llms.txt கோப்பு: e-commerce பிராண்டுகள் (brand) தங்கள் பொருட்களை AI-ஆல் கண்டுபிடிக்கச் செய்வது எப்படி

பெரும்பாலான தள உரிமையாளர்களுக்கு robots.txt மற்றும் sitemap.xml தெரியும் - தேடுபொறி crawlers-ஐ வழிநடத்தும் பின்னணிக் கோப்புகள். புதிய ஒரு கோப்பு அவற்றுடன் இணைகின்றது: llms.txt - ChatGPT, Gemini, Perplexity போன்ற large language models-க்காகவே வடிவமைக்கப்பட்டது. robots.txt என்ன crawl செய்யலாம் என்று கூற, sitemap.xml தேடுபொறிகளுக்குப் பக்கங்களை வரைபடமாக்க, llms.txt AI bots-களுக்கு ஒரு அறிவுரைக் கையேடாகச் செயல்படுகின்றது - பொருட்கள், brand, shipping, கொள்கைகள் பற்றிய வாடிக்கையாளர் கேள்விகளுக்குப் பதிலளிக்கும் உள்ளடக்கத்திற்கு (content) அவற்றை நோக்குவது.

இது முக்கியம் ஏனெனில் AI agents மக்கள் ஷாப்பிங் (shopping) செய்யும் விதத்தை மாற்றுகின்றன: வாங்குபவர்கள் பெரிதும் ஒரு உதவியாளரிடம் தங்கள் அளவுகோல்களைப் பூர்த்தி செய்யும் சிறந்த பொருளைக் கேட்கின்றனர்; AI தான் கண்டுபிடிக்கக்கூடிய தரவின் (data) அடிப்படையில் தேர்ந்தெடுக்கின்றது. AI-க்குப் பகுப்பாய்வு செய்யக் கடினமான தகவல் கொண்ட பொருட்கள் இந்த ஷாப்பர்களுக்குக் (shop) காணாமல் போகின்றன. llms.txt அமைப்பது என்றால்: இணையதள (internet) மூலத்தில் கோப்பை உருவாக்கி, CSV அல்லது JSON-இல் product feeds, category பக்கங்கள், விரிவான FAQs, shipping மற்றும் return கொள்கைகள், brand கதை ஆகியவற்றிற்கான நேரடி இணைப்புகளை ஒரு வரிக்கு ஒன்றாகப் பட்டியலிடுவது; ஒவ்வொரு பிரிவையும் எளிய கருத்துகளால் குறிப்பது. சிறந்த நடைமுறைகள்: பொருட்கள் அல்லது கொள்கைகள் மாறும்போது புதுப்பியுங்கள்; இணைப்புகளை login இன்றிப் பொதுவில் அணுகக்கூடியதாக வையுங்கள்; தெளிவான, செழுமையான உள்ளடக்கப் (content) பக்கங்களுக்கு முன்னுரிமை தருங்கள். எளிய தொடக்கப் புள்ளி: product catalog-ஐ CSV-ஆக ஏற்றுமதி (export) செய்து, பொது unlisted இணைப்பில் நடத்தி, கோப்பில் குறிப்பிடுவது.

AI ஷாப்பிங் (shopping) ஏன் திடீரென வேலை செய்கின்றது என்பதை விளக்கும் ஒரு தொடர்புடைய வரலாற்றுக் குறிப்பு: 2017 ஆராய்ச்சிக் கட்டுரை 'Attention Is All You Need' Transformer-ஐ அறிமுகப்படுத்தியது - வார்த்தை வார்த்தையாகப் படிப்பதற்குப் பதிலாக, ஒரு வாக்கியத்தில் எங்கே தோன்றினாலும் மிக முக்கியமான வார்த்தைகளைக் கணினிகள் (computer) மதிப்பீடு செய்ய அனுமதித்தது. அந்த முன்னேற்றமே இன்றைய chatbots, குரல் உதவியாளர்கள், ஷாப்பிங் (shopping) agents-களின் அடிப்படை; விற்பனையாளர்களுக்கு இது நுண்ணிய product தேடல், ஷாப்பரின் (shop) சார்பில் ஒப்பிட்டு வாங்கும் AI agents, இரவுபகல் தானியங்கு (automation) வாடிக்கையாளர் சேவை, அதிக தனிப்பயனாக்கப்பட்ட பரிந்துரைகள் எனப் பொருள்படுகின்றது.

