Selama bertahun-tahun, website e-commerce punya satu audiens utama: manusia.
Manusia datang dari Google, Instagram, marketplace, email, atau iklan. Mereka lihat banner, scroll katalog, buka produk, baca review, lalu checkout.
Di 2026, ada audiens baru yang mulai ikut “membaca” toko: AI agent.
Bukan berarti website tiba-tiba dipenuhi robot yang belanja sendiri setiap detik. Tapi fondasinya sudah nyata. OpenAI memperluas Agentic Commerce Protocol agar merchant bisa mengirim data produk dan promosi ke pengalaman shopping ChatGPT. Google membangun Universal Commerce Protocol supaya agent, retailer, dan payment provider punya bahasa yang lebih standar untuk discovery, cart, inventory, dan checkout.
Artinya website dan katalog tidak lagi cukup hanya kelihatan bagus di layar.
Informasinya juga harus bisa dipahami sistem.
Ini perubahan yang kelihatan teknis, tapi sebenarnya sangat editorial.
Bayangin toko online menjual blender.
Halaman produknya keren.
Foto besar.
Video aesthetic.
Headline:
“Unlock Your Everyday Wellness.”
Bagus buat campaign.
Masalahnya, agent yang sedang membantu user memilih blender mungkin mencari hal yang jauh lebih konkret.
Kapasitas berapa?
Daya listrik?
Bisa menghancurkan es?
Material jar?
Garansi?
Spare part tersedia?
Berat?
Harga?
Stok?
Kalau semua informasi penting tersembunyi di gambar atau tidak ditulis sama sekali, agent harus menebak dari sumber lain.
Dan kalau ada retailer lain yang datanya lebih lengkap, retailer itu lebih mudah direkomendasikan.
Jadi rule pertama: jangan mengganti fakta dengan copy.
Branding tetap penting.
Tone tetap penting.
Visual tetap penting.
Tapi produk butuh information layer yang rapi.
Nama jelas.
Kategori benar.
Variant.
SKU.
GTIN atau identifier lain bila relevan.
Spec.
Compatibility.
Size.
Material.
Warranty.
Return.
Shipping.
Stock.
Harga.
Agent harus bisa memahami apa yang dijual tanpa membaca moodboard.
Rule kedua: jangan menyimpan informasi penting hanya dalam image.
Manusia bisa melihat size chart JPEG.
Mesin mungkin bisa membaca, tapi reliability lebih rendah dibanding teks dan structured data.
Kalau ukuran adalah faktor penting, tulis dalam HTML.
Kalau compatibility penting, tulis.
Kalau charger mendukung 65W, jangan hanya muncul di foto ketujuh.
Information redundancy di sini bukan buruk.
Visual untuk manusia.
Text untuk accessibility dan machine understanding.
Structured data untuk sistem.
Semua saling mendukung.
Rule ketiga: product data harus konsisten.
Website bilang RAM 16 GB.
Feed bilang 32 GB.
Marketplace bilang 8 GB.
Merchant lain bilang optional.
AI akan kesulitan menentukan mana benar.
User juga.
Consistency sekarang menjadi trust signal.
Google pada 2026 bahkan mulai menyiapkan AI performance insights di Merchant Center yang melihat atribut produk, product terms, dan visibility di surface seperti AI Mode, AI Overviews, serta Gemini. Ini menunjukkan product data bukan sekadar backend inventory. Dia mulai menjadi bagian dari AI visibility.
Kalau attribute completeness rendah, discovery bisa ikut terdampak.
Rule keempat: inventory jangan bohong.
Agentic shopping sangat bergantung pada availability.
User bilang:
“Cari vacuum cordless di bawah Rp4 juta yang bisa dikirim besok ke Jakarta.”
Kalau situs menunjukkan available tapi saat checkout ternyata kosong, agent gagal memenuhi tugas.
Google UCP 2026 mendukung agent mendapatkan real-time pricing dan inventory dari retailer catalog.
Arah industrinya jelas.
Stock data harus makin dekat real-time.
Merchant yang inventory-nya stale akan kehilangan trust, bukan cuma conversion.
Rule kelima: policy harus mudah dibaca.
Return.
Refund.
Warranty.
