Adobe Introduces AI-Powered Product Discovery for LLM-Based Shopping

Adobe Introduces AI-Powered Product Discovery for LLM-Based Shopping

Adobe Introduces AI-Powered Product Discovery for LLM-Based Shopping

The retail landscape is experiencing a major shift as conversational AI becomes a primary channel for product discovery. 

Instead of relying solely on traditional storefront search engines or online marketplaces, consumers are increasingly turning to large language models (LLMs) such as ChatGPT, Claude, Microsoft Copilot, and Gemini to compare options and seek buying advice before visiting a website.

According to Adobe Digital Insights, AI-driven traffic to US retail sites surged by 125% between April and June 2026 compared to the previous year, building on a massive 693% year-over-year growth observed during the 2025 holiday shopping season. 

To succeed in this new era, brands must ensure their products can be easily understood and confidently recommended by AI assistants.

To address this demand, Adobe Commerce has launched its native Adobe Catalog Agent, designed to optimize product catalogs specifically for AI-powered discovery surfaces without requiring a redesign of existing storefronts. 

While human shoppers continue to see the standard product detail pages and media, the system generates a machine-readable layer beneath the surface. 

This layer exposes detailed specifications, attributes, compatibility details, availability, pricing, and structural product relationships directly to AI crawlers. 

By providing deeper context, the platform allows conversational AI applications to accurately interpret user intent and connect complex search queries to the appropriate inventory.

A core advantage of the Catalog Agent is its "source-first" approach to brand messaging and consistency across all sales channels. 

By enhancing product names, descriptions, and use-case narratives directly within the primary Commerce catalog, Adobe ensures that all downstream surfaces—including ad pipelines, external marketplaces, storefronts, and LLM search interfaces—stay aligned on identical, governed data. 

This eliminates discrepancies in product narratives, preventing AI assistants from misinterpreting a product's purpose or overlooking relevant items during customer consultations.

From an operational and technical standpoint, this agentic AI functionality provides high utility without added architecture complexity. 

Built natively into Adobe Commerce on Cloud (PaaS), the feature eliminates the need for merchants to manage custom integrations, third-party add-ons, or duplicate data pipelines. 

Technical teams can effortlessly expose live catalog data, inventory levels, and pricing structures directly to AI search agents. 

This allows organizations to adapt to conversational shopping models quickly while preserving their investments in their existing Adobe ecosystem.

Ultimately, the rise of LLM-driven commerce reframes the product catalog from a simple database into a strategic asset. 

While conventional search engine optimization (SEO) and feed management remain necessary, long-term product visibility will increasingly depend on structured knowledge rather than keyword matching alone. 

By establishing an AI-ready catalog foundation today, business leaders can capture intent-driven traffic upstream, improve customer recommendation accuracy, and prepare their digital commerce operations for the next phase of agentic shopping.

Adobe ने LLM-बेस्ड शॉपिंग के लिए AI-पावर्ड प्रोडक्ट डिस्कवरी पेश की

रिटेल लैंडस्केप में एक बड़ा बदलाव देखने को मिल रहा है क्योंकि बातचीत वाला AI प्रोडक्ट डिस्कवरी का मुख्य चैनल बन गया है।

सिर्फ़ पुराने स्टोरफ़्रंट सर्च इंजन या ऑनलाइन मार्केटप्लेस पर निर्भर रहने के बजाय, कस्टमर किसी वेबसाइट पर जाने से पहले ऑप्शन की तुलना करने और खरीदने की सलाह लेने के लिए ChatGPT, Claude, Microsoft Copilot और Gemini जैसे बड़े लैंग्वेज मॉडल (LLM) की ओर तेज़ी से बढ़ रहे हैं।

Adobe Digital Insights के अनुसार, अप्रैल और जून 2026 के बीच US रिटेल साइट्स पर AI-ड्रिवन ट्रैफ़िक पिछले साल की तुलना में 125% बढ़ गया, जो 2025 के हॉलिडे शॉपिंग सीज़न के दौरान देखी गई 693% साल-दर-साल की भारी बढ़ोतरी पर आधारित है।

इस नए दौर में सफल होने के लिए, ब्रांड्स को यह पक्का करना होगा कि उनके प्रोडक्ट्स को AI असिस्टेंट आसानी से समझ सकें और भरोसे के साथ रिकमेंड कर सकें।

