Maak je webshop
agent-ready.

De vraag voor 2026: lezen machines jouw shop net zo goed als mensen?

Als een mens jouw webshop bezoekt, ziet hij banners, foto's, kortingen en koopknoppen. Een AI-agent ziet iets anders: hij ziet jouw data. Productspecs, prijzen, voorraad, retourvoorwaarden, reviews. Hij verwerkt die data in milliseconden en bouwt op basis daarvan een beoordeling op: koop ik hier wel of niet?

Een webshop “agent-ready” maken betekent in essentie: zorgen dat een machine jouw aanbod net zo goed kan lezen, beoordelen en vertrouwen als een goed geïnformeerde menselijke bezoeker. Dat raakt vier lagen: data, infrastructuur, instructies en autoriteit.

Laag 1: Data — zorg dat alles machineleesbaar is

De eerste laag is de meest concrete. Hier maak je je productdata volledig leesbaar voor machines via Schema.org structured data in JSON-LD-formaat.

Het minimumpakket per productpagina

• @type: Product met name, description, image, brand, sku, gtin.
• offers met price, priceCurrency, availability, priceValidUntil, itemCondition.
• aggregateRating met ratingValue en reviewCount.
• Meerdere review-objecten met reviewBody, author en reviewRating.
• hasMerchantReturnPolicy dat verwijst naar een gestructureerde retourpolicy.
• shippingDetails met handlingTime, transitTime en shippingDestination.

Categoriepagina's en taxonomie

Naast productpagina's zijn ook je categoriepagina's belangrijk. Voeg toe:

• BreadcrumbList voor pad-context.
• ItemList met de top-N producten in de categorie.
• FAQ-schema op categoriepagina's die productselectie-vragen beantwoorden.

Laag 2: Infrastructuur — feeds, API's en MCP

Structured data op pagina's is de eerste stap. Maar agents werken niet zoals zoekmachines die heel het web crawlen. Ze hebben vaak directe toegang nodig tot je catalogus. Daarvoor is infrastructuur nodig.

Productfeed

Een open productfeed is dé manier om je catalogus aan agents te ontsluiten. Naast de bekende Google Merchant feed wordt steeds vaker een Schema.org-formaat gebruikt. Belangrijke vereisten:

• Bevat álle producten, niet alleen je bestsellers.
• Wordt minimaal elk uur ververst voor voorraad en prijs.
• Includeert media (afbeeldingen, video, 360-views).
• Bevat machineleesbare specs (formaten, kleuren, materialen).

Voorraad-API

Niets is voor een agent zo riskant als een product aanraden dat niet meer leverbaar blijkt. Een realtime voorraad-API of webhook is daarom een sterke onderscheidende factor. Geen volle ERP-API nodig — een endpoint dat productId → inStock | outOfStock | backorder teruggeeft is al een begin.

MCP-integratie

MCP (Model Context Protocol) is een open standaard waarmee AI-agents context en tools van externe systemen kunnen aanroepen. Voor webshops betekent dit: je kunt een MCP-server publiceren die agents toegang geeft tot je catalogus, voorraad en orderstatus — zonder dat ze een browser hoeven te openen. In 2026 is dit nog vroeg, maar pioniers krijgen ervaringsvoorsprong.

Laag 3: Instructies — vertel agents hoe ze je site moeten lezen

Agents respecteren signalen die je expliciet geeft. Drie instrumenten zijn nu standaard:

llms.txt en llms-full.txt

Een opkomende standaard, vergelijkbaar met robots.txt maar specifiek voor large language models. Plaats deze in de root van je domein. llms.txtbevat een korte beschrijving van je site, je belangrijkste URL's en je productcatalogus-pointers.llms-full.txt bevat een uitgebreidere versie met meer context.

Robots.txt — verfijnd

Robots.txt heeft een nieuwe rol. Naast crawlers van Google en Bing kom je nu user-agents tegen als GPTBot, PerplexityBot, ClaudeBot en Google-Extended. Beslis bewust welke je toestaat — volledig blokkeren is meestal contraproductief voor commerciële zichtbaarheid.

Sitemap.xml met product-index

Een nette sitemap blijft fundament. Voeg een aparte product-sitemap toe en update deze bij nieuwe of verwijderde producten. Voor grote catalogi (10.000+ producten) gebruik je een sitemap-index.

Laag 4: Autoriteit — bouw aan vertrouwen dat machines kunnen meten

Een agent zal pas voor jouw shop kiezen als hij je vertrouwt. Net zoals in klassieke SEO autoriteit bepalend is, geldt dat hier nog sterker. Concrete acties:

• Actieve review-strategie. Minimaal 50 reviews per topproduct, recent en gestructureerd. Maak het je klanten zo makkelijk mogelijk om te reviewen.
• Onafhankelijke citaties. Verschijn in vergelijkingen, reviewblogs en branche-artikelen. Niet betaald reclame, maar inhoudelijk genoemd worden.
• Brand-signalen.Mensen die zoeken op “jouw merk + categorie” in plaats van alleen op de categorie. Dit is een sterk autoriteits-signaal.
• Externe trust-signalen. Trustpilot, Klanten Vertellen, Thuiswinkel Waarborg, branche-keurmerken.
• E-E-A-T-content.Inhoudelijke pagina's waarin je expertise toont in jouw productcategorie.

De agent-ready checklist

Een verkorte versie van de tien-vragen-tool, gegroepeerd op categorie:

Een twaalfmaanden-roadmap voor het MKB

Voor een gemiddelde Nederlandse webshop met een team van twee tot zes mensen ziet een realistische roadmap er als volgt uit:

Maand 1–2: Quick wins

• Volledige Schema.org-markup op top 100 producten.
• llms.txt en llms-full.txt in de root.
• Robots.txt herzien voor agent-bots.
• MerchantReturnPolicy in JSON-LD.

Maand 3–4: Feeds en data-kwaliteit

• Productfeed-audit en upgrade.
• Voorraad-update-frequentie verhogen.
• Specs-data normaliseren (formaten, kleuren, materialen).

Maand 5–7: Trust-laag

• Review-strategie opzetten of versterken.
• Trustpilot- of Klanten Vertellen-integratie.
• PR en brand-mention-campagne.

Maand 8–10: Infrastructuur

• Voorraad-API en/of MCP-server prototype.
• Aansluiten op Visa Intelligent Commerce of equivalent.
• Agent-friendly checkout verkennen.

Maand 11–12: Meten en stabiliseren

• Logbestand-analyse op agent-traffic.
• Verwijsverkeer vanaf AI-platforms volgen.
• A/B-tests op productdata-volledigheid.
• Documenteren en team trainen.

Veelgemaakte fouten

• Alleen op de bestsellers focussen. Agents zoeken juist vaak naar long-tail producten. Volledige catalogus-dekking is een onderscheidende factor.
• Structured data plaatsen die niet matcht met de zichtbare data. Bedrijven die data “mooier maken” dan de werkelijkheid krijgen sancties — agents detecteren mismatches.
• llms.txt vergeten te updaten.Een statisch bestand uit 2024 dat verwijst naar URL's die niet meer bestaan, schaadt je betrouwbaarheid.
• Alle agent-bots blokkeren in robots.txt. Begrijpelijk uit voorzichtigheid, maar je verliest commerciële zichtbaarheid. Maak bewuste keuzes per bot.