Мы отправили ИИ-агента за покупками в 15 американских интернет-магазинов. Вот где он сдался

На той неделе, когда Walmart открыл шлюз для ИИ-покупателей, а ритейлеры разделились во мнении, пускать ли агентов к оформлению заказа, мы дали одному агенту список покупок и отправили его в 15 известных магазинов США.

КОРОТКО

Что произошло

ИИ-агент в обычном браузере положил в корзину нужный товар в 11 из 15 крупных интернет-магазинов США, а 4 магазина остановили его раньше: два проверкой на бота, один страницей ожидания и один кнопкой, которая ничего не сделала и не показала ошибку. В 2 из 11 магазинов, где всё получилось, агент заплатил бы не ту цену, что на карточке: в корзине и при оформлении появилась доплата, которую он не выбирал, а скидка с карточки требовала кода. В третьем данные о товаре и сама страница по-разному показывали, какое предложение доступно.

Вторая проверка, с сервера, показала другую картину тех же магазинов. Агент, который читает страницы без браузера, как многие ассистенты открывают ссылку, получил карточку товара только в 6 магазинах из 15. Ни один из 13 файлов robots.txt, которые удалось прочитать, таких агентов не запрещает. В нашей проверке их останавливала защита от ботов, которая в большинстве случаев не отличала ассистента покупателя от любого другого бота, а два магазина отказали агентам по имени. А в данных о товаре, которые читают машины, условия доставки описал только один магазин, а политику возврата только два.

Это не маленькие магазины без бюджета. Это известные бренды и ритейлеры с сильными командами, и именно поэтому результат важен для всех остальных.

НОВОСТИ

Почему мы провели тест именно сейчас

За последние недели покупки через агентов перестали быть темой для конференций. В сентябре Meta представила Muse, агента, который сам выбирает товары и оформляет покупки, а 20 сентября Amazon начал его блокировать с формулировкой, что приложения, которые покупают за клиентов, должны работать открыто и уважать решение магазина, участвовать ли в этом. 22 октября Walmart объявил о шлюзе Agent Gateway для ИИ-покупателей с лимитами трат и подтверждением покупок, которые задаёт сам пользователь. 23 октября The Wall Street Journal описал, как ритейлеры разделились на лагеря: QVC и HSN разрешают агентам оформлять покупки, Tapestry, владелец Coach и Kate Spade, разрешает смотреть, но не покупать, а Kohl's ограничивает заказы, которые оформляет агент.

В тот же день PYMNTS Intelligence опубликовал опрос 2 191 потребителя в США. Только 6,3% последних покупок с помощью ИИ были оформлены на сайте самого бренда, против 59,7% на Amazon. Даже при одинаковых цене, доставке и возврате на сайт бренда агента отправили бы лишь 16,1%, а на крупный маркетплейс 40,2%. Ради оформления заказа силами ИИ на сайт бренда перешли бы только 12,1% покупателей маркетплейсов, ради более низкой цены 53,9%, ради такой же быстрой бесплатной доставки 49,9%.

ИИ изменил, где люди выбирают товары, но пока не где покупают.

Спорят в основном о политике: пускать агентов или нет. Мы хотели проверить вещь более базовую. Если покупатель сегодня отправит агента в магазин, сможет ли агент найти товар, понять условия и дойти до оформления?

КАК МЫ ТЕСТИРОВАЛИ

Как проходил тест

Мы выбрали 15 известных интернет-магазинов США из разных категорий: одежда и обувь, электроника и товары для дома, косметика и украшения, снаряжение для активного отдыха и товары для животных. Каждому досталась конкретная задача, какую покупатель дал бы ассистенту: определённый товар, размер или вариант, положить в корзину, узнать итоговую сумму с доставкой и условия возврата. Тест прошёл вечером 23 октября 2026 года в две части.

• Живой прогон. ИИ-агент (Claude, который управлял браузером на компьютере) выполнял задачи через домашнее подключение в США, по одному магазину. Он останавливался в корзине или на первом шаге оформления, без адресов, аккаунтов и оплаты. На каждой карточке он также читал структурированные данные, которые используют поисковики и ИИ-системы.
• Серверный аудит. Claude Code проверил те же магазины без браузера: что robots.txt говорит ИИ-агентам, что отдаёт простой запрос с обычным идентификатором Chrome и с идентификаторами ChatGPT-User и Claude-User, и что показывает headless-браузер. Если карточка переехала или товар сняли с продажи, аудит брал ближайший доступный товар.

