IA de compras con conocimiento de la tienda

La IA de compras con conocimiento de la tienda combina el catálogo de productos del minorista, el inventario local y el contexto geográfico para que el comprador pueda encontrar qué tienda cercana puede entregar un artículo específico, en lugar de simplemente cuál es la más cercana. El modelo de lenguaje interpreta la intención del comprador, la talla, el plazo de recogida y las restricciones de viaje. El sistema de comercio mantiene la autoridad en cuanto a la disponibilidad de variantes, horarios y entrega. Los servicios geoespaciales calculan el tiempo de viaje, el desvío de la ruta y la pertenencia al área de servicio.

Las secciones siguientes separan los datos del catálogo del contexto espacial y, a continuación, abordan la elegibilidad, la clasificación, la autoridad de inventario, los productos minoristas, el mapeo Kaleidr y la medición. Entre las lecturas relacionadas se incluyen Localizador de tiendas con IA y chat en el mapa, Búsqueda en el mercado con reconocimiento de ubicación y API de clasificación de lugares. Los equipos que ya hayan elegido una implementación pueden pasar directamente al mapeo Kaleidr; los equipos que aún estén definiendo los límites de los datos deben comenzar con la distinción entre producto y lugar.

Aspectos esenciales de la compra con reconocimiento de tienda

• Catálogo e inventario primero: SKU, variantes, stock local, horarios y elegibilidad para recogida se mantienen en los sistemas del minorista.
• Contexto segundo: El tiempo de viaje, las oficinas u hoteles, los desvíos de ruta y las áreas de servicio provienen de los servicios espaciales.
• Filtros estrictos antes de la clasificación: Las tiendas sin existencias, cerradas o que no permiten la recogida en tienda se consideran fallos de elegibilidad, no penalizaciones leves.
• Criterios visibles: La variante, el horario de recogida y los minutos de viaje deben aparecer como estado inspeccionable en el mapa y la lista.
• Resultados de medición: Los inicios de recogida, las reservas y las compras superan a los clics en marcadores o los desplazamientos por el mapa por sí solos.

La IA de compras con reconocimiento de tienda conecta la intención de compra con la red de tiendas físicas solo después de verificar el inventario y la elegibilidad de cumplimiento.

¿Por qué la IA de compras con conocimiento de la tienda es un problema para el comercio minorista B2B?

Los minoristas, los operadores de marketplaces y los productos SaaS de redes de tiendas ya cuentan con una gran cantidad de datos propios de catálogo y ubicación. La función de representar esas tiendas en un mapa ya no es escasa. El desafío del producto radica en ayudar al comprador a ver qué ubicación puede satisfacer la variante solicitada en el momento deseado, dentro de su presupuesto de viaje y con el servicio o la opción de recogida que haya especificado. Una tienda existe en una coordenada; la decisión de entrega depende del stock de la variante, el horario, la política de entrega y la relación geográfica con el domicilio, la oficina, el hotel, el lugar de entrega o la ruta.

Por consiguiente, la correspondencia entre productos y ubicaciones es un caso de uso importante de la IA espacial, más que un simple añadido estético para la localización. Kaleidr denomina actualmente IA de compras con conocimiento de tiendas como una experiencia de compra que permite responder preguntas sobre horarios, direcciones y ubicación, basándose en la red de tiendas (IA de mapas con chat para el descubrimiento de clientes). Kaleidr también describe la plataforma como experiencias de mapas con IA para empresas (AI-Powered Map Experiences for Business). Estas páginas son fiables respecto al posicionamiento de Kaleidr; no demuestran que todos los minoristas deban adquirir una solución conversacional completa, ni afirman que Kaleidr sea el sistema de gestión de inventario.

¿Cómo se está volviendo conversacional la búsqueda en el sector minorista?

La búsqueda en tiendas ofrece cada vez más interfaces en lenguaje natural, además de la conocida cuadrícula de filtros. Google describe actualmente la compra conversacional en modo IA que devuelve información sobre precios, reseñas e inventario del Gráfico de compras, y un flujo de agentes que puede contactar con tiendas cercanas para comprobar si un artículo está en stock, cuál es su precio y si se aplican promociones (Google, 2025). En 2026, Google describió las capacidades del catálogo del Protocolo de Comercio Universal que permiten a los agentes recuperar detalles de productos seleccionados en tiempo real, como variantes, inventario y precios, del catálogo de un minorista cuando sea compatible (Google, 2026). Google también afirmó que, independientemente de cómo un comprador complete el pago en las superficies de Google, el minorista sigue siendo el comerciante registrado (Google, 2026). Estas páginas son evidencia de que los principales productos de compra para el consumidor tratan el inventario local y los datos del catálogo como tareas de recuperación. Las mismas páginas no demuestran que un panel de chat integrado en un mapa sea suficiente, ni describen el tráfico Kaleidr.

