikt. Of en hoe AI je feeds gebruikt, hangt af van de acties die je vandaag onderneemt:
1. Controleer de volledigheid van attributen: Trek je feed. Controleer de dekking van materiaal, gebruikssituatie, compatibiliteit, was- en onderhoudsinstructies en technische specificaties. Markeer hiaten. Geef eerst prioriteit aan SKU’s met hoge marge en hoog volume. Denk aan de vragen die een winkelmedewerker zou beantwoorden: “Is dit compatibel met X?”, “Wat is het verschil tussen deze en die?”, “Werkt dit voor mijn situatie?”. Je feed moet die antwoorden bevatten.
2. Herschrijf titels op betekenis: Kies je top 100 SKU’s. Herschrijf titels die aanvoelen als een reeks zoekwoorden naar titels die klinken als productbeschrijvingen. Voor: “Men’s Jacket Waterproof Jacket Rain Jacket Cycling” Na: “Heren waterdichte fietsjas. Lichtgewicht, ademend, met reflecterende details”.
3. Breid beschrijvingen uit tot 5.000 tekens: Zet de belangrijkste informatie en zoekwoorden vooraan in de eerste 150–180 tekens. Gebruik de resterende ruimte vervolgens om veelgestelde vragen te beantwoorden, use cases toe te lichten en technische details te geven. Hier haalt AI de informatie vandaan die nodig is om je product te koppelen aan complexe zoekopdrachten.
4. Stem uw bronnen op elkaar af: Controleer steekproefsgewijs of de Merchant Center-gegevens overeenkomen met de content en gestructureerde data op uw website. De schema-markup op uw site moet weerspiegelen wat er in uw feed staat. Inconsistenties zorgen voor onzekerheid bij AI-systemen.
5. Stel goede verversingscycli in: Realtime is ideaal. Als dat niet mogelijk is, geef dan prioriteit aan nauwkeurigheid in prijzen en voorraadniveaus. Niets schaadt de zichtbaarheid van AI sneller dan het aanbevelen van een product dat niet op voorraad is of het tonen van een onjuiste prijs.
De kern van de zaak
Merken die productdata als een strategisch bedrijfsmiddel behandelen, winnen de AI-schappositie. Je feed is niet langer alleen een databestand dat je naar Google stuurt. Het is je etalage geworden in een AI-first ontdekkingslaag die nu al dagelijks 75 miljoen gebruikers bedient.
Wil je met onze experts spreken over Google Shopping Ads, Merchant Center en datafeeds? Neem vandaag nog contact met ons op en ontdek hoe Shoparize je kan helpen om product discovery te winnen:https://partner.shoparize.com/en/contact
