Product Content Intelligence: je productpagina’s als taal van AI-agents
Voorbij SEO en UCP: hoe je je productdata omzet in een duurzaam concurrentievoordeel in het tijdperk van agentic commerce
De onzichtbare paradox van agentic commerce
Januari 2026. Google en Shopify lanceren het Universal Commerce Protocol (UCP), een open standaard die wordt gesteund door Walmart, Target, Etsy, Mastercard en een twintigtal andere grote spelers.
Tegelijk rolt OpenAI zijn Agentic Commerce Protocol (ACP) uit. McKinsey publiceert een uitgebreide analyse over “de kans van agentic commerce”. Harvard Business Review wijdt meerdere artikelen aan het onderwerp. De boodschap is duidelijk: AI-agents gaan je producten niet alleen aanbevelen, ze gaan ze kopen voor je klanten.
Op dit moment zijn UCP en ACP nog geen standaarden die massaal in productie worden gebruikt. We zitten in een fase die vergelijkbaar is met die van SEO tussen 2000 en 2003: weinig spelers halen er al operationeel voordeel uit, maar de technische en conceptuele fundamenten liggen er nu.
De uitdaging is dus niet de onmiddellijke adoptie, maar het voorbereiden van catalogi op een wereld waarin deze protocollen de norm worden.
Toch verbergt dit enthousiasme een paradox die weinig spelers durven te benoemen: een AI-agent kan alleen kopen wat hij kan begrijpen.
Zoals het team van INSEAD benadrukt in zijn analyse voor HBR, zijn we getuige van een fundamentele machtsverschuiving in de relatie tussen merk, distributeur en consument.
Twintig jaar lang hebben e-commerceplatformen de waarde naar zich toe getrokken door de klantdata te bezitten. Morgen zijn het de merken en distributeurs die Product Content Intelligence beheersen die bepalen wat wordt ontdekt, vergeleken en gekocht.
Uiteraard vervangt productdata niet het merk, niet de logistiek en niet het commerciële beleid. Een AI-agent zal signalen over prijs, beschikbaarheid, reputatie van de winkelketen of servicekwaliteit blijven meewegen.
Maar anders dan die hefbomen is productdata vandaag de enige asset die agents rechtstreeks kunnen lezen, vergelijken en gebruiken, en dus de eerste filter voor zichtbaarheid in agentische omgevingen.
Van SEO-optimalisatie naar agentische begrijpelijkheid
Wat er fundamenteel verandert
Vijfentwintig jaar lang optimaliseerde e-commerce voor één enkele gesprekspartner: de menselijke consument die leest, klikt en navigeert. Productpagina’s werden ontworpen om het oog te verleiden, de titel om de aandacht te trekken, het beeld om emotie op te roepen.
Vandaag beschouwt 65% van de beslissers generatieve AI als “zeer belangrijk” voor hun e-commerceactiviteiten, volgens een studie van Harvard Business Review Analytic Services die door Coveo wordt geciteerd. Maar slechts 31% heeft actieve GenAI-toepassingen, wat een kloof blootlegt tussen strategische visie en uitvoering.
De reden? De meeste productcatalogi zijn eenvoudigweg niet leesbaar voor AI-agents.
De drie dimensies van agentische begrijpelijkheid
Ons werk met honderden e-commercecatalogi heeft ons in staat gesteld drie opeenvolgende optimalisatielagen te onderscheiden:
1. Structurering (het technische fundament)
- Machine-readable data via API (JSON, REST)
- Schema.org en verrijkte metadata
- Genormaliseerde taxonomieën en samenhangende hiërarchieën
- Unieke en stabiele productidentificaties (GTIN, SKU)
2. Contextualisering (de semantische laag)
- Productattributen in natuurlijke taal, niet in technisch jargon
- Relaties tussen producten (compatibiliteiten, vervangers, aanvullende producten)
- Expliciete gebruikscontexten (“voor welke behoefte”, “in welke situatie”)
- Vertrouwenssignalen (geverifieerde reviews, certificeringen, garanties)
3. Ondubbelzinnigheid (optimalisatie voor inferentie)
- Verduidelijking van meerduidige termen in je domein
- Preciseringen over de verschillen tussen varianten
- Uitsluiting van ongeschikte gebruikssituaties
- Intentiemetadata (“beste voor X”, “te vermijden als Y”)
Een recente studie op arXiv testte de aankoopagents van GPT-4, Claude Sonnet en Gemini op duizenden gesimuleerde transacties. Opvallend resultaat: alle modellen vertonen positiebias (ze bevoordelen bepaalde posities in productlijsten), maar vooral: ze straffen producten met dubbelzinnige of onvolledige informatie massaal af.
Het redeneervermogen van modellen gaat snel vooruit, en het is waarschijnlijk dat sommige content die vandaag dubbelzinnig is, morgen gedeeltelijk bruikbaar wordt.