Shipping.
Cancellation.
Agent tidak cuma membandingkan produk.
Dia membandingkan risk.
Dua produk mungkin sama.
Toko A return tujuh hari dengan syarat rumit.
Toko B return 30 hari dengan proses jelas.
Untuk user yang bilang “gue takut size salah”, policy bisa menentukan pilihan.
Jangan sembunyikan return policy di footer gelap dengan font 10 pixel.
Buat halaman yang jelas.
Hubungkan dari product page.
Tuliskan exception.
Kalau sale item tidak bisa return, bilang.
Ambiguity menciptakan dispute.
Rule keenam: website harus cepat dan technically accessible.
Agent bukan alasan mengabaikan technical SEO.
Justru foundation-nya overlap.
Crawlable.
Canonical jelas.
Structured data valid.
Tidak ada duplicate chaos.
Server stabil.
Product page punya unique URL.
Variant handling benar.
Robots tidak memblokir hal yang seharusnya bisa ditemukan.
Machine readability dan search accessibility punya akar yang sama.
Bedanya, sekarang machine mungkin tidak hanya mengindeks.
Dia bisa memilih.
Rule ketujuh: jangan membuat semua informasi muncul setelah JavaScript berat kalau tidak perlu.
Modern rendering memang bisa dibaca banyak crawler.
Tapi semakin kompleks rendering, semakin banyak titik failure.
Harga.
Nama.
Spec utama.
Availability.
Sebaiknya punya representasi yang reliable.
Progressive enhancement lebih sehat daripada halaman kosong sebelum 14 script selesai.
Human juga untung.
Core Web Vitals tidak hilang hanya karena AI agent datang.
Rule kedelapan: gunakan identifiers dengan disiplin.
Google Merchant Center masih menekankan pentingnya GTIN, MPN, brand name, dan product identifiers untuk mencocokkan produk dan review dengan benar.
Ini sangat relevan untuk AI.
Kalau satu barang muncul di sepuluh retailer, system perlu tahu itu produk yang sama.
Identifier membantu entity resolution.
Tanpa itu, review bisa tidak tercocok.
Harga comparison salah.
Variant bercampur.
Brand kecil sering meremehkan hal ini.
Padahal catalog hygiene adalah fondasi commerce.
Rule kesembilan: review harus terhubung ke produk yang benar.
Bukan review store dicampur product review.
Bukan semua SKU satu rating.
Bukan review model lama ditempel ke model baru.
AI bisa menggunakan review sebagai salah satu input saat membandingkan produk.
OpenAI shopping research sendiri menampilkan atribut seperti price, feature, dan review dalam proses perbandingan.
Kalau review data berantakan, hasilnya juga berantakan.
Rule kesepuluh: website perlu menjelaskan trade-off.
Marketing tradisional suka hanya menampilkan kelebihan.
Agent shopping justru sering diminta membandingkan.
“Minusnya apa?”
“Lebih berat dari competitor?”
“Kenapa lebih mahal?”
Kalau official site tidak memberi konteks, AI akan mencari dari review atau forum.
Itu tidak selalu buruk.
Tapi brand kehilangan kesempatan menjelaskan.
Misalnya:
“Model ini 200 gram lebih berat karena baterainya 40 persen lebih besar.”
Itu bukan kelemahan yang disembunyikan.
Itu trade-off yang dijelaskan.
Transparency membantu recommendation fit.
Ada juga layer baru: feeds dan protocol.
OpenAI ACP memungkinkan merchant membagikan feed produk dan promosi supaya katalog mereka bisa direpresentasikan lebih lengkap di ChatGPT.
Google UCP punya fungsi untuk interaksi agentic commerce dengan retailer dan payment provider.
Buat retailer besar, integrasi semacam ini akan makin penting.
Buat UMKM atau toko lokal, belum tentu perlu langsung implement protocol kompleks.
Jangan overengineer.
Mulai dari website yang sehat.
Catalog rapi.
Schema.
Feed.
Merchant Center bila relevan.
Inventory.
Policy.
Product detail.
Setelah foundation matang, baru lihat integration yang sesuai platform.
Ada satu kesalahan yang mungkin muncul: “kalau agent membaca data, berarti desain nggak penting.”
