پیش‌بینی می‌شود عامل‌های هوش مصنوعی (AI Agents) مانند OpenAI Dots، ربات‌های Grok، Meta Muse و OpenClaw Instinct در فصل خرید تعطیلات پیش‌رو، مصرف‌کنندگان را وارد دنیای جدیدی از «تجارت مبتنی بر عامل‌های هوشمند» (agentic commerce) کنند؛ تحولی بزرگ که ساختار تبلیغات دیجیتال و بازاریابی را به طور اساسی دگرگون خواهد کرد.
بر اساس گزارش موسسه Menlo Ventures، خریدهای انجام‌شده توسط عامل‌های هوشمند در ۱۲ ماه آینده ۱۰۰ میلیارد دلار از فروش آنلاین را به خود اختصاص خواهند داد. این گزارش که در سپتامبر ۲۰۲۶ با عنوان «وضعیت هوش مصنوعی مصرف‌کننده» (State of Consumer AI) منتشر شده، برآورد می‌کند که مجموع هزینه‌کرد مصرف‌کنندگان در حوزه هوش مصنوعی در سطح جهان طی سال جاری به ۴۰ میلیارد دلار رسیده است.
تمایل مصرف‌کنندگان به واگذاری کنترل خرید به هوش مصنوعی
یافته‌های این پژوهش نشان می‌دهد مصرف‌کنندگان در حال واگذاری کنترل بیشتری به هوش مصنوعی هستند. بر اساس این مطالعه، ۴۱ درصد از شرکت‌کنندگان استفاده از یک عامل هوش مصنوعی را تجربه کرده‌اند، در حالی که ۲۴ درصد اعلام کرده‌اند به طور منظم از آن‌ها استفاده می‌کنند. همچنین ۳۲ درصد از کاربران به هوش مصنوعی اجازه داده‌اند بدون نیاز به تایید نهایی آن‌ها، اقدام به خرید یا انجام کارها به نیابت از آن‌ها کند.
در میان افرادی که از عامل‌های هوش مصنوعی استفاده می‌کنند، ۹۲ درصد اعلام کرده‌اند که برای خدمات هوش مصنوعی هزینه پرداخت می‌کنند و ۶۳ درصد نیز به صورت روزانه از آن بهره می‌برند. این داده‌ها بر اساس نظرسنجی مشترک Menlo Ventures و Morning Consult در ژوئیه ۲۰۲۶ از ۵,۰۶۷ بزرگسال آمریکایی به دست آمده است. این نظرسنجی نحوه استفاده مصرف‌کنندگان از ابزارهای هوش مصنوعی برای انجام فعالیت‌های خاص در شش ماه گذشته و نگرش آن‌ها نسبت به این فناوری را بررسی کرده است. عامل‌های شخصی با موتورهای پاسخگو (Answer Engines) تفاوت دارند؛ زیرا تفاوت آن‌ها نه فقط در دانش، بلکه در نحوه اقدام و اجرای وظایف است.
گذار از سئو سنتی به بهینه‌سازی برای عامل‌های هوشمند
بهینه‌سازی موتورهای جستجو (SEO) به شیوه سنتی و تبلیغات کلیکی، حرکت چشم انسان و کلمات کلیدی را هدف قرار می‌دهند. اما با ظهور عامل‌های هوش مصنوعی، بازاریابان باید استراتژی خود را به سمت «بهینه‌سازی برای عامل‌های هوشمند» (agent optimization) تغییر دهند. برای مثال، بررسی‌ها نشان می‌دهد که ابزار Meta Muse محصولات را از وب آزاد (open web) پیشنهاد می‌دهد. بر اساس برخی داده‌ها، این ابزار با وجود استخراج ۶۰ محصول از کاتالوگ داخلی Meta، در چهار مورد از هر شش مورد، محصولات وب آزاد را توصیه کرده است. بنابراین، خرده‌فروشان باید اطمینان حاصل کنند که وب‌سایت‌هایشان به گونه‌ای ساختاریافته طراحی شده‌اند که ربات‌های هوش مصنوعی بتوانند به راحتی آن‌ها را بررسی (scrape)، خوانش و به آن‌ها اعتماد کنند.
