Penyelidikan tentang bagaimana ejen AI berinteraksi dengan laman web anda.
Penyelidikan lapangan tentang bagaimana AI dan web terbuka sebenarnya bertemu. Setiap laporan berasaskan data mentah: log akses, cap jari HTTP, corak trafik, dan ujian langsung.
Adakah halaman latihan LLM benar-benar berkesan? Ya, 17% lebih banyak crawl dalam satu ujian terkawal
Ya. Dalam satu ujian terkawal selama lapan minggu, kategori yang menerima halaman latihan dirangkak kira-kira 17% lebih banyak daripada kategori setara yang ditahan sebagai garis dasar. Satu kategori produk ecommerce menerima halaman latihan LLM yang diprarender; satu kategori setanding dikekalkan sebagai holdout di luar pelancaran untuk dijadikan garis dasar. Lapan minggu kemudian, kategori yang dirawat menerima 17% lebih banyak crawl berbanding holdout, dan crawling meningkat di seluruh laman dalam tempoh yang sama, jadi holdout itulah yang memisahkan kesan sebenar daripada latar belakang. Training crawl ialah cara model mempelajari produk anda cukup mendalam untuk mengesyorkannya tanpa perlu mencarinya semula. Binaan ini terpakai pada halaman kategori ecommerce di Shopify, Magento, Adobe Commerce, Salesforce Commerce Cloud, BigCommerce, WooCommerce, dan storefront headless.
Apa yang Shopify periksa untuk kesediaan agentik
Kami menjalankan satu kedai Shopify melalui shopify.com/agentic-readiness, pengimbas kesediaan agentik awam Shopify. Berikut adalah 41 URL yang Shopify uji dan apa yang perlu disiapkan di kedai anda.
Bot yang merangkak tindanan agentik Shopify
Dua bulan log edge dari kedai penyelidikan Shopify. Microsoft Copilot ialah satu-satunya pengesah agentik organik yang mengundi sendiri. Perangkak LLM biasa (GPTBot, ClaudeBot, Bingbot) masih mencapai laluan llms-txt warisan dan mengabaikan fail penemuan ejen yang lebih baru.
