Ausgangsfrage
nukipa hat dazu zwei begrenzte Tests gefahren:
Findet ein Agent bei Würth ein Produkt — und kommt er bis zum Kauf?
Wir schicken einen Agenten mit realen Kaufaufträgen los und protokollieren jeden Schritt: welche Suchanfragen er stellt, welche Seiten er öffnet, welche Preise und Artikelnummern er nennt.
Wird der Webshop für Agenten navigierbarer, wenn wir die Daten aufbereiten?
Wir stellen öffentliche Shop-Daten als Werkzeuge bereit und fahren dieselben Kaufanfragen zweimal: einmal mit normaler Websuche, einmal mit diesem Datenlayer.
Ergebnisse
Gefragt nach dem Produkt statt nach Würth, empfiehlt der Agent Bosch, Milwaukee und Makita — und schickt zum Kauf zu Contorion.
Der Agent findet die richtigen Produktseiten, wird aber bei jedem Abruf abgewiesen — während er Wettbewerber-Seiten problemlos liest.
Bekommt derselbe Agent strukturierte Shop-Daten, erfindet er nichts mehr und nennt jeden Preis korrekt.
Berichte
Vollständige Transkripte, jede Suchanfrage, jede geprüfte Adresse.
Vorschlag
Beide Tests liefen mit einem Modell auf einer Kategorie. Das reicht für das Muster, nicht für die Priorisierung.
12 Läufe
1 von 15 Feldern gemessen
180 Läufe
15 von 15 Feldern · 4 Szenarien · 3 Wiederholungen
Würth wählt fünf Sortimentsbereiche. nukipa baut die Szenarien. Keine IT-Ressourcen nötig.
180 protokollierte Läufe über drei Modelle. Bericht, Präsentation, Rohdaten.
Gemeinsame Auswertung: Welche Kategorie bremst am stärksten, welcher Hebel zuerst.
Monatlich wiederholt. Zeigt, ob die Maßnahmen wirken — oder nicht.
Abbruchstufe je Kategorie und Modell — statt einer Sichtbarkeitsquote ohne Ursache.
Die Zahl, die ohne Server-Logs intern nicht verfügbar ist — je Kennung und Seitentyp.
Dieselbe Messung monatlich. Veränderung wird sichtbar, statt behauptet.
Bericht und Präsentation je Welle — ohne Erklärbedarf lesbar, inklusive Grenzen.
Wer sich heute festlegt, baut möglicherweise umsonst. Schritt 1 ist davon unabhängig und liefert schon vorher Antworten.
Wird Würth erwähnt?
Kann ein Agent bei Würth kaufen?