La dificultad reside en integrar la conversación en los sistemas del propio minorista. Un asistente de compras de producción debe mantener la conversación vinculada a los identificadores reales de productos y variantes, identificadores de tiendas, datos de ubicación, cálculos geográficos, criterios de inspección y estado del mapa sincronizado. Datos de ubicación privados para flujos de trabajo de mapas con IA abarca la autorización del inventario que el host no expone públicamente.

¿En qué se diferencia la IA de compras con conocimiento de la tienda de un localizador de tiendas?

Una ruta de compra útil implica dos funciones relacionadas que no deben confundirse. Un localizador de tiendas con IA ayuda al cliente a encontrar y comparar ubicaciones de tiendas utilizando horarios, servicios y búsqueda conversacional (Localizador de tiendas con IA y chat en el mapa). La IA de compras con reconocimiento de tienda añade información sobre la intención del producto, la resolución de variantes, el inventario local y la gestión de la entrega. El localizador indica la ubicación del minorista. La IA de compras con reconocimiento de tienda indica dónde se puede entregar el artículo solicitado.

El descubrimiento de tiendas indica la ubicación de un minorista; la IA de compras con reconocimiento de tienda indica dónde se puede entregar el producto que el cliente necesita.

Generar primero una lista de tiendas cercanas y luego verificar el inventario invierte ese orden. El proceso invertido prioriza tiendas que el comprador no puede usar: el artículo está agotado, no se admite la recogida, la tienda está cerrada a la hora solicitada o se encuentra fuera del presupuesto de viaje especificado. Experiencia del Cliente con Inteligencia de Ubicación abarca el mismo modelo Descubrir → Comparar → Actuar para productos de ubicación orientados al cliente.

El estado compartido del mapa y la transacción mantiene la interfaz de usuario del mapa, la lista, la conversación y el proceso de pago en un único objeto canónico. Al seleccionar la tarjeta de una tienda, se debe resaltar la misma característica del mapa; al seleccionar un marcador, se debe abrir la misma tarjeta; al consultar al asistente sobre la tienda seleccionada, se debe obtener el identificador de dicha tienda; al cambiar un umbral de tiempo de viaje, se deben actualizar el mapa y la lista simultáneamente. Un segundo conjunto de resultados, invisible y exclusivo del asistente, incumple este contrato.

¿Qué sistemas deben gestionar los datos del producto y el contexto espacial?

Los datos de venta minorista describen el artículo y la tienda. El contexto espacial describe la relación entre esa tienda y el viaje del comprador. Los datos del producto incluyen identidad, variante, tamaño, color y especificaciones. Los datos de la tienda incluyen horarios, servicios y capacidad de cumplimiento. Los datos de inventario incluyen existencias locales, precio, disponibilidad para recogida y estado de la reserva. El contexto espacial incluye el tiempo de conducción desde una oficina, el tiempo a pie desde un hotel, los desvíos en una ruta existente y la pertenencia a un área de búsqueda definida.

La distinción es importante porque las dos clases tienen propietarios diferentes. El catálogo del minorista y el sistema de comercio electrónico deben seguir siendo la fuente autorizada para la disponibilidad, el precio, los horarios de recogida y el proceso de pago. Los servicios de ubicación poseen las coordenadas y los atributos públicos verificados cuando sea compatible. Los servicios geoespaciales poseen la geometría de la ruta, la distancia y las estimaciones del tiempo de viaje. El modelo de lenguaje interpreta la intención, extrae las restricciones y explica los resultados como criterios transparentes; el modelo de lenguaje no se convierte en el registro de inventario.

La geometría exacta sigue perteneciendo a un motor espacial. OGC Simple Feature Access, también publicado como ISO 19125-1, define la arquitectura común para la geometría de características simples y las implementaciones de operaciones espaciales que expone para puntos, curvas, superficies y colecciones (OGC, 2011). Los sistemas de producción deben permitir que el modelo de lenguaje interprete la intención y elija una operación, mientras que un motor geoespacial calcula la distancia, la ruta, la intersección y la contención.