Salah.
Manusia tetap membeli.
Bahkan ketika AI melakukan discovery, user bisa membuka halaman untuk konfirmasi.
Visual tetap membangun trust.
Foto tetap penting.
Video tetap membantu.
Brand experience tetap ada.
Agent-readable bukan berarti robot-only.
Justru website harus dual mode.
Mesin memahami.
Manusia yakin.
Contoh paling gampang adalah halaman laptop.
Untuk mesin:
CPU.
RAM.
Storage.
Weight.
Battery.
Port.
Display.
Warranty.
Stock.
Price.
Untuk manusia:
Apakah keyboard nyaman?
Apakah desain cocok?
Bagaimana dipakai kerja sehari penuh?
Foto real.
Review.
Comparison.
Story.
Keduanya bisa hidup di satu page.
Ada juga question mengenai API.
Kalau retailer punya banyak catalog, API memungkinkan data lebih fresh dibanding scraping.
Agentic commerce akan mendorong web dari dokumen ke data service.
Website tetap front-end.
Di belakang, catalog menjadi source of truth.
Ini bagus.
Karena masalah e-commerce sering berasal dari data tersebar.
CMS beda.
Marketplace beda.
ERP beda.
Merchant feed beda.
Price beda.
Agentic layer memaksa business membereskan plumbing.
Dan plumbing itu akhirnya memperbaiki customer experience juga.
Bagaimana menguji apakah website sudah siap?
Coba jangan lihat desain.
Ambil satu produk.
Tanya:
Bisakah orang yang tidak pernah lihat brand ini memahami produk dalam dua menit?
Bisakah semua spec penting ditemukan sebagai teks?
Apakah harga dan stock jelas?
Apakah variant tidak ambigu?
Apakah return dan warranty ada?
Apakah product identifier konsisten?
Apakah review benar untuk SKU itu?
Apakah source of truth jelas?
Kalau jawabannya iya, agent biasanya juga punya bahan yang lebih baik.
Lalu uji lewat AI shopping.
Tanya query natural.
“Cari produk untuk kebutuhan X.”
Lihat apakah produk muncul.
Kalau muncul, apakah facts benar?
Kalau tidak, bukan langsung berarti platform “tidak suka brand”.
Periksa discovery.
Data cukup?
Site crawlable?
Produk punya identifier?
Ada evidence?
Retailer lain punya data lebih lengkap?
Diagnosis sebelum optimization.
Di 2026, website e-commerce mulai punya peran baru.
Bukan sekadar toko.
Dia menjadi database publik yang dibaca manusia, search engine, AI assistant, shopping agent, dan mungkin agent pembelian.
Kalau data tidak rapi, semua layer di atasnya ikut rapuh.
Brand yang menang bukan website yang paling robotik.
Juga bukan website yang paling cantik.
Yang kuat adalah website yang mampu mengatakan hal yang sama secara konsisten kepada manusia dan mesin.
Ini produknya.
Ini harganya.
Ini stoknya.
Ini kelebihannya.
Ini keterbatasannya.
Ini cara return-nya.
Ini bukti bahwa kami bisa dipercaya.
Kalau enam hal itu jelas, agent-readiness sebenarnya bukan konsep asing.
Itu cuma e-commerce yang dikerjakan dengan benar.
Ada satu layer lagi yang perlu dijaga: canonical source. Kalau merchant punya website, marketplace, feed, dan distributor, tentukan mana sumber utama untuk tiap fakta. Harga bisa berbeda per channel, tapi spec dasar seharusnya konsisten. Warranty lokal juga harus jelas. Ini membantu ketika AI menemukan versi informasi yang bertabrakan.
Sitemap produk, update timestamp, dan clean URL architecture juga makin berguna karena sistem perlu menemukan perubahan. Agent-readiness bukan satu plugin. Dia hasil disiplin data dari ujung ke ujung.
E-commerce yang agent-ready pada dasarnya adalah e-commerce dengan data yang tidak berantakan.
E-commerce yang agent-ready pada dasarnya adalah e-commerce dengan data yang tidak berantakan.
Bacaan terkait
Artikel ini berada dalam E-commerce & AI Shopping dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.