Funkcja · Agent Probe Tylko Agency

Sprawdź, czy AI agent zakupowy doda Twój produkt do koszyka

Wklejasz URL karty produktu, w 200ms dostajesz structured trace 7-step agent journey + composite score 0-100. Wiesz, na którym kroku ChatGPT Operator albo Amazon Rufus utknie na Twoim sklepie.

Wypróbuj Agency 7 dni za darmo

7 dni pełnego dostępu · bez karty · anuluj kiedy chcesz

Dlaczego to istotne teraz

Następna generacja AI to autonomous shopping agents — systemy, które dostają od użytkownika polecenie typu „kup mi rower trekkingowy do 4000 zł" i samodzielnie przeglądają sklepy, porównują produkty, dodają do koszyka. Klient nie wpisuje już zapytania w Google — pyta ChatGPT, który robi resztę.

Twoja strona musi być rozumiana nie tylko przez wyszukiwarki LLM (cytowanie), ale też przez agentów (interakcja). Bez tego agent kupi w sklepie konkurencji.

Kto to są AI agenci zakupowi?

🛍️ ChatGPT Operator

OpenAI, browser-based agent z screenshot loop. Wykonuje zadania zakupowe na życzenie użytkownika (early access 2025).

🤖 Anthropic Computer Use

Claude z dostępem do screenshot + click + type. Może autonomicznie wypełnić checkout (beta API 2025).

💬 Perplexity Shopping

Conversational shopping w Perplexity. Cytuje sklepy + opisuje produkty + oferuje porównanie.

🔍 Amazon Rufus / Google AI Mode

Wbudowani agenci w platformy. Indeksują produkty z całej sieci dla recommendation.

Co Ci to daje

Punktowa diagnoza, gdzie agent utknie

Zamiast generic „popraw e-commerce SEO", dostajesz konkretny krok który zawodzi: „brak Schema.org Product na PDP" albo „add-to-cart bez aria-label". 25 sygnałów w 5 sub-checkach.

Wynik w ~200ms

Composite score 0-100 + classification (ready/partial/blocked) + 3 rekomendacje fix. Bez crawla całej domeny — wystarczy URL produktu.

Przewaga first-mover

AI agents wejdą do mainstream'u w 2026-2027. Jeśli przygotujesz sklep teraz, klienci ChatGPT Operator wybiorą Ciebie, nie konkurencję. Konkurencja jeszcze nie wie, co to ARS.

Jak wygląda w panelu

Wklejasz URL karty produktu, klikasz "Uruchom probe" — w 200-400ms dostajesz composite score (np. 94/100 AI-READY), trace 7 kroków z statusem ✓/✗ i metrykami (HTTP status, rozmiar treści) oraz konkretne rekomendacje fix.

Panel Agent Probe w app.selpio.com: lewa kolumna z menu (Dashboard, Klienci, Gotowość AI, Benchmarking, Agent Probe aktywny, Monitoring, GEO Dashboard, Position Tracking), prawa kolumna z formularzem 'URL strony do testu' + przycisk 'Uruchom probe' oraz wynikiem analizy: score 94/100 AI-READY (zielony), PDP detected, 334ms, simulator v1; lista 'Trace 7 kroków': 1. Bot policy check ✓ HTTP 200, 2. Render HTML ✓ 28124 chars text, 3. Product detection ✓, 4. Price extraction (kolejne kroki niżej)

Jak to działa — 7-step agent journey

  1. 1

    Bot Policy — czy agent może w ogóle wejść

    Probe z 8 różnymi User-Agent stringami (GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot, GeminiBot, Google-Extended, CCBot, Meta-ExternalAgent). Wykrywa Cloudflare challenge, HTTP 403/429, robots.txt Disallow.

  2. 2

    Render — czy treść jest dostępna bez JS

    SSR check — czy bot dostaje pełen HTML z produktem, czy pustą skorupę SPA. Agent bez JS execution zobaczy tylko initial response servera.

  3. 3

    Product Detection — czy agent rozpoznaje PDP

    Schema.org Product JSON-LD validation: 7 wymaganych pól (name, image, description, brand, identifier, offers.price, aggregateRating). Bez Schema agent zgaduje po DOM.

  4. 4

    Price Signal — czy agent widzi cenę bez DOM parsing

    Open Graph price tags: og:product:price:amount + og:product:price:currency. Structured data zamiast zgadywania po tekście. Plus Schema.org Offer.priceValidUntil dla deadline ceny.

