Adobe Analytics ने इस हफ़्ते Q1 2026 के खुदरा-ट्रैफ़िक आँकड़े जारी किए: US के ई-कॉमर्स स्थलों पर AI द्वारा रेफ़र की गई विज़िट्स सालाना 393 प्रतिशत बढ़ीं, और मार्च 2026 का आँकड़ा बारह महीने पहले के उसी महीने से 269 प्रतिशत ऊपर है। Adobe का नमूना US खुदरा स्थलों की 1 ट्रिलियन विज़िट्स के साथ-साथ 5,000 उपभोक्ताओं का एक सर्वे है। अधिक दिलचस्प आँकड़े व्यवहार पर हैं। AI से रेफ़र हुआ ट्रैफ़िक ग़ैर-AI ट्रैफ़िक की तुलना में 42 प्रतिशत बेहतर रूपांतरित होता है, स्थल पर 48 प्रतिशत अधिक समय बिताता है, प्रति विज़िट 13 प्रतिशत अधिक पृष्ठ देखता है, और प्रति विज़िट 37 प्रतिशत अधिक राजस्व उत्पन्न करता है। सुर्ख़ी वाली वृद्धि-दर लगभग-शून्य आधार से शुरू होती है; रूपांतरण और engagement मीट्रिक ही असली संकेत हैं।
Adobe जो माप रहा है वह "रेफ़रल्स" हैं: वे उपयोगकर्ता जो ChatGPT, Gemini, Perplexity, Copilot या किसी अन्य असिस्टेंट से किसी खुदरा-विक्रेता की ओर क्लिक करके गए। Adobe ने इस रिलीज़ में प्लेटफ़ॉर्म-स्तर का attribution प्रकाशित नहीं किया, और वही वह आँकड़ा है जो खुदरा-विक्रेता असल में जानना चाहते हैं। यह व्यवहार-अंतर आंशिक रूप से एक selection effect है। जो शॉपर ChatGPT से पूछता है "मुझे चपटे पैरों के लिए 150 डॉलर से कम क़ीमत की रनिंग शू सुझाओ", वह क्लिक करने से पहले ही अपनी मंशा संकरी कर चुका है, इसलिए वह स्वाभाविक रूप से बिना दिशा वाली search या सोशल से आए आगंतुक से बेहतर रूपांतरित होगा। यह selection effect राजस्व प्रभाव को कम वास्तविक नहीं बनाता। इसका अर्थ यह है कि "AI ट्रैफ़िक के लिए optimize करना" "AI द्वारा अनुशंसित उत्तर बनने" के अधिक निकट है, और "AI-लक्षित विज्ञापन अभियान चलाने" के कम, और Adobe का डेटा अभी इन दो खेल-पुस्तिकाओं के बीच भेद नहीं कर पाता।
यह पहली तिमाही है जब "चैटबॉट एक खुदरा-खोज-सतह है" वाली थीसिस के नीचे रक्षात्मक आँकड़े मौजूद हैं। कल यहाँ कवर की गई Starbucks-में-ChatGPT वाली वास्तुकला इन आँकड़ों को देखने पर कहीं अधिक तर्कसंगत हो जाती है। यदि AI से रेफ़र हुआ ट्रैफ़िक आपके मौजूदा चैनल की तुलना में 42 प्रतिशत बेहतर रूपांतरित होता है और प्रति विज़िट 37 प्रतिशत अधिक राजस्व देता है, तो अपने ब्रांड को ChatGPT ऐप के रूप में पंजीकृत कराना, deep link के ज़रिए अपने चेकआउट पर handoff के साथ, आज के निरपेक्ष आयतन से स्वतंत्र रूप से एक सीधा सकारात्मक-अपेक्षित-मूल्य निर्णय है। कुल आयतन search और direct की तुलना में अभी भी छोटे हैं, लेकिन 393 प्रतिशत की वार्षिक वृद्धि, छोटे आधार से भी, दो वर्षों में एक सार्थक चैनल बना देती है। अगले 12 महीनों में अपनी कैटलॉग, schema markup और ब्रांड-विवरण को AI-पुनर्प्राप्ति के लिए optimize करने वाले खुदरा-विक्रेता 2027 में चतुर दिखेंगे। जो इसे 2028 की समस्या मानते हैं, शायद नहीं।
खुदरा या commerce stack पर बनाने वाले किसी भी व्यक्ति के लिए, तीन ठोस क़दम आते हैं। पहला, अभी अपने analytics में AI-रेफ़रर ट्रैफ़िक को अलग से मापिए; अधिकांश setups इसे "अन्य" में डालते हैं या direct के साथ मिला देते हैं, जो ठीक वही वृद्धि व रूपांतरण-अंतर छिपा देता है जिसे Adobe माप रहा है। दूसरा, अपने उत्पाद schema और metadata का लेखा-परीक्षण करिए, यह देखते हुए कि कोई shopping LLM आपकी कैटलॉग को कैसे पुनः प्राप्त करेगा; इस चैनल में feed की गुणवत्ता विज्ञापन-बजट से अधिक मायने रखती है, क्योंकि लिंक agent चुनता है, उपयोगकर्ता नहीं। तीसरा, यदि आपके पास native ऐप या loyalty कार्यक्रम है, तो Starbucks-शैली का handoff pattern (खोज के लिए AI ऐप, checkout और डेटा संग्रह के लिए अपनी स्वयं की सतह) वह वास्तुकला है जिसे copy करने लायक़ है। Adobe जो खुला प्रश्न अभी उत्तर नहीं दे सकता वह प्लेटफ़ॉर्म-स्तर attribution है। मानिए कि यह खाई दो तिमाहियों में बंद होगी, उस समय व्यक्तिगत agents के लिए optimize करना एक मापने योग्य अनुशासन बन जाएगा। खुदरा से बाहर के निर्माताओं के लिए, स्थानांतरणीय pattern यह है कि AI-असिस्टेंट्स के भीतर आपके उत्पाद की खोज-क्षमता अब मापने योग्य राजस्व है, और जो टीमें इसे ट्रैक करेंगी वे बजट पाएँगी।