इस डिमांड को पूरा करने के लिए, Adobe Commerce ने अपना नेटिव Adobe Catalog Agent लॉन्च किया है, जिसे मौजूदा स्टोरफ़्रंट को रीडिज़ाइन किए बिना खास तौर पर AI-पावर्ड डिस्कवरी सरफेस के लिए प्रोडक्ट कैटलॉग को ऑप्टिमाइज़ करने के लिए डिज़ाइन किया गया है। 

जबकि इंसानी खरीदार स्टैंडर्ड प्रोडक्ट डिटेल पेज और मीडिया देखते रहते हैं, सिस्टम सतह के नीचे एक मशीन-रीडेबल लेयर बनाता है।

यह लेयर डिटेल्ड स्पेसिफिकेशन, एट्रिब्यूट, कम्पैटिबिलिटी डिटेल, अवेलेबिलिटी, प्राइसिंग और स्ट्रक्चरल प्रोडक्ट रिलेशनशिप को सीधे AI क्रॉलर को दिखाती है।

गहरा कॉन्टेक्स्ट देकर, प्लेटफ़ॉर्म कन्वर्सेशनल AI एप्लिकेशन को यूज़र के इरादे को सही ढंग से समझने और मुश्किल सर्च क्वेरी को सही इन्वेंट्री से जोड़ने की सुविधा देता है।

कैटलॉग एजेंट का एक मुख्य फ़ायदा ब्रांड मैसेजिंग के लिए इसका "सोर्स-फर्स्ट" अप्रोच और सभी सेल्स चैनल पर कंसिस्टेंसी है।

प्राइमरी कॉमर्स कैटलॉग में सीधे प्रोडक्ट के नाम, डिस्क्रिप्शन और यूज़-केस नैरेटिव को बेहतर बनाकर, Adobe यह पक्का करता है कि सभी डाउनस्ट्रीम सरफेस—जिसमें ऐड पाइपलाइन, बाहरी मार्केटप्लेस, स्टोरफ्रंट और LLM सर्च इंटरफ़ेस शामिल हैं—एक जैसे, कंट्रोल किए गए डेटा पर अलाइन रहें।

यह प्रोडक्ट नैरेटिव में अंतर को खत्म करता है, जिससे AI असिस्टेंट किसी प्रोडक्ट के मकसद को गलत समझने या कस्टमर कंसल्टेशन के दौरान ज़रूरी आइटम को नज़रअंदाज़ करने से बचते हैं।

ऑपरेशनल और टेक्निकल नज़रिए से, यह एजेंटिक AI फंक्शनैलिटी बिना किसी एक्स्ट्रा आर्किटेक्चर कॉम्प्लेक्सिटी के हाई यूटिलिटी देती है। 

Adobe Commerce on Cloud (PaaS) में नेटिवली बना यह फ़ीचर, मर्चेंट्स को कस्टम इंटीग्रेशन, थर्ड-पार्टी ऐड-ऑन या डुप्लीकेट डेटा पाइपलाइन मैनेज करने की ज़रूरत खत्म कर देता है।

टेक्निकल टीमें आसानी से लाइव कैटलॉग डेटा, इन्वेंट्री लेवल और प्राइसिंग स्ट्रक्चर को सीधे AI सर्च एजेंट्स को दिखा सकती हैं।

इससे ऑर्गनाइज़ेशन्स अपने मौजूदा Adobe इकोसिस्टम में अपने इन्वेस्टमेंट को बचाते हुए बातचीत वाले शॉपिंग मॉडल्स को तेज़ी से अपना सकते हैं।

आखिर में, LLM-ड्रिवन कॉमर्स के बढ़ने से प्रोडक्ट कैटलॉग एक सिंपल डेटाबेस से एक स्ट्रेटेजिक एसेट में बदल जाता है।

हालांकि कन्वेंशनल सर्च इंजन ऑप्टिमाइज़ेशन (SEO) और फ़ीड मैनेजमेंट ज़रूरी बने हुए हैं, लेकिन लंबे समय तक प्रोडक्ट विज़िबिलिटी सिर्फ़ कीवर्ड मैचिंग के बजाय स्ट्रक्चर्ड नॉलेज पर ज़्यादा निर्भर करेगी।