  5. 5

    Cart Button — czy agent znajdzie „Dodaj do koszyka"

    Regex PL/EN dla button text + Schema.org Offer.availability (InStock/OutOfStock/PreOrder). Wymagany aria-label żeby agent z text-only API znał intent buttona.

  6. 6

    Form Fillability — czy agent wypełni checkout

    autocomplete attributes (street-address, postal-code, cc-number), label[for=id] coverage, semantic input types (type="email"/type="tel"). Bez tego agent nie wie, co wpisać.

  7. 7

    Anti-bot Detection — co agent napotka

    Wykrycie 7 vendorów (hCaptcha, reCAPTCHA, Datadome, PerimeterX, Akamai Bot Manager, Kasada, Imperva). Niektóre blokują wszystkich agentów, inne pozwalają whitelist po User-Agent + signed certs.

5 sub-checków ARS (Agent Readiness Score)

Każdy ze 7 kroków powyżej mapuje się na jeden z 5 sub-checków ARS. 3 sub-checki ważone (Bot Policy 40% + Product Schema Coverage 40% + Price Signal 20% = 100%) tworzą composite score 0-100. 2 sub-checki (Product Signals + DOM Signals) są obecnie informational — wagi zostaną dodane w Q4 2026 / Q1 2027 (Faza 2-3 roadmapy).

1

Bot Policy

waga 40%

13 issue codes. Najwyższa waga, bo bez wejścia nic dalej nie ma znaczenia.

2

Product Schema Coverage

waga 40%

Crawl-level coverage (% PDP z full Product Schema). Walidacja 7 pól per Schema.org Product.

3

Price Signal

waga 20%

Open Graph price tags. Per-page check + crawl-level coverage.

4

Product Signals (Faza 1)

informational

3 codes: Offer.availability, priceValidUntil, aggregateRating. Bonus dla autonomy.

5

DOM Signals (Faza 2)

informational

7 codes: aria-labels, autocomplete, label[for=id], anti-bot vendor detection. Obecnie informational — waga dodana w Q4 2026 (Faza 3 roadmapy).

Roadmapa

  • Faza 1 (live) — Bot Policy + Product Schema Coverage + Price Signal. 25 sygnałów, deterministic probe ~200ms.
  • Faza 2 (live) — DOM Signals (aria, autocomplete, anti-bot vendors). 7 dodatkowych codes.
  • Faza 3 (Q1 2027) — Real Anthropic Computer Use SDK integration. Prawdziwa symulacja: Claude wchodzi na sklep, próbuje dodać produkt do koszyka, wypełnia checkout. Raport pokazuje screenshoty z każdego kroku.

Najczęściej zadawane pytania

Czym różni się Agent Probe od standardowego audytu LLM-SEO?

Audyt LLM-SEO sprawdza, czy Twój content jest cytowalny przez wyszukiwarki LLM (ChatGPT, Claude, Perplexity). Agent Probe sprawdza coś innego — czy autonomous AI agenci zakupowi potrafią wejść na Twój sklep, znaleźć produkt i dodać do koszyka. Cytowanie vs interakcja — dwa różne use cases.

Czy Agent Probe to symulacja czy prawdziwy agent?

MVP (Faza 1+2) to deterministic 7-step probe — sprawdza w ~200ms te same sygnały, które agent musiałby przejść, ale bez realnej symulacji LLM. Real Anthropic Computer Use SDK integration jest w roadmap Q1 2027 (Faza 3). Dzisiaj dostajesz: composite score 0-100, classification (ready/partial/blocked), 3 konkretne rekomendacje fix.

Dla kogo jest Agent Probe?

Sklepy e-commerce B2C, szczególnie z dużą liczbą PDP (product detail pages). Jeśli klienci zaczną pytać AI „kup mi X" zamiast szukać w Google, Twoje karty produktów muszą być rozumiane przez agentów. Agent Probe to early-warning system — sprawdzasz teraz, naprawiasz przed konkurencją.

Czy potrzebuję planu Agency?

Tak. Interactive Agent Probe symulator z 7-step trace + composite score to flagship Agency (299 zł/mc). Bazowe ARS sub-checki (Bot Policy + Product Schema Coverage + Price Signal) na poziomie domeny są dostępne też w planie Monthly w ramach standard crawla.

Sprawdź, czy ChatGPT Operator kupi u Ciebie

Trial Agency 7 dni za darmo, bez karty. Agent Probe na unlimited URLi w trakcie trialu.

Wypróbuj Agency za darmo