¿Por qué la elegibilidad debe preceder a la clasificación espacial?

La elegibilidad estricta es binaria: la variante solicitada está en stock, la tienda está abierta a la hora requerida, se admite la recogida o el servicio especificado, el cliente tiene permiso para estar en ese mercado o la ubicación se encuentra dentro del área seleccionada. La preferencia flexible es comparativa: menor tiempo de viaje, menor desvío, un tipo de tienda preferido o capacidad restante entre las opciones elegibles. El sistema debe aplicar restricciones estrictas antes de clasificar las preferencias. Una coordenada conveniente para una tienda sin stock no es un buen primer resultado.

La disponibilidad y el cumplimiento son reglas de elegibilidad; la geografía clasifica solo las tiendas que realmente pueden satisfacer la solicitud.

La compra en lenguaje natural combina las dos clases en una sola frase. Una solicitud como «chaqueta impermeable de senderismo para mujer, talla M, cerca de mi oficina, recogida hoy» debería mostrar filtros que el comprador pueda editar: producto, variante, franja horaria de recogida y ubicación de la oficina. La interpretación oculta genera más dudas que la información verificable. La API de clasificación de ubicaciones gestiona la elegibilidad antes de la preferencia en su formato programable.

La misma solicitud puede fallar por diferentes motivos. Una tienda cercana podría no tener la variante. Otra podría tenerla, pero no ofrecer la opción de recogida. Una tienda más lejana podría tener la variante, ofrecer la opción de recogida y aun así ocupar el primer lugar una vez que se aplique el tiempo de viaje solo a las tiendas que ya han pasado los controles. La ausencia de resultados es normal: si nada coincide con la franja horaria de recogida de hoy, el producto puede ofrecer opciones flexibles, como mañana o un trayecto más largo, en lugar de descartar un requisito estricto sin previo aviso.

¿Por qué las compras con conocimiento de la tienda son más que un radio de proximidad?

Ubicación no es sinónimo de búsqueda del vecino más cercano. El punto de referencia relevante puede ser una oficina, un hotel, un lugar para eventos, un sitio de trabajo, un aeropuerto o el destino de una ruta, en lugar de las coordenadas actuales del comprador. La opción "Recoger cerca del centro de convenciones, no cerca de mí" modifica el conjunto de opciones, incluso si el catálogo permanece igual. El producto debe calcular la relación que requiere la decisión y mostrarla como un motivo en la ficha.

El tiempo de viaje suele ser más útil que el radio, ya que la distribución de las calles, el tráfico, el estacionamiento y las entradas a las tiendas influyen en la conveniencia. Una tienda que parece más cercana en un círculo puede ser peor que una más lejana si la coordenada más corta se encuentra al otro lado de una autopista, frente a la entrada de la oficina. Las compras en ruta presentan una relación diferente: el comprador ya tiene una ruta definida, y la clasificación debe reflejar el costo adicional del viaje, en lugar de la distancia desde el punto actual. La búsqueda con múltiples puntos de referencia pregunta si una tienda es conveniente para varios lugares, como la oficina y la guardería. La búsqueda por radio alrededor de un punto no puede expresar esa intersección.

Los horarios de recogida son datos de comercio espacial, no un indicador de disponibilidad del artículo. El cliente puede necesitar el artículo para una hora específica, que depende del stock local, la capacidad de entrega, la hora límite, el horario de la tienda, la hora actual y el tiempo de viaje. El resultado útil es si la tienda puede entregar el artículo, si puede entregarlo a tiempo y si el cliente puede llegar a tiempo. El tipo de tienda sigue siendo importante: tienda insignia, outlet, almacén, punto de recogida y centro de servicio son atributos de elegibilidad, no etiquetas cosméticas.

¿Cómo debe mantenerse la autoridad del inventario?

Un asistente de compras conversacional no debe inferir que un producto está disponible porque la tienda vende la marca, el artículo aparece en el sitio web, hay una variante similar en stock o existía un resultado almacenado en caché anteriormente. La disponibilidad debe provenir del inventario actual o del sistema de cumplimiento del minorista. "En stock en esta tienda" es una explicación válida solo cuando dicha fuente respalda la afirmación.

