Azoma запускает протокол для эпохи ИИ-шопинга — L'Oréal, Mars и Unilever делают ставку на ботов-покупателей

Новый фреймворк помогает брендам стать «видимыми» для ИИ-агентов, которые все чаще покупают товары вместо людей.

Для e-commerce-брендов, смотрящих в будущее, портрет главного клиента стремительно трансформируется: вместо человека за экраном на первый план выходят ИИ-агенты, которых этот самый человек отправляет изучать товары и — если прогнозы сбудутся — покупать их от своего имени.

Масштаб перемен впечатляет. По прогнозам исследования инвестиционного гиганта Morgan Stanley, к 2030 году от 10 до 20% всех потребительских расходов в США могут приходиться на покупки через ИИ-агентов — это от $190 до $385 миллиардов.

В ответ на этот тектонический сдвиг в расстановке сил на рынке четырехлетний стартап Azoma, специализирующийся на агентном ИИ в электронной коммерции, представил Agentic Merchant Protocol (AMP) — единый стандарт (протокол) взаимодействия между брендами и ИИ-агентами: по сути, общий язык, на котором бренд объясняет ИИ-покупателю, что за товар перед ним.

Фреймворк рассчитан на крупных ритейлеров: производителей продуктов питания, электроники, модных брендов — и призван стать «дружественным бренду» якорем в экосистеме, которую все активнее осваивают автономные ИИ-покупатели.

Идея, лежащая в основе AMP, звучит убедительно и обманчиво просто. Сейчас продавцы физических товаров вынуждены вручную вносить информацию о каждом продукте: артикулы, материалы, характеристики — на десятках торговых площадок и агрегаторов (Walmart, Amazon, Google Shopping и т.д.). С AMP бренд может собрать все эти данные в одном месте: на платформе Azoma — и одним кликом распространить их по всем нужным каналам, включая страницы, оптимизированные специально для ИИ-агентов, чтобы те могли находить информацию и рекомендовать пользователям именно те товары, которые соответствуют запросу.

Технология против «черного ящика» в агентной e-commerce

Сегодняшняя интеграция ИИ в торговлю, как правило, опирается на изолированные системы вроде ACP (Agentic Commerce Protocol) от OpenAI или UCP (Universal Commerce Protocol) от Google. Эти протоколы обеспечивают техническое согласование между системами, необходимое для обнаружения товаров и проведения платежей, но практически не дают бренду контроля над тем, как его продукция подается покупателю.

Когда ИИ-агент, запущенный покупателем, «размышляет» над товарным запросом своего хозяина, он зачастую собирает данные из непроверенных уголков интернета: Reddit, устаревших партнерских сайтов, — создавая эффект «черного ящика» — ситуацию, когда бренд не видит и не контролирует, как именно AI презентует его продукт покупателю.

AMP выполняет роль центрального хаба: бренд вносит информацию один раз, и она расходится по всем платформам в едином, эталонном виде. Протокол позволяет компаниям централизовать всю продуктовую аналитику — включая юридические ограничения и брендбуки — в едином машиночитаемом формате.

«AMP рушит основы традиционной электронной коммерции, — заявил Макс Синклер, генеральный директор Azoma, в пресс-релизе, предоставленном VentureBeat. — Десятилетиями маркетплейсы вроде Amazon и Walmart выполняли роль привратников: они контролировали страницы товаров, рейтинги и дистрибуцию. Бренды работали с понятным набором витрин: карточка товара, рекламное объявление, строчка в поиске — и этого было достаточно. В мире ИИ-агентов этих фиксированных страниц больше не существует».

Платформа Azoma специально разработана для крупных ритейлеров и производителей физических продуктов, в первую очередь в секторах потребительских товаров (CPG, Consumer Packaged Goods) и товаров повседневного спроса (FMCG, Fast-Moving Consumer Goods).

В интервью VentureBeat Синклер подчеркнул, что протокол не предназначен для цифровых активов и услуг: Azoma не поддерживает NFT, SaaS-продукты и финансовый сектор (банкинг, страхование).

