Следващата витрина в търговията може да няма стъкло

През годините често съм наблюдавал как физическите магазини компенсират слабостите в собствените си данни. Един и същ продукт носи различни имена в POS, в ERP и в счетоводството. Наличностите се обновяват със закъснение. Детайлите на промоцията се знаят от персонала и никога не влизат в продуктовата карта. Нищо от това не спира клиента, който влиза, вижда стоката на рафта и пита служител за останалото.

Доскоро последиците от този безпорядък оставаха вътре във фирмата. Изкривяваха отчети, усложняваха управлението на наличностите и създаваха допълнителна работа — цената, за която вече писах. Докато все повече клиенти търсят продукти през AI, същите несъответствия започват да решават друго: дали офертата на търговеца изобщо се вижда.

AI влиза в пътя към покупката, преди клиентът да отвори сайт или да прекрачи прага. Помага му да формулира какво търси, да сравни алтернативи и да сведе широк пазар до няколко правдоподобни варианта. Агентите започват да отиват по-далеч — проверяват цена и наличност, събират кошници, резервират продукти и, в границите, зададени от потребителя, завършват плащането.

Търсенето се променя преди купуването

Инфраструктурата вече се оформя. Universal Commerce Protocol на Google дава на агентите начин да извличат варианти, наличности и цени на живо от каталога на търговеца (март 2026). Shopify включи търговците си по подразбиране в AI каналите за пазаруване през същия месец — ChatGPT, Copilot, AI Mode на Google, Gemini. Adyen свърза продуктовите фийдове, кошниците и плащанията в една интеграция през юни, засега в ограничена наличност и само за enterprise търговци в САЩ. А през юли Visa съобщи за агенти, които извършват реални покупки при участващи търговци в Европа, а не в тестови витрини.

Рано е да се говори за масов преход към автономно купуване и проучванията го казват доста ясно. Gartner установи, че готовността да оставиш AI да вземе финалното решение за покупка стига най-много до 11 процента, и то в категории с ниска цена на грешката като лична хигиена и домакински консумативи. Готовността AI да стеснява избора е по-висока — 31 процента за домакински консумативи и 28 процента за лична електроника. Става дума за 322 американски потребители, анкетирани през януари 2026: малка извадка на един пазар, която заслужава повече резерва, отколкото обикновено ѝ се дава.

За търговеца обаче краткият списък вече значи повече от касата. Adobe измери трафика от генеративни AI услуги към американските търговски сайтове с 393 процента ръст на годишна база през първото тримесечие на 2026, след 693 процента през празничния сезон на 2025. Същият доклад е честен за формата на кривата: само за март ръстът е 269 процента, тоест темпът пада от много ниска база, макар абсолютните числа да растат. NIQ установи, че 42 процента от американските потребители са използвали поне един AI инструмент за пазаруване през последния месец, при месечна извадка от около 500 души.

Числото, което ми е по-трудно да подмина, не е трафикът. През март 2026 същият този трафик от AI конвертира с 42 процента по-добре от останалия — година по-рано конвертираше с 38 процента по-зле.

Всички потребителски числа тук са американски, от извадки в рамките на няколкостотин души, и никое от тях не бива да се бърка със сравним дял от търговските продажби в Европа. Посоката все пак трудно се пренебрегва. Част от откриването на продукти се мести в среда, в която клиентът получава няколко препоръки вместо страница с връзки, а отсъствието от тези няколко може да струва колкото загубена продажба на касата.

Дигитална витрина без електронна търговия

Оттук следва по-малко очевиден извод. Търговец, който няма намерение да гради класически онлайн магазин, пак може да има нужда от дигитална витрина.

Тя не изисква потребителски профили, онлайн чекаут, приемане на плащания или доставка до дома. Първата ѝ задача е по-скромна: да позволи на човек или на агент, действащ от негово име, да разбере какво продава търговецът, къде е налично, колко струва и какво може да се случи след това. Помислете за обикновена заявка — намери две каси минерална вода наблизо, които мога да взема след 20 часа днес, провери дали важи отстъпката ми за лоялност и ги резервирай.

Това, че веригата продава бутилирана вода, не стига. Агентът трябва да разпознае подходящите разфасовки, да провери наличността в конкретни обекти, да знае работното им време, да приложи правилата за лоялност и да прецени дали резервация е възможна. Магазинът може да е зад ъгъла, да има продукта и да предлага най-добрата цена — и пак да остане извън разглеждане, защото нищо от изброеното не съществува във форма, използваема от система. Сделката може да се случи пак на физическата каса. Онлайн се е преместил изборът къде да отидеш.