این تغییر رفتار می‌تواند به کاهش خریدهای آنی (impulse buys) منجر شود؛ زیرا کاربران به طور فزاینده‌ای به هوش مصنوعی اجازه می‌دهند بدون تایید نهایی آن‌ها اقدام کند و این امر موجب کوچک شدن قیف تبدیل (conversion funnel) سنتی می‌شود. اگر یک عامل هوش مصنوعی به طور خودکار ارزان‌ترین محصول با بهترین نظرات را که با معیارهای کاربر همخوانی دارد خریداری کند، روش‌های بازاریابی میانه قیف مانند تبلیغات هدف‌گیری مجدد (retargeting ads)، ایمیل‌های سبد خرید رهاشده (abandoned cart emails) و تبلیغات اینفلوئنسری در اینستاگرام اثربخشی خود را از دست خواهند داد. در این سناریو، تراکنش به طور کاملاً خودکار و بدون اطلاع بازاریابان در پس‌زمینه انجام می‌شود.
رفتار پنهان‌کارانه عامل‌های هوش مصنوعی در وب
تحلیلگران موسسه Profound در پژوهش دیگری ۵۰ سناریوی خرید را از طریق ابزار Muse اجرا کردند. یافته‌ها نشان داد که اگرچه یک جستجوی معمولی حدود ۶۰ محصول را از کاتالوگ Meta و تنها ۴ محصول را از وب استخراج می‌کند، اما در نهایت ۴ محصول از ۶ محصول پیشنهادی Muse از وب آزاد انتخاب شده بودند. اگرچه Muse برای یافتن گزینه‌ها تقریباً به طور کامل به محصولات فیس‌بوک و اینستاگرام (که از کاتالوگ Meta پشتیبانی می‌کنند) اتکا داشت، اما در توصیه‌های نهایی خود عمدتاً وب‌سایت‌های عمومی اینترنت را برگزید.
تیم Profound همچنین ترافیک ۲۸۰ سایت خرده‌فروشی و تجارت الکترونیک را قبل و بعد از راه‌اندازی Muse تحلیل کرد. در بازه زمانی ۲۰ روزه پس از راه‌اندازی، سیگنالی که تحلیلگران به عنوان شاخص Muse از آن استفاده کردند، در سایت‌های ایالات متحده و کانادا (که Muse در آن‌ها در دسترس بود) ۱,۳۱۳ درصد جهش داشت، در حالی که این افزایش در سایر نقاط جهان ۸۲۷ درصد بود.
برخلاف برخی موتورهای پاسخگو، ابزارهایی مانند Muse و Instinct در هنگام مرور وب‌سایت‌ها خود را با نام واقعی معرفی نمی‌کنند. در عوض، آن‌ها ترافیک خود را از طریق اتصالات اینترنت خانگی (residential internet connections) هدایت کرده و خود را به عنوان بازدیدکنندگان انسانی عادی نشان می‌دهند. به گفته تحلیلگران Profound، این امر تفکیک ترافیک آن‌ها را از کاربران واقعی بسیار دشوار می‌سازد.
در آزمایش‌های دستی، برخی از نشست‌های مرورگر Muse بلافاصله قبل از بازدیدهای شبه‌انسانی، رباتی تحت عنوان meta-webindexer را فعال کردند. اگرچه درخواست‌های این ربات‌ها در گذشته از آدرس‌های IP عمومی متعلق به Meta ارسال می‌شد، اما این بار این‌گونه نبود. این موضوع نشان‌دهنده تغییر رفتار خزنده وب هوش مصنوعی Meta برای جلوگیری از شناسایی و مسدود شدن توسط وب‌سایت‌ها است. در بازه ۲۰ روزه پس از عرضه Muse، افزایش درخواست‌های تاییدنشده ربات meta-webindexer در سایت‌های آمریکا و کانادا ۱.۶ برابر بیشتر از سایر مناطق جهان در مقایسه با دوره قبل از عرضه بود. این یافته‌ها نشان می‌دهد که ابزاری مانند Muse تا چه حد بر محصولاتی که مصرف‌کنندگان مشاهده و خریداری می‌کنند، کنترل دارد.