El inventario a nivel de variante es la unidad de elegibilidad habitual. Un producto puede aparecer como disponible aunque no lo esté la talla, el color o la configuración requerida. La ropa, el calzado, la electrónica, las autopartes y los artículos para el hogar suelen fallar cuando el sistema relaciona el producto con la tienda y omite la variante con la tienda. Los identificadores estables de productos y variantes deben conectar el catálogo, el inventario, el resultado de la tienda, la explicación del asistente, el carrito o la reserva, y los análisis, de modo que el asistente no pueda recomendar una variante mientras el sistema de cumplimiento verifica otra.

La disponibilidad tiene una marca de tiempo. El stock local cambia entre la búsqueda y la acción. Antes de reservar, recoger, añadir al carrito o finalizar la compra, el proveedor debe revalidar el producto, la variante, el inventario, la tienda, el precio y el plazo de recogida. La recomendación del asistente no es el bloqueo de inventario. La documentación de compra actual de Google refuerza el mismo límite de comerciante registrado: los agentes pueden recuperar información del catálogo cuando sea compatible, mientras que el minorista sigue siendo la parte que realiza la transacción (Google, 2026).

La prioridad comercial es una política, no una puntuación de relevancia. Las tiendas destacadas, las ubicaciones patrocinadas y las reglas de equilibrio de capacidad deben etiquetarse y regirse por separado de la elegibilidad. Priorizar una tienda cerrada o sin existencias solo por ser un socio comercial sigue perjudicando al comprador. Los productos sustitutos requieren una regla explícita: ofrecer una alternativa específica solo cuando no se pueda satisfacer la variante solicitada, y no realizar cambios automáticos sin previo aviso.

¿Qué productos minoristas se benefician de la IA de compras con conocimiento de la tienda?

La misma arquitectura se aplica a varios propietarios de inventario, con diferentes conjuntos de candidatos. Un minorista omnicanal de ropa o electrónica puede mantener el inventario de variantes en tiempo real como fuente autorizada, a la vez que añade comparaciones de tiempo de viaje y restricciones de recogida inspeccionables. Una red de belleza u óptica puede combinar el stock de tonos o SKU con la elegibilidad para consultas o citas. Una red de mejoras para el hogar o autopartes puede requerir la cantidad o compatibilidad en el catálogo del minorista y, a continuación, clasificar las tiendas que pueden emitir el artículo. Búsqueda de mercado con reconocimiento de ubicación aborda un problema de coincidencia relacionado cuando el anfitrión es un mercado en lugar de una sola marca.

Los productos de hoteles, eventos y destinos pueden integrar el contexto minorista en otro recorrido, como un cargador cerca del hotel antes de la cena. Un catálogo de lugares admite la búsqueda general; un minorista con inventario propio puede determinar la ubicación exacta (SKU), el tiempo de caminata y la acción de recogida. En cada caso, el anfitrión sigue siendo propietario del proceso de pago, la fidelización y la cuenta del cliente. La capa espacial devuelve identificadores de tienda estables, motivos de inspección y una siguiente acción estructurada que el sistema anfitrión ya admite. Reservas con conocimiento de ubicación abarca la misma transferencia de disponibilidad prioritaria fuera del comercio minorista.

Los procesos de servicio, como la instalación, el montaje, la reparación o la consulta, añaden un sistema de reservas como autoridad adicional. La solicitud «artículo en stock con cita para instalación mañana» incluye inventario, servicio y ubicación. El sistema de citas debe seguir siendo la autoridad para la disponibilidad de citas, al igual que el inventario lo es para el stock.

¿Cómo se relaciona Kaleidr con las compras con conocimiento de la tienda?

Una implementación de Kaleidr puede conectar una capa espacial conversacional a una plataforma de comercio minorista que el sistema anfitrión ya opera. Kaleidr documenta actualmente el chat como un producto que se integra con un mapa que el host ya renderiza, traza ubicaciones y ajusta la cámara a medida que la conversación resuelve las ubicaciones (Chat attach). Según la configuración, este patrón admite una red de tiendas existente, un mapa existente, un catálogo e inventario propiedad del host y una capa de mapa conversacional Kaleidr en lugar de una pila de comercio de reemplazo.

Una arquitectura B2B robusta añade IA espacial a la pila minorista en lugar de trasladar el inventario, la gestión de pedidos o las transacciones a la capa de IA.

