Choisi
L'agent a recommandé votre produit comme le seul à acheter. Le haut du rayon - et le seul résultat sur lequel la plupart des acheteurs agissent.
Fonctionnalité · Agent Shelf
Le rayon que lit l'agent est désormais le seul qui compte.
Les acheteurs ne parcourent plus - ils disent à un assistant « achète-moi le meilleur à moins de 150 € » et l'agent décide. Agent Shelf suit si les agents IA choisissent vos produits, nomme le concurrent qui a gagné, cite la raison et vous indique la correction de flux exacte qui vous remet dans le panier.
Les prompts
Des décisions d'achat, pas des recherches.
Un agent transforme l'objectif d'un acheteur en prompt d'intention d'achat, évalue une poignée de produits et renvoie un seul choix. Agent Shelf exécute ces prompts sur chaque modèle et note où atterrit votre produit.
- › meilleures chaussures de trail à moins de 150 €, livrées avant vendredi
- › une machine à espresso silencieuse pour une petite cuisine
- › est-ce que [votre produit] vaut le coup face à [concurrent] ?
- › bagage cabine le plus résistant pour les grands voyageurs
- › meilleur cadeau pour de jeunes parents à moins de 60 €
Quatre verdicts. Un score de 0 à 100.
Pour chaque prompt d'intention d'achat, Agent Shelf lit la réponse de l'agent et note votre produit - puis agrège les verdicts en un seul Agent Pick Score que vous voyez évoluer à mesure que vous corrigez votre flux.
Présélectionné
Cité comme une bonne option parmi deux ou trois autres. Dans l'ensemble considéré, mais l'agent a orienté ailleurs pour le choix final.
Rejeté
Mentionné, puis explicitement écarté - « mais X est moins cher / mieux noté / en stock ». Nous capturons la raison invoquée pour que vous puissiez y répondre.
Absent
N'est jamais apparu. L'agent ne savait pas que vous existiez pour cette décision. Le plancher de visibilité - et le point de départ le plus courant.
Ce qu'Agent Shelf suit par produit.
Pas seulement si vous avez été mentionné - si vous avez été choisi, pourquoi le gagnant a gagné, et si l'agent lit même correctement vos données.
Taux de sélection par agent
À quelle fréquence chaque modèle choisit, présélectionne, rejette ou ne montre jamais votre produit - par agent, pour voir où ChatGPT vous adore et où Gemini vous ignore.
Qui a gagné, et pourquoi
Le produit concurrent recommandé à la place, plus la justification donnée - « moins cher », « mieux noté », « en stock ». Exactement l'objection à corriger.
Exactitude des faits
Si l'agent cite le bon prix, la disponibilité et les spécifications. Les agents répètent sans cesse des données produit obsolètes ou fausses ; nous signalons l'écart avec votre vérité.
Lisibilité de vos données par les agents
Quand nous récupérons une URL produit, nous notons sa lisibilité machine - schéma propre, partiel ou récupéré au scraping. Une mauvaise note est la première raison pour laquelle les agents vous ignorent.
Tendance de l'Agent Pick Score
Un score de 0 à 100 par produit, enregistré chaque jour, pour prouver qu'un changement de flux a fait bouger le chiffre au lieu de deviner.
Le rayon cité
De quels revendeurs, avis et flux l'agent a tiré sa décision - les sources à gagner pour changer le résultat.
Les actions qui vous remettent en rayon.
Le levier du commerce agentique, ce sont vos données, pas un article de blog. Chaque correction est liée à un prompt perdu précis et à la raison invoquée par l'agent.
Schéma Product et Offer complet
Publiez un schema.org Product / Offer / AggregateRating valide sur chaque PDP. Les agents les lisent mot pour mot - un schéma absent ou partiel est la raison la plus fréquente d'une note « scraping » et d'un oubli.
Corriger l'exactitude du prix et du stock
Quand l'agent cite un mauvais prix ou « en rupture », il cesse de vous recommander. Corrigez le flux et les données structurées pour que les faits de l'agent correspondent aux vôtres.
Publier un llms.txt
Donnez aux agents un résumé propre et lisible par machine de votre catalogue et de vos faits clés, pour qu'ils ne vous reconstruisent pas à partir de suppositions tierces.
Gagner les sources citées
Les agents s'appuient sur un petit ensemble de revendeurs et de fils d'avis. Agent Shelf nomme ceux qui décident de votre catégorie, pour savoir exactement où gagner votre place.
Structurer les specs décisives
La spécification que le gagnant avait et pas vous est souvent toute la raison. Exposez-la en données structurées et dans le texte pour que l'agent puisse la citer.
Surveiller la dérive
Les réponses des agents changent à mesure que le web se réindexe. Les Pick Scores quotidiens signalent le jour où le changement d'un concurrent vous a sorti du rayon - tant que vous pouvez encore réagir.
Voyez si les agents vous achètent.
Ajoutez un produit par URL, ajoutez un prompt d'intention d'achat et obtenez votre premier Agent Pick Score sur ChatGPT, Claude, Gemini et Perplexity. Forfait gratuit disponible.