Этот тест представляет собой диагностический срез того, с чем один агент столкнулся в каждом магазине за один вечер, а не рейтинг брендов и не измерение того, как их системы ведут себя всегда. Каждое наблюдение ниже стоит читать как «в нашем тесте»:

• каждый магазин получил одну попытку, поэтому нагрузка, региональные настройки или другой агент могли бы изменить результат;
• наш агент в браузере вёл себя как человек и robots.txt не читал;
• мы отделяли отказы (403, 429, страницы проверки) от тайм-аутов и от сбоев интерфейса и сохраняли скриншоты, коды ответов и данные страниц как доказательства;
• где результат был неоднозначным, мы проверяли его вручную, а где не смогли, так и пишем;
• обходить проверки на бота мы не пытались, а единственное отступление от чистого прогона описано ниже, у Mejuri.

РЕЗУЛЬТАТЫ

Магазин за магазином

Две колонки редко совпадают, и это первый вывод. Готовность магазина к агентам зависит от того, какой агент пришёл. Target отдал карточку простому запросу, но остановил агента в браузере проверкой. Coach, Kohl's, lululemon, REI и Best Buy отказали простым запросам, но пустили агента в браузере за покупками.

НА ВХОДЕ

Остановлен до первого клика

Ни один из 13 прочитанных файлов robots.txt не запрещает карточки товаров для ChatGPT-User, Claude-User, GPTBot, ClaudeBot, OAI-SearchBot или PerplexityBot. Три магазина закрывают дверь одному ИИ-краулеру каждый: Patagonia для Google-Extended, lululemon для краулера Meta, Chewy для Amazonbot. Пять магазинов публикуют файл llms.txt. На бумаге агентов рады видеть почти все.

На практике первой решает защита от ботов. В нашем аудите 9 магазинов из 15 не отдали карточку запросу без браузера: Akamai ответил 403 или страницей ожидания у Coach, Kohl's, Nike и Patagonia, PerimeterX показал «Press & hold» у Walmart, Kasada ответил 429 у Chewy, а REI, Best Buy и lululemon обрывали соединение. В нашем аудите Nike и Walmart отказали по имени агента: страницу они отдали обычному идентификатору Chrome и отказали тому же запросу от имени ChatGPT-User или Claude-User.

Самый продуманный случай у Coach. В его robots.txt есть отдельные группы для девяти ИИ-агентов, включая ChatGPT-User и Claude-User, где карточки открыты, а корзина и оформление закрыты. Это совпадает с заявленной политикой Tapestry «смотреть, но не покупать», но то же правило Coach применяет ко всем краулерам, а robots.txt носит рекомендательный характер. Наш агент в браузере дошёл до страницы оформления Coach без всякого сопротивления.

НА СТРАНИЦЕ

Попапы, невидимые слои и молчаливые кнопки

Внутри агент спотыкался в основном о то, что сделано для людей.

• Попапы подписки. Allbirds, Everlane, lululemon и Coach открывали поверх товара окна подписки или скидки. В серверном рендере Allbirds и Everlane полноэкранный попап оставлял в дереве доступности страницы только iframe, поэтому агент, который читает страницу через это дерево, не видит ни цены, ни размеров, ни кнопки, пока не закроет окно.
• Невидимые слои. У Mejuri поверх всей страницы лежал полноэкранный маркетинговый iframe и перехватывал каждый клик. В нашем тесте он был прозрачным, потому что сторонний скрипт не загрузился; в обычном браузере это окно подписки на SMS. Чтобы продолжить, мы убрали этот слой, а обычный агент вполне мог бы на этом и остановиться. У Everlane похожий слой продолжал ловить клики в выезжающей корзине уже после закрытия попапа.
• Сбои без единого слова. У Nike агент выбрал 10-й размер и дважды нажал Add to Bag. Кнопка посерела, ничего не появилось, корзина осталась пустой. Ни ошибки, которую можно прочитать, ни повода попробовать что-то другое.
• Поздняя вёрстка. У Best Buy первый клик промахнулся: блок с ценой и доставкой загрузился после кнопки и сдвинул её. В Walmart счётчик корзины несколько секунд показывал ноль после успешного добавления, что выглядит точь-в-точь как сбой.
• Слишком много кнопок. На карточке Allbirds было 12 кнопок Add to Cart, на карточке Walmart 35, а на карточке Glossier 28 кнопок Add to bag, большинство для рекомендованных товаров. В Walmart главная кнопка даже не стояла первой в порядке чтения страницы.
• Поиск, рассчитанный на человека. Поиск Mejuri игнорирует привычный параметр q, поэтому агент, который сам собирает адрес поиска, получает «No results for undefined». На других сайтах первыми ссылками на товары в результатах оказывались подарочная карта (Nike, Brooklinen, Glossier) или рекламируемая парка (REI).