El proveedor sigue siendo propietario del catálogo de productos, el inventario, los precios, la gestión de pedidos, el proceso de pago, el programa de fidelización y la cuenta de cliente. Las páginas públicas actuales de productos y desarrolladores de Kaleidr no documentan un conector universal de inventario para minoristas ni un punto final público dedicado para la búsqueda local de SKU. Por lo tanto, un artículo de implementación correcto indica: mantener la recuperación de inventario en la capa de comercio del proveedor y conectar la capa del mapa conversacional al flujo de trabajo de reserva o recogida que el producto ya utiliza. No se debe dar por sentado que Kaleidr es la fuente de inventario a menos que se documente una integración específica para la implementación.

Los límites entre la capa del navegador y la capa de la aplicación siguen vigentes. El nombre, el horario y la ubicación de la tienda pública pueden ser seguros para el navegador; las credenciales de inventario, los datos privados de los clientes, las reglas de precios no publicadas y el estado de pago deben permanecer en la capa de la aplicación. Kaleidr documenta actualmente una clave publicable para el uso del SDK del navegador y una clave de servidor para llamadas de confianza en la capa de aplicación, e indica que una clave publicable presentada como portadora es rechazada (Autenticación y ámbitos). Las credenciales del servidor pertenecen a la capa de aplicación.

Kaleidr describe actualmente una plantilla de venta minorista con función de búsqueda de ubicación, indicaciones, horarios y un chat de atención al cliente en el mapa; la plantilla de inicio en vivo es Kaleidr Retail. Confirme los límites del plan actual en Precios y planes antes de depender de un flujo de trabajo de producción específico. Considere la documentación actual para desarrolladores como el contrato de integración; las páginas de marketing describen el caso de uso, no la lista de puntos finales.

¿Qué deben medir los equipos?

Los desplazamientos del mapa y las aperturas de chat son indicadores de diagnóstico. Las métricas de resultados para la IA de compras con reconocimiento de tienda incluyen la resolución de productos y variantes, la tasa de falta de inventario local, el número de tiendas elegibles, el tiempo de viaje a la tienda seleccionada, el inicio de la recogida o reserva, el inicio del carrito y la finalización de la compra. La conversión por franja de tiempo de viaje y las brechas de inventario geográfico indican al minorista si la red puede satisfacer la demanda donde los clientes realmente buscan. Interacción con mapas y análisis de ubicación actualmente documenta la interacción con mapas y lugares; los sistemas de comercio anfitrión siguen gestionando las reservas y las compras.

¿Qué limitaciones deben esperar los equipos?

Las compras conversacionales no reemplazan la calidad del catálogo, las fotos ni la disciplina de cumplimiento. Las estimaciones del tiempo de viaje dependen del modo de transporte, la hora del día y los datos de la red, y siguen siendo estimaciones, no garantías. Las afirmaciones de inventario son tan fiables como los registros del minorista que las respaldan. El stock en caché es una prueba menos sólida que una verificación de disponibilidad en tiempo real.

Agregar un asistente a un mapa existente suele ser más económico que reemplazar el motor de renderizado, pero el host aún debe gestionar la autorización, la identidad del producto y la transferencia de transacciones comerciales. El inventario en tiempo real añade latencia y modos de fallo que una lista de tiendas estática no presenta. Estas limitaciones son decisiones de producto, no razones para omitir la capa espacial. API de inteligencia de ubicación y SDK de mapas describe actualmente los SDK, las API de inferencia, la clasificación y el análisis como infraestructura que rodea a una pila de host, en lugar de reemplazarla.

¿Cómo deberían los equipos iniciar un programa piloto B2B?

Comience con una familia de productos, una región y una acción de cumplimiento, como la recogida en tienda. Mantenga el catálogo, el inventario y el proceso de pago en el servidor. Añada la interacción conversacional del mapa al mapa de tiendas existente. Revalide la información antes de que el cliente realice la acción. Compare la tasa de tiendas elegibles y los inicios de recogida con un control que solo utilice el localizador.

Explore Kaleidr Spatial AI para añadir la búsqueda conversacional de tiendas a un mapa existente. Explore Kaleidr Enterprise para obtener SDK, API de inferencia, análisis y soporte de implementación en torno a una plataforma de venta minorista actual. Confirme las páginas públicas actuales antes de considerar cualquier ejemplo de este artículo como un contrato de envío.