Google தனது I/O 2025 மாநாட்டில் நுகர்வோர் பயணத்தின் மையத்தில் AI-ஐ வைத்தது. AI Mode - உரையாடல் தேடல் அனுபவம் - இப்போது எல்லா அமெரிக்கப் (America) பயனர்களுக்கும் நேரடியாக உள்ளது; schema markup மற்றும் கட்டமைக்கப்பட்ட உள்ளடக்கம் (content) மூலம் AI-உருவாக்கிய பதில்களுக்கான மேம்படுத்தலை, கிளாசிக் SEO அளவுக்கு முக்கியமாக்குகின்றது. Visual commerce பெருகின்றது: Google Lens பயன்பாடு வருடாந்திர 65 சதவீதம் உயர்வு; Search Live video அம்சம்; fashion-க்கு photorealistic virtual try-on. புதிய AI agent ஒன்று checkout விவரங்களை முடித்து coupons-ஐப் பயன்படுத்த முடியும்; price tracking ஷாப்பர்களுக்கு (shop) உடனடி விலைக் குறைவு எச்சரிக்கைகளைத் தருகின்றது. Gemini 2.5 Pro மற்றும் Project Astra முன்னெச்சரிக்கை, சூழல்-உணரும் உதவியை வாக்குறுதி தருகின்றன; Imagen 4, Veo 3, Stitch உட்பட்ட உருவாக்கக் கருவிகள் படங்கள், video, landing பக்கங்களை தானியங்குபடுத்துகின்றன (automation); SynthID AI உள்ளடக்கத்தை (content) watermark செய்கின்றது. Android XR smart glasses ஒரு augmented ஷாப்பிங் (shopping) எதிர்காலத்தைச் சுட்டிக் காட்டுகின்றன. மூலோபாய அறிவுரை: structured தரவை (data) மதிப்பாய்வு (evaluation) செய்யுங்கள்; video மற்றும் 3D assets-இல் முதலீடு (investment) செய்யுங்கள்; AI crawlers-க்கு எதிராகத் தளங்களைச் சோதியுங்கள்; தானியங்கு (automation) deal-கண்காணிப்புக் காலத்திற்காக விலையை மறுசிந்தியுங்கள்; carts-ஐ மீட்கும் உதவியாளர்களின் prototypes-ஐ உருவாக்குங்கள்.

Review இணக்கம் தொடர்ந்தும் நேரடி அபாயமாக உள்ளது: ஒரு ஒன்பது-இலக்க விற்பனையாளர் review கையாளல் குற்றச்சாட்டுகளில் 10 நாட்களில் $2 மில்லியன் இழந்ததாகக் கூறப்படுகின்றது; விற்பனையாளர் சமூகத்தில் பரவும் இலவச கல்வி வழிகாட்டிகள், reviews என்றால் என்ன, அவற்றை நியாயமாக எவ்வாறு பெறுவது, சிக்கலில் சிக்காமல் இருப்பது எப்படி என்பதை விவரிக்கின்றன.

விரைவுச் செய்திகள்: ஒரு Amazon அறிக்கை விற்பனையாளர்களுக்கு $2.5 டிரில்லியன் உருவாக்கியதையும் 2 மில்லியனுக்கு மேற்பட்ட அமெரிக்க (America) வேலைகளைப் படைத்ததையும் காரணமாகக் கூறுகின்றது; பல வருடங்களுக்கு முன் செய்யப்பட்ட returns-க்கு Amazon $1 பில்லியனுக்கு மேல் திருப்பிச் செலுத்தியது; TikTok, முக்கிய business development பணியிடங்கள் உட்பட நூற்றுக்கணக்கான அமெரிக்க (America) ஊழியர்களை நீக்கியது; ஒரு marketplace analytics நிறுவனத்தின் தரவுப்படி (data), TikTok-இல் முதலில் ஒரு பொருளைக் கண்டுபிடிக்கும் ஷாப்பர்களில் (shop) 71 சதவீதம் இறுதியில் அதை Amazon-இல் வாங்குகின்றனர்.