ЦЕНА

Когда цена на странице не та

Самые дорогие проблемы оказались наименее заметными. Два магазина списали бы с агента не ту сумму, которую обещала карточка, а третий показывал в данных предложение, которое не продавал.

• Brooklinen показывал комплект постельного белья Queen как $199 зачёркнуто и $159,20 с пометкой «20% off». При оформлении итог был $199 плюс налог, потому что скидка требует вручную ввести код FRIENDSANDFAM. Агент, который верит странице, переплатит $39,80 или сообщит пользователю неверную сумму.
• Everlane в данных корзины указывал одну футболку за $34, а выезжающая корзина и оформление показывали $35,75 и «Subtotal, 2 items»: доплату $1,75 за страховку посылки, которую агент не выбирал. Сумма была видна до оформления, но только тому, кто читает корзину построчно.
• Best Buy показывал одинаковые $274,99 на карточке и в корзине, так что сама цена не изменилась. Но предложением по умолчанию, и единственным новым, которое можно было купить, было предложение стороннего продавца дороже собственной цены сравнения Best Buy $249,99, без AppleCare+ и без самовывоза. При этом данные о товаре на той же странице указывали новое предложение за $212,99 как имеющееся в наличии, а окно вариантов покупки помечало его «Unavailable». Агент, который читает данные, пообещает сделку, которую страница не выполнит.

Для e-commerce в этом нет ничего необычного, и внимательный человек справится с каждым случаем. Агент, который действует от имени человека, превращает каждый из них в проблему доверия: пользователь спросил цену и получил другую.

Агент сообщает ту цену, которую видит. Пусть она будет настоящей.

ДАННЫЕ

Чего не говорят данные о товаре

Агенты и ИИ-ассистенты опираются на структурированные данные, разметку Product и Offer, которая описывает товар стандартным машиночитаемым способом. Мы читали её на каждой карточке, до которой дошёл агент в браузере, а серверный аудит проверял её с JavaScript и без него.

• Доставки и возврата почти нет. Из 13 магазинов, чьи данные о товаре удалось прочитать, условия доставки в разметке описал только Brooklinen, а политику возврата только Brooklinen и Best Buy. Людям условия доставки показывал каждый магазин, до которого мы дошли, и большинство показывали условия возврата.
• У некоторых карточек данных о товаре нет совсем. На карточках Walmart и Target, которые мы получили, разметки Product не было вообще. Walmart объявил о своём шлюзе для агентов накануне и, возможно, рассчитывает, что агенты будут ходить через этот канал, а не через страницу.
• Рейтинг показан, но не заявлен. Everlane показывал рейтинг 3,9 звезды по 232 отзывам, Glossier показывал 7 154 отзыва, но ни один не указал рейтинг в разметке.
• Один товар, несколько названий. Жемчужные серьги Mejuri назывались «Freshwater Pearl Double Drop Earrings» в заголовке страницы, «Essential Pearl Earrings» в заголовке на странице и «Solid Yellow Gold (14k) / Pearl» в разметке. У комплекта Brooklinen было два блока Product: в одном условия доставки и возврата, но нет цены, в другом цена, но нет бренда.
• Варианты без смысла. Kohl's указал для Levi's 505 пятьдесят предложений, у каждого внутренний код, цена и наличие, но ни одно не говорило, какой это обхват талии и длина. Найти в таких данных размер 34x32 агент не может.

Были и хорошие примеры: на странице, которую читал наш агент, Nike описал 41 вариант Pegasus 42, у каждого свой GTIN, размер и цвет, а также цена и наличие. lululemon описал 348 вариантов и указал длину брюк как измерение в дюймах. Coach указал GTIN, материал и цвет показанной сумки. По нашим наблюдениям, разница между лучшими и худшими данными в тесте больше похожа не на разницу в бюджете, а на решение описывать товар как данные. Об этом подходе мы писали в статье о SEO карточки товара.