Будь то автоматический повторный заказ бытовой химии или предоставление аналитики для покупок, требующих выбора, вроде специализированных добавок или горнолыжного снаряжения, протокол выполняет роль цифровой соединительной ткани для брендов, которые продают то, что можно потрогать руками.

Суверенитет бренда в мультиагентном мире

Протокол уже получил стремительное распространение среди гигантов потребительского рынка: его приняли L'Oréal, Unilever, Mars, Beiersdorf и Reckitt. Для этих компаний поддержание единого фирменного стиля на различных ИИ-платформах — первоочередная задача.

«То, что компании масштаба L'Oréal, Unilever, Mars и Beiersdorf так быстро внедрили AMP, говорит все о степени их тревоги, — отметил Синклер в интервью VentureBeat. — Эти компании десятилетиями выстраивали свой бренд-капитал и не собираются отдавать контроль над презентацией своих продуктов "черному ящику" ИИ».

Набор инструментов AMP предоставляет техническим руководителям несколько ключевых рычагов управления:

• Единый каталог товаров на «языке» ИИ-агентов (Canonical Machine-Native Catalogues): структуры данных, разработанные специально для обработки большими языковыми моделями (LLM) и дополненные информацией о типичном покупателе — кто он, что ищет и почему выбирает именно этот продукт.
• Автоматическое распространение данных о товарах по всему открытому вебу (Programmatic Open Web Distribution): механизм, гарантирующий, что данные, которые ИИ-агенты находят в открытом интернете, совпадают с официальной документацией бренда.
• Универсальная инфраструктура, совместимая с любым ИИ-агентом (Agent-Agnostic Infrastructure): архитектура, исключающая привязку к одному вендору: бренд может взаимодействовать с любым ИИ-ассистентом или агентом маркетплейса.
• Прозрачная аналитика эффективности (Performance Visibility): инструменты для измерения того, как агенты «взвешивают» конкретные атрибуты товара, и для верификации соответствия стандартам по всей экосистеме.

Аналитика как конкурентное преимущество

Помимо дистрибуции данных, Azoma предлагает полный рабочий цикл, призванный закрепить позиции бренда в экономике, выстроенной вокруг ИИ.

Платформа включает проприетарный движок RegGuard™ Compliance, который автоматически проверяет весь генерируемый контент на соответствие строгим брендовым гайдлайнам и регуляторным требованиям: например, стандартам FDA/DSHEA (американские нормативы для пищевых добавок). Этот автоматизированный контроль дополнен продвинутым механизмом отслеживания цитирования: бренды видят, на какие именно источники — от Reddit и Quora до Wikipedia и YouTube — ссылаются ИИ-агенты, формируя рекомендации.

Такая тотальная прозрачность уже принесла ощутимые результаты первым партнерам. По данным компании, у бренда горнолыжных шлемов Ruroc трафик на сайт из ChatGPT вырос в 14 раз, а сам бренд стал рекомендацией №1 среди горнолыжных шлемов в целевых регионах.

Другие клиенты зафиксировали, что доля упоминаний выросла в пять раз в специализированных агентах ритейлеров (например, Amazon Rufus), а оптимизированный контент продемонстрировал рост конверсии до 32% по результатам A/B-тестирования.

Устраняя технические факторы, блокирующие видимость товара для ИИ (GEO blockers): ошибки в схемах разметки, проблемы с индексацией и контент на чистом JavaScript, который традиционные парсеры могут не обнаружить, — Azoma дает брендам возможность перейти от пассивного наблюдения к активной оптимизации того, как ИИ рассказывает об их продуктах.

Для быстрорастущих компаний вроде Perfect Ted такая прозрачность стала одним из факторов, обеспечивших рост выручки на 532% в пересчете на год.

Опыт маркетплейсов и AI-исследования

Руководство Azoma сочетает в себе экспертизу крупномасштабного ритейла и передовых вычислительных технологий.