आज एक AI-रेडी कैटलॉग फ़ाउंडेशन बनाकर, बिज़नेस लीडर्स इंटेंट-ड्रिवन ट्रैफ़िक को अपस्ट्रीम कैप्चर कर सकते हैं, कस्टमर रिकमेंडेशन एक्यूरेसी में सुधार कर सकते हैं, और एजेंटिक शॉपिंग के अगले फ़ेज़ के लिए अपने डिजिटल कॉमर्स ऑपरेशन्स को तैयार कर सकते हैं।

LLM-ఆధారిత షాపింగ్ కోసం అడోబ్, AI-శక్తితో పనిచేసే ఉత్పత్తి ఆవిష్కరణను పరిచయం చేసింది

సంభాషణాత్మక AI ఉత్పత్తి ఆవిష్కరణకు ఒక ప్రధాన మాధ్యమంగా మారుతుండటంతో, రిటైల్ రంగం ఒక పెద్ద మార్పును చూస్తోంది.

కేవలం సాంప్రదాయ స్టోర్‌ఫ్రంట్ సెర్చ్ ఇంజన్లు లేదా ఆన్‌లైన్ మార్కెట్‌ప్లేస్‌లపై ఆధారపడటానికి బదులుగా, వినియోగదారులు ఒక వెబ్‌సైట్‌ను సందర్శించే ముందు ఎంపికలను పోల్చి చూసుకోవడానికి మరియు కొనుగోలు సలహా కోరడానికి ChatGPT, Claude, Microsoft Copilot, మరియు Gemini వంటి పెద్ద భాషా నమూనాల (LLMలు) వైపు ఎక్కువగా మొగ్గు చూపుతున్నారు.

అడోబ్ డిజిటల్ ఇన్‌సైట్స్ ప్రకారం, 2025 హాలిడే షాపింగ్ సీజన్‌లో గమనించిన భారీ 693% వార్షిక వృద్ధికి కొనసాగింపుగా, గత సంవత్సరంతో పోలిస్తే ఏప్రిల్ మరియు జూన్ 2026 మధ్య అమెరికా రిటైల్ సైట్‌లకు AI-ఆధారిత ట్రాఫిక్ 125% పెరిగింది.

ఈ కొత్త శకంలో విజయం సాధించాలంటే, బ్రాండ్‌లు తమ ఉత్పత్తులను AI అసిస్టెంట్లు సులభంగా అర్థం చేసుకోగలవని మరియు విశ్వాసంతో సిఫార్సు చేయగలవని నిర్ధారించుకోవాలి.

 ఈ డిమాండ్‌ను పరిష్కరించడానికి, అడోబ్ కామర్స్ తన నేటివ్ అడోబ్ కేటలాగ్ ఏజెంట్‌ను ప్రారంభించింది. ఇది ఇప్పటికే ఉన్న స్టోర్‌ఫ్రంట్‌లను పునఃరూపకల్పన చేయాల్సిన అవసరం లేకుండా, ప్రత్యేకంగా AI-ఆధారిత డిస్కవరీ సర్ఫేస్‌ల కోసం ఉత్పత్తి కేటలాగ్‌లను ఆప్టిమైజ్ చేయడానికి రూపొందించబడింది.

మానవ కొనుగోలుదారులు ప్రామాణిక ఉత్పత్తి వివరాల పేజీలు మరియు మీడియాను చూడటం కొనసాగిస్తున్నప్పటికీ, ఈ సిస్టమ్ ఉపరితలం క్రింద మెషిన్-రీడబుల్ లేయర్‌ను సృష్టిస్తుంది.

ఈ లేయర్ వివరణాత్మక స్పెసిఫికేషన్‌లు, లక్షణాలు, అనుకూలత వివరాలు, లభ్యత, ధర మరియు నిర్మాణాత్మక ఉత్పత్తి సంబంధాలను నేరుగా AI క్రాలర్‌లకు బహిర్గతం చేస్తుంది.

లోతైన సందర్భాన్ని అందించడం ద్వారా, ఈ ప్లాట్‌ఫారమ్ సంభాషణాత్మక AI అప్లికేషన్‌లను వినియోగదారు ఉద్దేశాన్ని ఖచ్చితంగా అర్థం చేసుకోవడానికి మరియు సంక్లిష్టమైన శోధన ప్రశ్నలను సరైన ఇన్వెంటరీకి కనెక్ట్ చేయడానికి అనుమతిస్తుంది.

