Research darüber, wie KI-Agenten mit Ihrer Website interagieren.
Feldforschung darüber, wie KI und das offene Web tatsächlich aufeinandertreffen. Jeder Bericht basiert auf Rohdaten: Zugriffsprotokolle, HTTP-Fingerprints, Traffic-Muster und direkte Tests.
Funktionieren LLM-Trainingsseiten wirklich? Ja, 17% mehr Crawls in einem kontrollierten Test
Ja. In einem kontrollierten Test über acht Wochen wurde die Kategorie mit Trainingsseiten rund 17% häufiger gecrawlt als eine vergleichbare Kategorie, die als Basislinie zurückgehalten wurde. Eine Produktkategorie eines Onlineshops erhielt vorgerenderte LLM-Trainingsseiten, eine vergleichbare Kategorie blieb als Holdout vom Rollout ausgenommen und diente als Basislinie. Acht Wochen später wurde die behandelte Kategorie 17% häufiger gecrawlt als der Holdout, und im selben Zeitraum stieg das Crawling auf der gesamten Website, weshalb erst der Holdout den Effekt vom Grundrauschen trennt. Trainings-Crawls sind der Weg, auf dem ein Modell Ihre Produkte so gut kennenlernt, dass es sie empfehlen kann, ohne sie nachzuschlagen. Der Aufbau lässt sich auf Kategorieseiten in Shopify, Magento, Adobe Commerce, Salesforce Commerce Cloud, BigCommerce, WooCommerce und in Headless-Storefronts übertragen.
Was Shopify auf Agentic Readiness prüft
Wir haben einen Shopify-Storefront durch shopify.com/agentic-readiness laufen lassen, den öffentlichen Agentic-Readiness-Scanner. Hier sind die 41 URLs, die Shopify prüft, und was Sie auf Ihrem Store vorbereiten sollten.
Die Bots, die Shopifys Agentic-Stack crawlen
Zwei Monate Edge-Logs aus einem Shopify-Forschungs-Storefront. Microsoft Copilot ist der einzige organische agentische Verifier, der eigenständig pollt. Verbreitete LLM-Crawler (GPTBot, ClaudeBot, Bingbot) treffen weiterhin den Legacy-llms-txt-Pfad und ignorieren die neueren Agent-Discovery-Dateien.