Maar in een transactionele context wordt de agent niet afgerekend op wat hij kan afleiden, maar op het risico op fouten dat hij moet dragen. Hoe explicieter een informatie is, hoe minder de agent onzekerheid hoeft te compenseren, en hoe eerder hij geneigd is aan te bevelen of te kopen.
UCP en GEO: twee kanten van dezelfde revolutie
Het Universal Commerce Protocol: de infrastructuur van agentic commerce
Zoals de technische documentatie van Google uitlegt, is UCP geen eenvoudig betaalprotocol. Het is een gemeenschappelijke taal die het volgende standaardiseert:
- De discovery (hoe een agent je producten vindt)
- De capabilities (wat je backend kan: checkout, cart, loyalty, enz.)
- De extensions (je specifieke kenmerken: promoties, abonnementen, configurator)
- De payment handlers (beveiligde multi-PSP-integratie)
Anders dan klassieke e-commerce-integraties, die maanden maatwerkontwikkeling vergen, laat UCP elke compatibele agent in enkele uren verbinding maken met je catalogus.
De strategische implicatie: als je producten niet toegankelijk zijn via UCP (of ACP, het equivalent van OpenAI), ben je de facto onzichtbaar in Google Gemini, ChatGPT en alle toekomstige aankoopagents.
GEO (Generative Engine Optimization): de SEO van het agentische tijdperk
GEO staat voor het optimaliseren van je content om geciteerd te worden door generatieve engines (ChatGPT, Perplexity, Google AI Overviews, Gemini).
Anders dan klassieke SEO, die mikt op ranking (positie in de resultaten), mikt GEO op citatie: de bron zijn die de AI gebruikt om zijn antwoord op te bouwen.
De succesfactoren voor GEO volgens Search Engine Land en toonaangevende praktijkmensen:
- Versterkte E-E-A-T: Expertise, Ervaring, Autoriteit, Betrouwbaarheid
- Sterk verrijkte structured data: Schema.org Product, FAQPage, Review, enz.
- Retrieval-friendly content: opdeelbare tekst, duidelijke context, makkelijk te extraheren attributen
- Cross-platform consistency: dezelfde info op je website, Google Merchant en marketplaces
Een analyse van BrandRadar toont aan dat merken met een hoge GEO-score tot 300% meer vermeldingen krijgen in AI-antwoorden dan hun directe concurrenten.
GEO en AAO zijn geen volledig nieuwe disciplines, maar de natuurlijke evolutie van bestaande praktijken (SEO, datakwaliteit, informatiearchitectuur), aangepast aan een nieuwe gesprekspartner: de AI-agent.
Wat verandert, is niet zozeer de aard van het werk als wel het succescriterium: je optimaliseert niet langer voor de menselijke klik, maar voor begrip, citatie en geautomatiseerde beslissingen.
De 5 kritieke productattributen voor agents (met concrete voorbeelden)
Op basis van onze tests met GPT-4, Claude en Gemini zijn dit de 5 dimensies die elk product absoluut moet verduidelijken:
1. De expliciete gebruiksintentie
Slecht: “Draadloze lader 15W, elegant design”
Goed: “Draadloze lader 15W voor iPhone 12-16 en Samsung S21+, compatibel met hoesjes tot 3mm, ideaal voor bureau en nachtkastje”
Waarom: Agents willen een behoefte oplossen (“mijn iPhone opladen terwijl ik slaap”), niet een product kopen.
2. De expliciete incompatibiliteiten
Slecht: “Compatibel met de meeste smartphones”
Goed: “Compatibel: iPhone 12-16, Samsung S21+, Google Pixel 6+. Niet compatibel: iPhone 11 en ouder, dikke MagSafe-hoesjes (>3mm), telefoons met PopSocket”
Waarom: Een agent verkiest altijd zekere negatieve informatie boven het risico op een fout.
3. De meetbare onderscheidende factoren
Slecht: “Ultralichte en sterke koffer”
Goed: “Koffer 55cm (2,8kg leeg), versterkt polycarbonaat, getest op 10.000 cycli, 10 jaar garantie, geschikt als handbagage bij Ryanair/EasyJet”
Waarom: Agents vergelijken attributen, geen marketingbeloften.
4. De waardecontext
Slecht: “Vanaf € 89”
Goed: “€ 89 (vs € 120 marktgemiddelde voor een equivalent), bespaart € 15/maand aan elektriciteit vs standaardmodel, terugverdiend in 8 maanden”
Waarom: AI-agents zijn geprogrammeerd om de prijs-kwaliteitverhouding feitelijk te beoordelen.
5. Verifieerbare vertrouwenssignalen
Slecht: “Beste product in zijn categorie”
Goed: “4,7/5 op basis van 2.847 geverifieerde reviews, CE- en RoHS-gecertificeerd, verkozen tot Meilleur Choix door 60 Millions de Consommateurs 01/2026, retourpercentage <2%”
Waarom: LLM’s zijn getraind om verifieerbare bronnen te verkiezen en hallucinaties te vermijden.