Preguntas frecuentes

¿Qué es la IA de compras con conocimiento de la tienda?

La IA de compras con conocimiento de la tienda conecta la intención del comprador con los datos de la tienda local, el inventario, la capacidad de entrega y la ubicación geográfica, para que el comprador pueda preguntar qué tienda física puede satisfacer una necesidad específica del producto.

¿En qué se diferencia la IA de compras con conocimiento de la tienda de un localizador de tiendas?

Un localizador de tiendas ayuda principalmente a los clientes a encontrar ubicaciones. La IA de compras con conocimiento de la tienda también resuelve el producto o variante, verifica qué tiendas pueden entregarlo y clasifica las tiendas válidas según el contexto geográfico.

¿Debe el modelo de lenguaje decidir si un artículo está en stock?

No. El sistema de inventario del minorista debe seguir siendo la fuente principal de información sobre el stock y la disponibilidad. El asistente puede explicar los resultados basados en el inventario, pero no debe inferir la disponibilidad.

¿Por qué es importante el inventario a nivel de variante?

Un producto puede estar disponible en una tienda, pero no así la talla, el color, la configuración u otra variante que el cliente necesita. La coincidencia a nivel de variante evita la disponibilidad falsa.

¿Debería la tienda más cercana siempre aparecer primero?

No. La tienda más cercana puede estar sin existencias, cerrada, no ofrecer recogida o estar más lejos que otra tienda. La disponibilidad debe primar sobre la ubicación geográfica.

¿Puede la IA de compras con conocimiento de la tienda usar el tiempo de viaje en lugar de la distancia?

Sí. El tiempo de viaje puede ser más útil cuando el cliente conduce, camina o se desplaza por una red donde la distancia en línea recta no refleja la conveniencia.

¿Qué es la búsqueda de tiendas minoristas a lo largo de la ruta?

La búsqueda en ruta encuentra tiendas elegibles en relación con un recorrido existente y puede clasificarlas según el tiempo de viaje adicional o el desvío, en lugar de la distancia desde el origen del viaje.

¿Puede el asistente reservar o comprar el producto?

El asistente puede gestionar estas acciones, pero el sistema de comercio del minorista debe revalidar el inventario, autenticar al cliente cuando sea necesario y ejecutar la reserva o transacción.

¿Kaleidr reemplaza la plataforma de inventario o comercio del minorista?

El reemplazo no es la arquitectura recomendada. Los sistemas de catálogo, inventario, precios, cumplimiento y transacciones deben seguir siendo los principales. Kaleidr puede agregar inteligencia espacial conversacional e interacción de mapas en torno a ese flujo de trabajo.

¿Tiene Kaleidr una API pública universal de inventario minorista?

La documentación pública actual para desarrolladores de Kaleidr no documenta un punto final universal de inventario minorista. La recuperación de inventario debe permanecer en la pila de comercio del host a menos que se confirme una integración empresarial específica compatible.

¿Puede Kaleidr conectarse a un mapa minorista existente?

Sí. La documentación actual de chat de Kaleidr permite conectar la capa conversacional a un mapa que el host ya renderiza.

¿Qué debería medir un producto minorista B2B?

Medir la resolución de productos y variantes, la tasa de falta de inventario local, el número de tiendas elegibles, el tiempo de viaje a la tienda seleccionada, los inicios de recogida o reserva, los inicios de carrito, la finalización de la compra y las brechas de inventario geográfico.