Такава витрина трябва да е четима едновременно за двете аудитории. Клиентът вижда обичайни продуктови страници и страници на обектите. Агентът има нужда от структурирани атрибути, машинно четими цени и наличности, продуктови фийдове и ясно дефинирани действия. Отделен поддомейн може да ги поеме, но публикуването на няколко уеб страници само по себе си не прави търговеца видим за AI системите.

Първо идва последователната картина на бизнеса

Технически е много по-лесно да създадеш продуктови страници, отколкото да гарантираш, че показаното на тях е вярно.

Основната номенклатура живее в една система, текущите продажби в друга, доставните цени в счетоводни документи, промоциите съвсем другаде. Прехвърлянията между обектите се записват късно. Връщанията и бракуванията следват собствени процедури. Общата наличност може да изглежда напълно правдоподобна, докато разпределението ѝ по обекти вече не отговаря на реалността — разликата между обща сума и разбивка, която решава повечето проверки.

Опитният мениджър знае как да се движи сред тези несъответствия. Знае коя справка иска втори поглед, на кого да звънне и какви корекции хората носят в главите си. Външният агент няма достъп до това неформално знание и няма кого да попита.

Затова нормализацията трябва да предхожда публикуването. Продуктовите идентификатори, вариантите, мерните единици, категориите и обектите трябва да бъдат изравнени. Търговецът трябва да определи коя система е меродавна за цената и коя за наличността и колко бързо една промяна стига до всеки канал. Следващият слой е контекстът, в който работи бизнесът: продуктът, свързан с конкретни магазини, техните адреси и работно време, начините на получаване, допълнителните услуги, правилата за замяна и програмите за лоялност. Този оперативен граф на знанието позволява на системата да разбере при какви условия продуктът наистина може да бъде продаден, вместо да го третира като изолиран запис в каталог.

В marql подхождаме към това отвътре, от оперативната среда. Данните от POS, ERP, счетоводството и другите системи се свързват read-only и се привеждат към един последователен модел на продукти, обекти, продажби и наличности. Досега тази основа обслужваше управленския анализ и оперативните препоръки. Същата основа може да направи бизнеса четим за клиентите и за външните AI агенти.

Два практични модела

Нито един от двата по-долу не е нещо, което marql предлага днес. Това, което съществува, е основата под тях — нормализираният модел на продукти, обекти, продажби и наличности, описан по-горе, изграден върху read-only връзки към системите, които веригите вече имат. Тези два модела са това, което възнамеряваме да построим върху нея.

Там, където търговската верига вече има сайт или приложение, първият модел ще вгради B2C агент в съществуващия канал. Клиентът ще говори директно с търговеца: задава въпроси, проверява наличности, сравнява продукти, събира кошница за рецепта или за празник, резервира артикули в конкретен магазин.

Същият интерфейс ще може да носи повтарящи се инструкции за покупка — постоянна поръчка за вода или базова кошница, с предварително зададени график, бюджет, допустими замени и действия, които все пак изискват потвърждение. Ясните граници ще имат значение там. Удобството на повтарящата се покупка не бива да се превръща в неограничено право да се харчат парите на клиента — същият въпрос за границата, който решава къде една автоматична система може да действа сама вътре в бизнеса.

За търговците с малко или никакво онлайн присъствие вторият модел ще бъде хоствана витрина на отделен поддомейн, подготвена както за хора, така и за агенти. Пътят на клиента може да завърши с резервация, телефонно обаждане, упътване до най-близкия магазин или посещение на място. Пълната електронна търговия може да дойде по-късно; тя вече не е единственият път към дигитална видимост.

И двата биха започнали с една и съща работа: оперативните данни трябва да бъдат събрани, нормализирани, проверени и обогатени с бизнес контекст. Пропуснете този етап и новата витрина просто изнася вътрешните несъответствия на фирмата навън.

Дори търговията с агенти да се развива по-бавно, отколкото платформите предричат сега, тази работа не отива нахалост. Последователните продуктови данни подобряват отчитането, управлението на асортимента, контрола на наличностите и вече съществуващите канали за продажба. Готовността за AI агенти става допълнителна възвръщаемост от инфраструктура, която се изплаща и без това — аргументът да се гледа на нея като на нещо, което поддържаш, а не проект, който завършваш.

Физическите магазини ще продължат да имат значение, както и марката, мърчандайзингът и съветът на човек. Постепенно се променя редът, в който клиентът се среща с тях. Преди купувачът да види магазина, една система може вече да е решила кои магазини заслужават да бъдат разгледани. Следващата витрина може да няма нито постоянно стъкло, нито търговска зала. Може да съществува няколко секунди вътре в един разговор, сглобена от онази версия на продукта, цената, наличността и условията, която търговецът може да защити в този момент.