కేటలాగ్ ఏజెంట్ యొక్క ప్రధాన ప్రయోజనం, బ్రాండ్ మెసేజింగ్ మరియు అన్ని సేల్స్ ఛానెళ్లలో స్థిరత్వం కోసం దాని "సోర్స్-ఫస్ట్" విధానం.

ప్రాథమిక కామర్స్ కేటలాగ్‌లోనే ఉత్పత్తి పేర్లు, వివరణలు మరియు వినియోగ-కేసు కథనాలను మెరుగుపరచడం ద్వారా, యాడ్ పైప్‌లైన్‌లు, బాహ్య మార్కెట్‌ప్లేస్‌లు, స్టోర్‌ఫ్రంట్‌లు మరియు LLM సెర్చ్ ఇంటర్‌ఫేస్‌లతో సహా అన్ని డౌన్‌స్ట్రీమ్ సర్ఫేస్‌లు ఒకే విధమైన, నియంత్రిత డేటాపై సమలేఖనం చేయబడ్డాయని అడోబ్ నిర్ధారిస్తుంది.

 ఇది ఉత్పత్తి వివరణలలోని వ్యత్యాసాలను తొలగిస్తుంది, తద్వారా కస్టమర్ సంప్రదింపుల సమయంలో AI సహాయకులు ఒక ఉత్పత్తి యొక్క ఉద్దేశ్యాన్ని తప్పుగా అర్థం చేసుకోవడం లేదా సంబంధిత అంశాలను విస్మరించడం వంటివి జరగకుండా నివారిస్తుంది.

కార్యాచరణ మరియు సాంకేతిక దృక్కోణం నుండి చూస్తే, ఈ ఏజెంటిక్ AI కార్యాచరణ అదనపు ఆర్కిటెక్చర్ సంక్లిష్టత లేకుండా అధిక ప్రయోజనాన్ని అందిస్తుంది.

Adobe Commerce on Cloud (PaaS)లో స్థానికంగా నిర్మించబడిన ఈ ఫీచర్, వ్యాపారులు కస్టమ్ ఇంటిగ్రేషన్‌లు, థర్డ్-పార్టీ యాడ్-ఆన్‌లు లేదా డూప్లికేట్ డేటా పైప్‌లైన్‌లను నిర్వహించాల్సిన అవసరాన్ని తొలగిస్తుంది.

సాంకేతిక బృందాలు లైవ్ కేటలాగ్ డేటా, ఇన్వెంటరీ స్థాయిలు మరియు ధరల నిర్మాణాలను నేరుగా AI సెర్చ్ ఏజెంట్‌లకు సులభంగా అందించగలవు.

ఇది సంస్థలు తమ ప్రస్తుత Adobe ఎకోసిస్టమ్‌లో చేసిన పెట్టుబడులను కాపాడుకుంటూనే, సంభాషణాత్మక షాపింగ్ నమూనాలకు త్వరగా అనుగుణంగా మారడానికి వీలు కల్పిస్తుంది.

అంతిమంగా, LLM-ఆధారిత కామర్స్ పెరుగుదల ఉత్పత్తి కేటలాగ్‌ను ఒక సాధారణ డేటాబేస్ నుండి ఒక వ్యూహాత్మక ఆస్తిగా పునర్నిర్మిస్తుంది.

సాంప్రదాయ సెర్చ్ ఇంజిన్ ఆప్టిమైజేషన్ (SEO) మరియు ఫీడ్ నిర్వహణ అవసరమైనప్పటికీ, దీర్ఘకాలిక ఉత్పత్తి దృశ్యమానత కేవలం కీవర్డ్ మ్యాచింగ్‌పై కాకుండా, నిర్మాణాత్మక జ్ఞానంపై ఎక్కువగా ఆధారపడి ఉంటుంది.

 ఈ రోజు AI-కి సిద్ధంగా ఉన్న కేటలాగ్ పునాదిని ఏర్పాటు చేయడం ద్వారా, వ్యాపార నాయకులు ఉద్దేశ్య-ఆధారిత ట్రాఫిక్‌ను ముందుగానే సంగ్రహించగలరు, కస్టమర్ సిఫార్సుల కచ్చితత్వాన్ని మెరుగుపరచగలరు మరియు ఏజెంటిక్ షాపింగ్ యొక్క తదుపరి దశకు తమ డిజిటల్ కామర్స్ కార్యకలాపాలను సిద్ధం చేసుకోగలరు.