Echte cases: de eerste winnaars van agentic commerce
Case 1: Distributeur van technische producten (B2B)
Uitgangssituatie: 45.000 referenties, productpagina’s automatisch gegenereerd met fabrikantspecificaties
Acties:
- Verrijking in natuurlijke taal: “Schroef M6 x 20mm verzinkt staal” → “Metaalschroef M6 x 20mm, zeskantkop, verzinkt staal (vochtbestendig), volledige draad, compatibel met moer M6, gebruik binnen/buiten, max. belasting 150kg”
- Gebruikscontexten toegevoegd: “Ideaal voor het bevestigen van metalen meubels, stalen poorten, werkplaatsrekken”
- Incompatibiliteiten: “Niet geschikt voor: zacht hout (kies houtschroeven), aluminium (kies rvs), kritieke dragende constructies”
Resultaten na 3 maanden:
Case 2: Cosmeticamerk (DTC)
Uitgangssituatie: Sterke marketingcontent, maar magere productdata
Acties:
- Herstructurering van attributen: INCI-ingrediënten in duidelijke tekst, voordelen met geciteerde klinische studies
- On-page GEO: gestructureerde FAQ, Schema.org Product + Review + HowTo
- Compatibility matrix: “Geschikt voor gevoelige/vette/droge huid”, “Compatibel met [aanvullende producten]”
Resultaten na 4 maanden:
- Verschijnt in 23% van de zoekopdrachten “beste crème voor gevoelige huid” in Google AI Overviews (tegen 0% daarvoor)
- +95% verkeer vanuit Perplexity
- Retourpercentage gehalveerd (betere match tussen product en behoefte)
De 3 fatale fouten om te vermijden
Fout 1: Denken dat UCP/ACP volstaat
UCP implementeren zonder je productdata te verrijken, is als een API openzetten naar een lege catalogus. De agent kan technisch gezien kopen… maar zal je producten nooit aanbevelen, omdat hij ze niet kan begrijpen of vergelijken.
Fout 2: SEO-recepten toepassen op GEO
GEO is geen “SEO voor ChatGPT”. Waar SEO optimaliseert voor de klik (CTR, sexy meta description), optimaliseert GEO voor de feitelijke citatie. Een schreeuwerige titel of een vage marketingbeschrijving verkleint je kans om geciteerd te worden.
Fout 3: Wachten tot het “rijp” is
Volgens data van McKinsey zal agentic commerce tegen 2028 tussen 15% en 30% van de e-commercetransacties vertegenwoordigen. Maar zoals Bain & Company in HBR benadrukt: AI-agents leren van wat ze al hebben verwerkt. De merken die vandaag door ChatGPT worden geciteerd, bouwen een samengesteld voordeel op: elke vermelding versterkt hun autoriteit voor toekomstige vermeldingen.
Deze transformatie gaat veel verder dan één tool of één softwareleverancier. Ze raakt evengoed productteams, PIM’s, zoekmachines en marketplaces als bureaus en platformen.
Welke oplossing je ook kiest, de centrale uitdaging blijft dezelfde: productdata begrijpelijk, vergelijkbaar en bruikbaar maken voor autonome systemen.
Conclusie: datakwaliteit als duurzaam concurrentievoordeel
Agentic commerce is geen “nieuwe e-commercetrend”. Het is een paradigmaverschuiving in hoe producten worden ontdekt en gekocht.
In deze nieuwe wereld:
- Wint wie de taal van agents spreekt (gestructureerde data, rijke context, vertrouwenssignalen)
- Verliest wie alleen inzet op traditionele SEO, advertentiecampagnes en brand awareness
Zoals het onderzoeksteam van INSEAD het samenvat: “AAO (AI Agent Optimization) wordt een even kritieke discipline als SEO dat in de jaren 2000 was. Merken die weinig tastbare waarde bieden buiten hun naam, riskeren hun positie te verliezen.”
Het goede nieuws? De meeste van je concurrenten hebben het nog niet begrepen. Je hebt waarschijnlijk een venster van 12 tot 18 maanden om een first-mover-voordeel op te bouwen voordat de markt zich standaardiseert.
Wat we nog niet weten:
– Hoeveel autonomie consumenten precies aan agents willen delegeren
– Hoe snel protocollen als UCP of ACP echt worden ingevoerd
– Welk deel van de beslissingen emotioneel of merkgebonden blijft
Wat we wel weten, is dat agents zullen leren van de catalogi die ze vandaag kunnen begrijpen.
De vraag is niet langer “Moeten we eraan beginnen?” maar “Met welke producten beginnen we maandagochtend?”
Marcus
Amazon