ЧТО ЭТО ЗНАЧИТ

Что это значит для среднего магазина

В опросе PYMNTS покупатели объясняли выбор типа продавца более простым возвратом (36,6%), большим выбором (34,9%) и привычкой (32,7%). По выбору сайт бренда Amazon не обгонит. Зато он может стать местом, где агент за один визит находит понятный товар, понятную цену и понятные условия, и каждый сбой из этого теста работает против этого.

Результаты удобно читать в трёх слоях. Может ли агент найти товар, правильно понять товар и условия и выполнить нужное действие? В этом тесте первый слой решали поиск и доступ, второй данные о товаре и согласованность цены, третий попапы, кнопки и проверки на бота. Магазин может хорошо справляться в одном слое и проваливаться в другом, поэтому одна общая оценка скрыла бы больше, чем показала.

Для среднего магазина практические выводы такие:

• Решите политику осознанно. Разрешить агентам смотреть и покупать, разрешить только смотреть или не пускать вовсе: всё это законные решения. Блокировка по случайности из-за стандартных настроек защиты от ботов решением не является; это побочный эффект.
• Считайте агентов отдельным типом трафика. Посмотрите, что ваша защита от ботов делает с ChatGPT-User, Claude-User и похожими агентами, которые действуют по просьбе покупателя, отдельно от парсеров и краулеров.
• Сделайте цену окончательной. Если скидка настоящая, применяйте её автоматически, а если доплата необязательна, не ставьте галочку за покупателя.
• Внесите доставку и возврат в данные, а не только в страницу в подвале или сообщение в корзине.
• Сообщайте о сбоях вслух. Если добавить в корзину не получилось, объясните на странице почему.

Магазин, который агент понял первым, он и порекомендует.

Это не повод перестраивать магазин под роботов. Почти всё, что помогало агенту в этом тесте (подписанные кнопки, понятные размеры, честные цены и полные данные о товаре), так же помогает людям с медленным интернетом, экранными читалками и коротким терпением. О более широком сдвиге мы писали в статье о SEO, AEO и коммерческой инфраструктуре.

ЧЕК-ЛИСТ

Проверьте свой магазин за час

Чтобы повторить уменьшенную версию теста, лаборатория не нужна:

• Попросите ИИ-ассистента с доступом к браузеру найти в вашем магазине конкретный товар, выбрать размер и положить в корзину, а потом сравните его отчёт с тем, что вы знаете наверняка.
• Запросите карточку товара с идентификаторами ChatGPT-User и Claude-User и посмотрите на код ответа и на то, что вернулось.
• Прочитайте свой robots.txt глазами агента: говорит ли он то, что вы на самом деле хотите, про карточки, корзину и оформление?
• Откройте карточку с включёнными попапами и посчитайте окна, которые появляются до того, как видна цена.
• Проверьте разметку Product: цена, наличие, варианты, доставка и политика возврата, и сравните каждое значение со страницей.
• Положите в корзину товар со скидкой и убедитесь, что корзина и оформление показывают цену со скидкой без кода.
• Посчитайте кнопки «в корзину» на карточке и убедитесь, что главная явно стоит первой.
• Нажмите «в корзину» при замедленной сети и посмотрите, объясняет ли страница сбой.

КАК МЫ РАБОТАЕМ

Как мы готовим магазины к агентам

Мы строим и оптимизируем интернет-магазины, начиная с модели данных: товар как структурированная и проверяемая сущность, а страницы, фильтры и фиды поверх неё. Для работающих магазинов мы начинаем с аудита того, как магазин видят поисковики, ИИ-ассистенты и агенты, включая настройки защиты от ботов, данные о товаре и путь покупки, а затем исправляем проблемы в порядке влияния. Результатом становится отчёт с проверенными сценариями покупки, каждой проблемой, воспроизведённой со скриншотами и ответами сервера, её влиянием на путь к покупке и списком исправлений по приоритету. Эта работа входит в наше SEO интернет-магазинов, а для новых магазинов становится частью разработки интернет-магазина с первого эскиза.

FAQ

Источники

• PYMNTS: Shoppers Would Send AI Agents to Marketplaces Over Brand Sites (October 2026)
• Iceclog: Retailers Divided Over AI Shopping Agents as Agentic Commerce Expands, со ссылкой на The Wall Street Journal (October 2026)
• GuruFocus: Walmart Launches Agent Gateway for AI Shopping Integration (October 2026)
• The Star: Amazon blocks Meta's Muse AI agent from its retail site (September 2026)
• Google Search Central: Product structured data