Referencias

• Kaleidr. AI Map Chat for Customer Discovery. Accessed 7 September 2026. https://kaleidr.com/ai
• Kaleidr. AI-Powered Map Experiences for Business. Accessed 7 September 2026. https://kaleidr.com/
• Kaleidr. AI Store Locator With Map Chat. Accessed 7 September 2026. https://kaleidr.com/blog/ai-store-locator-with-map-chat
• Google. Let AI do the hard parts of your holiday shopping. 13 November 2025. https://blog.google/products-and-platforms/products/shopping/agentic-checkout-holiday-ai-shopping/
• Google. AI shopping gets simpler with Universal Commerce Protocol updates. 19 March 2026. https://blog.google/products-and-platforms/products/shopping/ucp-updates/
• Google. How we’re helping retailers thrive with new Universal Commerce Protocol features and AI tools on Google. 20 May 2026. https://blog.google/products-and-platforms/products/shopping/shopping-updates-google-marketing-live/
• Open Geospatial Consortium. Simple Feature Access — Part 1: Common Architecture. OGC 06-103r4 / ISO 19125-1. 2011. Accessed 7 September 2026. https://www.ogc.org/standards/sfa/
• Kaleidr. Chat attach. Developer documentation. Accessed 7 September 2026. https://docs.kaleidr.com/sdk/chat-attach
• Kaleidr. Auth & scopes. Developer documentation. Accessed 7 September 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
• Kaleidr. Kaleidr Retail. Template. Accessed 7 September 2026. https://template.kaleidr.com/customize/?template=retail
• Kaleidr. Map Engagement and Location Analytics. Accessed 7 September 2026. https://kaleidr.com/analytics
• Kaleidr. Location Intelligence APIs and Map SDK. Accessed 7 September 2026. https://kaleidr.com/enterprise

@misc{kaleidr_ai_store_aware_2026_09_07,
  title  = {AI Map Chat for Customer Discovery},
  author = {{Kaleidr}},
  note   = {Accessed 7 September 2026},
  url    = {https://kaleidr.com/ai}
}

@misc{kaleidr_home_store_aware_2026_09_07,
  title  = {AI-Powered Map Experiences for Business},
  author = {{Kaleidr}},
  note   = {Accessed 7 September 2026},
  url    = {https://kaleidr.com/}
}

@misc{kaleidr_store_locator_2026_09_07,
  title  = {AI Store Locator With Map Chat},
  author = {{Kaleidr}},
  note   = {Accessed 7 September 2026},
  url    = {https://kaleidr.com/blog/ai-store-locator-with-map-chat}
}

@misc{google_agentic_shopping_2026_09_07,
  title  = {Let AI do the hard parts of your holiday shopping},
  author = {{Google}},
  year   = {2025},
  month  = nov,
  url    = {https://blog.google/products-and-platforms/products/shopping/agentic-checkout-holiday-ai-shopping/}
}

@misc{google_ucp_catalog_2026_09_07,
  title  = {AI shopping gets simpler with Universal Commerce Protocol updates},
  author = {{Google}},
  year   = {2026},
  month  = mar,
  url    = {https://blog.google/products-and-platforms/products/shopping/ucp-updates/}
}

@misc{google_ucp_merchant_of_record_2026_09_07,
  title  = {How we're helping retailers thrive with new Universal Commerce Protocol features and AI tools on Google},
  author = {{Google}},
  year   = {2026},
  month  = may,
  url    = {https://blog.google/products-and-platforms/products/shopping/shopping-updates-google-marketing-live/}
}

@misc{ogc_sfa_part1_2026_09_07,
  title  = {Simple Feature Access -- Part 1: Common Architecture},
  author = {{Open Geospatial Consortium}},
  year   = {2011},
  note   = {OGC 06-103r4 / ISO 19125-1; accessed 7 September 2026},
  url    = {https://www.ogc.org/standards/sfa/}
}

@misc{kaleidr_chat_attach_store_aware_2026_09_07,
  title  = {Chat attach},
  author = {{Kaleidr}},
  note   = {Developer documentation; accessed 7 September 2026},
  url    = {https://docs.kaleidr.com/sdk/chat-attach}
}

@misc{kaleidr_auth_scopes_store_aware_2026_09_07,
  title  = {Auth \& scopes},
  author = {{Kaleidr}},
  note   = {Developer documentation; accessed 7 September 2026},
  url    = {https://docs.kaleidr.com/platform-api/auth-and-scopes}
}

@misc{kaleidr_retail_template_2026_09_07,
  title  = {Kaleidr Retail},
  author = {{Kaleidr}},
  note   = {Template; accessed 7 September 2026},
  url    = {https://template.kaleidr.com/customize/?template=retail}
}

@misc{kaleidr_analytics_store_aware_2026_09_07,
  title  = {Map Engagement and Location Analytics},
  author = {{Kaleidr}},
  note   = {Accessed 7 September 2026},
  url    = {https://kaleidr.com/analytics}
}

@misc{kaleidr_enterprise_store_aware_2026_09_07,
  title  = {Location Intelligence APIs and Map SDK},
  author = {{Kaleidr}},
  note   = {Accessed 7 September 2026},
  url    = {https://kaleidr.com/enterprise}
}