Синклер провел шесть лет в Amazon, где отвечал за клиентский опыт навигации по каталогу при запуске площадки в Сингапуре, а также руководил расширением Amazon Grocery по всему Евросоюзу. Именно работа в крупнейшем ритейлере мира показала ему, что статичные карточки товаров уже не справляются с рынком, который теперь живет в ритме ИИ. «В традиционной электронной коммерции ты создавал описание товара, публиковал его — и на этом все, — рассказал Синклер. — В новом мире карточки товаров становятся генеративными... наши клиенты теряют контроль над тем, как их товар представлен покупателю».

Техническую основу протокола разрабатывает технический директор Тимур Лугуев — стипендиат программы Фулбрайта и научный сотрудник ERCIM с более чем десятилетним опытом в мультимодальном глубоком обучении.

Лугуев рассматривает AMP как инструмент непрямого влияния на «цифровой след» бренда в интернете, на основе которого ИИ выстраивает свои рассуждения. «Мы хотим снабжать агентов информацией опосредованно: через открытый цифровой след бренда в сети, — пояснил Лугуев. — В этом суть: сначала мы определяем стандарт, централизуем всю информацию о продукте и бренде в одном месте, затем распространяем ее по открытым площадкам, а после — измеряем и количественно оцениваем эффект».

Лицензирование и перспективы на рынке

Azoma позиционирует свой протокол как нейтральную альтернативу закрытым платформам и замкнутым экосистемам крупных технологических компаний. Если поисковые системы ставят во главу угла пользовательский опыт потребителя, то AMP фокусируется исключительно на потребности продавца контролировать, что именно ИИ говорит о его товаре и какой эффект это приносит.

Характеристика	Платформенные протоколы (ACP/UCP)	Azoma AMP
Основной фокус	Проведение транзакций	Контроль бренда и мультиагентная дистрибуция
Охват данных	Только внутренняя экосистема	Кросс-платформенный + открытый веб
Управление брендом	Нет / частичный контроль	Полный контроль, определяемый компанией
Интеграция	API для разработчиков	Удобно для команд маркетинга и коммерции

С распространением ИИ-агентов на смену классической поисковой оптимизации (SEO) приходит оптимизация агентной коммерции — Agentic Commerce Optimization (ACO).

Синклер уверен, что за этой трансформацией стоит простой факт: потребители все больше доверяют не брендам, а ИИ. «Вы предпочтете обратиться к ChatGPT, действующему на базе ваших данных, чем просто вбивать в Google "какой матрас выбрать" и кликать на того, кто заплатил за верхнюю ссылку», — говорит он.

Ценообразование

Коммерческая стратегия Azoma построена как способ плавно перевести клиентов с привычной модели «платишь за подписку» на новую — «платишь за результат». На текущем этапе компания работает по стандартной корпоративной модели: глобальные партнеры заключают годовые контракты, как правило, в диапазоне от шести до семи знаков (в долларах). Такой подход соответствует актуальным бюджетным процессам крупных организаций и обеспечивает предсказуемость для международного планирования.

Однако в долгосрочной перспективе компания планирует принципиальный переход к модели ценообразования, привязанной к результату. Интегрируясь напрямую в потоки данных и выручки бренда, Azoma сможет измерять конкретный финансовый эффект каждой операции в агентной экосистеме.

«Наши амбиции — в будущем получать долю от выгоды, которую агенты приносят бренду», — объяснил Синклер. Такой подход фактически превращает протокол из статьи расходов на SaaS в актив, привязанный к результату, — по аналогии с современными рекламными платформами, где затраты напрямую связаны с приростом выручки.

Агентная коммерция, основанная на результате

Сегодня послание для руководителей компаний звучит однозначно: эпоха застывшей карточки товара закончилась. «Когда L'Oréal, Unilever и Mars одновременно двигаются в одном направлении, остальной рынок обращает на это внимание», — заключил Синклер.